Cuando la IA encuentra el fallo antes que tú: casos reales, matices y qué hacer ahora (Parte 2)

hace 19 horas

7 min de lectura

En la primera parte de este insight repasamos los datos que demuestran la compresión del time-to-exploit. Las cifras de Mandiant, CrowdStrike y Verizon no dejan mucho espacio para la duda: la ventana de defensa se ha reducido de meses a días, y en algunos casos ya es negativa.

Pero los datos agregados, por contundentes que sean, no responden a la pregunta que más escuchamos cuando presentamos estos números a equipos técnicos: ¿esto ya está pasando de verdad o seguimos en el terreno de las proyecciones?

La respuesta corta es que ya está pasando. Hay casos documentados, verificables y con nombres propios. Pero la respuesta larga tiene matices que importan, y que conviene conocer antes de tomar decisiones. Vamos con ambas.

Big Sleep: cuando una IA encuentra un zero-day real

En noviembre de 2024, Google publicó un hallazgo que marcó un antes y un después. Su agente Big Sleep —un proyecto conjunto de DeepMind y Project Zero— descubrió de forma autónoma una vulnerabilidad de día cero en SQLite, uno de los motores de bases de datos más ubicuos del mundo. Está incrustado en Android, iOS, navegadores, sistemas embebidos y miles de aplicaciones.

Lo relevante no fue solo el hallazgo. Fue que la IA lo encontró analizando código fuente, sin pistas previas, sin que nadie le dijera dónde buscar. Era la primera vez que un sistema de inteligencia artificial identificaba un fallo explotable real de esa forma.

En julio de 2025 se publicó la continuación. Big Sleep detectó y neutralizó de forma preventiva otra vulnerabilidad crítica en SQLite (CVE-2025-6965) que, según Google, solo era conocida por actores maliciosos en ese momento. La IA llegó antes que los defensores humanos.

Estos dos episodios tienen una implicación práctica directa: la detección autónoma de vulnerabilidades por IA no es un escenario futuro. Es una capacidad que ya existe y que está siendo utilizada tanto por investigadores como, previsiblemente, por adversarios.

La campaña GTG-1002: un ataque ejecutado por IA con mínima intervención humana

Anthropic —la compañía detrás de los modelos Claude— publicó en noviembre de 2025 lo que describió como la disrupción de una campaña de ciberespionaje rastreada como GTG-1002. Lo llamativo del caso es que la IA no fue una herramienta auxiliar del atacante: ejecutó entre el 80 % y el 90 % de la operación.

La campaña apuntó a unos treinta objetivos. La IA realizó miles de peticiones a un ritmo imposible para operadores humanos, encadenando reconocimiento, análisis de superficie y acciones ofensivas con mínima supervisión.

Conviene ser transparente con este caso. Parte de la comunidad de seguridad recibió la publicación con escepticismo porque Anthropic no aportó indicadores de compromiso detallados. La ausencia de IOCs dificulta la verificación independiente. No significa que el caso sea falso, pero sí que debe leerse con esa salvedad. En nuestra experiencia, la falta de IOCs públicos es habitual cuando hay investigaciones en curso, pero eso no elimina la reserva legítima.

Lo que sí aporta GTG-1002, con independencia del debate sobre su alcance, es una confirmación de que la automatización ofensiva basada en IA ha dejado de ser teórica.

El estudio de la Universidad de Illinois: la divulgación pública como multiplicador

Cuatro investigadores de la Universidad de Illinois Urbana-Champaign realizaron un experimento que merece atención por su diseño limpio. Alimentaron a un agente basado en GPT-4 con las descripciones de quince vulnerabilidades reales de un día y le pidieron que las explotara.

El resultado: una tasa de éxito del 87 %. Todos los demás modelos y escáneres automatizados probados obtuvieron un 0 %.

Pero el dato verdaderamente revelador viene de la segunda parte del experimento. Cuando retiraron la descripción del CVE y dejaron al agente trabajar sin esa información, la tasa de éxito cayó al 7 %.

La implicación es incómoda: la divulgación pública de vulnerabilidades —un mecanismo diseñado para facilitar la defensa— funciona también como multiplicador directo de la explotación asistida por IA. Es una tensión que el sector todavía no ha resuelto. La transparencia es necesaria para que los defensores parcheen, pero alimenta simultáneamente la capacidad ofensiva automatizada.

XBOW y el pentesting autónomo a escala

En 2025, XBOW se convirtió en el primer sistema de IA en encabezar la clasificación de HackerOne en Estados Unidos. En un periodo de noventa días, envió aproximadamente 1.060 vulnerabilidades descubiertas de forma totalmente automatizada: 54 críticas, 242 altas, 524 medias y 65 bajas.

Estamos hablando de pruebas de penetración exhaustivas completadas en horas, donde un pentester humano necesitaría días o semanas. La escala y la velocidad no tienen precedente en bug bounty.

Este tipo de herramientas plantea una paradoja operativa para los equipos de seguridad: si una IA ofensiva puede encontrar 1.060 vulnerabilidades en tres meses, ¿con qué capacidad real cuenta el equipo defensor para gestionar ese volumen? La pregunta no es retórica. Es el tipo de cálculo que los CISOs necesitan hacer hoy.

