Los ciberataques con inteligencia artificial ya son una realidad
Anthropic revela cómo Claude se usa en ciberataques, espionaje, fraude y desinformación. Así está evolucionando el uso malicioso de la IA.
Durante mucho tiempo, cuando hablábamos de los riesgos de la inteligencia artificial generativa, imaginábamos a una persona delante de un chatbot preguntando cómo hacer algo peligroso.
Cómo programar malware. Cómo crear una campaña de desinformación. Cómo diseñar un arma. Cómo realizar un ataque informático.
Ese escenario empieza a quedarse anticuado.
El nuevo informe de inteligencia de amenazas publicado por Anthropic en septiembre de 2026 muestra algo bastante más inquietante: la IA está dejando de ser simplemente una herramienta que responde preguntas para convertirse en parte de la infraestructura operativa de quienes ejecutan determinadas actividades maliciosas.
Agentes que investigan objetivos. Sistemas que programan herramientas. IA que analiza vulnerabilidades, clasifica información robada, genera contenido propagandístico, administra identidades falsas, traduce conversaciones, adapta malware para intentar eludir detecciones e incluso coordina otros agentes.
No hablamos todavía de una inteligencia artificial que decide espontáneamente convertirse en ciberdelincuente. Detrás de los casos descritos siguen existiendo personas y organizaciones que definen los objetivos.
Pero la división del trabajo entre humano y máquina está cambiando.
Y eso probablemente sea lo más importante de todo el informe.
Anthropic publicó el 10 de septiembre de 2026 Detecting and countering misuse of AI: September 2026, su informe de inteligencia de amenazas más exhaustivo hasta la fecha. La compañía analiza actividades detectadas entre diciembre de 2025 y agosto de 2026 en siete ámbitos: operaciones cibernéticas, operaciones de influencia, vigilancia, fraude, posible uso indebido en biología, desarrollo de armamento convencional y extracción ilícita de capacidades de modelos mediante técnicas de distillation.
Anthropic afirma haber interrumpido todas las operaciones descritas, bloqueado las cuentas relacionadas, reforzado sus sistemas de detección a partir de lo aprendido y, cuando correspondía, compartido información con autoridades, víctimas, otras compañías tecnológicas y laboratorios de IA.
Pero antes de sacar conclusiones apocalípticas conviene señalar algo esencial: estos casos no representan el uso normal de Claude.
La propia Anthropic lo recalca. Ha seleccionado precisamente algunos de los casos más sofisticados, novedosos o relevantes que ha encontrado. Por tanto, este informe no debe interpretarse como una estadística sobre lo que hacen habitualmente los usuarios de los modelos de IA.
Hay que leerlo de otra manera. Como una ventana hacia lo que ya empiezan a intentar los adversarios más avanzados. Y, probablemente, hacia algunas de las cosas que serán habituales dentro de pocos años.
El gran cambio: la IA pasa de asistente a operador
Esta es, en mi opinión, la conclusión más importante del documento. La primera generación del uso malicioso de la inteligencia artificial consistía fundamentalmente en preguntar. Un atacante podía solicitar ayuda para escribir código, analizar una vulnerabilidad, redactar un correo de phishing o comprender cómo funcionaba determinado sistema. El humano seguía ejecutando el ataque.
Ahora aparece otro modelo. El atacante define un objetivo relativamente amplio y permite que uno o varios agentes de IA realicen una parte considerable de los pasos necesarios para alcanzarlo. Anthropic lo resume con una expresión especialmente significativa: pasar “de asistente a orquestador”.
En los casos investigados aparecen arquitecturas multiagente realizando reconocimiento, explotación, extracción de datos y otras operaciones. Los humanos siguen seleccionando objetivos y tomando determinadas decisiones, pero una cantidad creciente del trabajo intermedio puede delegarse.
Eso cambia profundamente la economía de un ataque.
Porque uno de los principales recursos necesarios para ejecutar operaciones cibernéticas sofisticadas siempre ha sido el talento. Se necesitaban especialistas diferentes para reconocimiento, desarrollo de herramientas, explotación de vulnerabilidades, persistencia, movimiento lateral, análisis de datos, ingeniería social o evasión. La IA empieza a comprimir parte de esa estructura. No elimina al experto. Pero permite que una persona haga el trabajo que antes necesitaba varias. Y permite que alguien con conocimientos menores opere por encima de su nivel técnico.
