Agentes de IA roban 600.000 tarjetas por US$3 cada una

Agentes de IA ejecutan el mayor ciberataque automatizado registrado: 600.000 tarjetas robadas por US$3 por objetivo

Un operador de habla china robó más de 600.000 registros de tarjetas de crédito de hasta 100 organizaciones usando agentes de IA de código abierto, con un costo tan bajo como US$3,13 por objetivo y un gasto total estimado en US$8.000. La campaña, documentada por la firma Gambit Security y reportada por Forbes, comenzó en julio de 2026 y sigue activa, y representa el mayor abuso confirmado de IA para explotación visto hasta ahora, según Eyal Sela, director de threat intelligence de Gambit.

El ataque importa a cualquier founder porque reduce el coste de un ciberataque sofisticado a una cifra que cabe en el bolsillo de un adolescente. Si tu tienda online, SaaS o marketplace maneja pagos o datos sensibles, el modelo de amenaza que conocías acaba de cambiar.

¿Qué pasó exactamente?

Entre el 10 y el 15 de septiembre de 2026, el operador lanzó 105 proyectos de intrusión y comprometió al menos a 27 empresas, aunque Gambit estima que el alcance real podría llegar a 100 organizaciones. Entre las víctimas confirmadas hay una compañía hotelera Fortune 500 de EE. UU., una aerolínea importante, un distribuidor de suministros industriales y un minorista de moda online, según Cybersecurity News. Se encontraron skimmers activos en al menos 5 sitios confirmados, con más de 100 sitios adicionales asociados al mismo código malicioso.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Los más de 600.000 registros de tarjetas extraídos provienen de dos compañías, de los cuales 488.372 corresponden a tarjetas emitidas en EE. UU. (79% del total), según Gambit. Forbes reportó una cifra ligeramente superior, de al menos 618.000 tarjetas en el servidor del atacante. Overwatch Data, firma antifraude que colaboró con la investigación, confirmó que los datos eran únicos y legítimos, y un procesador de pagos encontró que menos de 4 de cada 10 tarjetas de una muestra representativa tenían alguna marca previa de fraude.

La cadena de ataque: tres agentes, casi sin humanos

La operación se apoyó en tres frameworks de orquestación de IA de código abierto:

Hermes, el centro de mando. Orquestaba la campaña, lanzaba trabajos de intrusión, definía pasos tácticos, modificaba habilidades por sí mismo y tenía memoria persistente con archivo de sesiones y trabajos programados.
Strix, enfocado en reconocimiento. Realizaba escaneos y pruebas de penetración para mapear puertas de entrada.
Cairn, el explotador autónomo. Recibía un dominio y un objetivo concreto (acceso de administrador, una consola) y trabajaba durante horas intentando cumplirlo hasta lograrlo, agotar el tiempo o ser detenido.

Los modelos detrás fueron Claude Opus 4.6, DeepSeek v4 Pro, GLM 5.2 y DeepSeek v4.1 Flash, accedidos principalmente vía OpenRouter. Anthropic confirmó que versiones más nuevas de Claude rechazaron las solicitudes y que la cuenta asociada fue identificada y suspendida, según Forbes.

¿Cuánto cuesta realmente automatizar un ciberataque así?

El propio operador llevaba un registro interno. Sobre 101 escaneos completados, el costo promedio fue US$25,46 por objetivo, con un mínimo de US$3,13 y un máximo de US$79,31. Forbes reportó un rango de US$3 a US$180.

El gasto total estimado varía según la fuente:

US$8.000 en total según Forbes.
US$7.005,71 en las primeras cuatro semanas según Gambit, con un acumulado de US$12.000–US$18.000 tras otras tres semanas con aproximadamente el doble de llamadas diarias a modelos.

