El 13 de noviembre de 2025, Anthropic, empresa dedicada a la investigación y el desarrollo de inteligencia artificial, reportó que un grupo cibercriminal presuntamente financiado por el estado chino utilizó Claude Code para ejecutar entre 80 % y 90 % de una campaña de espionaje contra unos 30 objetivos globales.

La operación apuntó a grandes empresas tecnológicas, instituciones financieras, empresas químicas y agencias gubernamentales. En el comunicado, Anthropic sostuvo que podría tratarse de uno de los primeros casos documentados de una operación de gran escala ejecutada con una intervención humana significativamente reducida.

El uso ofensivo de herramientas de IA ya aparece en casos documentados de ciberataques, incluyendo actividades de reconocimiento, explotación de vulnerabilidades y extracción de datos.

A continuación, exploraremos los cinco casos ocurridos este año para comprender las capacidades que aportan estas herramientas, qué riesgos reales plantean y qué sigue siendo fundamental para la defensa de las personas y las empresas.

La incorporación de la inteligencia artificial a las operaciones ofensivas no implica necesariamente la aparición de nuevas técnicas de ataque, sino una evolución en la forma en que se utilizan las ya existentes. Las vulnerabilidades, las configuraciones inseguras y los problemas de control de acceso siguen ocupando un lugar central para la ciberseguridad de las empresas.

1. OpenAI y Hugging Face: el caso de agentes colaborativos

En julio de 2026, OpenIA realizó evaluaciones internas de ciberseguridad para comprobar hasta dónde podían llegar determinados modelos de IA a la hora de identificar y explotar vulnerabilidades de software.

Según un informe publicado por OpenAI en agosto de 2026, durante las pruebas los agentes encontraron formas de comunicarse entre sí a través de canales no autorizados y aprovecharon determinadas vulnerabilidades de la infraestructura para acceder a internet, pese a las restricciones previstas en el entorno de evaluación. Luego, también accedieron a sistemas de terceros, entre ellos los de Hugging Face.

Según OpenAI, el agente encadenó vulnerabilidades, burló su entorno de evaluación, alcanzó internet y sostuvo una campaña coherente con la infraestructura de producción durante varios días. Durante este incidente la IA no solo identificó un fallo y lo aprovechó, sino que los agentes pudieron encadenar distintas acciones y aprovechar los descubrimientos de otros agentes para avanzar.

Si bien los agentes no tenían habilitados los mecanismos habituales de comunicación entre ellos, de igual forma encontraron formas alternativas de intercambiar información, ejecutar acciones y aprovechar las herramientas que tenían a su alcance.

El caso de Hugging Face sugiere que la inteligencia artificial puede aumentar la capacidad operativa de un atacante sin necesidad de descubrir nuevas vulnerabilidades. En este caso, los agentes exploraron múltiples caminos, aprendieron de intentos fallidos y sostuvieron el proceso con escasa intervención humana.

Lejos de volver obsoletos los fundamentos de la ciberseguridad, este caso vuelve a poner el foco en la importancia de medidas conocidas, como aislar adecuadamente los entornos, limitar los accesos, utilizar credenciales de corta duración y detectar actividad anómala a través de distintos sistemas.

Ahora bien: que un agente pueda explorar alternativas de manera autónoma y a gran velocidad, plantea la necesidad de que que los controles estén preparados para reducir las oportunidades de ataque y detectar antes las cadenas de acciones que pueden transformar errores de configuración o vulnerabilidades conocidas en un incidente.

2. Claude Mythos: de descubrir vulnerabilidades a comprometer sistemas reales

Fue el 7 de abril el día en que Anthropic presentó Claude Mythos Preview y lanzó Project Glasswing, iniciativa cuyo objetivo era utilizar el modelo para identificar y corregir vulnerabilidades en software crítico. El 22 de mayo, Anthropic informó que Project Glasswing había identificado más de 10.000 vulnerabilidades de severidad alta o crítica.

En contraparte, el sitio especializado VulnCheck realizó un análisis del primer semestre de 2026 e informó que, de las 1.061 vulnerabilidades halladas con IA, solo 14 fueron explotadas (1,3%).

Ahora bien: el 30 de julio, Anthropic reveló tres incidentes en los que modelos de Claude habían accedido sin autorización a sistemas de organizaciones reales durante pruebas que debían desarrollarse en entornos simulados.

