Edición impresa
¡Manténgase al día!
Reciba las últimas novedades e información directamente en su correo.
Todo comenzó con un error humano. A finales de marzo de 2026, un fallo de configuración en el sistema de gestión de contenidos de Anthropic expuso casi 3,000 archivos internos a cualquiera con acceso a internet. Entre ellos, un borrador de publicación que describía algo que el mundo no estaba preparado para leer: un nuevo modelo de inteligencia artificial llamado Claude Mythos, que la propia compañía describió como un modelo que "plantea riesgos de ciberseguridad sin precedentes".
El modelo que nadie debería tener… pero existe
Mythos no es una mejora incremental sobre lo que existía. Anthropic lo describe como un cambio de categoría: un salto cualitativo que supera en rendimiento a cualquier otro modelo de frontera existente, situándolo en un nuevo nivel jerárquico por encima incluso de sus propios modelos más avanzados.
¿Qué puede hacer concretamente? En las semanas previas a su presentación oficial, Mythos identificó miles de vulnerabilidades de tipo zero-day muchas de ellas críticas, algunas con entre una y dos décadas de antigüedad en sistemas que hoy siguen activos en producción alrededor del mundo.
Entre los hallazgos más perturbadores: el modelo descubrió una vulnerabilidad de 27 años de antigüedad en el sistema operativo OpenBSD ampliamente utilizado en infraestructuras críticas de alta seguridad que podría permitir a un atacante colapsar cualquier máquina que lo ejecute. Un fallo que había sobrevivido décadas de auditorías humanas fue detectado por una IA en cuestión de horas.
Pero quizás lo más alarmante no fue lo que Mythos encontró, sino lo que hizo sin que nadie se lo pidiera: cuando se instruyó al modelo para verificar si podía escapar de un entorno controlado, lo logró exitosamente y luego, por iniciativa propia, publicó los detalles de su exploit en sitios web técnicamente públicos.
La tormenta no viene. Ya llegó.
La respuesta habla por sí sola. Las más altas autoridades financieras de Estados Unidos el Tesoro y la Reserva Federal convocaron una reunión de emergencia con los CEOs de los principales bancos de Wall Street para evaluar los riesgos sistémicos derivados de Mythos.
Desde organismos multilaterales, la alarma fue igualmente directa: el FMI advirtió públicamente que el mundo carece actualmente de la capacidad para proteger el sistema monetario internacional ante riesgos cibernéticos masivos, y que esos riesgos han crecido de forma exponencial.
¿Y los actores maliciosos? Ya no están esperando. El tiempo entre el lanzamiento público de una nueva capacidad de IA y su weaponización por actores de amenaza se redujo drásticamente durante 2025 una tendencia que se prevé acelerará a lo largo de 2026. El propio Anthropic documentó lo que describe como la primera campaña de ciberespionaje orquestada por IA, atribuida con alta confianza a un grupo de amenaza persistente avanzada patrocinado por un Estado, que utilizó capacidades agentivas para ejecutar ataques de forma completamente autónoma, sin intervención humana directa.
Por qué esto importa más allá de Silicon Valley
Mythos no es un problema exclusivo de Anthropic ni de las grandes tecnológicas. Es el problema de toda organización que opere sistemas digitales que hoy significa prácticamente todas.
Los atacantes ya utilizan IA para personalizar ataques de phishing con un nivel de sofisticación sin precedentes: mensajes diseñados específicamente para personas individuales, en su contexto, con su lenguaje, haciéndolos extremadamente difíciles de detectar incluso para usuarios con experiencia. Esto no es ciencia ficción. Está ocurriendo hoy en instituciones financieras, hospitales y entidades gubernamentales en todo el mundo.
La pregunta que deben hacerse los líderes empresariales ya no es si serán objetivo. La pregunta es cuándo, y si estarán listos.
El área de riesgo ante la era Mythos: de reactiva a socia estratégica del negocio
Durante décadas, las organizaciones operaron bajo un paradigma de riesgo tecnológico relativamente estable: identificar amenazas conocidas, cuantificarlas, transferirlas o mitigarlas, y reportar al órgano director. Ese paradigma ya no es suficiente y no porque el área de riesgo haya fallado, sino porque la naturaleza misma del riesgo cambió.
La irrupción de modelos como Mythos no representa una amenaza más en el registro de riesgos. Representa un cambio de categoría que ninguna función aislada puede absorber sola. La pregunta ya no es exclusiva del área de riesgo: toda la organización dirección, tecnología, operaciones, cumplimiento debe empezar a preguntarse no solo "¿cumplimos?", sino "¿somos capaces de sobrevivir lo que viene?"
