Ocho meses. Cuatro incidentes importantes. Un patrón: la cadena de suministro de software no obtuvo un nuevo adversario, obtuvo una nueva arma. Entre septiembre de 2025 y mayo de 2026, un gusano autopropagante, un actor estatal, una campaña de imitación y un modelo de IA secuestrado encontraron su camino hacia pipelineEn las que millones de desarrolladores confían a diario. Esta es la nueva forma de las amenazas a la ciberseguridad: más rápidas, más difíciles de detectar y cada vez más impulsadas por la misma IA que los equipos de desarrollo utilizan para implementar el código.
Si su modelo mental de amenazas de ciberseguridad todavía se limita a correos electrónicos de phishing y servidores sin actualizar, los datos que aparecen a continuación lo actualizarán.
La nueva forma de las amenazas a la ciberseguridad
Durante años, las amenazas de ciberseguridad significaron credenciales robadas, servidores mal configurados e ingeniería social. Esos riesgos no han desaparecido: el 81% de las filtraciones de datos confirmadas en 2022 involucraron credenciales comprometidas. Pero una nueva categoría se ha movido al centro de la conversación: las amenazas de IA. Los equipos de desarrollo ahora dependen de asistentes de codificación de IA, copilotos agentes y Protocolo de contexto modelo (MCP) Los servidores se utilizan para desarrollar software más rápido, y cada uno de ellos ahora también es un objetivo. Las investigaciones demuestran que alrededor del 40 % del código generado por IA contiene vulnerabilidades de seguridad, lo que significa que la velocidad que promete la IA viene acompañada de un aumento proporcional en los riesgos de seguridad de la IA integrados directamente en el código.
Ocho meses, cuatro incidentes: cómo se intensificaron las amenazas de la IA.
La evidencia más clara de que las amenazas de IA se están acelerando no es una predicción; es una cronología de lo que ya sucedió:
- Septiembre de 2025, Shai-Hulud: el primer gusano npm autopropagante, que convierte a los propios desarrolladores en un mecanismo de distribución.
- Marzo de 2026, axios: Un programa malicioso patrocinado por un estado-nación se oculta dentro de un paquete que se descarga aproximadamente 100 millones de veces por semana.
- Abril de 2026, SAP npm: una repetición a menor escala del mismo patrón de gusano, que muestra las escalas de la técnica.
- Mayo de 2026, Claude Opus → PromptMink: un modelo de lenguaje extenso convertido en arma para instalar malware dentro de un agente autónomo, con la propia IA actuando como vector de ataque.
Cada incidente reutilizó y amplificó el anterior. Esa es la característica principal de las amenazas de IA en 2026: se multiplican más rápido que las amenazas de ciberseguridad tradicionales, porque la misma automatización que ayuda a los desarrolladores a lanzar productos también ayuda a los atacantes a propagarse.
Por qué las herramientas tradicionales no pueden detectar estos riesgos de la IA
Las herramientas tradicionales de seguridad de aplicaciones se limitan al repositorio y desconocen qué es un modelo. Las herramientas tradicionales para endpoints supervisan el sistema operativo y no entienden los paquetes, los servidores MCP ni los asistentes de IA. Es precisamente en esa brecha donde los riesgos de la IA quedan ocultos, sin ser detectados, hasta que el daño ya está hecho.
Dos cifras concretan la vulnerabilidad: el robo de credenciales dirigido a IA aumentó un 376 % entre el cuarto trimestre de 2025 y el primer trimestre de 2026, y un único puente MCP malicioso (CVE-2025-6514) se descargó 437 000 veces antes de ser detectado, lo que permitió la ejecución remota de código en el cliente. Los servidores MCP públicos tampoco son seguros por defecto: el 5.5 % presenta fallos de envenenamiento de herramientas y el 43 % presenta fallos de inyección de comandos lo suficientemente graves como para convertir las herramientas de un desarrollador en una de las amenazas de ciberseguridad más serias a las que puede enfrentarse una organización.
La cadena de suministro de software sigue siendo la mayor fuente de amenazas a la ciberseguridad.
La IA no inventó este problema, sino que lo amplió. La cadena de suministro de software ya era el punto de entrada más explotado para las amenazas de ciberseguridad, y las cifras lo confirman. Se han identificado más de 778,500 paquetes maliciosos de código abierto desde 2019, y esa cifra aumentó un 156 % en un solo año hasta alcanzar los 512,847 paquetes. ENISA ha descubierto que el 60 % de los ataques a la cadena de suministro se aprovecharon de la confianza del cliente en un proveedor, y según algunas estimaciones, la cadena de suministro de software ahora sufre un ataque aproximadamente cada 48 horas. Los ataques a la cadena de suministro aumentaron un 742 % entre 2019 y 2022, con proyecciones que sugieren que el 45 % de las organizaciones se verán afectadas para 2025 y que los costos anuales alcanzarán los 138 millones de dólares para 2031; el costo de los ataques a la cadena de suministro de software solo este año se estima en 60 millones de dólares.
La misma dependencia y pipeline Las debilidades que crearon estas amenazas clásicas de ciberseguridad ahora también conllevan riesgos de IA: un paquete comprometido, una acción de GitHub mal configurada o un no anclado. CI/CD step puede dirigirse a un agente de IA con la misma facilidad que a un desarrollador humano.
