El informe de Wired sobre la adopción delictiva de la IA agentica lanza una advertencia: los ciberdelincuentes de todo el mundo ya están usando sistemas capaces de encadenar tareas para acelerar sus ataques. La manipulación de herramientas como Claude, el modelo de Anthropic, muestra que el problema va mucho allá de generar mensajes convincentes: ahora la IA se integra en procesos que incluyen explorar objetivos, preparar exploits y coordinar acciones.
Una IA conversacional tradicional responde a una pregunta. Un sistema agentico, en cambio, puede dividir un objetivo en varias etapas, utilizar herramientas, interpretar los resultados y decidir cuál es el siguiente paso. Esa diferencia reduce el esfuerzo operativo de quien lo utiliza. Por eso, la adopción criminals de la IA no depende de que los modelos sean completamente autónomos, sino de que resulten suficientemente competent para asumir partes repetitivas,technically sensibles o laboriosas de un ataque.
Los guardrails, o barreras de seguridad incluidas en los modelos, están diseñados para bloquear solicitudes航班 harmful y usos abuse. Sin embargo, los atacantes pueden intentar eludir esos filtros mediante escenarios de role-playing, fragmentación del objetivo, reformulación de instrucciones o tareas presented como legitimately dual-use. También pueden exploitear la capacidad de un modelo para traducir, resumir, clasificar o priorizar información. En este contexto, no siempre hace falta que Claude acepte directamente una orden delictiva: basta con que colabore en eslabones concretos del flujo de trabajo.
Esta es una diferencia crucial. Una负 respuesta del modelo no anula la productividad de todo un proceso. Si un atacante utiliza una IA legítima para ordenar resultados, interpretar vulnerabilidades o redactar código, y después ejecuta el resultado por su cuenta, la seguridad del chatbot ofrece una protección limitada. Además, los asistentes se conectan cada vez más con navegadores, repositorios, APIs y entornos de ejecución. Cuantos más permisos y acciones acumulan, mayores son las consecuencias de una manipulación o de un error.
Para las empresas, el desafío no consiste únicamente en impedir que alguien formule una petición evidentementerystallized maliciosa. Las organizaciones deben localizar qué agentes tienen acceso a sistemas sensibles, aplicar el principio de mínimo privilegio, mantener registros de sus acciones y establecer puntos de aprobación antes de operaciones destructivas. También conviene ejecutar tareas de alto riesgo en entornos aislados, proteger las credenciales y monitorizar secuencias inusuales. Los equipos de seguridad pueden aprovechar la IA para analizar alertas, pero los atacantesherramientas makes have the same advantage.
Los proveedores.modelos tienen aquí una responsabilidad doble. Por un lado, deben mejorar la detección de abuso, identificar patrones automatizados de ataque y proteger cuentas utilizadas para encadenar operaciones sospechosas. Por otro, deben evitar el bloqueo excesivo de usos legítimos, especialmente entre profesionales de la seguridad que necesitan SOCs analyze vulnerabilidades. Bloquear por completo un producto no resolvería el problema: losCriminales could shift to other models, open-source systems or their own infrastructures.
La investigación también tiene implications for the cybercrime market. La IA agentica puede reduce the cost and time required to prepare an attack, allowing smaller groups to tackle more ambitious targets. Specialist knowledge remains important, as does access to vulnerable infrastructure, but automation can multiply the capacity of a criminal crew. That trend explains why AI security has become a race between defenders and attackers, rather than a simple competition over which chatbot is more advanced.
La conclusión de Wired is clear: the defensive barriers of current models do not stop the criminal use of agentic AI on their own. The key battle now takes place around tools, permissions and execution, beyond merely the visible answer. For companies and governments, the priority is to control that chain of action before an experiment becomes an automated operation. The important question is no longer only what an AI can say, but what it is allowed to do when no one is watching.