Lo que el marketing no siempre cuenta: matices y limitaciones

Un material creíble ante público técnico necesita distinguir tres fases que a menudo se confunden: descubrir una vulnerabilidad, desarrollar un exploit funcional y explotarla en el mundo real. No es lo mismo.

El Center for Security and Emerging Technology (CSET) de Georgetown las separa explícitamente y recuerda dos cosas importantes. Primera: la explotación tiene también un uso defensivo legítimo —verificar que un parche funciona—. Segunda: existen límites teóricos al descubrimiento automatizado. Hay problemas computacionalmente indecidibles que persisten aunque se aplique IA. La capacidad de encontrar fallos aumenta, pero no se vuelve omnisciente.

Existe además lo que podríamos llamar la brecha de validación: las herramientas de pentesting con IA identifican bien lo que parece peligroso, pero son bastante menos fiables demostrando que algo es realmente explotable. Detectan candidatos a vulnerabilidad con gran eficiencia; confirman la explotabilidad con mucha menos.

No es un detalle menor. Ciaran Martin, ex director del National Cyber Security Centre del Reino Unido —probablemente la voz independiente más autorizada en este debate—, reconoce que el avance es real e importante pero rechaza el marco apocalíptico. El riesgo está en sobredimensionar la amenaza con fines comerciales, porque eso genera fatiga y escepticismo en los equipos que más necesitan tomarse la amenaza en serio.

Y aquí hay que ser honestos con un sesgo del ecosistema: la IA permite a los proveedores de seguridad producir contenido basado en el miedo a una escala sin precedentes. Parte de las cifras más alarmistas proceden de compañías que venden soluciones contra exactamente aquello que describen. Eso no las invalida, pero sí obliga a verificar la fuente y separar dato independiente de dato interesado.

El cuello de botella real no es detectar: es actuar

Con todos los matices sobre la mesa, el problema de fondo sigue en pie. Y no es el que muchos esperan.

El cuello de botella no está en la detección. Los escáneres —con o sin IA— son cada vez mejores identificando fallos. El cuello de botella está en la capacidad de las organizaciones para actuar sobre lo que ya saben. Según el DBIR 2025 de Verizon, el 60 % de las brechas involucraron vulnerabilidades conocidas que ya tenían parche disponible. Datos agregados de más de 13.000 organizaciones muestran que la mediana de tiempo para parchear un fallo que ya está bajo ataque activo incluso aumentó a 43 días.

Sabemos dónde están los fallos. Tenemos los parches. Y aun así, no los aplicamos a tiempo.

Esto redefine la conversación. El problema no es solo tecnológico: es operativo, organizativo y de priorización. Las herramientas de IA defensiva pueden ayudar a priorizar mejor y reducir tiempos de remediación —algunos proveedores hablan de reducciones de días a minutos—, pero esas cifras proceden de parte interesada y conviene etiquetarlas como tales.

Qué puede hacer una organización hoy

No hay una solución única, pero sí hay principios que ya están funcionando en organizaciones que se toman esto en serio:

Abandonar los ciclos de parcheo fijos. Un parche mensual o trimestral era razonable cuando el time-to-exploit se medía en semanas. Hoy es una invitación a la brecha. La gestión de vulnerabilidades necesita ser continua y priorizada por explotabilidad real, no solo por puntuación CVSS.
Medir el time-to-remediate como KPI de seguridad. Si no lo estás midiendo, no lo estás gestionando. La métrica más relevante ya no es cuántas vulnerabilidades detectas, sino cuánto tardas en cerrarlas.
Asumir que la superficie de ataque cambia cada día. Con 127 CVEs publicados de media al día, la foto de ayer no sirve. La visibilidad continua sobre activos expuestos no es un lujo: es la base mínima.
Incorporar contexto de explotabilidad en la priorización. No todo CVE con CVSS 9.8 se explota igual. Herramientas como EPSS (Exploit Prediction Scoring System) o feeds de inteligencia sobre explotación activa permiten enfocar recursos donde el riesgo real es mayor.
Prepararse para el pentesting continuo asistido por IA. Si una IA ofensiva puede encontrar cientos de fallos en días, no tiene sentido testar la infraestructura una vez al año. El red teaming continuo, apoyado en automatización, deja de ser opcional.

El reloj no se va a volver a poner en hora

Si algo deja claro el conjunto de datos y casos que hemos recorrido en estas dos entregas es que no estamos ante un pico puntual. La compresión del time-to-exploit, la proliferación de CVEs y la capacidad ofensiva automatizada por IA son tendencias estructurales que se refuerzan entre sí.

Las organizaciones que reconozcan esto y adapten sus procesos —no solo sus herramientas— estarán en mejor posición. No porque consigan una seguridad perfecta, que no existe, sino porque reducirán la ventana de exposición a niveles gestionables.

Las que sigan operando con los ritmos de hace tres años van a aprender la lección de la forma difícil. Y los datos dicen que muchas ya la están aprendiendo.

En Aktios acompañamos a organizaciones en la evolución de su postura de seguridad hacia modelos de gestión continua de vulnerabilidades. Si quieres evaluar dónde estás y qué necesitas cambiar, no dudes en contactarnos.

Hablemos