Modelo de Madurez de Seguridad de IA para AWS
Un modelo de madurez de seguridad prescriptivo para cargas de IA e IA generativa en AWS. Para cada capacidad y fase de madurez, te da controles tácticos: qué servicio de AWS usar, cómo configurarlo y cómo verificarlo.
Cómo usar este modelo
Este es un modelo de madurez de seguridad prescriptivo para cargas de IA e IA generativa en AWS. Te da controles de seguridad de AWS tácticos y verificables para cada capacidad y fase de madurez, y los traza al OWASP LLM Top 10 para el riesgo técnico, al NIST AI RMF para la gobernanza y a las mejores prácticas de seguridad de la AWS Well-Architected Generative AI Lens. Destila el AWS AI Security Framework, el AWS SRA para IA, y las Scoping Matrices de IA generativa y agéntica en una guía navegable y medible. Mide la adopción y madurez de controles, no el cumplimiento ni la certificación.
La matriz: capacidades x fases de madurez
El modelo cruza las 6 capacidades de IA del AWS SRA para IA (inferencia de modelos, personalización, RAG, herramientas, agentes y aplicaciones de IA) contra 3 fases de madurez (Fundacional, Mejorada, Avanzada). Cada celda propone controles de seguridad tácticos en AWS.
Los controles son acumulativos: cada capacidad se construye sobre la inferencia de modelos, y cada fase sobre la anterior. Nunca empiezas de cero.
Las tres preguntas que este modelo te ayuda a responder
- ¿Cómo llevamos la IA a producción de forma segura, y cuál es el costo de equivocarnos?
- ¿Qué datos puede acceder nuestra IA, y cómo se gobierna eso?
- ¿Cómo sabemos que nuestros controles funcionan, y podemos gestionar incidentes?
Controles tácticos, no un resumen
Este es el diferenciador. La mayoría de las guías de seguridad de IA se quedan en principios; aquí cada control es específico y verificable: qué servicio de AWS usar, cómo configurarlo y cómo validarlo, mapeado a los riesgos del OWASP LLM Top 10 que mitiga y a los scopes de IA generativa aplicables. Los controles para herramientas y agentes también atienden las dimensiones de seguridad agéntica (identidad, memoria, orquestación, límites, guardrails y registro), que la mayoría de los modelos pasan por alto.
Mide y demuestra tu cobertura
Usa la autoevaluación para registrar tu adopción por control, capacidad y fase, manteniendo todo en tu navegador y exportándolo a un archivo cuando lo necesites. La página de cobertura y trazabilidad muestra cómo los controles mapean al OWASP LLM Top 10 (riesgos técnicos), a las funciones del NIST AI RMF (gobernanza del riesgo), a las mejores prácticas de seguridad de la AWS Well-Architected Generative AI Lens y a las dimensiones de seguridad agéntica, para que puedas demostrar la cobertura en los ejes técnico, arquitectónico y de gobernanza.
También mapea los controles al estándar AWS Security Hub AI Security Best Practices: los checks automatizados de CSPM que validan en tu cuenta, en runtime, los controles correspondientes. Es una capa de validación complementaria, no una equivalencia uno a uno: confirma la postura de configuración (cifrado, aislamiento de red, autorización de gateway) pero no cubre los controles que no son detectables por máquina, como gobernanza, supervisión humana o endurecimiento de prompts.
Idiomas y fuentes
Disponible en inglés, español y portugués. Construido enteramente sobre fuentes oficiales y públicas de AWS y de la industria.