Hacker usó agentes de IA para robar 600.000 tarjetas de crédito

Un ciberataque con IA barata que dejó al descubierto la nueva economía del crimen digital

Entre el 10 y el 15 de septiembre de 2026, un atacante de habla china vulneró al menos 27 empresas —y hasta 100 según el alcance total de la campaña— usando agentes de IA orquestados de forma casi autónoma, y se llevó más de 600.000 registros de tarjetas de crédito con un gasto total estimado en US$8.000, según reportó Forbes. La firma Gambit Security descubrió la operación porque el propio atacante dejó expuesta en internet la infraestructura que utilizaba para lanzar los ataques.

El coste medio por víctima fue de US$25,46, con un mínimo de US$3,13 y un máximo de US$79,31 en las 101 escaneos completados, según los registros internos del propio hacker citados por Cybersecurity News. Lo más llamativo: el 79% de las tarjetas robadas (unas 488.000) pertenecen a tarjetahabientes estadounidenses, y menos de cuatro de cada diez estaban marcadas previamente como fraudulentas, según la firma Overwatch Data.

Para un founder, esto no es una noticia más sobre «peligros de la IA»: es la prueba de que un ataque sofisticado ya no requiere un equipo de élite ni meses de preparación. Lo que antes era un red team de cinco personas ahora cabe en un prompt.

🤖 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

¿Cómo fue posible técnicamente el ataque?

La cadena del ataque se apoyó en tres frameworks de orquestación de IA disponibles en el mercado —Strix, Cairn y Hermes—, cada uno responsable de una fase distinta del pipeline, según Cybersecurity News. Los modelos que ejecutaron las instrucciones incluyen los sistemas chinos DeepSeek y Kimi, junto con una versión anterior del modelo de Anthropic, Claude Opus 4.6.

Un detalle clave: cuando el atacante intentó usar versiones más recientes de Claude, los sistemas de seguridad de Anthropic las rechazaron, una señal de que los modelos de frontera más nuevos ya incorporan guardrails capaces de bloquear usos criminales explícitos. Anthropic confirmó que identificó y baneó la cuenta asociada al ataque, según Forbes.

El flujo de trabajo fue sorprendentemente limpio, según la reconstrucción de Gambit Security:

Fase 1 — Reconocimiento: el agente recibía una URL objetivo con instrucciones de escanear vulnerabilidades.
Fase 2 — Exfiltración: una vez dentro, los agentes extraían registros de pago.
Fase 3 — Persistencia: plantaban skimmers en las páginas de checkout para recolectar tarjetas en tiempo real, al momento de tipearlas.
Fase 4 — Borrado de huellas: los agentes recibían la orden de borrar evidencia del acceso.

Aquí apareció un fallo revelador: en al menos dos casos, el «borrado de huellas» fue tan agresivo que eliminó también datos propios de la víctima, incluidas tablas de backup. La autonomía total, sin un humano validando cada paso, ya muestra sus primeros efectos colaterales.

Las víctimas: del retail a una Fortune 500

El modus operandi ya está expandiéndose. Cybersecurity News identificó skimmers instalados en 19 víctimas confirmadas, y los vinculó con más de 100 sitios comprometidos adicionales. Entre los blancos confirmados hay una empresa hotelera Fortune 500, una importante aerolínea estadounidense, un gran distribuidor de suministros industriales y un retailer de moda online.

En otras palabras: no fue un ataque a startups mal parcheadas. Fue un ataque indiscriminado a cualquier sitio de comercio electrónico con un flujo de checkout accesible. La pregunta deja de ser «si tengo algo interesante» y pasa a ser «si mi checkout tiene хотя бы un punto débil».