Anthropic lo expresa de forma todavía más contundente: la sofisticación de un ataque está dejando de ser un indicador fiable de la sofisticación de quien lo ejecuta.
Esto tiene enormes implicaciones para la ciberseguridad.
Cuando un atacante puede tener su propio equipo de agentes
Uno de los casos más llamativos del informe corresponde a un actor que Anthropic vincula, en línea con información pública existente, con operaciones rusas de espionaje.
Según la investigación, el grupo utilizaba workflows de IA personalizados para automatizar diferentes partes de sus operaciones: adquisición de infraestructura, phishing, desarrollo de malware, persistencia, comando y control y extracción de información.
La IA también se utilizaba para comprobar si las herramientas maliciosas estaban siendo detectadas por productos de seguridad. Cuando aparecía una detección, agentes automatizados modificaban y reconstruían el software para intentar evitarla de nuevo.
Es una especie de bucle:
- el defensor detecta;
- la IA modifica;
- el defensor vuelve a detectar;
- la IA vuelve a modificar.
El coste de iterar disminuye radicalmente.
Anthropic afirma haber identificado más de veinte organizaciones entre los objetivos considerados por esta operación, incluyendo organismos gubernamentales, entidades diplomáticas, organizaciones de defensa, empresas relacionadas con drones y otros objetivos vinculados principalmente con Ucrania y Europa.
Y aquí aparece una consecuencia especialmente incómoda. Durante años, una de las ventajas del defensor consistía en poder aumentar el coste del atacante. Cuando una herramienta maliciosa era descubierta, el atacante tenía que invertir tiempo y conocimiento para desarrollar una nueva variante. Con agentes capaces de modificar, probar y reconstruir herramientas automáticamente, parte de ese coste puede desaparecer. La automatización no beneficia únicamente a quien defiende. También beneficia al atacante.
El “vibe hacking”: dile a la IA qué quieres y deja que resuelva los detalles
Otro concepto interesante utilizado en el informe es el de vibe hacking.
Tiene bastante en común con lo que estamos viendo actualmente con el vibe coding.
Una persona no necesita comprender perfectamente cada línea de código. Describe el resultado deseado, deja trabajar al agente, revisa el resultado y vuelve a iterar.
Trasladado a un contexto ofensivo, el patrón puede ser similar.
El operador puede indicar algo parecido a “analiza este entorno”, “utiliza estas credenciales” o “busca información valiosa”, mientras la IA estudia los sistemas, escribe scripts, ejecuta acciones, interpreta los resultados y continúa iterando.
Anthropic describe operaciones asociadas con individuos presuntamente vinculados al ecosistema ShinyHunters en las que agentes de IA habrían realizado prácticamente todo el trabajo técnico en algunos ataques. En uno de los incidentes investigados, pasar de un token de desarrollador robado al control administrativo de un entorno cloud habría requerido aproximadamente tres horas.
Esto introduce una nueva variable en la ecuación de seguridad: la distancia entre intención y capacidad se está reduciendo. Alguien puede saber qué quiere conseguir sin comprender completamente cómo conseguirlo. El agente cubre una parte creciente del espacio intermedio.
Las API keys de IA se convierten también en objetivos de alto valor
Hay otro detalle del informe que quizá pase desapercibido y que considero especialmente importante para cualquier empresa que esté desplegando IA.
Los atacantes no solo intentan utilizar modelos de inteligencia artificial.
También intentan robar el acceso a ellos.
Anthropic documenta casos en los que se robaron API keys pertenecientes a clientes y posteriormente se utilizaron esas credenciales para disponer de capacidad adicional de IA.
La compañía especifica que, en estos casos concretos, sus propios sistemas no fueron comprometidos: las claves habían sido extraídas de entornos de clientes.
Esto significa que una API key de un modelo avanzado debe empezar a tratarse como lo que realmente es: una credencial privilegiada.
No es simplemente una llave que permite generar texto.
Puede proporcionar acceso a modelos capaces de programar, investigar, navegar, analizar información y operar herramientas.
En muchas organizaciones, todavía estamos protegiendo las credenciales de IA como si fueran poco más que una contraseña de SaaS.
Probablemente deberíamos empezar a tratarlas como credenciales de infraestructura crítica.