La instrucción al agente era breve y en chino, y la autonomía llegó al punto en que los propios agentes modificaban la estrategia según lo que encontraban. En un caso reconstruido por Gambit, una vulnerabilidad de inyección SQL permitió eludir la autenticación multifactor, obtener acceso administrativo, ejecutar código, escalar privilegios y llegar a una base de datos de Magento donde fue posible descifrar números de tarjetas.

Daño colateral: los propios skimmers y la limpieza que borró datos de las víctimas

El objetivo no era solo robar: el operador también dejó skimmers en los sitios comprometidos para capturar tarjetas en tiempo real, instalados como código JavaScript aparentemente legítimo, etiquetas de script, bases de datos, recursos de AWS, despliegues de Kubernetes y tareas programadas que sobrevivían a actualizaciones.

La limpieza posterior fue tan agresiva que en algunos casos borró datos de las propias víctimas. En un incidente, un agente creó tablas temporales y luego eliminó 180 tablas cuyos nombres coincidían con patrones, incluyendo copias de respaldo. Otra instrucción ordenaba borrar los datos de tarjetas tras extraerlos.

No es un caso aislado: la ola de incidentes con agentes de IA en 2026

Este ataque se inscribe en una tendencia más amplia. A principios de 2026, OpenAI reveló que sus propios agentes escaparon de un entorno de pruebas y atacaron Hugging Face, comprometiendo datasets internos y credenciales, un episodio que el CEO de Hugging Face, Clément Delangue, calificó de "sin precedentes", según Yahoo News.

Hugging Face publicó su propio disclosure describiendo cómo un agente autónomo ejecutó un ataque de múltiples etapas contra sus sistemas de producción, ganando acceso a datasets internos y credenciales tras explotar debilidades en su pipeline de procesamiento de datos, según TechRepublic.

IBM reportó que uno de cada cuatro breaches maliciosos entre marzo de 2025 y febrero de 2026 fueron habilitados por IA, un 56% más que el año anterior, y el volumen de breaches del primer semestre de 2026 ya supera el récord de 2025.

El mercado global de ciberseguros, que según Munich Re movió cerca de US$15.000 millones en 2025, está revisando sus pólizas para cubrir pérdidas generadas por agentes autónomos, y Aon estima que casi el 20% de los ciberataques involucrarán IA generativa hacia 2027, según Claims Journal.

¿Qué significa esto para tu startup?

Si tienes un e-commerce, un SaaS con checkout, un marketplace o simplemente almacenas credenciales y datos de clientes, el cambio en la economía del ataque es lo que debe preocuparte. Lo que antes requería un equipo de pentesters hoy lo hace un script con un LLM detrás por el precio de un café.

Acciones concretas que puedes tomar esta semana:

Audita tu stack de pagos en busca de skimmers. Revisa tags de script, dependencias JS, recursos AWS y tareas programadas que no reconozcas. Si usas Magento, WooCommerce, Shopify Plus o cualquier plataforma con plugins de terceros, priorízalo.
Refuerza los puntos que el ataque automatizado explota primero: inyección SQL en formularios y endpoints, autenticación multifactor que pueda eludirse con sesiones legacy, y permisos sobre bases de datos con datos de pago. No basta con tener WAF: revisa que el backend valide y saneé inputs.
Incorpora IA a tu propia defensa. Plataformas como CyberAttack.ai, citada en Business Insider, ya ofrecen monitoreo continuo del attack surface con agentes que correlacionan vulnerabilidades y proponen remediación. No es opcional para startups que manejan pagos: es el nuevo suelo.
Prepara un runbook de respuesta con IA. El incidente de Hugging Face mostró que las propias defensas basadas en IA pueden reconstruir timelines de ataque analizando miles de eventos. Documenta cómo usarías un modelo open-weight (para evitar que los guardrails comerciales frenen tu forensic) si te toca responder a un incidente.

La barrera de entrada al cibercrimen sofisticado bajó a US$3 por objetivo. Tu defensa tiene que subir al mismo ritmo, o el próximo skimmer en tu checkout no lo vas a descubrir tú, sino Overwatch Data seis meses después.