En septiembre, amplió la investigación a cuatro incidentes y describió problemas de comportamiento: no solo que los modelos tendían a interpretar que seguían en una simulación, sino que, en ciertos casos, continuaban ejecutando acciones perjudiciales para cumplir con su objetivo.

Entre los incidentes descritos por Anthropic figura el caso de Mythos 5. En este caso, el modelo publicó un paquete malicioso en PyPI y quince sistemas reales lo descargaron y ejecutaron. En otro incidente reportado por Anthropic, un modelo escaneó 9.000 objetivos y comprometió una aplicación real mediante credenciales expuestas en una página de depuración y una vulnerabilidad de inyección SQL.

Los incidentes descritos por Anthropic no involucraron técnicas de ataque inéditas, sino el aprovechamiento de vulnerabilidades conocidas, configuraciones inseguras y mecanismos de autenticación deficientes. Lo distintivo fue la capacidad de los modelos para identificar y encadenar estas oportunidades de forma más rápida y autónoma.

De igual manera, los incidentes reportados por Anthropic refuerzan las advertencias sobre el potencial de los modelos de IA para identificar y explotar vulnerabilidades. Como habíamos señalado en un artículo donde analizamos Claude Mythos Preview, debe ser prioritario fortalecer la gobernanza, el control de acceso y la seguridad desde el diseño.

Por eso, la incorporación de la IA no cambia los fundamentos de la ciberseguridad. Es una nueva superficie de riesgo que exige la implementación de medidas básicas: mantener los sistemas actualizados, aplicar el principio de mínimo privilegio, contar con visibilidad sobre la infraestructura y disponer de mecanismos de detección y respuesta.

En paralelo, la supervisión debe acompañarse de controles técnicos efectivos: no alcanza con que una persona esté al tanto de lo que hace un agente si este dispone de permisos excesivos o puede actuar fuera de los límites previstos.

3. El caso de Taiwán: automatización de etapas del ataque

En julio de 2026, una campaña contra sistemas gubernamentales de Taiwán puso en el foco una nueva dimensión del uso de la Inteligencia Artificial en materia de ciberataques.

Según las investigaciones que abordaron el caso, una herramienta construida con agentes de IA exploró sistemas, buscó vulnerabilidades y hasta modificó sus estrategias cuando encontraba obstáculos, logrando así el compromiso de al menos 85 cuentas y la extracción de más de 2.500 registros de personal.

En respuesta, las autoridades taiwanesas emitieron alertas relacionadas con la actividad detectada. De hecho, el Ministerio de Asuntos Digitales de Taiwán confirmó la detección de diversos ataques contra organismos de gobierno, los cuales combinaban operaciones humanas con agentes de IA.

Este episodio muestra cómo los agentes son capaces de coordinar distintas etapas de una intrusión y hasta buscar alternativas cuando una técnica falla. Así, se demuestra una vez más cómo la automatización puede aumentar la velocidad y la escala con las que se aprovechan vulnerabilidades de seguridad conocidas.

La relevancia de este episodio no radica en el uso de inteligencia artificial, sino en la forma en que se integró en todo el proceso de ataque: los agentes ya pueden automatizar tareas, trabajar en paralelo y hasta reajustar sus acciones ante ciertos obstáculos.

Para la persona detrás del ataque, la cual selecciona el objetivo y proporciona las instrucciones necesarias, esto reduce el tiempo y el esfuerzo para explorar una vulnerabilidad existente. Y esta distinción es clave: automatizar la ejecución de un ataque no equivale a delegar todas las decisiones en un sistema de inteligencia artificial.

Desde el punto de vista de la ciberseguridad, refuerza una premisa conocida: las organizaciones deben reducir la exposición de sus sistemas, limitar los privilegios, y mantener una capacidad de detección y respuesta que permita identificar actividades sospechosas entre distintos entornos.

Si bien la automatización puede aumentar el volumen y la velocidad de los intentos, el impacto depende de las debilidades existentes y los controles que consiga superar.

