La Comisión Europea mantuvo varias reuniones productivas con Anthropic sobre el posible acceso futuro de organismos europeos al producto de inteligencia artificial Mythos, según informó la Comisión el lunes, según Ground News. El acuerdo marca un hito en la colaboración entre empresas tecnológicas privadas y agencias gubernamentales de ciberseguridad en Europa.

Claude Mythos, desarrollado por Anthropic, es un modelo de lenguaje de inteligencia artificial particularmente potente con fuertes capacidades agénticas en ciberseguridad, según explicó Thorsten Holz, director científico del Instituto Max Planck para la Seguridad y la Privacidad. A diferencia de los chatbots pasivos, los sistemas agénticos tienen acceso a diversas herramientas e incorporan información externa, lo que les permite actuar de manera más autónoma.

Lo que distingue a Claude Mythos y a ChatGPT-5.5 de OpenAI, considerados modelos frontera entre los más potentes disponibles actualmente, es su nivel de autonomía, según Holz. Estos modelos pueden no solo encontrar vulnerabilidades en programas complejos, sino también analizarlas y construir exploits específicos, es decir, encontrar formas de explotar esas vulnerabilidades. El comportamiento agéntico permite al modelo formar una hipótesis, usar varios programas para desarrollar un exploit, probar el ataque, analizar, corregir y probar nuevamente. "Ese es el núcleo de los sistemas agénticos: planificar, actuar, observar, corregir", dijo Holz.

Un equipo de investigación que incluye al Instituto Max Planck para la Seguridad y la Privacidad probó los nuevos modelos de ambas empresas en colaboración con Anthropic y OpenAI. El resultado fue un punto de referencia llamado ExploitGym, que puede usarse para medir las capacidades ofensivas de la inteligencia artificial. Bajo condiciones controladas, el equipo probó qué modelos pueden explotar qué tipos de vulnerabilidades.

En las pruebas, el modelo Mythos Preview explotó exitosamente 157 de 898 vulnerabilidades del mundo real, mientras que GPT-5.5 logró 120, según los resultados de la investigación. En comparación, el siguiente mejor modelo, Claude 4.6 Opus, logró solo 15, un orden de magnitud menor. En general, Claude Mythos parece ser ligeramente más capaz que GPT-5.5, pero lo que realmente importa es la tendencia, y en ambos casos esa tendencia apunta hacia capacidades agénticas cada vez más eficientes.

La propia Anthropic advirtió sobre su producto, afirmando que puede no solo identificar vulnerabilidades de seguridad por sí solo, sino también explotarlas. "Probablemente ambas cosas", dijo Holz cuando se le preguntó si la advertencia de Anthropic sobre su propio producto era un truco publicitario o si el peligro era real. Anthropic planea salir a bolsa en 2026. "La comunicación corporativa siempre tiene un lado estratégico", agregó Holz. Sin embargo, sería incorrecto concluir que todo esto es solo relaciones públicas, advirtió.

Estos resultados son importantes para la seguridad informática general. Aparentemente, los sistemas agénticos modernos probados ya son lo suficientemente buenos hoy como para acortar significativamente el tiempo entre el descubrimiento de una vulnerabilidad y su explotación práctica. "En el pasado, se necesitaban especialistas para esto; ahora los agentes de inteligencia artificial están asumiendo partes de este trabajo", dijo Holz.

El peligro proviene menos de individuos curiosos y más de actores organizados, es decir, profesionales que integran tales modelos en sistemas de ataque automatizados, haciéndolos así más eficientes y potentes, según Holz. Un solo modelo de lenguaje es solo un componente. Se vuelve peligroso cuando se combina con credenciales robadas y campañas de phishing, en otras palabras, cuando obtiene acceso a sistemas y procesos automatizados de toma de decisiones. Esto crea un sistema de ataque agéntico que busca objetivos, prioriza vulnerabilidades, desarrolla y prueba exploits, evalúa resultados y adapta su estrategia.

Antes de que Claude Mythos se implemente a gran escala, podría usarse en cooperación con empresas para alertarlas sobre vulnerabilidades informáticas. Podría volverse peligroso si el modelo se hace accesible para todos. Esto se debe a que cuando una empresa de software lanza un parche para una vulnerabilidad de seguridad en su producto, ese parche es visible públicamente. Los modelos de inteligencia artificial como Mythos podrían intentar realizar ingeniería inversa del parche para identificar la vulnerabilidad que está destinado a corregir. Si los usuarios esperan demasiado para instalar la actualización, una cadena de ataque que use Mythos como herramienta podría tener suficiente tiempo para abrirse camino hasta alcanzar la vulnerabilidad.

Para usuarios privados, el riesgo que plantea Mythos es comparativamente bajo y principalmente indirecto: en el futuro, presumiblemente habrá mejores correos electrónicos de phishing, diálogos fraudulentos más convincentes y ataques más automatizados en dispositivos mal protegidos, como sistemas de hogar inteligente, según Holz. Las medidas más importantes son sencillas: activar actualizaciones automáticas, usar un administrador de contraseñas, usar una contraseña única para cada cuenta, habilitar la autenticación multifactor, hacer copias de seguridad y no dejar dispositivos antiguos desprotegidos en internet.