Desinformación industrializada: la IA como redacción, consultora y departamento de operaciones
El apartado dedicado a operaciones de influencia es quizá uno de los más interesantes desde el punto de vista del marketing y la comunicación.
Anthropic describe nueve operaciones originadas en diferentes regiones del mundo y dirigidas a audiencias de seis continentes. Entre sus responsables habría gobiernos, instituciones propagandísticas vinculadas a estados, operadores políticos y empresas privadas que aparentemente vendían servicios de influencia.
Y nuevamente, lo interesante no es únicamente que la IA escribiera publicaciones.
Eso ya lo sabemos hacer todos.
La novedad está en todo lo que rodea al contenido.
Según el informe, Claude fue utilizado para desarrollar manuales doctrinales, dossiers sobre adversarios, bases de datos de objetivos, sistemas completos de personajes falsos, procedimientos internos, contratos, criterios para evaluar trabajadores y pipelines automatizados para producir contenido.
En algunos casos existían archivos persistentes con las directrices ideológicas de la operación, listas de palabras prohibidas, fuentes autorizadas y reglas para evitar detecciones.
Es decir, no estamos hablando simplemente de pedir:
“Escribe 20 tuits a favor de esta idea”.
Estamos hablando de construir una organización de comunicación sintética.
- Con procesos.
- Con memoria.
- Con automatizaciones.
- Con línea editorial.
- Con personajes.
- Con mecanismos para mantener coherencia entre cientos de piezas de contenido.
- Y con IA trabajando como redacción, editor, analista y software de automatización al mismo tiempo.
Pero generar propaganda no significa generar influencia
Aquí aparece una de las conclusiones más interesantes y tranquilizadoras del informe.
Producir contenido es barato. Captar atención humana sigue siendo difícil. Anthropic señala que muchas de las campañas de influencia descubiertas obtuvieron poco o ningún engagement auténtico. En algunos casos, además, fueron interrumpidas antes de conseguir construir una audiencia significativa.
Esta diferencia es fundamental.
La IA reduce drásticamente el coste de generar una campaña. Pero no garantiza distribución, credibilidad ni persuasión.
- Puedes fabricar mil perfiles.
- Puedes producir diez mil artículos.
- Puedes automatizar cien mil publicaciones.
Pero conseguir que seres humanos reales las lean, las crean, las compartan y modifiquen su comportamiento continúa siendo otra batalla.
Desde la perspectiva del marketing hay una enseñanza curiosamente simétrica.
La IA está convirtiendo el contenido en una commodity.
La confianza, la marca, la reputación, la comunidad y la distribución son cada vez más valiosas precisamente porque son más difíciles de automatizar.
Vigilancia: sustituir departamentos enteros por software y modelos
El apartado de vigilancia resulta aún más preocupante.
Anthropic afirma haber detectado entre enero y julio de 2026 operaciones relacionadas con actores estatales, contratistas vinculados a gobiernos y proveedores comerciales de sistemas de vigilancia.
Los casos investigados afectan, entre otros lugares, a China, Irán y África Occidental.
Uno de los ejemplos más ilustrativos es el de un único consultor que trabajaba para las autoridades de seguridad de Mali y que, según Anthropic, utilizó Claude para desarrollar una plataforma capaz de facilitar la interceptación masiva de comunicaciones procedentes de los operadores móviles del país.
Pensemos en lo que significa.
Trabajo que potencialmente hubiera requerido un equipo de ingenieros puede empezar a ser abordado por una persona apoyada por IA.
En otro caso, una unidad china dedicada a investigación relacionada con asuntos religiosos que anteriormente habría requerido numerosos equipos de analistas habría quedado reducida, según Anthropic, a una oficina capaz de utilizar IA para producir miles de investigaciones mensuales.
También se describe a actores iraníes utilizando Claude para analizar cientos de miles de publicaciones en redes sociales y seleccionar 39 cuentas opositoras que debían ser monitorizadas.
Axios resume bien la consecuencia: la IA no necesariamente cambia a quién quieren vigilar determinados gobiernos, pero puede hacer que esa vigilancia sea mucho más barata y eficiente.
Esa distinción importa muchísimo.
El peligro de la IA no siempre consiste en inventar una actividad maliciosa completamente nueva.
A veces consiste simplemente en hacer que una actividad que antes era cara resulte barata.
Y cuando el coste cae lo suficiente, cambia la escala a la que puede ejecutarse.
