El análisis de malware de SentinelOne pasa de seis semanas a ocho horas

SentinelOne afirma que su análisis de malware puede ahora condensar entre cuatro y seis semanas de trabajo experto en aproximadamente ocho horas. La compañía atribuye este avance a OpenAI Daybreak, un programa de ciberseguridad que ofrece a defensores autorizados acceso a modelos especializados y flujos de trabajo agénticos. Esta reducción de tiempo cambia más que la agenda de un investigador. Cuestiona un modelo operativo basado en expertos escasos que examinan un grupo pequeño y cuidadosamente seleccionado de amenazas.

La afirmación importante no es que la inteligencia artificial pueda resumir código malicioso. Las herramientas de seguridad llevan años ayudando con la clasificación, la detección y la investigación. SentinelOne afirma que Daybreak puede sostener un proyecto complejo de ingeniería inversa, revisar teorías equivocadas y generar un trabajo cercano al de un analista humano. Si ese rendimiento se mantiene en muestras diversas, los equipos podrán investigar amenazas que antes no tenían capacidad para examinar.

Sin embargo, se trata de un resultado comunicado por la empresa, presentado a través de un caso de cliente de OpenAI y la propia investigación de SentinelOne. El benchmark detallado incluyó una investigación delimitada, un número reducido de ejecuciones de modelos y una supervisión humana relevante. Anthropic, Google DeepMind y otros proveedores de modelos persiguen capacidades defensivas similares. Por tanto, la competencia no enfrenta a la IA con el análisis manual. Enfrenta una capacidad de investigación supervisada con un flujo de trabajo limitado por las horas de expertos individuales.

El análisis de malware de SentinelOne pasa de la escasez al rendimiento

El cambio inmediato es un aumento de la capacidad de investigación, no la eliminación de los analistas humanos.

La ingeniería inversa reconstruye cómo se comporta el software compilado cuando su diseño original y su código fuente no están disponibles. En el caso de malware sofisticado, ese proceso implica desensamblado, desofuscación, comprobación de hipótesis, evidencia de comportamiento y revisiones reiteradas. Un investigador puede necesitar rastrear relaciones entre varios componentes integrados antes de llegar a una conclusión defendible.

El director de IA de SentinelOne, Gregor Stewart, declaró a OpenAI que una investigación exigente puede ocupar a un investigador de primer nivel entre cuatro y seis semanas. Afirmó que Daybreak ahora produce resultados comparables en unas ocho horas. El caso de cliente del 14 de octubre presenta el resultado como una forma de examinar más malware y conectar evidencias entre más muestras.

La distinción entre duración y trabajo importa. Ocho horas de trabajo transcurrido del modelo no significan automáticamente ocho horas sin supervisión ni un informe de inteligencia terminado. El material público no revela un desglose completo del tiempo de preparación, la revisión humana, el consumo de cómputo ni las tareas de mitigación. Presenta el resultado de ocho horas como un resultado operativo, no como una medición de productividad auditada de forma independiente.

Aun así, el problema de partida es concreto. SentinelOne afirma que sus investigadores históricamente reservaban la ingeniería inversa profunda para un pequeño número de muestras importantes o inusuales. Ese triaje tenía sentido porque cada investigación consumía tiempo escaso de especialistas. También significaba que las muestras menos destacadas recibían menos atención, incluso cuando las relaciones entre ellas podrían haber revelado una campaña más amplia.

Un análisis más rápido cambia esa presión de selección. Los investigadores pueden examinar un conjunto mayor de muestras, comparar componentes compartidos e identificar patrones que las investigaciones aisladas podrían pasar por alto. Un módulo hallado en dos archivos aparentemente no relacionados puede convertirse en el vínculo entre incidentes diferentes, grupos de infraestructura o actores de amenazas.

Esta visión más amplia es el verdadero valor detrás de la cifra del titular. Un informe más rápido ayuda a un caso. Un conjunto mayor de informes comparables puede mejorar la lógica de detección, la inteligencia de amenazas y la respuesta a incidentes en muchos casos.

