RespuestasPublicado15 fuentes
La IA encuentra fallos de software más rápido de lo que los equipos pueden corregirlos
Palo Alto Networks afirmó que su IA ayudó a detectar más de 14.000 vulnerabilidades antes desconocidas en software de código abierto y a igualar en tres semanas un año de pruebas manuales; es un dato comunicado por la... Anthropic dice que sus modelos detectaron más de 29.000 vulnerabilidades potenciales en seis mes...
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- Palo Alto Networks afirmó que su IA ayudó a detectar más de 14.000 vulnerabilidades antes desconocidas en software de código abierto y a igualar en tres semanas un año de pruebas manuales; es un dato comunicado por la...
- Anthropic dice que sus modelos detectaron más de 29.000 vulnerabilidades potenciales en seis meses, pero las personas revisaron y clasificaron unas 6.000.
- En pruebas controladas, el modelo GLM 5.3 convirtió información sobre parches de Firefox aún no distribuidos en ataques funcionales contra seis versiones, con un coste marginal cercano a 1.000 dólares por ataque exitoso.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: As of October 31, 2026, how is AI-driven vulnerability discovery transforming software security, including Palo Alto Networks’ discovery of. Article summary: As of October 31, 2026, AI-driven vulnerability discovery is making security research much faster, while shifting the bottleneck toward human validation, remediation and patch deployment—and creating opportunities to exp. Topic tags: general, general web, user generated, news, government. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermark
La inteligencia artificial está acelerando dos etapas de la seguridad informática: encontrar fallos en el software y analizar información pública para intentar explotarlos antes de que las actualizaciones lleguen a todo el mundo. El desafío ya no consiste solo en descubrir vulnerabilidades: también hay que comprobarlas, preparar una solución y lograr que se instale a tiempo.3
Más hallazgos, más trabajo por revisar
Palo Alto Networks dijo a The Economic Times que la IA ayudó a identificar más de 14.000 vulnerabilidades hasta entonces desconocidas en software de código abierto y a igualar, en tres semanas, los resultados de un año de pruebas de penetración manuales.19 Es una cifra atribuida a la empresa, no un resultado verificado de forma independiente en la información disponible.
Los datos de Anthropic muestran por qué encontrar más posibles fallos no significa que todos estén confirmados o corregidos. La compañía informó que sus modelos detectaron más de 29.000 vulnerabilidades candidatas durante seis meses, mientras que personas habían revisado y clasificado unas 6.000. Son medidas distintas: un hallazgo candidato puede no ser una vulnerabilidad confirmada, y revisar un reporte tampoco significa que el proyecto ya haya publicado una corrección.
El servicio OSS Scanner de Anthropic ofrece análisis periódicos y gratuitos a proyectos de código abierto que se inscriban. Utiliza sus modelos, incluido Claude Mythos, y puede enviar reportes a los equipos responsables sin una revisión humana previa. La idea es que los posibles problemas lleguen antes a quienes mantienen el software; el reto es que puedan evaluar y atender un volumen mayor de avisos. Las cifras disponibles no permiten confirmar los totales exactos del 2 de octubre ni cuántos hallazgos terminaron en correcciones incorporadas al proyecto.
El cuello de botella se traslada a quienes mantienen el software
Anthropic ha reconocido que su capacidad de revisión humana es limitada, y TechTarget señala que el escáner puede trasladar una parte mayor del trabajo de análisis a las personas que mantienen los proyectos. Cada hallazgo útil todavía puede requerir reproducir el problema, determinar su impacto, desarrollar una solución, probarla y publicarla. Generar más reportes no completa ese proceso.
Para proyectos con pocos recursos de seguridad, ayuda priorizar avisos reproducibles y bien documentados, que identifiquen el código afectado y expliquen el impacto. Las organizaciones que dependen del código abierto también pueden contribuir a financiar su mantenimiento y seguridad; la Electronic Frontier Foundation ha pedido más apoyo para esos proyectos. La información disponible no confirma afirmaciones concretas sobre agotamiento de equipos ni cambios de personal en proyectos específicos.