Armamento: software, inteligencia y procurement
El informe introduce además una categoría que hasta ahora aparecía mucho menos en las discusiones públicas sobre el uso cotidiano de modelos generativos: el desarrollo de armamento convencional.
Anthropic afirma haber investigado seis casos —tres relacionados con China, dos con Rusia y uno con Yemen— en los que Claude fue utilizado para actividades vinculadas con sistemas de armas o con las cadenas de inteligencia y adquisición necesarias para desarrollarlos.
Los ejemplos descritos incluyen software relacionado con cohetes guiados, un sistema para interceptar torpedos, control de enjambres de drones y sistemas de targeting vinculados a guerra electrónica.
En otros casos, el modelo se habría utilizado para analizar proveedores y buscar productos de doble uso.
Aquí también merece la pena introducir un matiz. La IA no está materializando mágicamente un misil desde un ordenador portátil. Los casos descritos implicaban actores que ya disponían de experiencia, acceso a hardware, programas existentes o conocimiento especializado.
Pero un modelo capaz de programar, resolver problemas técnicos, investigar documentación y analizar información puede acelerar determinadas partes del proceso.
La preocupación no consiste únicamente en lo que la IA puede hacer desde cero.
También importa cuánto puede aumentar la productividad de alguien que ya dispone del resto de las capacidades.
Biología: probablemente el apartado más difícil de evaluar
El capítulo sobre biología es posiblemente el más delicado del informe.
Anthropic presenta cinco casos en los que sus modelos fueron utilizados para investigaciones que podían tener aplicaciones relacionadas con el desarrollo de armas biológicas.
Entre ellas aparecen investigaciones sobre chikungunya, adaptación de gripe aviar a mamíferos, orthopoxvirus, péptidos de veneno y rediseño computacional de toxinas.
Pero aquí es especialmente importante no simplificar.
Anthropic no afirma haber demostrado que todos esos investigadores estuvieran intentando fabricar armas biológicas. Ese sería un salto injustificado. El problema es el conocido concepto de dual use.
Una gran cantidad de investigación biológica potencialmente peligrosa tiene también aplicaciones científicas perfectamente legítimas.
Comprender cómo un virus evita el sistema inmunitario puede ayudar a fabricar un arma.
Pero también puede ayudar a desarrollar una vacuna.
El propio informe reconoce lo extraordinariamente difícil que resulta determinar la intención y los medios Financial Times, Associated Press y New York Times han destacado precisamente esta ambigüedad al cubrir la publicación.
Y este problema probablemente crecerá.
Los modelos más capaces serán también mejores ayudando a investigadores legítimos.
Cuanto mejor sea un modelo haciendo ciencia, mayor será la dificultad de distinguir automáticamente entre una consulta beneficiosa y otra peligrosa.
Por eso el futuro de la seguridad probablemente no pueda depender únicamente de analizar prompts.
También será necesario saber quién utiliza determinadas capacidades, desde qué institución, con qué nivel de confianza y bajo qué mecanismos de acceso.
Una estafa romántica con 4.700 personajes de IA
Y después llegamos a uno de esos casos que parecen escritos para una serie de Netflix.
Según Anthropic, un estudio de aplicaciones con sede en China utilizó Claude para construir y operar una red de más de veinte aplicaciones de citas.
Durante apenas dos semanas de abril de 2026, la compañía detectó más de 4.700 personajes distintos de IA conversando con al menos 25.000 personas.
Las aplicaciones aseguraban que detrás de los perfiles había personas reales.
La operación mezclaba bots con trabajadores humanos.
La proporción aproximada era de tres personajes de IA por cada persona real.
¿Para qué estaban los humanos? Para aquellas cosas que todavía resultaban difíciles de falsificar completamente: realizar videollamadas, seguir a alguien en redes sociales o ejecutar determinados controles de autenticidad.
Mientras tanto, los personajes gestionados por Claude mantenían conversaciones continuamente. En esas dos semanas, Anthropic calcula que produjeron aproximadamente 2,36 millones de mensajes.
El fraude tenía además mecanismos para detectar cuándo una víctima empezaba a sospechar que estaba hablando con un bot y estrategias para evitar determinadas interacciones que pudieran descubrirlo.
