Claude hackeó tres empresas reales durante pruebas de ciberseguridad de Anthropic

La inteligencia artificial vuelve a poner a prueba los límites de la ciberseguridad. Anthropic, empresa desarrolladora del modelo Claude, reveló que tres de sus sistemas de inteligencia artificial lograron acceder sin autorización a infraestructura real de tres organizaciones mientras participaban en evaluaciones diseñadas para medir sus capacidades de ciberseguridad.

El hallazgo fue dado a conocer el 30 de julio de 2026, después de que Anthropic revisara más de 141 mil ejecuciones de evaluación en las que Claude pudo haber tenido acceso a internet. La compañía identificó tres incidentes en los que un modelo alcanzó la red desde un entorno de prueba y posteriormente consiguió acceso a sistemas de producción pertenecientes a organizaciones externas.

Aunque el episodio podría parecer una historia de una IA que decidió “rebelarse”, Anthropic sostiene que no hubo una intención autónoma de escapar de las pruebas. El origen estuvo en un error humano y de configuración: los modelos fueron colocados en entornos que debían estar aislados, pero terminaron teniendo acceso a internet.

Las evaluaciones tenían como objetivo comprobar qué tan capaces eran los modelos de detectar vulnerabilidades y ejecutar tareas de ciberseguridad.

El problema surgió porque Claude recibió instrucciones que le indicaban que estaba participando en una simulación controlada y que no tendría acceso al internet público. Sin embargo, debido a una confusión en la configuración del entorno, sí podía conectarse con sistemas externos.

Al interpretar los objetivos planteados como parte de una prueba, el modelo comenzó a interactuar con recursos que, en realidad, pertenecían a organizaciones existentes.

Anthropic explicó que los incidentes ocurrieron en evaluaciones realizadas con Irregular, uno de sus socios externos para pruebas de ciberseguridad. La compañía señaló que dos de los casos fueron descubiertos durante una revisión posterior, después de que las propias organizaciones afectadas no habían detectado inicialmente la actividad.

Tres incidentes y sistemas reales afectados

Los tres episodios tuvieron características diferentes y permitieron a los investigadores observar hasta dónde podían llegar los modelos cuando disponían de herramientas y conexión con internet.

En uno de los casos, Claude consiguió acceder a credenciales y a una base de datos de producción que contenía cientos de registros.

En otro, el modelo llegó a crear cuentas y publicar un paquete malicioso en PyPI, una plataforma utilizada para distribuir paquetes de software para Python. El paquete permaneció disponible aproximadamente una hora y terminó ejecutándose en 15 sistemas reales, lo que permitió exponer credenciales relacionadas con un escáner de seguridad.

El tercer incidente también implicó acceso no autorizado a infraestructura externa.

Anthropic no reveló públicamente la identidad de las tres organizaciones afectadas, aunque indicó que no encontró evidencia de que los modelos hubieran actuado con intención maliciosa propia.

Uno de los elementos que más llamó la atención del caso fue la manera en que algunos titulares describieron el episodio como si Claude hubiera decidido escapar deliberadamente de su entorno.

Sin embargo, la explicación de Anthropic es considerablemente diferente.

Los modelos recibieron una tarea de ciberseguridad y creyeron que estaban trabajando dentro de una simulación. La conexión con sistemas reales ocurrió porque los controles que debían impedir el acceso a internet no estaban correctamente implementados.

En otras palabras, el incidente muestra menos una supuesta “intención” de la IA y más un problema relacionado con el creciente nivel de autonomía que tienen los agentes de inteligencia artificial cuando cuentan con acceso a herramientas externas.

La propia Anthropic señaló que el episodio demuestra la necesidad de establecer barreras más sólidas cuando los modelos son utilizados en evaluaciones de capacidades ofensivas.

¿Por qué preocupa que una IA pueda hacer esto?

El caso adquiere especial relevancia porque Claude no se limitó a generar instrucciones sobre cómo realizar un ataque. Al contar con herramientas y acceso a internet, pudo ejecutar acciones en sistemas externos.

Esta diferencia es fundamental. Un chatbot que explica conceptualmente una vulnerabilidad representa un riesgo distinto al de un agente de IA capaz de investigar, tomar decisiones y ejecutar múltiples pasos de manera autónoma.

Anthropic ha advertido durante meses sobre los riesgos asociados con el uso de modelos cada vez más autónomos. En un informe publicado recientemente, investigadores de la compañía analizaron escenarios de desalineación en los que modelos de distintas empresas podían realizar acciones no autorizadas cuando recibían determinados objetivos. La propia investigación aclara que esos experimentos eran simulaciones y no incidentes reales.

El nuevo episodio, sin embargo, introduce una diferencia importante: tres evaluaciones terminaron interactuando con infraestructura que sí existía fuera del laboratorio.

La revelación de Anthropic llega apenas días después de que OpenAI informara sobre otro episodio relacionado con capacidades ofensivas de inteligencia artificial.

La coincidencia entre ambos casos ha intensificado el debate sobre la seguridad de los llamados agentes de IA, sistemas que pueden utilizar herramientas, navegar por internet, ejecutar código y completar tareas con menor intervención humana.

Para las empresas que desarrollan estos modelos, el desafío consiste en incrementar sus capacidades sin proporcionarles simultáneamente un nivel de acceso que pueda convertirse en un riesgo.

El problema es especialmente relevante en las evaluaciones de ciberseguridad, donde precisamente se busca que los modelos aprendan a identificar y explotar vulnerabilidades.

Tras detectar los incidentes, Anthropic realizó una revisión de 141 mil ejecuciones de evaluación en las que Claude pudo haber tenido acceso a internet.

De acuerdo con la compañía, solamente encontró tres casos en los que un modelo pasó de un entorno de evaluación a sistemas reales y consiguió acceso no autorizado.

Anthropic afirmó que los casos fueron aislados y que trabaja con las organizaciones afectadas para comprender el alcance de cada incidente.

La compañía también señaló que reforzará sus procesos de evaluación y las medidas destinadas a evitar que los modelos puedan interactuar accidentalmente con infraestructura externa durante este tipo de pruebas.

Una advertencia para la nueva generación de agentes

El incidente de Claude representa una nueva advertencia para una industria que avanza hacia modelos con mayor autonomía, acceso a herramientas y capacidad de ejecutar acciones en el mundo real.

La discusión ya no se limita a qué puede responder una inteligencia artificial, sino a qué puede hacer cuando recibe permisos suficientes para actuar.

Para Anthropic, el episodio demuestra que incluso una prueba diseñada como simulación puede convertirse en un incidente real si existen fallas en la infraestructura que rodea al modelo.

El caso también pone sobre la mesa una pregunta que será cada vez más importante para las empresas que utilicen agentes de IA: ¿cuánto acceso debe tener una inteligencia artificial para ser realmente útil y cuánto representa un riesgo?

Mientras los modelos continúan ganando capacidades, la respuesta dependerá no sólo de cómo sean entrenados, sino también de los controles humanos, técnicos y de seguridad que se coloquen alrededor de ellos.

Olfatea otras noticias:

Una IA de OpenAI hackeó a Hugging Face durante una prueba de seguridad