
El grupo de inteligencia de amenazas de Google, dice que los atacantes ya usan sistemas de modelos de lenguaje que analizan actualizaciones de software, deducen qué fallo se corrigió y construyen un exploit sin intervención humana. Google responde con Google AI Threat Defense, que combina Gemini y otros modelos, Wiz, el parcheo automático de CodeMender y Mandiant. John Hultquist, su analista jefe, resume que los atacantes van a por fallos conocidos y sin corregir, «pero con mucha más velocidad y escala».
El grupo de inteligencia de amenazas de la compañía detectó sistemas capaces de buscar vulnerabilidades, preparar exploits y ejecutar varias fases de una intrusión. La automatización acelera las operaciones, aunque todavía puede dejar rastros que ayuden a detectarlas.
Los ciberdelincuentes están pasando de pedir ayuda puntual a los modelos de inteligencia artificial a integrar agentes capaces de encadenar tareas dentro de una operación. Esa es una de las principales conclusiones del último informe del Google Threat Intelligence Group, publicado el 16 de noviembre. El equipo, junto con Mandiant, describe casos en los que herramientas basadas en grandes modelos de lenguaje se emplearon para investigar sistemas, buscar vulnerabilidades y avanzar en intrusiones con menos intervención humana. (Informe de Google Threat Intelligence)
El cambio no consiste en que la IA haya inventado una nueva forma de entrar en las redes. Según el informe, los atacantes siguen aprovechando credenciales robadas y sistemas sin actualizar, dos vías conocidas desde hace años. La diferencia está en la velocidad y en la escala. Los agentes pueden automatizar tareas que antes requerían trabajo manual y responder a lo que encuentran durante la operación.
Google afirma haber observado varios marcos de trabajo multiagente utilizados en intrusiones reales. Entre ellos figuran herramientas abiertas como CAIRN y PentAGI, además de pruebas con otras plataformas. Estos sistemas pueden combinar utilidades de seguridad, generar código para una tarea concreta y ajustar sus acciones a partir de los resultados obtenidos.
Uno de los ejemplos descritos en el informe es un sistema llamado exploit_agent. Estaba configurado para comparar versiones de programas antes y después de la publicación de un parche, localizar posibles fallos y preparar y ejecutar exploits. Google dice que el proceso podía funcionar sin una persona interviniendo en cada paso. La actividad observada apuntaba a sitios franceses de medios, entretenimiento y educación.
La automatización también reduce el tiempo entre la publicación de un parche y la aparición de intentos de explotación. Los atacantes pueden comparar el código corregido con la versión anterior para deducir qué vulnerabilidad se ha reparado y desarrollar un ataque contra los sistemas que aún no se han actualizado. En paralelo, la facilidad para producir pruebas de concepto con IA está generando más código que parece válido, pero no funciona, lo que añade trabajo de comprobación para los equipos de seguridad.
El informe recoge además un mercado alrededor del llamado LLMJacking. En estos casos, los atacantes roban credenciales o recursos de computación en la nube para utilizar modelos de IA o revender el acceso a terceros. Google y Mandiant describen incidentes en los que el uso fraudulento de estos recursos disparó la facturación en cuestión de horas. En los casos más graves citados, los cargos de un solo día superaron los 100.000 dólares y el abuso acumulado llegó al millón antes de que se lograra frenarlo.
La IA también aparece en operaciones de influencia. Google sostiene que grupos vinculados a Estados, proveedores comerciales y redes que buscan ingresos con contenido político ya la incorporan para producir textos y medios sintéticos, crear perfiles ficticios y distribuir publicaciones a gran escala. El informe advierte, sin embargo, que un contenido más convincente no implica necesariamente que la campaña alcance sus objetivos.
La capacidad de operar con rapidez tiene un coste para los atacantes. Según Google, algunas herramientas autónomas dejan actividad técnica fácil de rastrear, generan tráfico llamativo o usan identificadores reconocibles. Esa falta de discreción puede facilitar que los defensores detecten y contengan una intrusión. La compañía prevé que esa debilidad se reduzca a medida que mejoren los modelos y los sistemas que los utilizan.
Para las organizaciones, el mensaje práctico es conocido, aunque el margen de reacción se estrecha. Mantener los sistemas actualizados, proteger las credenciales y vigilar el uso de servicios en la nube sigue siendo esencial. La novedad es que una vulnerabilidad expuesta o una cuenta comprometida puede ser aprovechada con más rapidez y mediante procesos cada vez más automatizados.
Recibe lo mejor de la semana en tu email
Cada lunes, las noticias más leídas de Territorio Blockchain, el nuevo episodio del podcast y las novedades de nuestros eventos. Gratis y sin spam.
Te enviaremos un email para confirmar el alta. Puedes darte de baja cuando quieras con el enlace que lleva cada newsletter. Privacidad













































