¿Cómo un solo atacante usó agentes de IA para vulnerar más de 100 empresas en cinco días?
Entre el 10 y el 15 de septiembre de 2026, un ciberdelincuente de habla china dirigió agentes de inteligencia artificial contra más de 100 organizaciones y comprometió al menos 27 de ellas en distintos niveles, según la firma de ciberseguridad Gambit Security. Desde julio, toda la campaña le permitió robar más de 600.000 registros de tarjetas de crédito [1][3].
“El ser humano está dirigiendo modelos de IA casi totalmente autónomos.”
Gambit descubrió la operación porque el atacante dejó accidentalmente expuesta en la web abierta la infraestructura de servidores que usaba para lanzar los ataques. Eso reveló los datos robados, las herramientas de IA y hasta las instrucciones exactas que el hacker les daba a los agentes [1].
Lo inusual del caso no fue solo la escala, sino cuánto se redujo la intervención humana. El atacante actuaba más como supervisor que como ejecutor: escribía instrucciones cortas en chino y dejaba que los modelos hicieran el resto del trabajo técnico [1].
¿Qué papel jugaron los agentes de IA en el ataque?
La IA no fue un apoyo puntual: ejecutó casi toda la cadena de ataque de forma autónoma, desde el escaneo inicial hasta el borrado final de evidencia. El operador solo daba una URL objetivo y una orden general, y los agentes se encargaban del resto en cuestión de horas [1][3].
El flujo de trabajo documentado por Gambit se repitió con pocas variaciones en cada empresa atacada:
- 1Un agente recibía la URL del objetivo y la orden de buscar vulnerabilidades explotables.
- 2Al lograr acceso, otro agente escalaba privilegios hasta obtener credenciales administrativas o control del servidor.
- 3Los agentes exfiltraban los datos de pago e instalaban "skimmers": código que captura los números de tarjeta en el momento en que el cliente los escribe en el checkout.
- 4Finalmente, se ordenaba borrar los rastros de acceso, lo que en al menos dos casos eliminó también las copias de seguridad de las propias empresas [3].
¿Cuánto costó el ataque y qué modelos de IA usó el atacante?
El costo por empresa atacada osciló entre US$ 3,13 y US$ 79,31, con un promedio de US$ 25,46 sobre 101 escaneos completos, según el análisis de Gambit sobre los propios registros de gasto del atacante [3]. Forbes, con acceso a los mismos datos, reportó un rango algo más amplio, de entre US$ 3 y US$ 180 por objetivo [2].
En conjunto, el operador gastó US$ 7.005,71 en modelos de IA durante las primeras cuatro semanas de la campaña, comprados a través de OpenRouter, un servicio que revende acceso a múltiples modelos. Gambit estima que el costo acumulado de toda la operación, desde julio, se ubica entre US$ 12.000 y US$ 18.000 [3].
La operación se apoyó en tres herramientas de código abierto, cada una con un modelo de IA distinto:
Cuando el atacante intentó usar versiones más recientes de Claude, las solicitudes fueron rechazadas, lo que indica que los controles de seguridad de los modelos más nuevos de Anthropic sí lograron bloquear ese uso malicioso. Anthropic confirmó que identificó y suspendió la cuenta usada en los ataques [1][2].
| Herramienta | Función en el ataque | Modelo de IA utilizado |
|---|---|---|
| Hermes | Coordinación central, memoria persistente y ejecución directa de acciones de hacking | Claude Opus 4.6, de Anthropic [3] |
| Strix | Escaneo de vulnerabilidades y pruebas de penetración | GLM 5.2 y luego DeepSeek v4 Pro [3] |
| Cairn | Explotación autónoma de extremo a extremo hasta obtener acceso administrativo | DeepSeek v4.1 Flash [3] |
¿Qué se robó y quiénes fueron las víctimas?
Gambit identificó más de 600.000 registros de tarjetas vigentes extraídos de solo dos de las empresas comprometidas, de los cuales 488.372 correspondían a tarjetas emitidas en Estados Unidos, un 79% del total analizado [3]. Forbes reportó una cifra algo mayor, de al menos 618.000 tarjetas halladas en el servidor del atacante [2].
Overwatch Data, la firma antifraude que colaboró en la investigación, confirmó que los registros eran únicos y legítimos. Un procesador de pagos verificó que más del 60% de las tarjetas revisadas no habían sido reportadas antes como fraudulentas, lo que sugiere que el hallazgo evitó una parte del fraude potencial [2].
Entre los objetivos identificados figuran una compañía hotelera estadounidense de gran tamaño, una aerolínea, un minorista de moda en línea con facturación superior a US$ 1.000 millones, y empresas más pequeñas como una tienda de armas en Minnesota y un minorista de belleza en Illinois [2]. Gambit confirmó que al menos cinco compañías tuvieron skimmers instalados y detectó más de 100 sitios adicionales asociados con el mismo código malicioso [3].
¿Qué significa esto para los comercios de América Latina?
El caso no tuvo víctimas confirmadas en América Latina, pero la mecánica del ataque sí es relevante para la región: los agentes atacaron bases de datos Magento, una de las plataformas de comercio electrónico de código abierto más usadas por minoristas medianos en países como México, Colombia y Argentina [3].
La región ya muestra una tendencia de fraude en alza que este tipo de automatización solo puede acelerar. En México, la Condusef registró 42.791 reclamaciones por cargos y transferencias no reconocidas entre enero y julio de 2026, un 18,1% más que las 36.222 del mismo periodo de 2025. Los consumos no reconocidos, la categoría más asociada al fraude en comercio electrónico, crecieron 27,7% [4].
Ese contexto vuelve más urgente un punto que la propia campaña dejó en evidencia: un ataque que antes exigía un equipo de especialistas ahora lo puede ejecutar una sola persona con una tarjeta de crédito y acceso a modelos de IA públicos, a un costo por objetivo de apenas unos dólares [1][3].
¿Cómo pueden protegerse los comercios digitales frente a ataques con agentes de IA?
La respuesta no es solo técnica: exige revisar procesos de respaldo, monitoreo y parcheo que muchas operaciones dan por resueltos. Los puntos que la propia investigación de Gambit señala como fallas explotadas son un buen punto de partida:
- Mantener copias de seguridad offline o inmutables, que un atacante con acceso al servidor no pueda borrar junto con los datos de producción [3].
- Vigilar accesos y llaves de servicios en la nube (como buckets de almacenamiento) que puedan usarse para inyectar código en las páginas de pago [3].
- Auditar con frecuencia el código real que carga el checkout, no solo el que aparece en el panel de administración, dado que los skimmers se ocultaron dentro de scripts legítimos [3].
- Mantener actualizadas las plataformas de comercio electrónico de código abierto, punto de entrada recurrente en esta campaña [3].
- Contar con un plan de respuesta a incidentes probado, ya que la velocidad de estos ataques deja poco margen para improvisar [1].
Fuentes
- [1]Forbes Argentina, Un hacker usó agentes de IA para atacar a más de 100 empresas en cinco días y robar 600.000 tarjetas — forbesargentina.com
- [2]Forbes, A Chinese Hacker Used AI To Attack 100+ Companies In One Of Largest AI Hacks Yet — forbes.com
- [3]Portafolio, Agentes de IA protagonizaron el mayor ciberataque de la historia hasta ahora: 600.000 tarjetas fueron comprometidas — portafolio.co
- [4]La Jornada, Suben más de 15% quejas por cargos y consumos no reconocidos: Condusef — jornada.com.mx
