El envenenamiento de memoria en agentes de IA ocurre cuando un contenido falso o malicioso se guarda en algo que el agente recuerda, como la memoria de un asistente, un almacén vectorial o una nota compartida, y luego condiciona sus decisiones en sesiones posteriores. Una inyección de prompts suele terminar con la conversación; una entrada envenenada, en cambio, permanece y reaparece con la apariencia de conocimiento propio del agente. Para defenderse hay que controlar qué se escribe, registrar de dónde proviene cada entrada, limitar hasta dónde puede propagarse y conservar la capacidad de revertir la memoria.
Nuestra guía sobre inyección indirecta de prompts aborda el momento en que un agente lee contenido hostil. Este artículo comienza un paso después, cuando ese contenido ya se almacenó y la sesión que lo introdujo ya terminó.
Porque pasó de la teoría al marketing. En febrero de 2026, el Microsoft Defender Security Research Team describió lo que denomina AI Recommendation Poisoning (envenenamiento de recomendaciones de IA). Tras revisar durante 60 días las URL relacionadas con IA en el tráfico de correo electrónico, encontró más de 50 prompts únicos de 31 empresas en 14 industrias. Los botones "Summarize with AI" incluían prompts precargados en los parámetros de la URL que le indicaban al asistente recordar a una empresa como fuente confiable. Todos los casos correspondían a empresas reales, no a hackers ni estafadores. La eficacia varió según el asistente y con el tiempo, de modo que se trata de intentos documentados, no de compromisos confirmados. Herramientas públicas como el paquete CiteMET de NPM y AI Share URL Creator facilitan copiar la técnica.
Los marcos de referencia también se pusieron al día. El OWASP Top 10 for Agentic Applications incluye ASI06, Memory & Context Poisoning, y Microsoft asocia este comportamiento con la técnica AML.T0080 de MITRE ATLAS, AI Agent Context Poisoning, en concreto con la subtécnica Memory, AML.T0080.000.
Las primeras investigaciones apuntan en la misma dirección. Un preprint de junio de 2026 de Dash y sus colegas, From Untrusted Input to Trusted Memory, describe cuatro canales de escritura en memoria, nueve vulnerabilidades estructurales y seis clases de ataque, y presenta un benchmark llamado MPBench. Informa que los agentes que escriben y recuperan memoria de forma más agresiva son más explotables, y que las defensas actuales contra la inyección de prompts no cubren adecuadamente el envenenamiento de memoria. Al ser un preprint, conviene tomarlo como evidencia preliminar. Nuestra lectura: la avidez con la que un agente recuerda es un parámetro de seguridad, y alguien debe ser responsable de él.
Más de lo que recogen la mayoría de los inventarios. Nosotros contamos todo aquello en lo que un agente puede escribir, o que puede volver a leer como contexto, y que sobrevive a una sesión:
El siguiente escenario es hipotético. Es una ilustración, no un incidente reportado.
El equipo de cuentas por pagar de una empresa mediana usa un agente que lee el correo de los proveedores, concilia facturas y mantiene una nota por cada proveedor.
Tres factores hacen que esto sea más difícil que un ataque de una sola sesión. La demora separa la causa del efecto. El almacenamiento blanquea la confianza, al convertir un correo externo en un registro interno. Y las entradas se propagan, a través de los resúmenes y de cualquier otro agente que lea la misma nota. Sean cuales sean sus controles de memoria, todo cambio de datos bancarios debe seguir requiriendo una verificación telefónica por un canal independiente, que ninguna memoria de agente pueda satisfacer.
Trate la memoria de los agentes como un sistema de registro en el que pueden influir terceros. Si no puede decir quién escribió una entrada, cuándo vence, qué agentes pueden leerla y cómo restaurar la versión de ayer, todavía no puede confiar en lo que sus agentes recuerdan.