Riesgos de seguridad de la IA más amplios que van más allá del código fuente
No todos los riesgos de la IA residen en un archivo de código. Un panorama más completo de los riesgos de seguridad de la IA abarca todo el ciclo de vida de un activo de IA: inyección de comandos y fugas de información del sistema, datos confidenciales expuestos a través de configuraciones de IA demasiado permisivas, vectores y incrustaciones maliciosas, instrucciones maliciosas ocultas en documentos y archivos de reglas, configuraciones MCP inseguras y servidores no confiables, dependencias de IA vulnerables o mal gestionadas, y una agencia excesiva, donde un agente de IA actúa más allá de los límites con los que fue configurado.
Estas categorías se corresponden directamente con la Las 10 principales aplicaciones de LLM según OWASP, Las 10 principales aplicaciones de agentes según OWASP, y Los 10 principales MCP de OWASPTres marcos de referencia que se están convirtiendo rápidamente en el vocabulario común para los riesgos de seguridad de la IA en toda la industria.
Cómo reducir la exposición a las amenazas de ciberseguridad: ¿Qué funciona realmente?
Los datos apuntan a dos cosas que funcionan de manera consistente contra las amenazas de ciberseguridad: higiene básica y detección precoz. El 98 % de los ciberataques se previenen con medidas básicas de seguridad, pero el 34 % de las filtraciones de datos aún se originan por amenazas internas, y el 60 % de las aplicaciones todavía presentan vulnerabilidades en su código fuente. GitHub no es inmune: el 1.9 % de los repositorios de exploits de prueba de concepto de GitHub son maliciosos, diseñados para extraer datos o desplegar malware entre los investigadores que confían en ellos.
En lo que respecta específicamente a los riesgos de la IA, la solución debe implementarse en una etapa más temprana del ciclo de vida:
- Validar dentro del IDE. Detectar patrones inseguros en el código generado por IA antes de que llegue a una pipeline Cierra la principal fuente de nuevos riesgos de seguridad para la IA.
- Detectar el malware antes de que exista una firma. Las herramientas basadas en la reputación, por definición, no detectan los paquetes de día cero, que es precisamente la brecha que explotaron Shai-Hulud, axios y SAP npm.
- Inventaría todos los activos de IA. Los modelos, los conjuntos de datos, los agentes y los servidores MCP no pueden ser controlados ni atacados a través de algo que un equipo desconoce que está en funcionamiento.
Cómo Xygeni aborda estas amenazas de ciberseguridad
xygeni DevAI trata las amenazas de la IA como una parte fundamental de la seguridad de las aplicaciones, en lugar de un problema aparte que se añade posteriormente. Aplica validación de seguridad en tiempo real dentro del IDE del desarrollador, detectando patrones inseguros en el código generado por IA antes de su distribución. Sistema de alerta temprana de malware (MEW) cEscanea continuamente NPM, PyPI y Maven para detectar paquetes maliciosos antes de que exista una firma, abordando el patrón exacto de la cadena de suministro detrás de Shai-Hulud, axios y SAP npm. AI Security descubre todos los activos de IA en todo el SDLC, lo evalúa según los marcos de OWASP mencionados anteriormente, y Shield aplica políticas en el punto final antes de permitir que se ejecute un modelo, agente o servidor MCP inseguro.
Las organizaciones que mejor gestionen los riesgos de la IA en 2026 no serán las que utilicen más herramientas, sino las que puedan visualizar todos los sistemas de IA que gestionan, detener los riesgos antes de que se ejecuten y aplicar ese conocimiento a las herramientas que ya poseen.
Preguntas Frecuentes
¿Cuáles son las mayores amenazas a la ciberseguridad en 2026?
Los ataques a la cadena de suministro siguen siendo la categoría más importante en términos de volumen y coste, con un daño estimado de 60 millones de dólares este año y un ataque aproximadamente cada 48 horas. Paralelamente, las amenazas de IA han surgido como una categoría de rápido crecimiento: el robo de credenciales dirigido a IA aumentó un 376 % en un solo trimestre, e incidentes como Shai-Hulud, axios y PromptMink demuestran que los atacantes utilizan activamente la IA tanto como objetivo como mecanismo de ataque.
¿El código generado por IA supone un riesgo para la seguridad?
Sí. Las investigaciones demuestran que alrededor del 40 % del código generado por IA contiene vulnerabilidades de seguridad. Por ello, la validación en tiempo real dentro del entorno de desarrollo integrado (IDE) del programador, antes de la fusión del código, es una de las formas más eficaces de reducir los riesgos de seguridad de la IA desde su origen.
¿Qué es MEW y cómo aborda las amenazas de la IA?
Malware Early Warning (MEW) es el sistema de escaneo continuo de Xygeni para NPM, PyPI y Maven. Está diseñado para detectar paquetes maliciosos antes de que exista una firma, lo cual es importante porque las herramientas basadas en reputación solo detectan lo que ya se ha identificado, pasando por alto el patrón exacto de día cero detrás de las recientes amenazas de IA y los gusanos de la cadena de suministro.
¿Son los servidores MCP una fuente real de riesgos para la IA?
Sí. Los servidores MCP públicos muestran riesgos de seguridad de IA cuantificables en la práctica: el 5.5 % presenta fallos de envenenamiento de herramientas y el 43 % presentan fallos de inyección de comandos, y un único puente MCP comprometido fue descargado 437,000 veces antes de ser detectado.