Este caso me parece especialmente revelador porque muestra cómo serán probablemente muchas operaciones fraudulentas del futuro. No serán completamente humanas. Tampoco serán completamente artificiales. Serán organizaciones híbridas, en las que cada tarea se asignará al recurso más barato y eficiente capaz de realizarla.
La IA mantendrá miles de conversaciones.
- Un humano aparecerá cuando haga falta generar confianza.
- Otro modelo creará imágenes.
- Otro filtrará fotografías.
- Otro sistema automatizará pagos.
- Otro gestionará la infraestructura.
El fraude también está aprendiendo a trabajar con una arquitectura de agentes.
La guerra por copiar la inteligencia de otros modelos
El informe incluye finalmente una categoría diferente pero estratégicamente muy relevante: la distillation ilícita.
La distillation es una técnica legítima de machine learning mediante la cual un modelo más pequeño aprende a imitar determinados comportamientos de otro modelo más potente.
El problema aparece cuando ese proceso se realiza de forma industrial, encubierta y sin autorización para extraer las capacidades de un competidor.
Anthropic asegura haber identificado nuevas campañas procedentes de siete laboratorios con sede en China.
Según la compañía, estas operaciones utilizaban redes de cuentas falsas, tarjetas o credenciales robadas, API keys comprometidas y servicios proxy para realizar grandes cantidades de consultas y recopilar respuestas con las que entrenar otros modelos.
En uno de los casos que Anthropic atribuye a operadores vinculados a Alibaba, la campaña habría llegado a alcanzar casi tres millones de intercambios diarios procedentes de más de 3.500 cuentas fraudulentas.
Más allá de la disputa comercial y geopolítica concreta, el fenómeno plantea una cuestión enorme: los propios modelos de IA se han convertido en activos que también necesitan mecanismos de ciberdefensa.
Ya no protegemos únicamente los servidores donde se ejecuta el modelo.
- Hay que proteger sus capacidades.
- Sus interfaces.
- Sus razonamientos.
- Sus credenciales de acceso.
- Los datos generados por sus usuarios.
- Y los patrones que permiten reconstruir parte de aquello que el modelo ha aprendido.
Lo que realmente nos está diciendo este informe
Sería fácil leer estas 150 páginas y concluir simplemente que la inteligencia artificial es peligrosa.
Creo que sería una lectura demasiado superficial.
La conclusión más interesante es otra: la IA reduce el coste de convertir intención en acción. Eso ocurre cuando la intención es buena.
- Un desarrollador puede crear una aplicación en horas.
- Un investigador puede analizar miles de documentos.
- Una pyme puede automatizar procesos que anteriormente estaban reservados a una multinacional.
- Un profesional puede multiplicar espectacularmente su productividad.
- Pero exactamente la misma economía funciona en sentido contrario.
- Un delincuente puede automatizar fraude.
- Un servicio de inteligencia puede analizar cantidades enormes de información.
- Un propagandista puede operar una redacción completa.
- Un atacante puede tener agentes trabajando continuamente contra muchos objetivos.
- Una organización pequeña puede adquirir capacidades que antes requerían departamentos completos.
La tecnología es la misma. Lo que cambia es la intención, el contexto, los permisos y los mecanismos de control.
Y aquí aparece el verdadero problema para las empresas
Durante los últimos años muchas organizaciones han tratado la gobernanza de IA principalmente como una cuestión de compliance.
- Qué herramientas puede utilizar un empleado.
- Qué datos puede introducir.
- Si existe riesgo de fuga de información.
- Si el contenido cumple determinada normativa.
Todo eso sigue siendo importante. Pero el informe de Anthropic sugiere que necesitamos ampliar considerablemente el perímetro.
La seguridad de IA debería empezar a integrarse directamente dentro de la arquitectura general de ciberseguridad de la empresa.
Eso significa proteger las API keys de modelos como credenciales privilegiadas, limitar estrictamente las herramientas que puede utilizar un agente, aplicar principios de mínimo privilegio, monitorizar comportamientos y no solamente prompts, registrar acciones ejecutadas por agentes, detectar patrones anómalos de consumo y asumir que un sistema autónomo conectado a infraestructura empresarial puede convertirse en una superficie de ataque adicional.
También significa pensar en la cadena de suministro.
Un agente puede conectarse al correo.
- Al CRM.
- A GitHub.
- A Microsoft 365.
- A bases de datos.
- A sistemas financieros.
- A APIs internas.
