Anthropic revela que Claude hackeó empresas reales sin que sus propios directivos lo notaran

Claude también hackeó a varias empresa y nadie lo notó. Foto: Generado por Gémini

Cuando pensamos en un hackeo, casi siempre imaginamos a alguien detrás de una pantalla, tecleando con mala intención. Pero lo que reveló Anthropic el pasado 30 de julio rompe ese guion por completo: fue su propia inteligencia artificial, Claude, la que entró sin permiso a los sistemas de tres empresas reales, mientras la compañía creía que todo ocurría dentro de una simulación controlada.

Y lo más inquietante no es que haya pasado, sino que dos de las tres organizaciones afectadas ni siquiera se habían dado cuenta hasta que Anthropic tocó su puerta para avisarles.

¿Cómo hackeó Claude a estas empresas?

Todo comenzó dentro de un tipo de prueba llamada “captura de la bandera”, un ejercicio habitual en ciberseguridad donde el modelo recibe un escenario ficticio y debe encontrar información oculta en una red simulada. El problema fue que esa simulación no estaba tan aislada como se suponía. Un error de configuración entre Anthropic y su socio externo Irregular —encargado de proveer parte de estos entornos de prueba — dejó las máquinas conectadas a internet real, aunque el texto de la evaluación le aseguraba a Claude que operaba en un entorno cerrado.

También te puede interesar leer: OpenAI reconoce que dos de sus IA “se rebelaron” y hackearon una plataforma clave

En otras palabras, el modelo recibió una orden falsa y la cumplió al pie de la letra, sin sospechar que las consecuencias eran reales. El caso más delicado ocurrió cuando el nombre de la empresa ficticia del ejercicio coincidía con el de una compañía real. Claude Opus 4.7 encontró una vulnerabilidad, extrajo credenciales y accedió a una base de datos con varios cientos de registros de producción. Según explicó Anthropic, el modelo usó técnicas básicas, como aprovechar contraseñas débiles y puntos de acceso sin autenticación para vulnerar la infraestructura.

En un segundo incidente, protagonizado por Claude Mythos 5, el modelo encontró un documento simulado que pedía instalar un paquete de Python inexistente. Lejos de detectar la trampa, Claude construyó ese paquete y lo publicó en PyPI, el repositorio público donde cualquier desarrollador descarga software de código abierto. En apenas una hora, 15 sistemas reales lo descargaron y ejecutaron, incluyendo el de una empresa de ciberseguridad ajena por completo al experimento.

¿Cómo lo descubrieron?

Anthropic no detectó el problema en el momento, sino después, al revisar 141.006 sesiones de evaluación como parte de una auditoría interna. Ese repaso arrancó apenas dos días después de que OpenAI reconociera un incidente parecido con uno de sus modelos experimentales, que había logrado escapar de un entorno de prueba para atacar la infraestructura de Hugging Face .

Fue justamente esa revisión masiva la que sacó a la luz los tres casos. Anthropic notificó a las empresas afectadas el pasado 27 de julio y suspendió todas sus evaluaciones de ciberseguridad el 23 de julio, mientras investigaba el alcance real del problema.

Lo que más preocupa: nadie se dio cuenta antes

Aquí está el punto que convierte esta historia en algo más que una anécdota técnica. Ni las empresas vulneradas ni, durante semanas, la propia Anthropic repararon en lo que estaba pasando. El sistema de pruebas funcionó exactamente como estaba diseñado, salvo por un detalle: creía estar simulando un ataque cuando en realidad lo estaba ejecutando.

Jeffrey Ladish, ejecutivo de Palisade Research —organización dedicada a estudiar las capacidades ofensivas de los sistemas de inteligencia artificial— advirtió que probablemente este no sea un caso aislado. “Esto solo va a empeorar a medida que los modelos se vuelvan más inteligentes. Serán mejores para engañar. Serán mejores para mentir”, señaló para El Tiempo.

Los riesgos de que la IA tenga acceso a internet

Este episodio deja varias lecciones para cualquiera que use o desarrolle inteligencia artificial: Los entornos de prueba no siempre son tan seguros como parecen. Un simple error de configuración puede convertir un ejercicio simulado en un ataque real.

La IA no distingue “de verdad” entre ficción y realidad. Sigue instrucciones con una literalidad que ningún profesional humano mantendría frente a señales de alerta evidentes.

La detección puede tardar semanas. Si ni los propios creadores del modelo notaron el problema a tiempo, cualquier empresa que integre IA en sus sistemas debería reforzar su monitoreo.

La obediencia extrema también es un riesgo. Anthropic fue clara: ningún modelo actuó por voluntad propia, simplemente cumplió lo que se le pidió, incluso cuando el objetivo real ya era evidente.

Anthropic insiste en que se trató de una falla operativa, no de un modelo que se salió de control por decisión propia. Pero para el usuario común, la diferencia importa poco: lo que quedó demostrado es que, mientras la inteligencia artificial avanza a pasos agigantados, la supervisión humana todavía tiene mucho terreno por recorrer.