Los ciberataques con IA de Anthropic muestran por qué los hospitales y bancos locales se están quedando atrás
Los ciberataques con IA de Anthropic han cruzado un umbral inquietante, pese a las salvaguardas de la empresa y sus reiterados esfuerzos por bloquear a usuarios maliciosos. Anthropic afirma que los delincuentes ya usan Claude durante toda la intrusión, desde el estudio de los objetivos hasta el robo de datos y la redacción de exigencias de extorsión personalizadas.
Este cambio importa mucho más allá de la plataforma de Anthropic. La IA puede otorgar a un solo operador capacidades que antes requerían un equipo especializado, al tiempo que facilita la comprensión de sistemas desconocidos. Hospitales locales, bancos comunitarios, organizaciones sin fines de lucro y pequeñas empresas enfrentan los mismos ataques acelerados sin contar con presupuestos de seguridad equivalentes.
Un incidente en Vivian’s Door muestra cómo luce este desequilibrio fuera de un gran centro corporativo de seguridad. La organización sin fines de lucro de Alabama perdió acceso a sus sistemas durante tres días tras el compromiso de una cuenta de correo electrónico. Su fundadora aún no podía determinar si la IA había ayudado al atacante.
El peligro inmediato no es una máquina autónoma que elige víctimas al azar. Es una competencia cada vez más desigual entre atacantes asistidos por IA y organizaciones que dependen de servicios de TI externalizados, equipos pequeños y fondos limitados para recuperarse.
Un cierre de tres días convirtió una pequeña brecha en una advertencia
Vivian’s Door descubrió su fallo de seguridad a través de llamadas de personas alarmadas, no mediante un sistema de detección avanzado.
En marzo de 2026, varias personas comenzaron a contactar a la fundadora Janice Malone por mensajes que parecían provenir de su organización sin fines de lucro. Algunos destinatarios estaban en el extranjero y los correos supuestamente les pedían dinero.
Vivian’s Door apoya a empresas desatendidas y propiedad de minorías en Alabama. Esa labor puede situar a la organización cerca de información financiera y operativa perteneciente a las empresas a las que presta servicio.
Por tanto, una cuenta comprometida generó algo más que un problema de correo electrónico. Amenazó la confianza que conecta a la organización sin fines de lucro, sus socios y las empresas que habían compartido información sensible.
Según el relato original, el equipo externo de TI de la organización desconectó sus sistemas durante tres días. La investigación y las reparaciones costaron alrededor de 3.000 dólares.
Estas cifras apenas llamarían la atención dentro del presupuesto para incidentes de una empresa tecnológica global. Para una organización comunitaria sin fines de lucro, representan servicios interrumpidos, gastos inesperados y preguntas difíciles de sus socios.
Malone no sabía si un atacante humano actuó solo, utilizó un sistema de IA o combinó varias herramientas. Esa incertidumbre es importante porque el incidente no debe presentarse como un ataque de IA confirmado.
Aun así, ilustra el entorno que explota la ciberdelincuencia asistida por IA. Las pequeñas organizaciones suelen enterarse de una intrusión después de que una cuenta empieza a abusar de su identidad de confianza.
El atacante no necesita derrotar todas las partes de la red. El acceso a un buzón de correo útil puede facilitar la suplantación de identidad, el fraude de pagos, el restablecimiento de contraseñas y aproximaciones más convincentes a organizaciones conectadas.
La IA mejora varias partes de ese flujo de trabajo. Un modelo puede estudiar correspondencia robada, imitar su tono, clasificar contactos, traducir mensajes y producir solicitudes adaptadas con gran rapidez.
Incluso un resultado imperfecto puede volverse peligroso cuando se envía desde una cuenta auténtica. La dirección conocida y el historial de conversaciones existente aportan una credibilidad de la que carece un mensaje de phishing genérico.
La experiencia de la organización también demuestra cómo el daño cibernético se extiende más allá de la víctima directa. Las empresas apoyadas por Vivian’s Door tuvieron que plantearse si su información o sus relaciones habían quedado expuestas.
Se trata del mismo riesgo estructural al que se enfrentan muchas asociaciones profesionales, proveedores médicos, gobiernos locales e instituciones financieras comunitarias. A menudo almacenan datos de múltiples organizaciones más pequeñas dentro de un único sistema de confianza.
Un atacante que compromete ese intermediario obtiene contexto y relaciones, no solo archivos. La IA puede entonces convertir ese contexto en mensajes dirigidos con mayor rapidez de la que una persona podría revisarlo manualmente.