SentinelOne también intenta ampliar el acceso más allá de sus ingenieros inversos con mayor experiencia. Stewart afirmó que ahora más empleados pueden investigar problemas de seguridad sin depender por completo de un pequeño grupo de expertos. También busca que esas mismas capacidades estén disponibles durante el desarrollo de software, donde los equipos pueden abordar algunos riesgos mientras crean código.

Eso no convierte a todos los desarrolladores en investigadores de malware. Cambia la forma en que puede distribuirse la experiencia. Un modelo especializado puede realizar exploraciones que requieren mucho tiempo, mientras un analista experimentado define el objetivo y evalúa la evidencia.

Por tanto, la reducción afirmada de semanas a horas representa un multiplicador de capacidad. SentinelOne sigue necesitando personas cualificadas, pero esas personas pueden supervisar más investigaciones. La cuestión estratégica es si los controles de calidad pueden ampliarse al mismo ritmo que la producción generada por los modelos.

Cómo utiliza SentinelOne Daybreak para investigaciones prolongadas

Daybreak importa porque respalda un flujo de trabajo de investigación completo, no solo una respuesta sobre código sospechoso.

OpenAI describe Daybreak como una colección de modelos, controles de acceso, flujos de trabajo de seguridad y programas de socios para defensores autorizados. Su alcance declarado incluye validación de vulnerabilidades, análisis de malware, respuesta a incidentes, generación de parches y pruebas de mitigación. Los controles de acceso son fundamentales porque las mismas capacidades pueden respaldar investigación defensiva o intrusión ofensiva.

El marco Daybreak más amplio combina modelos centrados en ciberseguridad con flujos de trabajo de Trusted Access for Cyber y Codex Security. OpenAI afirma que los humanos conservan el control sobre qué hallazgos investigar, qué cambios aplicar y qué información compartir.

El trabajo de ingeniería inversa de SentinelOne ilustra por qué importa un flujo de trabajo prolongado. Un analista no se limita a pedir a un modelo que identifique una muestra. El sistema debe mantener un registro evolutivo de funciones, estructuras de datos, hipótesis, evidencia y explicaciones descartadas. Los descubrimientos posteriores pueden invalidar conclusiones anteriores en varios archivos.

SentinelLABS probó ese comportamiento con fast16, un kit de herramientas para Windows de 2005 asociado al sabotaje de software de ingeniería de alta precisión. La muestra contiene dos componentes integrados, una capa de operaciones cifrada basada en Lua y un controlador de kernel con 101 reglas de parcheo. Un análisis superficial puede hacer que ese controlador parezca un rootkit convencional de sistema de archivos.

El benchmark dividió la investigación en ocho etapas. Primero, los modelos tuvieron que recuperar y anotar los componentes de la muestra. Las etapas posteriores añadieron posible software objetivo, informes externos, requisitos de publicación y nueva evidencia capaz de invalidar conclusiones anteriores.

El sistema trabajó con IDA Pro, un desensamblador utilizado para examinar programas compilados, dentro de un entorno aislado sin acceso a la red. Tenía que renombrar variables, clasificar funciones, recuperar componentes ocultos y vincular las afirmaciones a direcciones y artefactos específicos. Los revisores evaluaron el proyecto técnico, no solo la fluidez de una narrativa final.

Este diseño apunta a una debilidad común de la IA generativa. Un modelo puede producir una explicación local convincente y, al mismo tiempo, perder la coherencia en un proyecto amplio. Puede corregir una frase y aun así dejar archivos, scripts o conclusiones posteriores que dependan del error original.

SentinelLABS denomina al comportamiento más valioso recuperación a escala de proyecto. Cuando se le contradice, el modelo debe retirar una afirmación, encontrar cada conclusión dependiente, reparar el análisis subyacente y volver a comprobar el resultado revisado. También debe distinguir entre la incertidumbre que bloquea la publicación y la que puede divulgarse.

