Líderes de opinión

La IA encuentra vulnerabilidades a velocidad vertiginosa. Corregirlas es otra historia.

Eylam Milner
Añade Unite.AI a tus fuentes preferidas en Google
Puntos claveLa IA ahora descubre vulnerabilidades de día cero más rápido de lo que los defensores…
Ver más
  • La IA ahora descubre vulnerabilidades de día cero más rápido de lo que los defensores pueden parchearlas.
  • Más de la mitad de los parches generados por IA no lograron corregir la falla o introdujeron otras nuevas.
  • Depender únicamente de los CVE divulgados deja a los defensores reaccionando a los plazos de los atacantes.

La ciberseguridad se enfrenta a un nuevo problema y, paradójicamente, lo ha desencadenado nuestra capacidad para encontrar problemas más rápido que nunca.

Los modelos de IA de frontera están adquiriendo una gran capacidad para descubrir y explotar vulnerabilidades de software; esto significa que fallos que podrían haber permanecido ocultos durante años ahora salen a la luz a una velocidad que habría sido casi inimaginable hace unos meses.

Pero el desafío es que la industria está mejorando mucho más en encontrar vulnerabilidades que en corregirlas. Pensemos en las últimas investigaciones de Anthropic. El modelo GLM-5.3 de pesos abiertos de Zhipu AI desarrolló con éxito exploits funcionales de extremo a extremo en 50 de 410 intentos en la prueba de referencia ExploitBench, mientras que Claude Mythos Preview lo consiguió en 56.

La diferencia entre un modelo de frontera de acceso restringido y otro cuyos pesos están disponibles públicamente es extremadamente pequeña. Capacidades que antes requerían investigadores de seguridad altamente especializados están ahora al alcance de un público mucho más amplio. Y, mientras tanto, el software que todos usamos no se ha vuelto de pronto menos vulnerable. Hemos entrado en una era en la que encontrar una vulnerabilidad de día cero puede ser más rápido que corregirla.

Las recientes vulnerabilidades PHP2Shell son un claro ejemplo. Según la investigación de Wiz, Calif y el equipo de seguridad Codex de OpenAI, la IA de frontera ayudó a un solo investigador a descubrir fallos críticos en el motor de PHP en aproximadamente una semana. Estas vulnerabilidades afectaban a un entorno de ejecución que sustenta una parte considerable de la web, incluidas las aplicaciones creadas con WordPress, Drupal y Joomla.

Para los equipos de seguridad, esto plantea una pregunta urgente: ¿qué ocurre cuando los atacantes pueden descubrir vulnerabilidades más rápido de lo que los defensores pueden aplicarles parches?

El manual de gestión de vulnerabilidades no se diseñó para esto

Durante años, la gestión de vulnerabilidades ha seguido un ritmo conocido. Se descubre una vulnerabilidad, alguien la informa, se le asigna un CVE, se publica un parche, los analizadores la detectan, los equipos de seguridad evalúan el riesgo, priorizan la corrección y la implementan. No es un proceso perfecto, pero todo el ecosistema de seguridad se ha construido en torno a él.

Sin embargo, el verdadero problema es que, en gran medida, el proceso depende de que se conozca la vulnerabilidad. Los analizadores tradicionales son muy buenos para indicar qué vulnerabilidades conocidas existen en el entorno, pero ¿qué pasa con las que aún no se han divulgado? ¿Con las que no tienen un CVE, un aviso de seguridad ni un parche?

La divulgación de PHP2Shell muestra hasta qué punto este modelo nos deja expuestos. Las dos vulnerabilidades críticas, CVE-2026-109618 y CVE-2026-109619, recibieron una puntuación CVSS de 9,2 y se debían a fallos de seguridad de memoria en el propio PHP. Los investigadores demostraron la ejecución remota de código y la divulgación de memoria en aplicaciones de uso generalizado, como WordPress, Drupal y Joomla. Incluso las aplicaciones cuyo código era seguro en los demás aspectos podían ser vulnerables, porque la debilidad estaba en el entorno de ejecución subyacente.