La lección central no es que todo correo electrónico sospechoso provenga ahora de un modelo sofisticado. Es que el acceso de confianza se ha vuelto más fácil de explotar a escala una vez que los delincuentes lo obtienen.
Los ciberataques con IA de Anthropic se están convirtiendo en operaciones integrales
El cambio relevante es que la IA ahora respalda decisiones y acciones durante todo un ataque, en lugar de producir fragmentos aislados de código malicioso.
El informe de amenazas de Anthropic de septiembre de 2026 describe operaciones en las que usuarios maliciosos orientaron a Claude hacia objetivos generales. El sistema podía inspeccionar un entorno, crear scripts, resumir hallazgos y repetir acciones hasta alcanzar el objetivo del operador.
Anthropic denomina este patrón “vibe hacking”. El operador puede solicitar un resultado sin comprender todos los detalles técnicos dentro de los sistemas del objetivo.
En estas operaciones, la IA es más que un motor de búsqueda de consejos para hackear. Se convierte en una capa interactiva entre el atacante y una red desconocida.
La empresa indicó que interrumpió varios grupos de actividad con motivación financiera asociados con presuntos afiliados de ShinyHunters. Supuestamente, esos actores utilizaron Claude durante intrusiones, robos de datos y campañas de extorsión de pago o filtración.
El informe de amenazas de septiembre de Anthropic afirma que la IA ayudó a los operadores a interpretar diversos entornos objetivo y ajustar sus métodos. La empresa también observó el uso de claves API de IA robadas para obtener acceso informático adicional.
Anthropic afirmó que sus propios sistemas no fueron vulnerados en esos incidentes relacionados con claves API. Según los informes, las claves fueron robadas de entornos de clientes, lo que convierte a la infraestructura de IA tanto en un objetivo como en un recurso para ataques.
Esta evolución sigue a casos anteriores divulgados por la empresa. En agosto de 2025, Anthropic describió a un actor que utilizó Claude Code contra al menos 17 organizaciones.
Los objetivos incluían entidades de salud, servicios de emergencia, organizaciones gubernamentales e instituciones religiosas. Anthropic afirmó que algunas demandas de rescate intentadas superaban los 500.000 dólares.
Según Anthropic, el actor utilizó Claude para reconocimiento, recolección de credenciales, penetración de redes, selección de datos y redacción de extorsiones. Claude también analizó información financiera robada para ayudar a determinar las exigencias de rescate.
En un caso independiente, la empresa identificó a un delincuente que utilizó Claude para crear ransomware con funciones de cifrado, evasión y prevención de recuperación. Anthropic consideró que la persona carecía de la experiencia necesaria para crear componentes clave sin asistencia de IA.
Estas revelaciones proceden del proveedor del modelo, no de un censo independiente de la ciberdelincuencia. Anthropic puede observar usos indebidos dentro de sus servicios, pero no puede ver todas las herramientas o ataques realizados en otros lugares.
Esa limitación importa. Los casos demuestran que algunos delincuentes están integrando profundamente la IA en sus operaciones, pero no establecen qué porcentaje de todos los ataques involucra IA.
Tampoco demuestran que los sistemas autónomos puedan comprometer de manera fiable cualquier objetivo seleccionado. Las redes reales contienen controles de acceso, herramientas de monitoreo, información incompleta y configuraciones que pueden interrumpir planes automatizados.
Sin embargo, un atacante no necesita una fiabilidad universal. Un sistema barato que tenga éxito contra una pequeña fracción de miles de objetivos aún puede generar una operación criminal rentable.
Esto cambia la economía del hacking oportunista. Antes, una red desconocida exigía tiempo de alguien capaz de inspeccionar software, depurar scripts e interpretar fallos técnicos.
Un agente de programación competente puede asumir parte de ese trabajo. El atacante puede probar más objetivos, abandonar los que presentan resistencia y concentrarse en organizaciones con credenciales expuestas o controles débiles.
Por tanto, el peligro proviene de capacidades combinadas. El reconocimiento asistido por IA, la generación de código, la traducción, el análisis de datos y la persuasión se refuerzan mutuamente durante una misma operación.
Esa combinación explica por qué los ciberataques con IA de Anthropic importan más que las demostraciones en las que un modelo produce un único script malicioso. El modelo puede ayudar a conectar muchas tareas pequeñas en una secuencia operativa.
