IA: 5 casos de fraude y brechas que alertan a las empresas

¿Cuánto cuesta hoy una brecha de ciberseguridad con IA?

Una de cada cuatro filtraciones maliciosas analizadas por IBM y el Ponemon Institute en el Cost of a Data Breach Report 2026 estuvo habilitada por inteligencia artificial. El costo promedio de esos incidentes llegó a US$6 millones, frente a los US$4,99 millones del promedio global de las filtraciones de datos. El estudio examinó incidentes en 602 organizaciones entre marzo de 2025 y febrero de 2026.

El dato que debería preocupar a un founder no es el del daño, sino el del ataque: en la campaña mejor documentada del año, cada intrusión exitosa costó alrededor de US$50 en recursos de IA y la operación completa unos US$5.000. Atacar se volvió barato y automatizable. Defenderse sigue costando millones y, sobre todo, horas de un equipo que en una startup suele ser de dos personas.

La brecha de gobernanza agrava el cuadro. IBM ya había documentado en su investigación de 2025 que 63% de las organizaciones que sufrieron una brecha no tenía una política de gobernanza de IA o la estaba desarrollando, y que entre las que reportaron modelos o aplicaciones de IA comprometidos, 97% carecía de controles de acceso específicos para IA.

Agentes autónomos: más de 1.200 sitios atacados con US$5.000 de presupuesto

Una investigación de Reuters reveló que un atacante usó agentes autónomos de IA para intentar vulnerar más de 1.200 sitios web y logró infiltrarse en páginas de más de 100 empresas, entre ellas Deere, SharkNinja y Cummins. La operación se coordinó desde Cairn, una plataforma de código abierto donde el operador define un punto de partida y un objetivo, y los agentes avanzan hacia él registrando lo que encuentran.

El hallazgo salió de NorForge, la firma de seguridad que encontró los paneles de control expuestos y agrupó más de 20 instancias como probablemente maliciosas, según The Hacker News. Esa cobertura aporta textura al caso: la tasa de éxito fue de alrededor de 10%, los intentos exitosos tomaron en promedio poco menos de 23 horas y las tareas corrieron bajo un operador identificado como claudecode_deepseek-v4.1-flash, lo que apunta a un modelo DeepSeek operado con Claude Code. Ni el investigador ni Reuters confirmaron los modelos.

Las tres empresas nombradas dijeron que el daño fue limitado. Deere informó que tomó medidas correctivas y que no tenía evidencia de que se hubiera accedido a información sensible. SharkNinja sostuvo que el ataque golpeó un sitio independiente de soporte de producto y que contuvo la amenaza. Cummins dijo que investigaba un posible ataque a un sitio operado por uno de sus proveedores. El alcance de la información sustraída seguía sin estar claro.

Hay un detalle que importa tanto como las víctimas: dejar un panel de agentes abierto expone a quien está siendo testeado. NorForge pasó un escáner de secretos sobre esos paneles y encontró cientos de credenciales, 11% de las cuales seguían válidas.

Taiwán: agentes de IA en ataques contra organismos públicos

El Gobierno de Taiwán informó que detectó ataques informáticos contra organismos públicos en julio de 2026, en una operación que combinó acciones humanas con agentes de IA, entre ellos herramientas como OpenClaw. El Ministerio de Asuntos Digitales señaló que los atacantes encadenaron técnicas para acelerar sus operaciones y aprovechar sistemas secundarios como posibles puntos de entrada.

Conviene ser preciso: el comunicado oficial no afirmó que los atacantes hubieran tomado el control de infraestructura crítica. Aun así, el episodio confirma una tendencia estructural. Taiwán denuncia desde hace años una presión cibernética alta contra sus organismos y sectores estratégicos, y esa presión ahora se acelera con automatización.

El deepfake de videollamada que costó US$25 millones

Una empresa de ingeniería con operaciones internacionales perdió cerca de US$25 millones después de que uno de sus empleados en Hong Kong participara en una videollamada en la que creyó reconocer a varios directivos de la compañía. Los participantes eran representaciones falsas creadas con imágenes y voces manipuladas por IA. El empleado recibió instrucciones de transferir dinero y ejecutó 15 transacciones que sumaron 200 millones de dólares hongkoneses. En mayo de 2024, la firma británica Arup confirmó que había sido víctima del fraude y aclaró que sus sistemas internos no habían sido comprometidos.

La lección no es que la IA engañe mejor. Es que el fraude aprovechó la ausencia de un procedimiento de verificación. La tecnología reforzó la apariencia de legitimidad de la solicitud, pero el vector real fue un pago autorizado a partir de una instrucción recibida por videollamada.

Air Canada: ¿quién responde por lo que dice tu chatbot?

Un pasajero consultó el chatbot de Air Canada sobre tarifas especiales por fallecimiento de un familiar. La herramienta le indicó que podía comprar el tiquete y solicitar el descuento después, dentro de un plazo de 90 días. La política real de la aerolínea exigía condiciones que no permitían ese reembolso. El cliente acudió al Tribunal de Resolución Civil de Columbia Británica, que falló a su favor y ordenó a la aerolínea pagar aproximadamente 650 dólares canadienses, incluidos daños y costos asociados.

