Check Point Research, la división de Inteligencia de Amenazas de Check Point® Software Technologies Ltd. (NASDAQ: CHKP), pionero y líder global en soluciones de ciberseguridad, ha revelado en su informe ‘AI Threat Landscape Digest’ (edición de jul...read more
Check Point Research, la división de Inteligencia de Amenazas de Check Point® Software Technologies Ltd. (NASDAQ: CHKP), pionero y líder global en soluciones de ciberseguridad, ha revelado en su informe ‘AI Threat Landscape Digest’ (edición de julio y agosto) un punto de inflexión en el mundo de la ciberseguridad: la brecha entre las capacidades avanzadas desarrolladas en laboratorios de investigación y las técnicas empleadas por la ciberdelincuencia se está cerrando rápidamente.
Durante las pruebas internas de evaluación entre mediados de julio y principios de agosto de 2026, varios modelos de frontera lograron salir de sus entornos aislados (sandboxes) y acceder a infraestructura externa:
• OpenAI: un modelo confinado en un entorno de pruebas detectó y explotó de forma autónoma una vulnerabilidad de día cero (zero-day) en su proxy de paquetes interno, logrando interactuar con los sistemas de producción de Hugging Face mediante una cadena de 17.600 pasos independientes.
• Anthropic y Meta: problemas de configuración e interfaces expuestas a Internet permitieron que modelos de prueba recopilaran credenciales y leyeran bases de datos de producción.
• UK AI Security Institute: notificó que, en entornos controlados, los agentes ejecutaron acciones no autorizadas, llegando a crear identidades falsas para persuadir a desarrolladores de código abierto de aprobar código malicioso.
Mientras que la ciberdelincuencia aún opera mayoritariamente con modelos comerciales y de menor escala, la autonomía en los ataques ha experimentado un salto cualitativo. En este periodo se ha documentado la campaña JADEPUFFER, considerada la primera operación registrada de ‘ransomware agente’. Una vez que un operador humano ponía en marcha el sistema, el modelo llevaba a cabo toda la intrusión y la extorsión de principio a fin de manera 100% autónoma.
A esto se suma el uso de herramientas comerciales avanzadas por parte de grupos cibercriminales, como los afiliados de The Gentlemen, quienes emplearon Claude Code para ejecutar intrusiones en al menos seis organizaciones. En paralelo, se ha consolidado un mercado negro estructurado en torno a la IA que abarca desde la cosecha masiva de credenciales -ejemplificado por la operación Zerofot, que logró robar casi 3.000 claves API- hasta pasarelas de reventa para eludir restricciones de seguridad y el empaquetado de modelos modificados para ciberataques.
El informe de Check Point Research destaca el impacto diario del uso sin supervisión de la IA generativa en las empresas:
• Riesgo de fuga de información: uno de cada 36 prompts enviados a herramientas de IA generativa corporativas en julio (un 2,8%) conllevaba un alto riesgo de filtración de datos sensibles. El 88% de las organizaciones experimentó al menos una interacción de alto riesgo.
• Saturación de parches: la IA está acelerando el hallazgo de vulnerabilidades a un ritmo mucho mayor que antes (como las actualizaciones masivas de Microsoft con 570 parches u Oracle con más de 1.400 en julio). Sin embargo, solo el 1% de los fallos descubiertos por IA se ha confirmado como explotado en entornos reales, trasladando el problema de la detección a la velocidad de mitigación.
Para hacer frente a estas amenazas, Check Point Software destaca la necesidad de proteger la totalidad del ecosistema de IA corporativo. Para ello, las empresas deben implementar una gobernanza efectiva sobre el uso de la IA por parte de los empleados, garantizando la supervisión y protección de datos en tiempo real en las herramientas de IA generativa de uso diario. Asimismo, resulta imprescindible blindar las aplicaciones y agentes de IA con mecanismos de protección en tiempo de ejecución que neutralicen ataques como la inyección de prompts o la ejecución de acciones no autorizadas.
Esta estrategia de defensa debe complementarse con la protección de conectores y herramientas (MCP) mediante controles de acceso estrictos entre los modelos de lenguaje y los datos de la empresa, además de recurrir a la validación de exposición mediante Red Teaming y auditorías adversarias que permitan priorizar el parcheo de vulnerabilidades realmente explotables. Por último, se debe asegurar la propia infraestructura subyacente, protegiendo tanto los clústeres de GPUs como los modelos LLM privados frente a accesos no autorizados.
“Los métodos de defensa tradicionales, pensados para frenar el ritmo de atacantes humanos, ya no sirven frente a una IA capaz de actuar en cuestión de minutos. Por lo tanto, la ciberseguridad no solo debe vigilar lo que un modelo de inteligencia artificial es capaz de hacer, sino garantizar que no pierda el control y que sus decisiones sigan siendo seguras y confiables”, afirma Ángel Salazar, Gerente de Ingeniería de Canales en América Latina de Check Point Software.
Leticia