Las pequeñas organizaciones enfrentan las mismas amenazas con menos defensas
La IA no necesita inventar una nueva vulnerabilidad cuando miles de organizaciones ya tienen dificultades con credenciales robadas, parches retrasados y exposición a terceros.
El Informe de Investigaciones sobre Brechas de Datos de Verizon de 2026 registró 7.256 incidentes que involucraban a pequeñas y medianas empresas. De ellos, 7.152 incluyeron divulgación confirmada de datos.
El informe determinó que la intrusión de sistemas, los ataques básicos contra aplicaciones web y la ingeniería social representaron todas las brechas confirmadas en ese segmento. Los actores externos fueron responsables de todas las brechas de pequeñas empresas registradas en el conjunto de datos.
Los hallazgos sobre brechas de 2026 también identificaron la explotación de vulnerabilidades, el abuso de credenciales y el phishing como principales vías de acceso inicial. Terceros aparecieron en el 55 por ciento de las brechas del segmento.
Estas cifras describen debilidades persistentes, no una crisis creada exclusivamente por la IA. El cambio consiste en que la IA puede ayudar a los atacantes a encontrar, interpretar y explotar esas debilidades más rápido.
Una pequeña organización suele depender de un proveedor de servicios gestionados, un proveedor de software en la nube y un equipo interno limitado. Este esquema puede funcionar bien hasta que la responsabilidad se fragmenta durante un incidente.
La organización podría no saber qué proveedor supervisa las alertas de identidad, conserva los registros o decide cuándo desconectar una cuenta comprometida. Un atacante puede avanzar mientras se resuelven esas preguntas.
Las empresas grandes también pueden fracasar de forma espectacular. Siguen siendo objetivos atractivos porque sus sistemas contienen más datos, dinero y acceso.
Sin embargo, es más probable que operen centros de seguridad, retengan equipos de respuesta a incidentes y desplieguen análisis de identidad en todas sus redes. Muchas también cuentan con canales de comunicación establecidos con proveedores de modelos y empresas de infraestructura.
Una clínica local o una organización sin fines de lucro puede tener a un único generalista responsable de los ordenadores, las suscripciones de software y el soporte a empleados. Algunas no tienen ningún empleado dedicado a la seguridad.
Los bancos comunitarios operan bajo una supervisión más estricta, pero el tamaño sigue condicionando sus opciones defensivas. Deben proteger los sistemas de pago, las identidades de los clientes, los proveedores y los servicios en línea mientras cumplen amplios requisitos operativos.
La Federal Deposit Insurance Corporation mantiene ejercicios y guías específicamente para bancos comunitarios. Sus recursos cubren ransomware, riesgos de terceros, planificación de continuidad, notificación de incidentes y supervisión de los consejos directivos.
Esta orientación es valiosa, pero una lista de verificación no puede crear personal cualificado ni monitoreo ininterrumpido. Las instituciones más pequeñas compran con frecuencia esas capacidades a proveedores externos.
La externalización puede reforzar la seguridad, pero también concentra el riesgo. Un proveedor de servicios comprometido puede exponer a muchos clientes, mientras que las brechas contractuales pueden ralentizar la contención y la recuperación.
El mismo patrón aparece en el ámbito de la salud. Los hospitales dependen de sistemas clínicos, plataformas de laboratorio, procesadores de pagos, equipos conectados y proveedores tecnológicos externos.
Desconectar sistemas puede proteger los datos, pero también puede interferir con la programación, las recetas, los diagnósticos y los traslados de pacientes. Lo que está en juego a nivel operativo hace que las decisiones de respuesta sean especialmente difíciles.
Por lo tanto, la brecha de vulnerabilidad no se limita a comprar un producto de seguridad de IA. Implica dotación de personal, inventarios de activos, control de proveedores, diseño de identidades, copias de seguridad probadas y autoridad durante una crisis.
La IA puede ayudar a los defensores a procesar alertas e investigar actividades sospechosas. Sin embargo, las organizaciones necesitan registros precisos, sistemas integrados y personas capaces de actuar sobre los resultados.
Sin esa base, otro panel de IA puede convertirse en una herramienta más que genera advertencias que nadie tiene tiempo de revisar.
Aquí también importa la disciplina básica de la información. Las organizaciones deben saber qué almacenan, quién puede acceder a ello y qué sistemas contienen las copias autorizadas.
