AI Security es el segmento que protege aplicaciones que usan LLM (ChatGPT, Claude, Gemini, modelos open source vía vLLM/Ollama). Los ataques relevantes en 2026 son: prompt injection directa e indirecta, data leakage (el LLM revela datos sensibles del contexto), jailbreaks (bypass de safety filters), abuso de tools (function calling malicioso) y adversarial inputs.
Es el nicho de menor competencia editorial en español y mayor crecimiento de inversión empresarial. Si publicas contenido técnico aquí en 2026, te posicionas para los siguientes 3-5 años.
Tabla comparativa rapida
| Herramienta | Modelo | Mejor para |
|---|---|---|
| Lakera Guard | Comercial SaaS | API drop-in para prompt injection y data leakage |
Herramientas
Guia de compra
¿Tu aplicación usa LLMs externos (OpenAI, Anthropic) o self-hosted?
Externos: necesitas guardrails en cliente (Lakera, Rebuff). Self-hosted: añades inspección antes/después del modelo (NeMo Guardrails, vLLM hooks).
¿Tu LLM tiene acceso a tools / function calling?
Sí: prioriza herramientas con análisis de intent y validación de argumentos. Esto eleva la superficie de ataque considerablemente.
¿Trabajas con datos regulados (PII/PHI)?
Imprescindible DLP en prompts y respuestas. Microsoft Purview, Lakera y Protect AI tienen módulos específicos.