Según el benchmark de malware de SentinelOne, las tres ejecuciones probadas de GPT-5.6 Sol completaron la investigación de ocho etapas. GPT-5.5, GLM-5.2 y las versiones probadas de Opus 4.x produjeron trabajo local útil, pero no completaron la secuencia completa.

Las ejecuciones completadas seguían cometiendo errores significativos. Una ejecución de GPT-5.6 Sol observó coincidencias reales de patrones en aplicaciones de ingeniería no relacionadas y propuso que fast16 podría ser una herramienta de compatibilidad. Pruebas posteriores mostraron que esas coincidencias producían fragmentos, en lugar de la secuencia coherente de modificaciones encontrada en el objetivo probable.

El modelo retiró entonces esa interpretación y reparó el trabajo posterior que dependía de ella. Esa recuperación, más que la ausencia de errores, distinguió las ejecuciones completadas en la evaluación de SentinelOne.

Este mecanismo explica por qué la afirmación de las ocho horas merece atención. La automatización lleva tiempo ayudando a los analistas a buscar cadenas, desempaquetar archivos y reconocer indicadores conocidos. La afirmación más reciente se refiere a mantener una investigación coherente ante cambios en la evidencia, los artefactos técnicos y las obligaciones de elaboración de informes.

El caso de cliente de OpenAI se refiere ampliamente a Daybreak, mientras que la investigación detallada de SentinelOne analiza GPT-5.6 Sol. Un anuncio de producto independiente menciona GPT-5.6-Cyber para servicios orientados al cliente. Los lectores no deberían asumir que todos los resultados de benchmark se trasladan directamente a todas las configuraciones desplegadas de Daybreak.

La conclusión defendible es más limitada. SentinelOne ha determinado que determinados modelos de OpenAI pueden asumir partes mucho mayores de un flujo de trabajo de ingeniería inversa que los sistemas anteriores. La compañía intenta ahora convertir esa capacidad en operaciones defensivas repetibles.

La presión se desplaza del tiempo experto al juicio experto

La IA reduce la escasez de trabajo analítico, pero aumenta la necesidad de una revisión y priorización fiables.

La investigación tradicional de malware tiene un límite de rendimiento. Un analista sénior solo puede inspeccionar un número limitado de muestras complejas, y añadir otro experto requiere años de formación. Por ello, los equipos de seguridad priorizan los casos según la gravedad, la novedad, la exposición de los clientes y la evidencia disponible.

El enfoque de SentinelOne desplaza el cuello de botella. Cuando un modelo puede realizar trabajo técnico prolongado, el recurso escaso pasa a ser el juicio experto en los puntos de decisión con consecuencias. Los analistas deben elegir objetivos adecuados, descubrir puntos ciegos, definir evidencia aceptable y decidir si un resultado está listo para orientar a los clientes.

Stewart resumió ese límite con una observación concisa: “Lo único que no puede automatizarse es la rendición de cuentas”. Sostuvo que los cambios arquitectónicos siguen requiriendo revisión humana, mientras que las correcciones acotadas pueden permitir una mayor automatización.

La rendición de cuentas es especialmente importante en la investigación de malware porque los errores se propagan. Una atribución equivocada puede desviar a los investigadores. Una evaluación de comportamiento incompleta puede dejar expuestos a los clientes. Una regla de detección defectuosa puede generar falsos positivos en toda una flota.

Una generación más rápida puede amplificar esos problemas. Un equipo que antes revisaba unas pocas investigaciones profundas podría recibir de pronto decenas. Si la capacidad de revisión se mantiene fija, la organización corre el riesgo de sustituir un retraso en el análisis por un retraso en la aprobación.