Una base de conocimientos de IA con capacidad de búsqueda puede mejorar el acceso interno a los procedimientos, pero el material operativo sensible sigue requiriendo permisos estrictos y gobernanza. La comodidad no puede sustituir al control de acceso.
La brecha de seguridad aumenta cuando los atacantes reciben ayuda analítica de bajo costo, mientras que los defensores deben reparar años de sistemas inconsistentes. La IA acelera a ambos lados, pero no les otorga los mismos recursos.
Los hospitales y los bancos no pueden tratar esto como phishing ordinario
Las instituciones bajo presión prestan servicios que las comunidades no pueden simplemente pausar mientras los técnicos restauran una red.
Un minorista comprometido puede cerrar una tienda en línea durante la contención. Un hospital debe seguir atendiendo a los pacientes, y un banco debe preservar el acceso de los clientes y la integridad de las transacciones.
Esa diferencia hace que la resiliencia sea tan importante como la prevención. Los líderes deben asumir que algunos intentos de phishing, credenciales expuestas o sistemas vulnerables sortearán sus defensas.
El Departamento de Salud y Servicios Humanos ya ha detectado una adopción desigual de salvaguardas esenciales. Un análisis de resiliencia hospitalaria incluyó 107 hospitales y examinó 2.224 incidentes de ciberseguridad sanitaria.
Los hospitales participantes informaron una adopción diversa de funciones y procesos de seguridad importantes. HHS advirtió que esta inconsistencia, combinada con un entorno de amenazas en evolución, puede dejar expuestos a los hospitales.
Una revisión gubernamental independiente detectó problemas de coordinación más amplios. La Oficina de Rendición de Cuentas del Gobierno dijo que HHS no había completado todas las mejoras recomendadas para su papel como agencia principal de riesgos del sector sanitario.
La revisión sanitaria de la GAO citó el ataque de ransomware contra Change Healthcare de 2024 como un ejemplo importante. El incidente interrumpió a proveedores y la atención a pacientes, al tiempo que generó pérdidas estimadas de 874 millones de dólares.
Ese incidente afectó a un gran intermediario sanitario, no a un hospital local. Aun así, sus consecuencias demuestran cómo una dependencia tecnológica puede propagar la interrupción entre miles de organizaciones médicas.
Los centros locales heredan ese riesgo sistémico mientras gestionan sus propias redes. Un hospital regional puede seguir prácticas internas sólidas y aun así perder el acceso a un proveedor de uso generalizado.
Los atacantes asistidos por IA pueden aprovechar esta complejidad. Pueden analizar información pública sobre proveedores de software, empleados, alianzas clínicas y cambios organizativos recientes.
También pueden elaborar mensajes distintos para equipos de nóminas, médicos, proveedores y ejecutivos. Los mensajes pueden reflejar el vocabulario local e imitar las solicitudes habituales presentes en la correspondencia robada.
Los bancos enfrentan un problema relacionado. Los delincuentes pueden combinar suplantación de identidad, robo de credenciales, información de clientes y solicitudes urgentes de pago en una campaña coordinada.
La FDIC ha advertido a los consumidores sobre la suplantación de bancos mediante correo electrónico, mensajes de texto, llamadas telefónicas y sitios web falsos. La IA generativa facilita la producción y adaptación de estas interacciones.
El riesgo va más allá de las estafas a clientes. Los bancos deben proteger los sistemas internos, las redes de pago, los proveedores y los accesos utilizados por empleados o contratistas.
El informe de resiliencia de la FDIC de 2025 describió el ransomware como una amenaza persistente para las finanzas y la banca. También señaló el uso de tácticas de doble y triple extorsión.
La doble extorsión combina el robo de datos con el cifrado o la amenaza de publicar la información. La triple extorsión añade presión, como ataques de denegación de servicio o denuncias ante un regulador.
La IA puede respaldar cada etapa sin crear un modelo delictivo completamente nuevo. Ayuda a los actores a identificar datos valiosos, elegir puntos de presión y adaptar las comunicaciones a una víctima específica.
Los reguladores reconocen el lado defensivo de la misma tecnología. En febrero de 2026, el Departamento del Tesoro publicó recursos diseñados para reforzar la ciberseguridad y la gestión de riesgos de IA en los servicios financieros.
El Tesoro afirmó que el trabajo buscaba ayudar a las instituciones pequeñas y medianas a utilizar la IA de forma más segura. Su iniciativa de seguridad financiera reunió a organismos públicos, reguladores y participantes del sector.
