Els atacs multitorn contra models d'intel·ligència artificial han demostrat una taxa d'èxit alarmant del 88,3%, segons un estudi recent de Cisco que va avaluar 6.986 converses adversàries sobre 15 models propietaris. Aquesta dada, presentada en un panell de seguretat agentiva durant el VB Transform 2026, revela que les proves tradicionals d'un sol torn —on es llança un prompt maliciós i s'avalua la resposta— són insuficients per protegir sistemes productius. La investigació va comparar 30.090 atacs d'un sol torn amb 6.986 atacs multitorn; mentre els primers fallaven en no capturar comportaments evasius, els segons exposaven vulnerabilitats que cap test simple detecta.
El problema rau en el fet que la interacció real amb agents d'IA és conversacional. Un usuari o un atacant no es limita a un únic prompt; negocia, reformula, insisteix. Els models, en mantenir un context llarg, poden ser manipulats gradualment per obtenir respostes prohibides, accedir a dades sensibles o executar accions no autoritzades. Cisco, juntament amb Nicholas Conley, va demostrar que els rànquings de seguretat entre models canvien completament quan es passa d'un torn a diversos: models que semblaven segurs en un sol prompt resultaven fràgils en diàlegs estesos. Això obliga a redefinir com les empreses aborden la ciberseguretat en els seus sistemes basats en IA.
Per a les organitzacions que estan desplegant agents intel·ligents —ja sigui en atenció al client, automatització de processos o anàlisi de negoci— la conclusió és clara: el test simple és una falsa garantia. Segons una enquesta de VentureBeat de juny de 2026, el 54% de les empreses ja ha patit un incident confirmat de seguretat relacionat amb agents (18%) o un quasi incident (36%). Només un 32% assigna identitats gestionades i acotades a cada agent, i tot just un 30% aïlla els agents d'alt risc en entorns de prova (sandboxes). El 82% de les companyies encara depèn de controls natius dels proveïdors de núvol com a capa principal de seguretat, un enfocament que s'ha mostrat insuficient davant atacs multitorn.
Davant aquest panorama, la indústria està reaccionant amb adquisicions multimilionàries: Palo Alto Networks va tancar la compra de CyberArk per 25.000 milions de dòlars, CrowdStrike va adquirir SGNL per 740 milions i Cisco va comprar Astrix Security per 400 milions, tot orientat a reforçar la capa d'identitat i aïllament que la majoria d'empreses encara no ha construït. La resposta no és complexa, segons Amy Chang, directora d'intel·ligència d'amenaces i seguretat d'IA a Cisco: 'Continua sent senzill: cal tornar als fonaments, pensar en què estem protegint realment a la nostra organització'. La seva recomanació és treballar cap enrere des d'incidents reals, utilitzant marcs com l'Integrated AI Security and Safety Framework de Cisco, per identificar on van fallar les defenses.
En aquest context, Q2BSTUDIO, com a empresa de desenvolupament de programari i tecnologia, ofereix solucions que aborden precisament aquests desafiaments. Amb serveis de aplicacions a mida, Q2BSTUDIO pot integrar mecanismes de seguretat multitorn des del disseny, garantint que els agents d'IA que construeix per als seus clients siguin avaluats sota condicions realistes d'atac. A més, la seva experiència en intel·ligència artificial permet dissenyar sistemes que no només responen a prompts, sinó que incorporen controls deterministes i monitoratge continu per detectar desviacions en temps real.
Un enfocament pràctic és el que descriu Heather Ceylan, CISO de Box. La seva companyia implementa tres capes concèntriques de seguretat: permisos restringits (l'agent només accedeix a dades que l'usuari humà podria veure), entorns efímers (cada tasca s'executa en un sandbox temporal) i control d'execució (les crides a eines es limiten a les estrictament necessàries). Per a accions destructives, s'exigeix sempre aprovació humana. Aquesta arquitectura, combinada amb proves multitorn contínues, redueix dràsticament la superfície d'atac.
A Q2BSTUDIO sabem que la seguretat no pot ser un afegit tardà. Per això, en desenvolupar automatització de processos basada en agents, apliquem principis de mínim privilegi i aïllament. A més, la nostra oferta en cloud AWS/Azure permet desplegar aquests agents amb identitats efímeres i polítiques d'accés adaptatives, mentre que les capacitats de BI / Power BI ajuden a monitoritzar el comportament dels agents a través de dashboards en temps real. La combinació d'intel·ligència artificial i business intelligence permet detectar patrons anòmals a les converses que podrien indicar un atac multitorn en curs.
La formació dels equips també és crucial. Rajesh Parekh, VP d'IA a Intuit, subratlla que els agents tenen 'habilitats' que poden convertir-se en vulnerabilitats. Per això, a Intuit han creat GenOS, un sistema operatiu d'IA que centralitza la seguretat, el risc i el modelatge de frau, evitant que cada desenvolupador reinventi proteccions. Q2BSTUDIO ofereix un enfocament similar a través dels seus serveis de consultoria i desenvolupament, ajudant les empreses a construir plataformes internes que abstraguin la seguretat dels agents i permetin proves multitorn automatitzades.
La clau és la continuïtat. Ceylan adverteix que, en la seva experiència, un sol error d'un agent pot destruir tota la confiança acumulada en mesos. 'Van haver de començar de nou', relata. Per això, el monitoratge constant, els canvis de permisos enmig de la sessió i la reavaluació periòdica dels models són imprescindibles. Els models canvien, els adversaris s'adapten i les proves d'un sol torn no reflecteixen aquesta realitat dinàmica.
Per a les empreses que encara confien en controls natius de proveïdors, el missatge del panell és directe: cal provar com ataquen els atacants, al llarg de converses completes i de forma contínua, o descobrir en producció allò que el test simple va passar per alt. A Q2BSTUDIO oferim precisament això: desenvolupament de ciberseguretat avançada, incloent pentesting d'agents d'IA amb metodologies multitorn, per garantir que les seves aplicacions no siguin vulnerables al 88% d'atacs que el test simple no detecta.