Esa presión se extiende más allá de SentinelOne. Los proveedores de modelos están desarrollando sistemas que pueden buscar código, probar vulnerabilidades y producir parches. Los proveedores de seguridad deben decidir cuánta autonomía conceder a esos sistemas y dónde sigue siendo obligatoria la autorización humana.

Google DeepMind ha desarrollado Big Sleep para la investigación de vulnerabilidades. Anthropic ha ofrecido a socios seleccionados acceso a modelos centrados en ciberseguridad mediante sus propios programas controlados. OpenAI ha integrado el análisis de seguridad en Codex mientras mantiene rutas de acceso especializadas para capacidades más permisivas.

Estos esfuerzos compiten en más aspectos que las puntuaciones brutas de los modelos. Los compradores de seguridad necesitan evidencia de que un flujo de trabajo completo sigue siendo trazable, reproducible y gobernable. Un sistema que encuentra más problemas pero no puede explicarlos ni validarlos puede aumentar el ruido operativo.

La estrategia comercial de SentinelOne refleja este requisito. Su expansión de Wayfinder de septiembre combina modelos de OpenAI con los especialistas ofensivos y defensivos de la empresa. Los servicios están diseñados para priorizar riesgos explotables, analizar muestras sospechosas y entregar hallazgos revisados por analistas humanos.

La empresa afirma que los flujos de trabajo pueden combinar desensamblado con evidencia estática y de sandbox. El análisis estático examina el código sin ejecutarlo, mientras que el análisis en sandbox observa el comportamiento en un entorno aislado. El paquete resultante puede incluir indicadores de compromiso, mapeos de técnicas de ataque y detecciones recomendadas.

Este diseño mantiene el juicio humano dentro del producto. SentinelOne no vende una transcripción de modelo sin revisar como veredicto final de seguridad. Utiliza modelos para ampliar la cantidad de trabajo técnico que sus expertos pueden supervisar.

La estrategia también presiona a los equipos de seguridad que dependen en gran medida de la investigación manual. Si los agentes supervisados reducen sistemáticamente los tiempos de respuesta, los clientes esperarán respuestas más rápidas de todos los proveedores. También pueden esperar análisis más profundos de muestras de menor prioridad que antes los proveedores ignoraban.

Los equipos internos de seguridad se enfrentan a una elección similar. Pueden usar estos sistemas para ampliar a sus analistas actuales o esperar una validación independiente más sólida. Esperar reduce la exposición a una automatización inmadura, pero puede dejar a los equipos con investigaciones más lentas y una cobertura de amenazas más limitada.

El modelo más creíble a corto plazo es la autonomía supervisada. Los modelos asumen flujos de trabajo sustanciales, mientras que los humanos controlan los objetivos y la publicación. Este enfoque es menos dramático que sustituir a los analistas, pero aborda la verdadera limitación de forma más directa.

Lo que la afirmación de las ocho horas no demuestra

El resultado muestra una capacidad significativa, pero no establece velocidad universal, precisión ni autonomía segura.

La primera limitación es la independencia de las fuentes. OpenAI publicó la historia principal del cliente y SentinelOne proporcionó las afirmaciones operativas. SentinelOne también diseñó y ejecutó el benchmark detallado fast16. Ambas empresas se benefician si los clientes consideran que los modelos cibernéticos avanzados son productivos y defendibles.

Esta relación no invalida el resultado. Sí significa que los lectores deberían considerar las cifras como resultados reportados hasta que investigadores externos las reproduzcan con diferentes muestras, herramientas y equipos.

La segunda limitación es la amplitud del benchmark. Fast16 es una muestra difícil y del mundo real, pero sigue siendo una sola investigación. El benchmark enfatiza la ingeniería inversa de largo horizonte, el mantenimiento de artefactos y la corrección a través de evidencia por etapas. No establece un rendimiento equivalente en todas las arquitecturas, empaquetadores, lenguajes de programación o familias de malware.