- A navegadores.
- A otros agentes.
Cada nueva herramienta aumenta muchísimo lo que puede hacer.
Y, por tanto, también aumenta el impacto potencial de una credencial comprometida, una mala configuración, un prompt injection o un comportamiento que no habíamos previsto.
La pregunta de seguridad ya no puede ser únicamente: “¿Qué puede responder este modelo?”. Tenemos que empezar a preguntar: “¿Qué puede hacer este agente si alguien consigue utilizarlo con una intención diferente de aquella para la que fue diseñado?”
Hay otra buena noticia: estos sistemas también permiten detectar amenazas antes
El informe contiene además una paradoja interesante. Los modelos generan nuevas capacidades para los atacantes. Pero los proveedores de esos modelos obtienen también una visibilidad sobre determinadas operaciones que antes prácticamente no existía.
Una red social suele descubrir una campaña de influencia cuando el contenido ya está publicado.
Un proveedor de IA puede detectar señales cuando alguien todavía está construyendo la infraestructura, definiendo los personajes, creando los mensajes o programando la automatización.
En biología ocurre algo parecido.
Un investigador puede revelar indirectamente objetivos, metodologías o detalles sobre su proyecto mientras solicita asistencia al modelo.
Eso proporciona a las compañías de IA una posición extraordinariamente delicada.
Pueden detectar patrones que ni los gobiernos ni otras organizaciones tienen necesariamente capacidad de observar.
Pero eso introduce preguntas enormes sobre privacidad, supervisión, responsabilidad y poder.
- ¿Cuánto deben monitorizar?
- ¿Qué información deben conservar?
- ¿Cuándo deben intervenir?
- ¿Cuándo deben informar a una autoridad?
- ¿Cómo distinguimos investigación legítima de actividad peligrosa?
- ¿Quién audita las decisiones del proveedor?
No hay respuestas sencillas.
Y un último matiz necesario
Toda la información detallada sobre las operaciones descritas procede fundamentalmente de la propia investigación de Anthropic. Eso importa. El informe incluye indicadores técnicos y numerosos detalles que permiten contrastar parcialmente determinadas actividades, y la compañía asegura haber colaborado con otras empresas y autoridades.
Pero no deberíamos tratar automáticamente cada atribución como un hecho demostrado de manera independiente. Especialmente en inteligencia de amenazas, atribuir identidades, estados, organizaciones e intenciones exige prudencia. El propio apartado biológico demuestra por qué. Encontrar una actividad preocupante no equivale necesariamente a demostrar una intención maliciosa.
Transparencia también significa admitir dónde termina la evidencia.
La pregunta ya no es si la IA será utilizada de forma maliciosa
Eso ya está ocurriendo. La pregunta interesante es otra: ¿qué sucede cuando la capacidad de un sistema aumenta mientras el coste de utilizarlo disminuye y su autonomía crece?
El informe de Anthropic nos da una posible respuesta.
Las organizaciones pequeñas adquieren capacidades de organizaciones grandes. Los individuos adquieren capacidades de equipos. Las operaciones manuales se convierten en pipelines. Los chatbots se convierten en agentes. Los agentes se convierten en sistemas multiagente.
Y tareas que antes necesitaban cientos de horas humanas pueden empezar a ejecutarse de manera continua y paralela.
No significa que estemos ante una inteligencia artificial todopoderosa.
De hecho, el informe demuestra también sus limitaciones: campañas de influencia incapaces de conseguir audiencia real, sistemas que necesitan trabajadores humanos para generar credibilidad y controles de seguridad capaces de detectar e interrumpir muchas de estas operaciones.
Pero la dirección del viaje parece bastante clara. Hasta ahora hablábamos mucho de cómo la IA iba a transformar la productividad de las empresas. Quizá deberíamos empezar a asumir que también transformará la productividad de sus adversarios. Y eso cambia completamente la conversación sobre seguridad.
Porque el mayor riesgo de la inteligencia artificial quizá no sea que un día una máquina decida convertirse en atacante. Puede ser algo mucho más inmediato. Que consiga que atacar sea muchísimo más barato, rápido, escalable y accesible. Y si eso ocurre, tendremos que utilizar exactamente la misma tecnología para conseguir que defender sea todavía mejor.
Información basada en la publicación Detecting and countering misuse of AI: September 2026 y el informe en PDF.