El intervalo antes del parche también importa
La IA puede servir a quienes buscan proteger el software, pero los parches publicados también pueden revelar pistas sobre los fallos que corrigen. Epoch AI informó que GLM 5.3, un modelo de Z.ai disponible públicamente, aprovechó información sobre correcciones de Firefox que aún no se habían distribuido para construir ataques funcionales contra seis versiones del navegador. Epoch estimó un coste marginal de unos 1.000 dólares por ataque exitoso.3
El experimento se realizó en un entorno controlado: el informe no demuestra que esos ataques se utilizaran contra personas que usan Firefox. Aun así, ilustra el riesgo de la llamada «brecha del parche»: el tiempo entre que se hace pública información sobre una corrección y que la actualización llega a los usuarios. Según fuentes secundarias, Mozilla corrigió un fallo relacionado en Firefox 159.0.2
9
La conclusión no es que publicar parches sea inseguro: las actualizaciones son necesarias para proteger a quienes usan el software. El riesgo es que los detalles técnicos se analicen con rapidez, por lo que reducir la demora para distribuir e instalar correcciones resulta especialmente importante.3
Las cifras de parches necesitan contexto
El Patch Tuesday de Microsoft de octubre muestra por qué conviene leer con cuidado los totales de seguridad. Las notas de la compañía enumeran 1.468 CVE, mientras que Veracode contabiliza 1.413 vulnerabilidades para esa publicación; la información disponible no explica la diferencia. Veracode también señala que la actualización incluye un fallo de seguridad de Windows Shell que ya estaba siendo explotado. El número total, por sí solo, no permite saber qué causó el volumen ni cuántos fallos se encontraron con IA.
Otro caso da una idea del trabajo que implica responder a una vulnerabilidad: CERT-EU indica que el proyecto PHP anunció dos fallos críticos el 20 de octubre y publicó las correcciones al día siguiente. Reuters informó que siete profesionales de ciberseguridad advirtieron que el descubrimiento de fallos con IA podría contribuir a nuevas interrupciones.17 Es una advertencia sobre posibles consecuencias, no una prueba de que cada hallazgo de IA vaya a provocar un incidente.
Encontrar fallos más rápido aún no garantiza más seguridad
La IA puede ayudar a los equipos defensivos a detectar debilidades antes, pero el experimento con Firefox muestra que también puede acelerar el desarrollo de ataques.3 Las fuentes disponibles no permiten establecer qué lado obtendrá una ventaja general. Por ahora, la prioridad más clara es conectar los hallazgos con una revisión eficaz y con correcciones que se distribuyan a tiempo: así, una avalancha de reportes no se convierte simplemente en una cola más larga para quienes mantienen el software y para sus usuarios.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "La IA encuentra fallos de software más rápido de lo que los equipos pueden corregirlos"?
Palo Alto Networks afirmó que su IA ayudó a detectar más de 14.000 vulnerabilidades antes desconocidas en software de código abierto y a igualar en tres semanas un año de pruebas manuales; es un dato comunicado por la...
¿Cuáles son los puntos clave a validar primero?
Palo Alto Networks afirmó que su IA ayudó a detectar más de 14.000 vulnerabilidades antes desconocidas en software de código abierto y a igualar en tres semanas un año de pruebas manuales; es un dato comunicado por la... Anthropic dice que sus modelos detectaron más de 29.000 vulnerabilidades potenciales en seis meses, pero las personas revisaron y clasificaron unas 6.000.
¿Qué debo hacer a continuación en la práctica?
En pruebas controladas, el modelo GLM 5.3 convirtió información sobre parches de Firefox aún no distribuidos en ataques funcionales contra seis versiones, con un coste marginal cercano a 1.000 dólares por ataque exitoso.