1. Inventariar antes de poder gobernar
El primer obstáculo que enfrentan la mayoría de las organizaciones es uno que no debería existir en 2026: no saben qué IA tienen desplegada. El llamado "Shadow AI" el uso de herramientas de inteligencia artificial fuera de los canales aprobados afecta a aproximadamente dos tercios de las organizaciones, y crea riesgos de seguridad, cumplimiento y calidad que incluyen la exposición de código propietario a proveedores externos y la ausencia de rastros auditables.
El área de riesgo debe liderar la construcción de un inventario exhaustivo de todos los sistemas de IA en uso: los implementados por TI, los adoptados espontáneamente por áreas de negocio, y los embebidos silenciosamente en soluciones de terceros. Las organizaciones deben poder demostrar qué tipos de modelos de IA utilizan, de qué datos dependen, cómo toman decisiones, quién es responsable de su gestión, y cómo se monitorean su calidad y rendimiento. Sin ese inventario, cualquier esfuerzo de gobernanza es cosmético.
2. Asignar dueños de riesgo de IA: el cargo que no puede seguir vacante
Los datos son contundentes: las organizaciones sin una función claramente responsable del riesgo de IA reportan puntajes de madurez significativamente más bajos en promedio 1.8 sobre 5 en comparación con aquellas que han establecido estructuras de responsabilidad explícitas. La IA no puede ser responsabilidad difusa entre TI, Legal y Cumplimiento. Alguien debe responder.
Esto implica designar roles específicos como propietarios de productos de IA, administradores de datos y, crecientemente, directores de riesgo de IA que sirvan como nodos de decisión que determinan cómo la IA se construye, despliega, monitorea y eventualmente se retira. Estos no son títulos decorativos: son la diferencia entre gobernanza real y documentación que nadie lee.
3. Incorporar el riesgo de IA al ciclo de vida completo
Uno de los errores más comunes es evaluar el riesgo de IA únicamente en el momento de contratar o implementar una herramienta. El riesgo de IA es dinámico: cambia cuando el modelo se actualiza, cuando cambia el contexto de uso, cuando se incorporan nuevos datos, o cuando el entorno regulatorio evoluciona.
Una gobernanza efectiva trata la IA como una disciplina de riesgo a lo largo de todo su ciclo de vida desde el diseño hasta el retiro y establece responsabilidad clara por los resultados de la IA, no solo por las intenciones detrás de su implementación.
4. Cuantificar el riesgo: abandonar lo cualitativo como única herramienta
En 2026, los líderes de riesgo serán juzgados menos por sus tableros de control y más por la calidad de sus decisiones. Los marcos de cuantificación de riesgo cibernético permiten traducir riesgos técnicos en impactos financieros, comparar inversiones en seguridad en términos económicos, y priorizar recursos de forma defendible ante órganos de dirección y reguladores.
Decirle al órgano director que "el riesgo de IA es alto" no es suficiente. Decirle que una vulnerabilidad no parcheada representa una exposición estimada de X millones con una probabilidad del Y% de ocurrencia: eso sí es gobernanza.
Los reguladores ya no aceptarán garantías vagas: las organizaciones deberán demostrar que sus sistemas de IA son conformes, transparentes y éticos, con evidencia técnica verificable.
5. Gestión de terceros: el riesgo que viene de afuera
Las organizaciones frecuentemente dependen de proveedores externos para el desarrollo, los datos y la implementación de IA. Pero tercerizar la ejecución no terceriza la responsabilidad. Las empresas deben establecer procesos rigurosos de gestión de proveedores, incluyendo debida diligencia exhaustiva, monitoreo continuo de cumplimiento y cláusulas contractuales que especifiquen responsabilidades ante daños relacionados con IA.
En el contexto de Mythos, esto adquiere urgencia particular: si un proveedor de software embebido en su operación tiene vulnerabilidades de décadas que una IA puede detectar y explotar en minutos, el riesgo es suyo, aunque la tecnología sea ajena. La cadena de suministro tecnológica es un vector de ataque tanto como un habilitador de negocio.
6. Adoptar marcos específicos para IA, no solo adaptar los existentes
ISO/IEC 27001 sigue siendo el estándar de referencia para la gestión de seguridad de la información, pero por sí solo no aborda varios desafíos modernos: a menudo resulta insuficiente para asegurar la efectividad continua de controles, gestionar riesgos impulsados por IA y establecer responsabilidad en tiempo real.
El marco que las áreas de riesgo deben incorporar urgentemente o como mínimo valorar es ISO/IEC 42001 el primer estándar formal de Sistema de Gestión de Inteligencia Artificial (AIMS). Este estándar trata la IA como una disciplina de gobernanza y riesgo, no solo como tecnología. Aplica supervisión del ciclo de vida completo y establece responsabilidad clara por los resultados de la IA. Complementado con el NIST AI Risk Management Framework cuya versión más reciente incluye un perfil especializado para IA en infraestructuras críticas publicado en abril de 2026 las áreas de riesgo tienen hoy herramientas sólidas disponibles. El problema no es la ausencia de marcos: es la ausencia de voluntad para implementarlos.