El cronograma también reveló mucho. Tras una primera advertencia pública, el equipo de seguridad de PHP aceleró el calendario de publicación. Cuando los parches estuvieron disponibles, ya se estaban detectando los primeros intentos de ataque.

Y PHP no fue el único problema de ese día. Un ataque independiente a la cadena de suministro de software comprometió LiteLLM, versión 1.107.0, una popular puerta de enlace de código abierto para modelos de lenguaje grandes. Los atacantes incluyeron un programa para robar información y un troyano de acceso remoto en el paquete de Python publicado, mientras que el repositorio de código fuente del proyecto permaneció limpio. Un equipo que revisara únicamente el código fuente no habría detectado en absoluto la carga maliciosa.

Estos incidentes ponen de relieve que pueden existir vulnerabilidades durante años en lo más profundo de componentes de software de confianza y que, además, puede introducirse código malicioso a través de las dependencias que las organizaciones instalan habitualmente. Ninguno de estos problemas tiene por qué originarse en el código de la propia aplicación.

También ponen de relieve que el analizador puede indicar que todo está en orden aunque sigan existiendo vulnerabilidades graves en el software del que dependen las aplicaciones. Hasta hace poco, descubrir fallos ocultos a gran escala requería una gran experiencia y recursos de investigación, pero la IA de frontera está cambiando ese panorama.

Encontrar el error es la parte fácil. ¿Y ahora qué?

Hay mucho entusiasmo por la capacidad de la IA para descubrir vulnerabilidades de día cero. Con razón, porque los avances son extraordinarios; pero creo que se exagera demasiado cuántas vulnerabilidades puede encontrar la IA y se habla muy poco de lo que ocurre después.

Encontrar una vulnerabilidad no te hace más seguro. Primero hay que demostrar que es real, porque los hallazgos generados por IA no son válidos automáticamente y un exploit que parece convincente no siempre se puede reproducir. Después hay que entender qué versiones están afectadas, si realmente se puede explotar la vulnerabilidad y qué riesgo supone.

Luego hay que corregirla, y ahí es donde las cosas se ponen especialmente interesantes. Una investigación de 1Password analizó 6.080 parches generados por IA y concluyó que el 53,9 % no resolvía la vulnerabilidad original, introducía un nuevo fallo de seguridad o ambas cosas.

En ese estudio, más de la mitad de los parches generados tenían sus propios problemas de seguridad. Por supuesto, estos resultados reflejan condiciones de prueba específicas. Pero ilustran algo que todo ingeniero con experiencia sabe: escribir código que parece solucionar un problema y demostrar que realmente lo soluciona son dos cosas muy distintas.

Y ni siquiera cuando el parche es correcto has terminado. ¿Interrumpirá funcionalidades existentes? ¿Funcionará con la versión anterior de la biblioteca de la que depende tu aplicación? ¿Se puede implementar sin obligarte a actualizar y provocar una docena de problemas más?

¿Qué ocurre cuando tienes que implementarlo en cientos de aplicaciones, equipos y entornos? Un parche que funciona en un entorno de prueba, pero nunca llega a producción, no protege a nadie. Creo que esta es la gran brecha que el sector de la seguridad debe afrontar.

Estamos acelerando a un ritmo vertiginoso el descubrimiento de vulnerabilidades, mientras que gran parte del trabajo necesario para convertir esos hallazgos en protección real sigue avanzando con desesperante lentitud. Y esa brecha se está convirtiendo en un riesgo de seguridad por derecho propio.

Entonces, ¿cómo cerramos realmente la brecha?

No creo que la solución sea pedir a los equipos de seguridad, ya de por sí desbordados, que trabajen más o procesen más alertas. Tenemos que replantearnos cómo es una gestión eficaz de las vulnerabilidades cuando descubrir fallos ya no es el mayor cuello de botella.

Estos son los cuatro ámbitos por los que empezaría.

1. No trates la base de datos de CVE como si ofreciera el panorama completo

Las CVE y los escáneres de vulnerabilidades son esenciales, pero registran lo que sabemos, no todo lo que realmente existe. Los equipos de seguridad deben empezar a mirar más allá de las vulnerabilidades divulgadas públicamente y combinar el análisis tradicional con la investigación proactiva, el análisis de código, la inteligencia sobre amenazas y un conocimiento claro de los componentes de software de los que dependen sus organizaciones.