Ese enfoque apunta hacia una respuesta necesaria. Las instituciones más pequeñas necesitan capacidades compartidas, estándares probados e inteligencia a nivel sectorial, en lugar de compras aisladas de productos.
Un banco comunitario no puede observar de forma independiente todas las campañas dirigidas contra instituciones financieras. Un hospital rural no puede emplear a todos los especialistas necesarios para la seguridad de identidades, nube, entornos clínicos e incidentes.
La información compartida sobre amenazas puede ayudar, pero solo cuando llega en un formato utilizable. Un indicador entregado después de que un atacante se ha movido por una red ofrece poca protección.
La IA defensiva también debe ser accesible y realista desde el punto de vista operativo. Un sistema diseñado para el centro de seguridad de una empresa global podría abrumar a un equipo tecnológico de cinco personas.
La mejor herramienta para una institución pequeña puede ser aquella que reduzca el trabajo, priorice unas pocas acciones urgentes y se conecte directamente con su proveedor existente. Más funciones no garantizan una mejor protección.
La carrera de la seguridad de IA tiene un problema de verificación
Los informes sobre hackeos habilitados por IA son creíbles, pero el sector aún carece de una visión completa e independiente de su frecuencia y eficacia.
Las empresas de modelos ocupan una posición inusual en la investigación de ciberseguridad. Pueden detectar actividad prohibida que los investigadores externos nunca ven, pero también definen sus propias categorías y publican casos seleccionados.
Las divulgaciones de Anthropic ofrecen ejemplos excepcionalmente detallados. Muestran cómo los usuarios dieron instrucciones a Claude, cómo participó el sistema y qué salvaguardas modificó posteriormente la empresa.
Aun así, los lectores deben distinguir las observaciones de proveedores de los informes de incidentes verificados de forma independiente. Anthropic a menudo no puede identificar públicamente a todas las víctimas, mientras que la confidencialidad limita el escrutinio externo.
Las víctimas también tienen dificultades para atribuir la participación de IA. Vivian’s Door pudo determinar que una cuenta fue comprometida, pero no necesariamente qué herramientas ayudaron al atacante.
La respuesta tradicional a incidentes se centra en los puntos de entrada, los sistemas afectados, los datos robados y la persistencia. Rara vez produce un registro definitivo de las conversaciones privadas de un atacante con un modelo.
Como resultado, muchos ataques asistidos por IA parecerán intrusiones conocidas. Los investigadores pueden encontrar credenciales robadas, scripts generados y correos electrónicos dirigidos sin demostrar cómo se crearon.
Esto genera dos riesgos opuestos. Las organizaciones pueden descartar la IA como marketing porque la atribución es difícil, o pueden etiquetar todo mensaje de phishing pulido como un ataque de IA.
Ninguna de las dos respuestas ayuda. Los defensores deben centrarse en cambios observables de velocidad, escala, calidad de la segmentación y comportamiento de los atacantes.
El Informe sobre Delitos en Internet de 2024 del FBI ofrece una referencia útil. Registró 859.532 denuncias e informó pérdidas superiores a 16.000 millones de dólares, un aumento del 33 % respecto de 2023.
El phishing y la suplantación de identidad, la extorsión y las filtraciones de datos personales fueron las tres categorías más denunciadas. Estos delitos existían mucho antes de que la IA generativa estuviera ampliamente disponible.
Los datos de denuncias del FBI no establecen cuántos casos utilizaron IA. Muestran la enorme infraestructura delictiva en la que están llegando las herramientas de IA.
Esa distinción da forma a una política sensata. El objetivo no debería ser construir defensas en torno a una etiqueta imposible de medir llamada “ataque de IA”.
En cambio, las organizaciones deberían reducir las vías que cualquier atacante puede explotar. Entre ellas se incluyen contraseñas reutilizadas, privilegios excesivos de cuentas, sistemas expuestos a internet sin parches, controles débiles de proveedores y planes de recuperación no probados.
Los proveedores de modelos tienen una responsabilidad distinta. Pueden supervisar patrones abusivos, bloquear cuentas, compartir indicadores y diseñar salvaguardas en torno al uso de herramientas de alto riesgo.
Sin embargo, los controles de seguridad enfrentan presión adversarial. Los delincuentes pueden dividir tareas entre servicios, ocultar sus intenciones, usar cuentas robadas o pasar a modelos con una supervisión más débil.
