Anthropic afirma que está cambiando la forma en que los actores maliciosos utilizan la inteligencia artificial. En un análisis publicado el 3 de junio, la empresa examinó 832 cuentas bloqueadas por actividad cibernética maliciosa entre marzo de 2025 y marzo de 2026, y comparó el comportamiento observado con el marco MITRE ATT&CK.
El conjunto de datos no es un censo de toda la ciberdelincuencia. Anthropic lo describe como un subconjunto de cuentas bloqueadas sobre las que los investigadores disponían de información suficiente para evaluar las técnicas empleadas. Incluso con esa limitación, la empresa afirma que los resultados muestran un cambio: de utilizar la IA principalmente para preparar ataques a emplearla durante las fases más complejas posteriores al compromiso inicial.
El uso de la IA avanza hacia fases más profundas del ciclo de ataque
La actividad más común del conjunto de datos fue el desarrollo de malware: 560 de las 832 cuentas, o el 67,3 %, utilizaron IA con ese fin. Muchas menos cuentas emplearon IA para el movimiento lateral, el proceso de avanzar dentro de un entorno comprometido, pero la cifra siguió siendo significativa: 54 cuentas, o el 6,5 %.
Anthropic también detectó un cambio entre los dos periodos de seis meses cubiertos por el análisis. En el primer periodo, el 33 % de los actores fueron clasificados por el sistema de puntuación de la empresa como de riesgo medio o superior. En el segundo, esa proporción aumentó al 56 %, un incremento aproximado de 1,7 veces.
Varias técnicas individuales evolucionaron en direcciones opuestas. El descubrimiento de cuentas asistido por IA, que consiste en identificar cuentas válidas dentro de un entorno comprometido, aumentó un 8,9 %. El phishing asistido por IA cayó un 8,6 %. Anthropic interpreta estos cambios como una señal de que los usuarios maliciosos están aplicando los modelos más adentro de la cadena de ataque, donde las tareas requieren más contexto, coordinación y toma de decisiones en tiempo real.
El recuento de técnicas ya no cuenta toda la historia
La evaluación tradicional de amenazas suele basarse en el número de técnicas que utiliza un actor, las herramientas implicadas o la interfaz mediante la que se realizó la actividad. Anthropic afirma que esas señales fueron predictores débiles del riesgo en este conjunto de datos.
Los actores menos cualificados utilizaron una media aproximada de 16 técnicas distintas, frente a unas 20 entre los más cualificados. La plataforma tampoco ofreció una distinción fiable: Anthropic no encontró una correlación significativa entre el nivel de riesgo y el uso de Claude Code, una API o una interfaz de chat.
La empresa afirma que una señal más útil es el punto de la operación en el que se aplica la IA. Los actores de mayor riesgo tenían más probabilidades de utilizar modelos para actividades exigentes, como el descubrimiento de cuentas, el movimiento lateral y la escalada de privilegios, en lugar de limitar su uso al acceso inicial o la preparación.
Esa señal también se está volviendo menos estable. Anthropic sostiene que el diferenciador más importante es cada vez más la estructura construida alrededor del modelo: sistemas que encadenan distintas fases de un ataque, toman decisiones tácticas y continúan con una intervención humana limitada.
Por qué el comportamiento agéntico desafía a MITRE ATT&CK
El análisis de Anthropic identifica una brecha en el marco MITRE ATT&CK. El marco puede describir muchas acciones individuales, pero actualmente no ofrece un identificador de técnica específico para la orquestación agéntica que conecta esas acciones en una operación en gran medida autónoma.
Como ejemplo, Anthropic señala una operación de ciberespionaje patrocinada por un Estado que, según la empresa, interrumpió en noviembre de 2025. La actividad correspondía a 30 técnicas en 13 tácticas, un patrón que parecía comparable al de muchos actores de riesgo medio cuando se medía únicamente por el recuento de técnicas. Sin embargo, según el método propio de puntuación de riesgo de Anthropic, la operación recibió la puntuación máxima de 100 porque el modelo ejecutó comandos, explotó vulnerabilidades, robó credenciales y tomó decisiones tácticas, con intervención humana necesaria solo en algunos puntos.
La distinción importa para los defensores. Un sistema de detección que registre únicamente comandos aislados puede pasar por alto el riesgo creado por su orden, velocidad y grado de automatización. Los equipos de seguridad necesitarán visibilidad sobre cómo los sistemas de IA seleccionan herramientas, transfieren información entre fases, responden a fallos y actúan en entornos con privilegios.
Qué deberían extraer los defensores de estos hallazgos
El informe no demuestra que toda intrusión asistida por IA sea autónoma ni mide la tasa de éxito de los ataques. Sí muestra por qué la monitorización defensiva debería ir más allá de los indicadores simples de compromiso.
Los equipos deberían revisar si la telemetría de identidad, endpoints y red puede conectar el descubrimiento de cuentas, la escalada de privilegios y el movimiento lateral en una sola línea temporal. También deberían auditar los agentes de IA y los flujos de automatización para detectar permisos excesivos, acceso saliente sin restricciones y la capacidad de continuar después de que se haya omitido o abandonado un punto de aprobación humana.
Las pruebas deberían centrarse en el comportamiento encadenado, no en prompts aislados. Un modelo que no pueda completar por sí solo una operación completa aún puede crear riesgos cuando está conectado a acceso de shell, almacenes de credenciales, consolas en la nube o pipelines de desarrollo. La revisión humana sigue siendo especialmente importante antes de acciones que modifiquen controles de acceso, permitan el movimiento lateral o exporten datos sensibles.
Anthropic afirma que los hallazgos han contribuido a medidas de protección diseñadas para detectar y bloquear actividades como el desarrollo de malware y la exfiltración masiva de datos. La empresa también está debatiendo con MITRE cómo podría evolucionar el marco ATT&CK para representar con mayor precisión los comportamientos habilitados por la IA.
El mensaje central es medido, pero tiene consecuencias: la IA no solo está haciendo más rápidas tareas cibernéticas conocidas. En algunos casos, está ayudando a actores con menos experiencia a coordinar pasos técnicamente más exigentes. Para los equipos de seguridad, eso hace que la estructura y la autonomía de una operación sean tan importantes como las técnicas individuales que contiene.
Fuente: análisis oficial de Anthropic.