Por qué el hacker autónomo de IA es un mito y las nuevas amenazas de ciberseguridad son más peligrosas

En los últimos años, las expectativas sobre la inteligencia artificial en ciberseguridad se han convertido en un temor extendido: se afirma que pronto aparecerá un hacker de IA autónomo capaz de paralizar empresas y bancos enteros con solo pulsar un botón. Sin embargo, los acontecimientos de 2026 mostraron que ese «Terminator digital» todavía no existe y que, en realidad, la escala y la naturaleza de las amenazas han evolucionado de otra forma, con más matices.

Pese a los esfuerzos realizados, un agente de IA totalmente autónomo todavía no puede ejecutar por sí solo ataques complejos de varias etapas contra infraestructuras corporativas. Ya puede resolver tareas aisladas, como recopilar datos de una web concreta, pero entender redes complejas, sortear defensas avanzadas y escalar privilegios exige la intervención de un especialista experimentado. Según el análisis del artículo, estas tareas siguen fuera del alcance de los modelos autónomos actuales.

Quienes más se han beneficiado de la IA son los grupos experimentados, más que los recién llegados a la ciberdelincuencia. Para ellos, se ha convertido en una herramienta para operaciones rutinarias: recopilar información automáticamente, adaptar código malicioso estándar y acelerar la preparación de escenarios de ataque. Lo creativo y complejo sigue en manos humanas, lo que aporta flexibilidad y eficacia.

En experimentos controlados, por ejemplo, los agentes de IA logran detectar y explotar vulnerabilidades ya conocidas en aplicaciones web. Pero, cuando la infraestructura se complica, su avance se detiene sin intervención humana. Algunos proyectos populares que prometían una «IA hacker sin límites» resultaron ser reclamos publicitarios: en realidad eran modelos de lenguaje abiertos adaptados, con filtros adicionales, incapaces de ejecutar tareas reales de explotación.

Hoy, los modelos de inteligencia artificial legales y disponibles comercialmente son un recurso mucho más eficaz para los ciberdelincuentes que las soluciones artesanales de la darknet. Una variante consiste en comprar servicios para eludir los sistemas de protección de las grandes IA, el llamado Jailbreak as a Service, que permite utilizar con flexibilidad la capacidad de cálculo de proveedores populares sorteando sus restricciones.

La IA no ha dado lugar a tipos de ataque radicalmente nuevos. La inteligencia artificial ha perfeccionado y acelerado los métodos conocidos. Por ejemplo, los mensajes de phishing ahora tienen una redacción correcta y una personalización profunda gracias a la recopilación de datos de redes sociales y blogs corporativos. Los deepfakes de voz, creados a partir de muy pocas grabaciones originales, permiten engañar al departamento de contabilidad con una llamada que suplanta al directivo.

El software malicioso integra la IA directamente en la infraestructura: los procesadores neuronales locales de los dispositivos permiten analizar capturas de pantalla, encontrar los elementos bancarios deseados en las interfaces y extraer datos confidenciales sin generar tráfico adicional, lo que dificulta su detección. Algunas muestras ni siquiera almacenan localmente la lógica de ataque y recurren a servicios de IA en la nube, camuflándose como tráfico legítimo.

Un indicador clave para los defensores es el tiempo entre el descubrimiento de una vulnerabilidad de software y la aparición de un exploit funcional. Antes eran días o semanas; con la IA, los plazos se han reducido a horas e incluso minutos, porque los algoritmos detectan rápidamente errores en el código y generan scripts de ataque funcionales (proof of concept).

El mayor riesgo, sin embargo, procede del uso interno de la IA en las empresas. Los empleados comparten de forma masiva datos corporativos sensibles con chatbots públicos, lo que puede provocar filtraciones y riesgos para la propiedad intelectual, ya que terceros podrían utilizar esos datos para entrenar sus modelos. Los sistemas tradicionales de protección de datos tienen dificultades para detectar esta actividad: el tráfico parece una interacción web corriente.

Los asistentes de programación basados en IA han acelerado el desarrollo de código, pero no siempre mejoran la seguridad. Entrenarse con repositorios abiertos que contienen vulnerabilidades genera código poco protegido que los desarrolladores pueden utilizar sin revisarlo debidamente, lo que acaba propagando errores a sistemas críticos.

La infraestructura de IA también se ha convertido en objetivo, desde servidores hasta plataformas en la nube y claves API. Robar estos recursos permite utilizar capacidad ajena para fines propios, como minería o ataques de fuerza bruta.

Otra categoría de riesgos está relacionada con los agentes de IA que acceden a los sistemas corporativos. Los especialistas señalan la amenaza de las inyecciones de prompts: instrucciones que cambian el comportamiento del agente y pueden provocar pérdida de datos o perjuicios económicos. Además, las bibliotecas abiertas para crear cadenas de procesos de IA suelen convertirse en puntos de entrada para ciberataques.

Las estadísticas sobre IA en ciberataques muestran que su uso crece sobre todo en las fases iniciales: reconocimiento, recopilación de información y acceso inicial. Pero pasar de entrar a consolidar la presencia en el sistema y sortear defensas avanzadas sigue requiriendo especialistas cualificados.

En definitiva, las principales vulnerabilidades del negocio están relacionadas con carencias antiguas, más que con tecnologías de IA «revolucionarias»: contraseñas débiles, falta de autenticación multifactor, actualizaciones pendientes y el factor humano, como clics accidentales en enlaces maliciosos. La inteligencia artificial simplemente ha reducido el tiempo disponible para corregir esas brechas.

Para los propietarios de negocios y profesionales del marketing está claro: implantar IA exige un enfoque sistemático de la seguridad y comprender sus limitaciones. El marketing digital integral y la analítica, como proponen los especialistas, deben ir acompañados de una gestión responsable de la tecnología para evitar nuevas vulnerabilidades y aprovechar al máximo la IA sin riesgos.