Para empresas y agencias gubernamentales, la situación es más grave, según Holz. "Para infraestructuras críticas bien protegidas, Mythos y modelos similares no son un escenario apocalíptico inmediato". Pero para sistemas informáticos municipales mal mantenidos, servicios públicos, instalaciones industriales o proveedores de servicios con niveles de seguridad débiles, el riesgo aumenta significativamente. Vale la pena buscar vulnerabilidades en el propio sistema.

Muchos ataques a infraestructuras críticas en empresas no comienzan con ataques altamente especializados en sistemas de control industrial, sino con debilidades informáticas muy comunes, como sistemas expuestos a internet, phishing exitoso, vulnerabilidades de VPN, firewalls sin parches, gestión débil de parches, credenciales de inicio de sesión comprometidas, redes mal segmentadas, un panorama informático complejo y mal documentado, e informática con un nivel de seguridad débil y vulnerabilidades.

"Las medidas más importantes no son exóticas, pero deben implementarse de manera consistente", dijo Holz. Estas incluyen: parchear vulnerabilidades de seguridad rápidamente e instalar actualizaciones con rapidez, implementar autenticación fuerte y segmentación de red para que una estación de trabajo de oficina comprometida no conduzca directamente a servicios críticos, registrar y monitorear sistemas, es decir, el registro de errores y anomalías en el sistema y otros métodos de detección que sean lo suficientemente rápidos como para mantener el ritmo de los ataques impulsados por inteligencia artificial, realizar simulaciones de ciberataques en el propio sistema, los llamados ejercicios de equipo rojo, utilizando herramientas habilitadas por inteligencia artificial, y asegurar el acceso al sistema.

Ya sea Linux o Windows, los parches de seguridad y las actualizaciones no deben retrasarse durante mucho tiempo. Con las nuevas herramientas de inteligencia artificial, el tiempo que tardan los atacantes profesionales en identificar y explotar vulnerabilidades se está reduciendo, según Holz. Windows es a menudo un objetivo más atractivo para ataques masivos, ya que se ejecuta en muchas computadoras utilizadas por individuos y empresas, con ataques que frecuentemente se dirigen a entornos corporativos típicos de Windows. Linux, por otro lado, es un sistema clave para servidores, sistemas en la nube y componentes de infraestructura crítica. Las vulnerabilidades en Linux o componentes de código abierto pueden, por lo tanto, conducir a problemas importantes.

Claude Mythos también se compara con la tecnología nuclear en los medios. "Creo que comparar la nueva inteligencia artificial con una amenaza nuclear es problemático", dijo Holz. La analogía es útil como máximo en la medida en que señala el doble uso, el poder estratégico y los riesgos. Sin embargo, también hay diferencias claras: el material fisible es físicamente escaso, más controlable y detectable. Por el contrario, las estructuras de modelos de inteligencia artificial y las cadenas de ataque pueden copiarse fácilmente. Además, mientras que las armas nucleares siempre tienen consecuencias catastróficas, los ciberataques impulsados por inteligencia artificial abarcan un espectro de daños, desde simples molestias hasta ataques graves. "Y hay medidas defensivas efectivas que pueden mantener el ritmo de la complejidad de los modelos de inteligencia artificial", dijo Holz. "Así que no describiría la inteligencia artificial como un superarma para operaciones de ciberseguridad, sino más bien como una tecnología de aceleración, un amplificador de capacidades existentes".

Las regulaciones, como la Ley de Inteligencia Artificial, ayudarán solo en una medida limitada, si acaso. "El problema es que la detección y explotación de vulnerabilidades de seguridad están técnicamente muy cerca una de otra", dijo Holz. Los proveedores de inteligencia artificial como Anthropic u OpenAI podrían estar obligados a informar casos de uso indebido. Sin embargo, es poco realista diseñar sistemas de inteligencia artificial agénticos y sus operaciones de tal manera que no puedan usarse para aplicaciones de doble uso.

Según Holz, la investigación básica, que explora lo que es posible en pruebas controladas, es particularmente importante en este momento. Se necesita más conocimiento sobre dicha inteligencia artificial ofensiva, pero el conocimiento por sí solo no es suficiente. "Las infraestructuras críticas no deben esperar la regulación, sino actuar ahora", dijo Holz. "La pregunta más importante no es si la inteligencia artificial eventualmente se volverá peligrosa. La pregunta es más bien si la propia infraestructura es lo suficientemente robusta cuando los ataques se vuelven más rápidos, más baratos y más escalables".

Lo que regulaciones como la Ley de Inteligencia Artificial pueden lograr es transparencia, requisitos de informes y estándares de seguridad. Sin embargo, la Ley de Inteligencia Artificial no puede eliminar las capacidades de los modelos frontera actuales. "La regulación es lenta, mientras que el desarrollo técnico es muy rápido", dijo Holz. "Por eso todas las empresas y operadores de infraestructura crítica deben tomar medidas preventivas ahora. Sería negligente esperar a que una ley resuelva el problema". Sin embargo, la prevención por sí sola no es suficiente, porque no cierra la asimetría entre las capacidades de ataque más rápidas habilitadas por la inteligencia artificial y los mecanismos de defensa más lentos.