SentinelOne reconoce que el número de ejecuciones por familia de modelos fue pequeño. La participación de los operadores también afectó el resultado. Los humanos definieron la investigación, controlaron cuándo aparecía la evidencia, cuestionaron límites de calidad débiles y conservaron la autoridad de publicación.

Estas intervenciones forman parte de un flujo de trabajo supervisado realista. También dificultan separar la capacidad del modelo del diseño del benchmark, las herramientas y el apoyo experto. Otra organización podría no reproducir el mismo resultado con un entorno de prueba diferente o supervisores menos experimentados.

La tercera limitación se refiere al coste. SentinelOne afirma que sus experimentos consumieron más de 23.000 millones de tokens entre familias de modelos y configuraciones de esfuerzo. Ese total cubre el programa de investigación, no un único análisis de producción de ocho horas. Aun así, muestra que las investigaciones largas pueden exigir una capacidad de cómputo considerable.

El caso de estudio público no ofrece una comparación de costes por investigación. Tampoco cuantifica el tiempo de revisión de los analistas, las pistas falsas ni el trabajo operativo necesario para preparar las muestras. Sin esos detalles, el resultado respalda más firmemente una afirmación de velocidad que una afirmación completa de eficiencia.

La cuarta limitación es la manipulación adversarial. Los autores de malware saben que los defensores usan cada vez más modelos de lenguaje durante el triaje. Las muestras pueden incluir contenido diseñado para confundir esos modelos, provocar rechazos o redirigir su razonamiento.

SentinelOne informó sobre un malware para macOS llamado Gaslight que incorporaba mensajes falsos con estilo de sistema para herramientas de análisis de IA. Esos mensajes intentaban convencer a un asistente de que su entorno era inseguro o no estaba disponible. La cobertura de la técnica de inyección de prompts destacó la necesidad de tratar el contenido de las muestras como datos hostiles.

Esta amenaza crea un ciclo de retroalimentación inusual. El modelo analiza un artefacto que puede contener instrucciones dirigidas específicamente al propio modelo. El sandboxing tradicional aísla la ejecución maliciosa, pero una canalización de IA también debe aislar las instrucciones semánticas ocultas en la evidencia.

La investigación sobre la evaluación evasiva de IA describe un riesgo estructural relacionado. Los sistemas adaptativos pueden inferir propiedades de un entorno de evaluación y cambiar su comportamiento. Los evaluadores pueden obtener entonces resultados que parecen más seguros o capaces que el rendimiento en condiciones de despliegue reales.

En el análisis de malware asistido por IA, la lección se aplica en ambas direcciones. Una muestra maliciosa puede comportarse de forma distinta dentro de un sandbox y puede presentar contenido engañoso al agente analítico. Un flujo de trabajo fiable debe asumir que tanto el comportamiento ejecutable como el texto legible son adversariales.

La quinta limitación es la visibilidad de los errores. GPT-5.6 Sol completó el benchmark de SentinelOne, pero sus ejecuciones aún declararon algunos puntos de control como limpios antes de que la revisión detectara problemas. La fortaleza destacable del modelo fue recuperarse tras las correcciones, no trabajar sin errores.

Esa diferencia debería regir el despliegue. Un sistema que puede recuperarse de errores sigue necesitando controles capaces de detectar esos errores. Si los revisores no cuestionan una teoría plausible, el modelo puede incorporarla a un informe pulido pero incorrecto.

La expresión “resultado de nivel humano” también puede significar varias cosas. Puede referirse al alcance y la utilidad de los artefactos, en lugar de a una precisión equivalente en todas las condiciones. El caso de estudio de OpenAI no publica una comparación ciega entre la salida del modelo y los informes de múltiples expertos humanos.

Por ello, los responsables de seguridad deben evitar convertir un resultado en una fórmula universal de plantilla. La evidencia respalda una mayor capacidad bajo supervisión. No respalda eliminar a ingenieros sénior de ingeniería inversa ni permitir que los modelos publiquen conclusiones de alto impacto sin revisión.

