Acceder a información interna de una de las compañías de inteligencia artificial más vigiladas del mundo en menos de 12 horas: eso logró una startup de ciberseguridad al explotar no el modelo de lenguaje en sí, sino un servicio externo conectado a su infraestructura. El incidente protagonizado por Anthropic no fue una brecha técnica aislada; fue una demostración de cómo la superficie de ataque corporativa se expande cada vez que una organización integra herramientas de IA a sus operaciones.

El punto de entrada no fue Claude, el modelo de lenguaje de Anthropic, sino uno de los programas periféricos que lo sustentan. Esta distinción es crítica: la amenaza no proviene únicamente del núcleo del sistema de IA, sino del ecosistema de software que lo rodea. Según Jon Hernández, divulgador especializado en inteligencia artificial que analizó el caso en profundidad, "nos estamos encontrando ante problemas de ciberseguridad en prácticamente todo el software que utilizamos". La IA, en este contexto, actúa como acelerador: reduce el tiempo y los conocimientos especializados necesarios para identificar vulnerabilidades y ejecutar ataques.

Agentes autónomos: el nuevo vector de riesgo

La distinción entre un asistente de IA y un agente de IA es operativamente relevante. Mientras el primero responde preguntas, el segundo ejecuta tareas: accede a correos electrónicos, procesa documentos, interactúa con plataformas externas y toma decisiones encadenadas sin intervención humana en cada paso. El nivel de exposición de una organización es directamente proporcional a los permisos que otorga a estos sistemas.

Hernández lo resume con precisión: "el riesgo es tanto como lo que tú le des acceso". Esto implica que la gobernanza de los agentes de IA no es un problema técnico exclusivo de los equipos de infraestructura, sino una decisión estratégica que afecta a toda la organización. Definir qué datos pueden procesar estos sistemas, bajo qué condiciones y con qué supervisión humana es hoy tan importante como cualquier política de acceso a datos sensibles.

La privacidad añade otra capa de complejidad. Aunque los modelos de IA no aprenden en tiempo real de cada conversación, los datos compartidos pueden ser utilizados en entrenamientos futuros según las condiciones de uso de cada plataforma. Introducir información confidencial sin revisar esas políticas representa un riesgo legal y reputacional que muchas organizaciones aún no han cuantificado.

Los deepfakes como amenaza operativa

Paralelo al riesgo de los agentes autónomos, la proliferación de contenido sintético —imágenes, voces y videos generados por IA— está erosionando los mecanismos de verificación de identidad en los que las organizaciones han confiado históricamente. Las videoconferencias laborales, que parecían ofrecer garantías de autenticidad, ya no son inmunes: la calidad actual de los deepfakes puede dificultar su detección incluso en tiempo real.

El agravante estructural es la disponibilidad de modelos de código abierto. Al poder ser modificados y redistribuidos sin control de sus desarrolladores originales, estos modelos democratizan la capacidad de producir contenido sintético convincente, reduciendo la barrera de entrada para fraudes de identidad, suplantación de ejecutivos y desinformación dirigida.

Hernández anticipa un periodo crítico en los próximos 18 meses, en el que las defensas deberán adaptarse a una velocidad sin precedentes. Aunque existen herramientas para identificar contenidos sintéticos, su eficacia depende de la tecnología empleada y de que las organizaciones implementen activamente mecanismos de verificación. El desafío no es solo tecnológico: es de velocidad. La brecha entre la capacidad ofensiva que habilita la IA y la madurez de los sistemas defensivos se está ampliando, y las organizaciones que no ajusten sus marcos de seguridad en este ciclo quedarán expuestas en el siguiente.