Recursos como el Catálogo de vulnerabilidades explotadas conocidas de CISA son valiosos para priorizar las amenazas conocidas, pero no permiten identificar vulnerabilidades que aún no se han divulgado. PHP2Shell demostró que puede haber vulnerabilidades graves en software fundamental durante años antes de que se descubran. Cuando la IA de frontera puede detectar estos fallos en cuestión de días, confiar exclusivamente en los avisos publicados significa que los defensores siempre irán a remolque del calendario de otros.

2. Reconoce que encontrar más vulnerabilidades ≠ tener más seguridad

La IA puede generar un enorme volumen de posibles hallazgos, pero eso no significa que cada uno justifique que un equipo de ingeniería deje todo lo demás para investigarlo.

El verdadero valor está en saber qué vulnerabilidades son reales, explotables y pertinentes para tu entorno. ¿Puedes reproducir el problema? ¿Qué versiones están afectadas? ¿Existe una vía de ataque realista? ¿Cuál es el impacto real para el negocio?

Sin ese contexto, las organizaciones corren el riesgo de priorizar las vulnerabilidades basándose únicamente en puntuaciones de gravedad y pasar por alto cómo podrían llegar los atacantes a sistemas y credenciales sensibles.

3. Haz que la solución se pueda implementar, no que sea solo técnicamente correcta

Este es uno de los desafíos más subestimados en la corrección de vulnerabilidades. Las empresas no trabajan en entornos impecables donde todas las dependencias puedan actualizarse a la versión más reciente de la noche a la mañana. Tienen aplicaciones heredadas, sistemas interconectados, requisitos de compatibilidad y versiones de software que no pueden sustituir sin más.

Por eso, una solución que obligue a una organización a reconstruir la mitad de su infraestructura no resulta especialmente útil. Necesitamos mejores formas de retroportar parches de seguridad, mantener la compatibilidad, reducir las superficies de ataque innecesarias y distribuir actualizaciones mediante las herramientas y los flujos de trabajo que los equipos ya utilizan.

La guía de NIST para la gestión empresarial de parches destaca la importancia de identificar, priorizar, instalar y verificar las actualizaciones. Ahora, el desafío consiste en agilizar todo ese proceso para seguir el ritmo de los descubrimientos impulsados por la IA, porque el mejor parche del mundo no sirve de nada si nadie puede implementarlo.

4. Mide cuánto tardas realmente en estar protegido

Si hoy la IA descubre una vulnerabilidad crítica, ¿cuánto se tarda en validarla, desarrollar un parche funcional, probarlo y ponerlo en producción?

La respuesta a PHP2Shell ofrece un punto de referencia útil. En Echo, entregamos paquetes de PHP corregidos poco después de que los parches del proyecto original estuvieran disponibles y reconstruimos esa misma tarde imágenes actualizadas para las versiones de PHP compatibles.

Los equipos de seguridad deberían medir todo el ciclo de corrección, desde el descubrimiento y la validación hasta el desarrollo del parche, las pruebas de compatibilidad y la implementación. Deberían saber con qué rapidez pueden reconstruir el software afectado, si pueden identificar todas las aplicaciones que utilizan una dependencia vulnerable y cuánta intervención manual se necesita para quedar protegidos.

A medida que la IA de frontera hace que el descubrimiento de vulnerabilidades sea más rápido y accesible, el lapso entre su descubrimiento y su posible explotación seguirá reduciéndose. No podemos dar por sentado que los ciclos tradicionales de divulgación y aplicación de parches mantendrán el ritmo. La próxima era de la gestión de vulnerabilidades estará definida por quién pueda convertir esos descubrimientos en soluciones fiables y listas para implementarse antes de que los atacantes tengan la oportunidad de actuar.

Eylam Milner es cofundador y director de tecnología de Echo, que ofrece software reforzado para hacer frente a las amenazas más avanzadas en toda la cadena de suministro de software empresarial. Anteriormente, ocupó el mismo cargo en Argon Security, que fue adquirida por Aqua.