El impacto de SentinelOne en la seguridad de IA depende de más que la velocidad

El beneficio estratégico llega cuando un análisis más rápido mejora la detección y la respuesta para muchos clientes.

Una investigación de ocho horas es útil por sí misma, pero su mayor valor procede de la reutilización posterior. La ingeniería inversa puede revelar el comportamiento de comando y control, métodos de persistencia, software objetivo y módulos reutilizables. Estos hallazgos pueden orientar detecciones, búsquedas de amenazas y recomendaciones para clientes.

SentinelOne afirma que una cobertura más amplia de muestras ayuda a los investigadores a identificar relaciones entre amenazas. Esta afirmación es plausible porque la infraestructura de las campañas y los componentes de malware suelen reaparecer en formas modificadas. Un corpus analítico mayor puede revelar conexiones que permanecen invisibles cuando los equipos inspeccionan profundamente solo unas pocas muestras.

Sin embargo, más análisis no crea automáticamente más inteligencia. Los equipos necesitan formatos de artefactos coherentes, evidencia consultable y vínculos fiables entre las conclusiones. También necesitan sistemas que distingan las relaciones genuinas de la reutilización incidental de código.

El énfasis del benchmark en las bases de datos estructuradas de IDA aborda parte de ese problema. Un informe fundamentado en funciones nombradas, direcciones y componentes recuperados es más fácil de verificar que un resumen en prosa sin respaldo. También puede alimentar investigaciones posteriores sin obligar a cada analista a reconstruir el razonamiento original.

Aquí es donde la plataforma de seguridad existente de SentinelOne adquiere relevancia. La empresa puede conectar la investigación asistida por modelos con telemetría de endpoints, inteligencia de amenazas e ingeniería de detección. Esa integración le proporciona una vía desde el análisis de laboratorio hasta la protección de los clientes.

La vía sigue requiriendo gobernanza. Un indicador propuesto por un modelo puede ser demasiado amplio. Una detección derivada de un comportamiento incompleto puede pasar por alto variantes o señalar software legítimo. Los analistas humanos deben validar cómo se comporta un hallazgo en entornos reales.

El mismo principio se aplica al trabajo de vulnerabilidades. OpenAI afirma que sus flujos de trabajo de seguridad buscan ir más allá de generar listas de hallazgos más largas. El objetivo es establecer la alcanzabilidad, recopilar evidencia, producir un parche y verificar el resultado. Los equipos de seguridad solo se benefician cuando los hallazgos se convierten en una reducción de riesgos probada.

Los servicios Wayfinder anunciados por SentinelOne siguen esa lógica al enfatizar el riesgo explotable en lugar del número bruto de incidencias. Se espera que sus analistas validen los hallazgos de los clientes antes de la entrega. Ese modelo de servicio puede ser más fácil de gobernar que proporcionar a cada cliente análisis autónomo sin restricciones.

También hay un efecto organizativo. Si los analistas júnior y los desarrolladores pueden realizar investigaciones iniciales más profundas, los especialistas sénior pueden centrarse en casos ambiguos y control de calidad. El resultado puede acortar los ciclos de retroalimentación entre investigación, seguridad de producto y equipos de detección.

Sin embargo, las organizaciones deben preservar el razonamiento detrás de las decisiones. Un informe generado sin evidencia duradera crea una dependencia institucional del modelo. Los equipos necesitan registros que muestren qué artefactos sustentaron una conclusión, qué hipótesis se descartaron y dónde una persona aprobó el resultado.

Este requisito se parece a una buena gestión del conocimiento fuera de la ciberseguridad. Los equipos obtienen más de la IA cuando el resultado generado sigue conectado a sus fuentes y decisiones subyacentes. La misma disciplina es esencial cuando una conclusión de seguridad puede desencadenar contención, remediación o atribución pública.