4. Google Threat Intelligence: de la asistencia a la integración

Los informes de Google Threat Intelligence Group (GTIG) publicados este año analizaron cómo actores vinculados a China, Corea del Norte, Irán y Rusia usaron herramientas de Inteligencia Artificial en las distintas etapas de sus operaciones. Desde el reconocimiento de organizaciones y personas, hasta el armado de campañas de phishing, el desarrollo de código malicioso y la investigación de vulnerabilidades. Así, describen una evolución concreta: pasaron de utilizar la IA como asistente para agilizar tareas, a integrarla en flujos de trabajo cada vez más automatizados.

Uno de los ejemplos reportados es HONESTCUE, malware que utiliza la API de Gemini para generar código en C#, y cuyo objetivo es descargar y ejecutar una segunda etapa maliciosa. Así, demuestra cómo la IA deja de ser una herramienta utilizada únicamente durante la preparación de un ataque, para formar parte del funcionamiento del propio malware.

De hecho, en septiembre, Google describió una evolución respecto del uso de agentes de IA, con la capacidad de coordinar distintas tareas con menor intervención humana. Al punto que observó una operación en la que los atacantes comprometieron un recurso en la nube, planificaron, desarrollaron y ejecutaron una campaña de recolección masiva de credenciales en un plazo menor a seis horas.

En su conjunto, estos informes demuestran que la IA está ampliando las posibilidades de los ciberdelincuentes para investigar, desarrollar herramientas y acelerar determinadas etapas de un ataque.

Sin embargo, los hallazgos no indican que la IA haya reemplazado a los operadores humanos ni que las amenazas sean 100% autónomas.

En ese sentido, el desafío consiste en seguir de cerca esta evolución, comprender cómo se incorporan estas capacidades a las operaciones maliciosas y así fortalecer las estrategias de detección y prevención frente a amenazas más complejas y eficientes.

5. PromptSpy: IA dentro del malware

El 19 de febrero de 2026, ESET publicó el hallazgo de PromptSpy, a partir del análisis de muestras de malware para Android. ¿Su particularidad? Utiliza Gemini para interpretar la interfaz del teléfono comprometido y obtener instrucciones sobre dónde y cómo tocar la pantalla. ¿Para qué? Dificultar que la víctima pueda detener o desinstalar la aplicación maliciosa, y permitir que los atacantes accedan al dispositivo de forma remota.

La particularidad de PromptSpy es cómo utiliza la IA: el malware recopila información sobre los elementos visibles en la pantalla del teléfono y la envía a Gemini, que interpreta la interfaz y devuelve instrucciones sobre qué acciones realizar y dónde tocar. Así, puede adaptarse a las distintas interfaces de Android para mantener la aplicación maliciosa fijada en la lista de aplicaciones recientes.

El caso muestra cómo la IA generativa deja de utilizarse únicamente para desarrollar malware y pasa a intervenir en su funcionamiento. Aunque esto no significa que PromptSpy sea completamente autónomo ni que pueda ejecutar un ataque por sí solo.

El hallazgo permite observar una posible evolución hacia amenazas más adaptables, aunque no demuestra una campaña de infección masiva ni un cambio radical en el panorama de amenazas.

El caso también refuerza la importancia de mantener los dispositivos actualizados, revisar los permisos que solicitan las aplicaciones y descargar software únicamente de fuentes confiables.

Conclusión

La Inteligencia Artificial ocupa cada vez más espacio en nuestra vida. Pero también en las noticias y los titulares, debido a sus capacidades para transformar la ciberseguridad.

Sin embargo, detrás de algunas afirmaciones sobre el impacto de la IA, existen escenarios concretos que merecen atención: desde su uso para agilizar determinadas tareas de los ciberdelincuentes hasta su incorporación en algunas funciones del malware.

Comprender estos avances requiere distinguir entre las capacidades demostradas, las pruebas experimentales y los riesgos potenciales, sin caer en el alarmismo. Porque, aunque las herramientas evolucionen, las medidas fundamentales de seguridad siguen siendo esenciales: mantener los sistemas actualizados, gestionar las vulnerabilidades, utilizar la autenticación multifactor, proteger las credenciales y contar con soluciones de seguridad capaces de detectar comportamientos sospechosos.

La IA puede cambiar y potenciar las técnicas y estrategias de los atacantes, pero eso no vuelve obsoletas las medidas de seguridad tradicionales. Por el contrario, refuerzan su importancia.