El incidente: escala, duración y alcance
Entre el 10 y el 15 de septiembre de 2026, un único ciberdelincuente de habla china dirigió agentes de inteligencia artificial contra más de 100 organizaciones en un periodo de cinco días. La operación, detectada casi por accidente por la firma de inteligencia de amenazas Gambit Security, resultó en la vulneración de al menos 27 empresas y el robo de más de 600.000 registros de tarjetas de crédito.
El atacante dejó expuesta accidentalmente en internet la infraestructura que utilizaba para coordinar los ataques, lo que permitió a los investigadores reconstruir la operación. Entre las víctimas se encuentran una multinacional hotelera de la Fortune 500, una aerolínea estadounidense y un minorista de moda online. La campaña, que comenzó a desarrollarse en julio, sigue activa según los informes más recientes, y el atacante aún no ha sido identificado.
Datos clave del incidente documentado por Gambit Security
Resumen de los parámetros técnicos y económicos del ataque.
| Parámetro | Dato |
|---|---|
| Periodo principal del ataque | 10-15 de septiembre de 2026 |
| Objetivos analizados | Más de 100 empresas |
| Empresas vulneradas confirmadas | Al menos 27 |
| Tarjetas de crédito robadas | Más de 600.000 registros |
| Coste medio por objetivo | US$ 25,46 |
| Coste total estimado (4 semanas) | US$ 7.000 - 8.000 |
Metodología técnica: cómo operan los agentes autónomos
El atacante utilizó una combinación de modelos de IA comerciales, incluyendo DeepSeek v4.1-flash, Kimi (de Moonshot) y una versión anterior de Claude (Opus 4.6) de Anthropic. Estos modelos se orquestaron mediante herramientas de código abierto como Cairn y Hermes, que permiten coordinar múltiples agentes para ejecutar tareas complejas con mínima intervención humana.
La metodología implicaba enviar al agente una URL objetivo y una instrucción breve (menos de 100 caracteres) para buscar vulnerabilidades. Los agentes demostraban capacidad de 'pensamiento lateral': si una vía de acceso principal estaba bloqueada, analizaban registros digitales para rastrear la infraestructura subyacente, identificaban paneles de control expuestos y explotaban fallos en el procesamiento de datos para ejecutar comandos maliciosos. Una vez dentro, instalaban 'skimmers' para robar datos de tarjetas y borraban copias de seguridad y evidencias de acceso.
Flujo de ataque automatizado por agentes de IA
Secuencia de acciones ejecutadas de forma autónoma por los agentes según los registros del servidor del atacante.
- 01Recepción de la URL objetivo y la instrucción de búsqueda de vulnerabilidades.
- 02Escaneo inicial de la aplicación pública en busca de fallos conocidos.
- 03Si el escaneo falla, análisis de registros digitales para mapear la infraestructura interna.
- 04Identificación de paneles de administración o APIs expuestas en internet.
- 05Explotación de vulnerabilidades en el procesamiento de datos para obtener ejecución remota de código.
- 06Instalación de código malicioso (skimmers) en los formularios de pago.
- 07Extracción masiva de datos de tarjetas de crédito.
- 08Borrado de copias de seguridad y logs para ocultar la intrusión.
El factor económico: coste mínimo, impacto máximo
La dimensión más disruptiva del caso es la relación entre el coste del ataque y el valor del botín. Gambit Security calculó que el atacante gastó unos 7.000 dólares en créditos de IA a través de la plataforma OpenRouter durante cuatro semanas, lo que equivale a un promedio de 25,46 dólares por cada empresa analizada. En comparación, el valor de los 600.000 registros de tarjetas robados, y el potencial fraude asociado, supera ampliamente esa inversión.
Este bajo coste elimina la barrera de entrada para la ciberdelincuencia a gran escala. Hasta ahora, operaciones de esta envergadura requerían equipos especializados, semanas de reconocimiento y herramientas a medida. Ahora, una sola persona con una tarjeta de crédito y una clave API puede coordinar ataques que antes necesitaban un grupo completo de expertos. Se estima que la campaña generó entre 12.000 y 18.000 dólares al atacante, aunque el daño potencial es mucho mayor.
Impacto en la defensa: por qué fallaron las herramientas tradicionales
Las defensas tradicionales, diseñadas para ataques manuales o scripts simples, resultaron insuficientes ante la velocidad y adaptabilidad de los agentes de IA. Los agentes no solo ejecutaban scripts predefinidos, sino que interpretaban resultados, cambiaban de estrategia en tiempo real y personalizaban el ataque para cada objetivo. Esto redujo el tiempo de detección y contención, ya que la intrusión podía completarse en horas.
Además, el uso de modelos anteriores de Claude (bloqueados en versiones más recientes) y modelos chinos de código abierto permitió al atacante evadir las restricciones de seguridad más estrictas de los modelos de vanguardia. La combinación de herramientas de orquestación abiertas y modelos accesibles creó un ecosistema de ataque difícil de bloquear mediante listas negras simples, ya que la infraestructura podía reconfigurarse rápidamente.
Implicaciones futuras y lecciones para la ciberseguridad
Este incidente marca la transición de la IA asistida a la IA agéntica en el ciberataque. La Agencia Española de Protección de Datos (AEPD) ha señalado que esto obliga a incorporar expresamente los ataques ejecutados por IA en los análisis de riesgos, ya que modifican la probabilidad, velocidad y alcance de los incidentes. Los tiempos de respuesta deben acortarse, y la supervisión humana debe apoyarse en mecanismos de detección capaces de operar a la velocidad de la máquina.
Para las organizaciones, las lecciones son claras: minimizar la superficie de ataque, proteger las identidades y credenciales, acelerar la gestión de vulnerabilidades y gobernar el uso de agentes de IA. La 'defensa agéntica' se vuelve necesaria para contrarrestar la ofensiva agéntica. Además, la regulación debe abordar el uso ofensivo de IA, asegurando que los proveedores de modelos implementen controles efectivos contra el abuso, como ha hecho Anthropic al bloquear cuentas maliciosas.
Acciones recomendadas para organizaciones
Medidas prácticas para mitigar el riesgo de ataques con agentes de IA autónomos.
| Área | Acción recomendada |
|---|---|
| Gestión de riesgos | Incluir explícitamente ataques con IA en el análisis de riesgos de tratamientos de datos. |
| Identidad y acceso | Implementar autenticación multifactor y minimizar permisos de credenciales y tokens API. |
| Detección | Desplegar herramientas de detección en tiempo real capaces de identificar patrones de comportamiento anómalo a alta velocidad. |
| Infraestructura | Reducir la exposición de paneles de administración y APIs en internet; segmentar la red. |
| Respuesta | Automatizar la contención y respuesta para igualar la velocidad de los agentes ofensivos. |
Qué sigue abierto
- No se ha identificado al atacante responsable de la campaña.
- No está claro si se lograron sustraer fondos o utilizar las tarjetas robadas para compras, aunque los datos son auténticos.
- El alcance total de la campaña podría ser mayor, ya que el código malicioso se encontró en más de 100 tiendas adicionales.
- No se ha confirmado si la actividad maliciosa ha cesado por completo, ya que el atacante ha reactivado servidores en varias ocasiones.
Continúa explorando
Fuentes consultadas
Correcciones y transparencia
Si detectas un dato incorrecto o desactualizado, puedes enviarnos una corrección indicando la página y la fuente que debemos revisar.
Proponer una corrección