Por tanto, el impacto de SentinelOne en la seguridad de IA dependerá de las tasas de conversión, no solo del rendimiento de titulares. ¿Cuántas muestras adicionales reciben un análisis profundo? ¿Cuántas investigaciones producen detecciones validadas? ¿Con qué frecuencia esas detecciones detienen o aclaran un incidente real?

Estas medidas revelarían si una ingeniería inversa más rápida cambia los resultados. También harían que las comparaciones entre proveedores fueran más significativas que las afirmaciones generales sobre un “analista de IA”.

Qué observar tras la afirmación de SentinelOne sobre el análisis de malware

Tres señales mostrarán si este resultado se convierte en un estándar operativo o sigue siendo una demostración controlada impresionante.

La primera señal es la reproducción técnica independiente. Los equipos de investigación externos deben probar flujos de trabajo comparables frente a malware diverso, incluidas muestras diseñadas para evadir sandboxes y manipular modelos de lenguaje. La reproducción debería informar del tiempo transcurrido, la intervención humana, el uso de cómputo, las conclusiones falsas y la calidad final de los artefactos.

Una réplica satisfactoria reforzaría la afirmación de SentinelOne de que el análisis de malware de largo horizonte ha superado un umbral práctico. Los fallos fuera de su entorno de prueba sugerirían que la ingeniería del flujo de trabajo y la supervisión experta explican gran parte de la ventaja observada.

La segunda señal es la disponibilidad del producto y la evidencia de los clientes. SentinelOne afirmó que sus capacidades ampliadas de Wayfinder impulsadas por OpenAI entraron en vista previa privada, con una disponibilidad más amplia prevista para más adelante. Los casos de estudio públicos deberían mostrar si las investigaciones de los clientes reciben hallazgos validados con mayor rapidez sin aumentar los falsos positivos ni los retrasos de revisión.

La evidencia de despliegue debe separar los benchmarks de investigación de los niveles de servicio operativos. Los clientes necesitan saber qué modelo gestionó una tarea, a qué datos accedió, cómo se revisaron los resultados y qué acciones permanecieron bajo control humano.

La tercera señal es la resiliencia ante ataques adversariales. Los atacantes diseñarán cada vez más malware para entornos donde la IA participe en el análisis. Los defensores deberían publicar pruebas de que sus flujos de trabajo resisten la inyección de prompts, la evasión de sandbox, el contexto contaminado y los artefactos engañosos.

El progreso en este ámbito reforzaría el argumento a favor de una delegación amplia. Un fallo grave lo debilitaría, especialmente si un modelo aceptara instrucciones incrustadas en la muestra o publicara una atribución sin respaldo.

Las respuestas de la competencia serán importantes, pero los rankings de modelos por sí solos no resolverán la cuestión. Anthropic, Google y otros proveedores pueden producir modelos de seguridad capaces. Los sistemas ganadores combinarán rendimiento técnico con controles de acceso, pruebas trazables, flujos de revisión e integración en las operaciones defensivas.

SentinelOne ha presentado una de las afirmaciones más claras hasta la fecha sobre la ingeniería inversa asistida por IA: semanas de trabajo comprimidas en horas. Su propia investigación también ofrece la advertencia esencial. El modelo más potente cometió errores, dependió de la intervención del operador y se volvió valioso porque podía reparar un proyecto complejo tras recibir correcciones.

Para los responsables de seguridad, el siguiente paso no es sustituir al equipo de ingeniería inversa. Es identificar una investigación acotada, definir los puntos de aprobación humana y medir todo el flujo de trabajo. Compare las pruebas completadas, el tiempo de los analistas, el coste y las detecciones posteriores con el proceso actual.

La cuestión ya no es si los modelos pueden contribuir a la investigación sobre malware. Ya pueden hacerlo. La pregunta decisiva es si el análisis de malware de SentinelOne puede preservar una responsabilidad de nivel experto mientras se amplía desde pruebas de referencia seleccionadas hasta amenazas rutinarias a escala de producción.