Descubre qué expone de verdad tu sistema de IA.

Un pentesting de IA cubre el modelo y también sus prompts, su contexto, sus fuentes RAG, sus agentes y sus herramientas, no solo el endpoint que publica tu equipo de web. Auditamos prompt injection directa, prompt injection indirecta a través de documentos que leen tus agentes, extracción del system prompt y de las políticas, integridad del índice RAG y recuperación entre tenants, permisos de las llamadas a herramientas y exceso de autonomía, vulnerabilidades del almacén de vectores y de los embeddings, riesgos de cadena de suministro en conectores y servidores MCP, y abuso de consumo de tokens o de coste. Cada hallazgo se encadena hasta su impacto en el negocio y se mapea al OWASP Top 10 for LLM Apps (2025).

Un pentesting de IA se presupuesta por alcance, complejidad y tipo de prueba. Te damos una propuesta a precio cerrado en las 48 horas siguientes a la primera llamada, sin costes ocultos y sin compromiso de renovación. Auditar un solo chatbot con un índice RAG documentado queda en la parte baja del rango. Las plataformas con varios agentes, los despliegues RAG multi-tenant o los proyectos que necesitan montar un arnés específico para un modelo propio escalan desde ahí. El retest siempre va incluido, contra la misma versión del modelo y la misma configuración de prompts.

No sin tu consentimiento. Cada pentesting de IA se entrega con rules of engagement por escrito, criterios de ataque seguro y un protocolo de hallazgo crítico: qué superficies entran en el alcance (preproducción o un tenant de producción controlado), qué herramientas se pueden ejecutar en vivo y qué obliga a parar de inmediato. Sobre proveedores de modelo gestionados trabajamos por defecto con una clave de API en sandbox, con un tope de peticiones y un presupuesto de tokens que acuerdas por adelantado, para que probar el abuso de coste sea una prueba medida y no una barra libre. Cualquier explotación sobre producción exige tu aprobación por escrito y que tu equipo esté pendiente.

El black box refleja lo que tendría un cliente o un investigador curioso: el chat público, un documento subido y una pregunta educada. El grey box añade tus system prompts, tu lista de herramientas, el inventario de fuentes del RAG, un tenant de pruebas y un contacto técnico para dudas, así que dedicamos más tiempo del proyecto a encadenar y menos a descubrir. El white box añade diagramas de arquitectura, configuración del modelo, librerías de prompts y documentos de diseño de conectores o de servidores MCP. Normalmente recomendamos grey box para el primer proyecto y para los ciclos siguientes, a medida que tu producto de IA madura, y black box cuando lo que buscas es una señal para la auditoría de un cliente o volver a fijar la línea base de un chatbot público.

El hacker ético senior con el que hablas en la primera llamada. Nuestro equipo cuenta con credenciales OSCP, OSCE³, OSWE, OSEP, CRTO y CRTP, y en la práctica de IA sumamos conocimiento específico de LLM (OWASP Top 10 for LLM Apps 2025, MITRE ATLAS, OWASP AI Testing Guide) y experiencia real con modelos GPT, Claude, Llama y Mistral y con los frameworks de orquestación habituales (LangChain, LlamaIndex, servidores MCP). Somos contribuidores verificados del Bug Bounty de la NASA, y nuestro equipo ha publicado investigación contra cadenas de herramientas de IA muy desplegadas. Tu proyecto lo acota, lo ejecuta y lo re-verifica el mismo especialista con el que hablaste el primer día. Y sigues hablando con esa misma persona en cada fase.