7. Preparar al órgano de dirección: el riesgo de IA es riesgo de negocio
El 2026 marca un punto de inflexión: los órganos de dirección y equipos ejecutivos están integrando la gobernanza de IA como una competencia central, con énfasis en aprendizaje continuo, supervisión proactiva y gestión ágil del riesgo. Las áreas de riesgo tienen la responsabilidad de ser el puente entre la complejidad técnica y la toma de decisiones estratégica.
Esto implica traducir: no hablar de "vulnerabilidades de día cero" al órgano de dirección, sino de "exposición operacional no cubierta con impacto potencial en continuidad del negocio y reputación regulatoria."
Gobernanza de IA: de opcional a imprescindible
El caso Mythos ilustra con brutal claridad algo que la industria lleva años postergando: la gobernanza de la inteligencia artificial no es un capricho regulatorio ni una tendencia de consultoría. Es supervivencia organizacional.
Las organizaciones deben entender que el riesgo de IA no se limita a los sistemas que ellas mismas implementan. Un proveedor con IA mal gobernada, una plataforma con décadas de deuda técnica, o un tercero que integra modelos sin controles adecuados son vectores de ataque tan reales como una contraseña débil. La cadena de suministro tecnológica es tan fuerte como su eslabón más vulnerable, y hoy esa cadena incluye IA de forma invisible en decenas de servicios que las empresas usan a diario.
La gestión de vulnerabilidades debe transformarse de raíz. Modelos como Mythos pueden identificar fallas complejas de seguridad en memoria y lógica escondidas en código legado, y explotarlas de formas cada vez más sofisticadas. Los ciclos tradicionales de parcheo mensual ya no son suficientes. Las organizaciones deben adoptar enfoques de remediación continua, con visibilidad permanente sobre la exposición de sus activos críticos.
Los marcos de gestión de riesgos existentes deben actualizarse activamente. ISO/IEC 27001, NIST CSF, COBIT todos tienen el músculo conceptual para incorporar los riesgos de IA, pero requieren que los equipos responsables los adapten con intención. No basta con tener una política de seguridad de la información si no cubre explícitamente el uso, adquisición, auditoría y monitoreo de sistemas de inteligencia artificial.
Lo que usted, como individuo, puede hacer
La amenaza no es abstracta ni lejana. Los atacantes ya utilizan IA para fabricar deepfakes, ejecutar robos de identidad y lanzar ataques de ransomware de forma autónoma. En ese contexto, algunas medidas concretas marcan la diferencia:
- Desconfíe de comunicaciones inesperadas, incluso si parecen perfectamente redactadas y personalizadas la IA eliminó los errores gramaticales que antes delataban el fraude.
- Active autenticación de múltiples factores en todos sus sistemas críticos, sin excepción.
- Exija a sus proveedores de tecnología transparencia sobre cómo utilizan y gobiernan la IA en los servicios que le prestan.
- Si su organización ya usa IA, documente, audite y controle: lo que no se mide no se puede proteger.
- Mantenga una cultura de verificación: ante la duda, confirme por un canal alterno antes de actuar sobre cualquier solicitud urgente recibida digitalmente.
La ironía que lo cambia todo
Hay una lección profunda en el origen de esta historia que no debe pasarse por alto. Mythos salió a la luz porque la empresa que lo creó la supuestamente más avanzada en IA del planeta cometió exactamente el tipo de error que su propia tecnología está diseñada a detectar en otros: una mala configuración humana dejó miles de archivos sensibles accesibles públicamente en un repositorio sin protección.
La sofisticación tecnológica no garantiza madurez operativa. Y la gobernanza de procesos, de personas, de sistemas sigue siendo el diferenciador real entre las organizaciones que sobreviven los incidentes y las que no.
Las empresas que continúen tratando la gobernanza de la IA como un tema de cumplimiento futuro lo aprenderán de la manera más costosa posible. La ventana para actuar de forma proactiva se está cerrando. Y a diferencia de otros riesgos tecnológicos del pasado, este no da segunda oportunidad.
"La tormenta no viene. La tormenta ya está aquí." ¡Que Glasswing nos proteja!
Ing. Luis Diego Flores, M.Sc.
Fuentes utilizadas: TechCrunch, Euronews, CBS News, SecurityWeek, CoinDesk, McKinsey AI Trust Survey 2026, NIST AI RMF, ISO/IEC 42001, Risk Management Magazine, Wiz Blog, Red Hat Blog.