Esta tabla es nuestra recomendación, no un estándar publicado. Ajuste los responsables según su organización.
| Control | Qué significa | Responsable | Evidencia |
|---|---|---|---|
| Control de escritura | La entrada no confiable no puede llegar directamente a la memoria de largo plazo. Los datos de alto impacto requieren validación o aprobación humana | Dueño de producto del agente | Política de escritura, registros de aprobación |
| Etiquetado de procedencia | Cada entrada registra fuente, agente, sesión, hora y nivel de confianza | Líder de plataforma de IA | Muestra de entradas con metadatos completos |
| Aislamiento | Almacenes separados por agente y por inquilino, con memoria compartida otorgada de forma explícita | Arquitectura de seguridad | Matriz de acceso, resultados de pruebas entre inquilinos |
| TTL y vencimiento | Las entradas vencen según su clase, salvo que se vuelvan a confirmar | Dueño de los datos | Calendario de retención, registros de purga |
| Instantáneas y reversión | Copias de cada almacén en un punto en el tiempo, con restauraciones ensayadas | Operaciones de plataforma | Informe de prueba de restauración con tiempos |
| Confianza al recuperar | Las entradas de baja confianza pueden aportar a una respuesta, pero no autorizar una acción | Ingeniería de agentes | Reglas de política, casos de prueba |
| Monitoreo | Alertas ante picos de escritura, entradas con forma de instrucción y cambios en datos sensibles | SOC u operaciones de seguridad | Reglas de detección, historial de alertas |
Base la confianza en el origen de una entrada, no en cómo está redactada. Un preprint de Pranav Singh de junio de 2026 sostiene que la fiabilidad inferida de la propia redacción de una observación puede manipularse, e informa que limitar la confianza según la procedencia de la fuente resistió el envenenamiento volumétrico en experimentos controlados, a costa de cierta utilidad. La evidencia es acotada, pero la lógica se sostiene: una nota plantada puede sonar tan segura como quiera. Esos mismos metadatos alimentan su evidencia de auditoría de agentes, así que registre cada escritura y cada recuperación con el ID de la entrada.
Los manuales de respuesta habituales suponen que se puede restablecer una credencial o reinstalar un equipo. La memoria necesita pasos propios, y le sugerimos añadirlos a su runbook:
Si desea una segunda opinión, nuestro equipo de Seguridad de IA puede revisar el diseño de memoria de sus agentes actuales, y podemos incorporar estos controles a los Agentes de IA a Medida que construimos. Para un programa más amplio, comience con la Consultoría de IA.
El envenenamiento de memoria en agentes de IA es la inserción de contenido falso o malicioso en algo que un agente almacena y reutiliza, como la memoria de un asistente, un almacén vectorial o una nota compartida. Ese contenido influye después en las decisiones del agente en sesiones posteriores, mucho después de que la entrada original haya desaparecido.
La inyección de prompts suele ser el método de entrega y actúa durante la sesión en la que se lee el contenido. El envenenamiento de memoria tiene que ver con la persistencia: el contenido se guarda y luego se recupera como contexto confiable. OWASP lo clasifica como un riesgo propio, ASI06, y MITRE ATLAS lo clasifica en AML.T0080.
Por lo general, no de forma generalizada, porque la memoria es lo que hace útiles a muchos agentes. Sugerimos desactivarla donde aporte poco valor y, en los demás casos, controlar las escrituras, fijar el vencimiento de las entradas y aislar los almacenes. Los agentes que manejan pagos o decisiones de acceso merecen la configuración más estricta.
No. La misma fuente puede volver a ingerirse, y los resúmenes u otros agentes pueden haber copiado el contenido. También debe identificar qué sesiones recuperaron la entrada, revisar las decisiones posteriores y cerrar la vía de escritura que utilizó.
Infonaligy ayuda a organizaciones de todo el país a proteger la memoria de sus agentes mediante atención remota, desde nuestra sede en Dallas–Fort Worth y las ciudades que figuran en nuestra página de ubicaciones.
Agende un diagnóstico: inventariaremos la memoria de sus agentes, identificaremos quién y qué puede escribir en ella, y diseñaremos los controles de escritura, procedencia y reversión que su entorno necesita.