Por tanto, una respuesta eficaz requiere cooperación entre proveedores de modelos, plataformas en la nube, proveedores de software, reguladores, fuerzas del orden y operadores de servicios críticos.
La incertidumbre central no es si los delincuentes usarán IA. Los casos de Anthropic demuestran que algunos ya lo hacen.
Las preguntas sin resolver se refieren a la prevalencia, la fiabilidad y el acceso defensivo. Los investigadores necesitan medidas comparables que muestren cuánto cambia la IA las tasas de compromisos exitosos, la velocidad de los ataques y los requisitos de habilidades de los operadores.
Sin esas medidas, las demostraciones llamativas pueden dominar la discusión. Mientras tanto, las organizaciones pequeñas siguen necesitando ayuda con las debilidades habituales que hacen eficaces los ataques automatizados.
Lo que ocurra después mostrará si la brecha se está cerrando
Tres señales determinarán si los defensores pueden contener los ciberataques de IA de Anthropic antes de que la intrusión automatizada se vuelva rutinaria.
La primera señal es la evidencia de que los proveedores de modelos pueden detectar comportamientos maliciosos de agentes mientras ocurren. Las prohibiciones de cuentas después de una operación ofrecen lecciones, pero intervenir durante el reconocimiento o la explotación reduciría el daño.
Los proveedores deberían divulgar suficiente información agregada para mostrar cómo mejora la detección. Entre las medidas útiles se incluyen operaciones interrumpidas, tiempo de detección, patrones repetidos de evasión y las etapas en las que intervinieron las salvaguardas.
Las cifras deben interpretarse con cuidado. Un mayor abuso detectado podría reflejar una mejor supervisión y no un mayor número total de ataques.
La segunda señal es la adopción entre hospitales e instituciones financieras más pequeñas. Las nuevas herramientas solo importan si las organizaciones con menos recursos pueden implementarlas, gestionarlas y confiar en ellas.
El trabajo del Tesoro con instituciones financieras pequeñas y medianas ofrece una prueba. Los ejercicios futuros deberían mostrar si los participantes mejoran el tiempo de respuesta, la coordinación con proveedores y la preparación para la recuperación.
La atención sanitaria necesita pruebas similares en centros locales y rurales. Los anuncios de adquisiciones por sí solos no demostrarán que los servicios a pacientes puedan continuar durante un incidente cibernético grave.
La tercera señal es si los informes de incidentes comienzan a separar la asistencia de IA presunta del uso de IA verificado. Los investigadores necesitan una terminología coherente que evite tanto la desestimación como la exageración.
Un caso verificado podría incluir registros del proveedor, instrucciones recuperadas, registros de infraestructura o archivos operativos del atacante. Un caso presunto se basaría en la velocidad, los patrones lingüísticos o el código generado, sin pruebas directas.
Esa distinción ayudaría a reguladores y equipos de seguridad a comparar eventos. También evitaría que los casos inciertos se conviertan en estadísticas engañosas.
El progreso defensivo no vendrá de un modelo ni de un programa gubernamental. Vendrá de acortar el tiempo entre el descubrimiento, la advertencia, la contención y la recuperación.
Los hospitales y los bancos también necesitan planes que funcionen cuando los paneles en la nube, el correo electrónico o los sistemas normales de identidad no estén disponibles. Esos planes deben practicarse, no almacenarse como documentos olvidados.
Para las organizaciones pequeñas, las prioridades deben seguir siendo concretas. Protejan las cuentas importantes con autenticación resistente al phishing, eliminen accesos no utilizados, apliquen parches a los sistemas expuestos, mantengan copias de seguridad aisladas y aclaren las responsabilidades de los proveedores.
Estas medidas no eliminan los ataques habilitados por IA. Obligan a los operadores automatizados a invertir más tiempo, revelar más actividad y abandonar más objetivos.
Los ciberataques con IA de Anthropic muestran que los modelos pueden reducir la brecha de capacidades para los delincuentes. La siguiente pregunta es si las defensas compartidas pueden reducir la brecha de recursos para las víctimas.
Ese resultado debería evaluarse por la reducción de las interrupciones del servicio y recuperaciones más rápidas, no por la cantidad de productos de seguridad con IA anunciados. Pregunte quién supervisa sus cuentas de mayor confianza, con qué rapidez pueden deshabilitar el acceso y qué sigue funcionando cuando fallan los sistemas centrales. Si esas respuestas siguen sin estar claras, la organización ya está expuesta a la ventaja de velocidad que la IA brinda a los atacantes.