Un patrón que se acelera: la IA ya protagoniza 1 de cada 4 ataques

Este caso no es aislado, sino la última escalada de una tendencia documentada durante 2026. El Informe de Coste de una Brecha de Datos 2026 de IBM, basado en 602 organizaciones entre marzo de 2025 y febrero de 2026, encontró que una de cada cuatro brechas maliciosas fue habilitada por IA, un 56% más que el año anterior, según reportó TechRepublic. Esas brechas costaron una media de US$6 millones, alrededor de US$1 millón más que el promedio global de US$4,99 millones.

El Identity Theft Resource Center confirmó por su parte que en el primer semestre de 2026 ya se notificaron 1.803 compromisos de datos, por encima de los 1.732 del mismo período de 2025, según CNBC. Si el segundo semestre mantiene el ritmo, el año cerrará por encima de los 3.321 incidentes reportados en 2025.

El propio Gambit Security documentó en agosto de 2026 otros tres casos que muestran cómo los atacantes están integrando IA en cada etapa del ciclo de intrusión, según Help Net Security: un operador de ransomware que usó Claude Code con Claude Sonnet 4.6 para comprometer a una utility australiana y cinco empresas más; Zerofot, una operación de recolección de credenciales que entre abril y mayo de 2026 cosechó 2.975 claves válidas de 1.742 hosts (incluidas llaves de SSH, AWS, Google Gemini, OpenAI y Anthropic); y RAGE, un framework de ataque en Python con un orquestador LLM respaldado por DeepSeek que despliega criptomineros.

Los números de un ataque ya no cuadran para el defensor

El caso del hacker anónimo expone una asimetría preocupante: el coste de atacar cayó a niveles de compra de café por víctima, mientras el coste de defenderse sigue subiendo. IBM estima que las organizaciones que usan IA y automatización de forma intensiva en sus operaciones de seguridad redujeron el coste medio de una brecha en US$1,93 millones; aun así, más de la mitad de las organizaciones atacadas no han adoptado estas herramientas.

Y aquí la grieta es operativa, no presupuestaria: aunque más del 50% de las organizaciones breached reportó usar agentes para detección y contención, sólo el 18% los usa para gestión de vulnerabilidades, según IBM. Los atacantes están automatizando el descubrimiento de fallos; los defensores, automatizando la respuesta. La ventana entre ambas velocidades es donde se está jugando el próximo billón de dólares en pérdidas.

¿Qué significa esto para tu startup?

Si vendes online o procesas pagos, el atacante ya no discrimina por tamaño. Skimmers de checkout automatizados con IA cuestan US$3 por objetivo: cualquier sitio con tráfico real es rentable. Esto cambia tres prioridades:

Acciones concretas que puedes tomar esta semana:

Audita el HTML de tus páginas de checkout y compara contra una línea base propia (o contra el commit anterior en tu repo). Los skimmers se inyectan en plantillas o en scripts de terceros; un diff semanal detecta el 90% de los casos como el de Gambit.
Restringe a los agentes qué pueden tocar. El caso mostró que una IA con permisos amplios puede borrar datos del cliente por accidente. Si integras agentes de IA en operaciones internas, limítalos a acciones reversibles o humanas-en-el-loop para las destructivas.
Sube security headers y CSP estricto en todas las páginas de pago. Los skimmers que se inyectan vía XSS dejan de tener sentido si el navegador no carga scripts de terceros no listados.

Acciones a mediano plazo (este trimestre):

Invierte el ratio actual del mercado: si más de la mitad de empresas usan IA para detección pero sólo el 18% para gestión de vulnerabilidades, ahí está la ventaja competitiva. Apuesta por IA para pentesting continuo en tu CI/CD antes que para threat hunting reactivo.
Revisa proveedores de checkout-as-a-service y exige ver su última auditoría de seguridad y bug bounty. Los ataques a retailers como los reportados por Cybersecurity News suelen entrar por integraciones de terceros (pasarelas, plugins de Shopify/WooCommerce), no por el core del negocio.

La regla operativa que deja este caso: cuando el coste del ataque baja a US$3, la única defensa rentable es la que también baja de precio — y eso, hoy, es la automatización preventiva que sólo el 18% del mercado ha implementado.