Air Canada argumentó que el chatbot era una entidad separada. El tribunal concluyó que la compañía era responsable de la información publicada en su sitio web. El monto es menor; la consecuencia no lo es. Cualquier texto que un modelo genere en nombre de tu empresa puede convertirse en la política oficial frente a un cliente.

Tay: menos de 24 horas para manipular un chatbot

Microsoft lanzó Tay, un chatbot diseñado para interactuar con usuarios de X y adaptar sus respuestas a la conversación. La experiencia duró menos de 24 horas: la compañía lo desconectó después de que usuarios coordinados lograran inducirlo a publicar mensajes racistas, sexistas y ofensivos. Microsoft reconoció que una vulnerabilidad permitió abusar de las capacidades conversacionales del sistema y asumió la responsabilidad por no haber anticipado ese tipo de manipulación.

El caso tiene años, pero sigue vigente como lección de diseño: cualquier sistema que aprenda en tiempo real de sus usuarios puede ser moldeado por ellos. Si tu producto tiene un componente conversacional expuesto al público, la pregunta no es si alguien intentará manipularlo, sino qué límites existen antes de que lo consiga.

Qué significa esto para tu startup

El patrón se repite en los cinco casos: el fallo no estuvo en el modelo, estuvo en el proceso alrededor del modelo. Nadie tenía un inventario de qué podía hacer el sistema, quién podía detenerlo ni qué datos tocaba. Esa es la parte que una startup sí puede resolver con dos personas y un documento, sin comprar una plataforma nueva.

Conviene mirar también las señales de mercado. Gartner proyectó en agosto de 2026 que el gasto en proteger IA alcanzará US$4.780 millones en 2027, 68,7% más que los US$2.840 millones estimados para 2026. Pero una investigación de IANS con más de 500 líderes de seguridad encontró un crecimiento mediano del presupuesto de seguridad de cero, con 69% señalando la IA como principal prioridad de nueva inversión. La presión sube más rápido que el presupuesto: la defensa tiene que salir de gobernanza y diseño, no de sumar herramientas.

Y no todo es pesimismo. IBM encontró que las organizaciones que usan IA y automatización en sus operaciones de seguridad redujeron el costo de las brechas en casi US$2 millones en promedio, según TechTarget, y que más de la mitad ya emplea agentes de IA para detección y contención. Vale la pena saber también dónde están los agujeros más comunes: el Verizon 2026 Data Breach Investigations Report, citado por TechTarget, atribuye 39% de las brechas al abuso de credenciales y 31% a vulnerabilidades de software explotadas, mientras que el reporte State of the SOC 2026 de Microsoft y Omdia señala que 46% de las alertas son falsos positivos. Más herramientas sin criterio no es más seguridad.

Qué hacer esta semana: cinco verificaciones concretas

Antes de comprar cualquier cosa, cierra lo básico. Las recomendaciones que NorForge publicó vía The Hacker News son un buen punto de partida para cualquier equipo pequeño:

• Busca formularios de carga de archivos inesperados. Un formulario oculto en un directorio poco visible es exactamente el punto de apoyo que buscaban los agentes autónomos. Si aparece uno que nadie recuerda haber creado, trátalo como un incidente, no como una curiosidad.
• Revisa paneles de administración expuestos. Los paneles de control de agentes de este tipo suelen responder en el puerto 8000. Un panel sin login es una puerta abierta, tanto para tu infraestructura como para los datos de quien esté testeando tu sitio.
• Haz un inventario de agentes y permisos. Lista cada agente o automatización con acceso a tus sistemas, qué puede leer, qué puede modificar y quién tiene autoridad para detenerlo. Prueba además si ese acceso se corta cuando la persona responsable deja el equipo o el proyecto termina.
• Exige verificación fuera de banda para pagos. Define que ninguna transferencia por encima de un umbral se ejecuta solo con una instrucción recibida por correo o videollamada: pide una segunda aprobación y una confirmación por un canal distinto al que originó la solicitud. Es la medida que habría evitado el fraude de US$25 millones.
• Escribe una política de gobernanza de IA, aunque sea corta. No hace falta un comité: con dos páginas que digan qué datos puede tocar la IA, qué decisiones no puede tomar sola y quién responde por lo que publica un chatbot, ya estás por encima de las organizaciones que IBM identificó sin política.

Para un equipo en Latinoamérica o España, con acceso a capital más limitado y equipos más chicos, esto es una buena noticia: las medidas que habrían frenado los casos de este año son de proceso, no de presupuesto. La tecnología que abarató el ataque también abarató la detección; la diferencia la hace quién gobierna el sistema.

Fuentes

• La República — Cuando la inteligencia artificial falla: cinco casos que encendieron las alarmas (fuente original)
• Benzinga/KuCoin — AI Breaches Cost $6M on Average, IBM Report Shows
• TechTarget — How AI detects security threats in data centers
• The Verge — A hacker broke into John Deere and SharkNinja with an army of AI agents
• The Hacker News — Hackers Use Autonomous AI Agents to Breach Company Websites, Target Over 1,200 Sites