Anthropic presentó Mythos como una IA demasiado peligrosa, y el problema va más allá de los bancos

La historia de Mythos importa no porque Anthropic haya asustado a los banqueros, sino porque ha mostrado a todo el mundo empresarial una nueva realidad: el tiempo entre el descubrimiento de un agujero de software y un ataque real casi ha desaparecido. Antes, las empresas operaban con la lógica de «primero anunciamos la vulnerabilidad y luego los clientes instalan el parche con calma». Con la llegada de modelos de IA más autónomos, ese esquema empieza a romperse. Y el eslabón más vulnerable no es Wall Street, sino miles de organizaciones peor protegidas, que no tienen ni un equipo de especialistas caros ni presupuesto para reconstruir sus defensas de inmediato.

Cuando Anthropic anunció Mythos el 7 de abril de 2026 y dio a entender a la vez que el modelo era demasiado peligroso para un lanzamiento normal, la primera reacción fue previsible: es un problema sobre todo para los bancos y las infraestructuras críticas. Pocos días después, el secretario del Tesoro de EE. UU., Scott Bessent, reunió a los directivos de los mayores bancos para asegurarse de que se tomaban la amenaza en serio. Para Anthropic fue una publicidad ideal: la compañía obtuvo máxima atención y, de paso, planteó una pregunta incómoda: quién obtiene acceso temprano a una tecnología tan potente.

Según Bloomberg, el propio Tesoro de EE. UU. también busca ahora acceso a Mythos. Mientras tanto, el AI Security Institute británico ya tiene acceso al modelo y se ha convertido en la práctica en uno de los principales árbitros independientes en seguridad de la IA. Su evaluación preliminar se resume en una idea importante: hay mucho ruido en torno a Mythos, pero no es infundado. El modelo es notablemente más adecuado para ciberataques complejos que otros sistemas de IA populares, como chatbots corrientes del estilo de ChatGPT o Gemini. Pero resulta especialmente peligroso no contra los objetivos mejor protegidos, sino contra sistemas simplificados y poco defendidos.

Eso cambia el enfoque de todo el debate. Los grandes bancos suelen operar con uno de los perímetros informáticos más protegidos del mundo. La situación es mucho peor para pymes, empresas regionales de servicios, organizaciones médicas y cualquier negocio donde la seguridad ha sido durante años una tarea secundaria.

Durante mucho tiempo, el sector se rigió por el modelo de responsible disclosure, es decir, la divulgación responsable de vulnerabilidades. El proveedor encuentra el problema, publica un aviso y ofrece una corrección, y los clientes prueban el parche, aprueban los cambios y solo después lo despliegan en producción. En Microsoft esto se ha convertido en rutina, como el Patch Tuesday mensual. En bancos y grandes corporaciones, el proceso puede durar semanas o meses: los equipos de TI deben comprobar que la actualización no rompa sistemas antiguos, integraciones críticas ni normas internas. Antes de la IA generativa, esto era tolerable precisamente porque los atacantes solían necesitar aún más tiempo para convertir un error publicado en un exploit funcional.

Ahora ese margen desaparece. Hace un par de años, un atacante podía copiar la descripción de una vulnerabilidad en un chatbot, pedirle que estudiara repositorios públicos y buscara patrones similares en otro software. Hoy, con los modelos agénticos, el riesgo es mayor: estos sistemas no se limitan a sugerir una idea de ataque, sino que pueden probar variantes por sí solos, buscar cadenas de debilidades y llevar el ataque hasta el final.

Según la descripción de Anthropic, Mythos es capaz de encadenar varios errores no fatales en un escenario de intrusión de varios pasos, algo parecido a un ladrón que primero encuentra una ventana entreabierta, luego abre la puerta desde dentro y después desactiva la alarma. Ningún paso por separado da acceso total; juntos, sí.

Es un cambio importante también porque hasta ahora la IA generativa sobre todo potenciaba técnicas antiguas: ayudaba a redactar correos de phishing más convincentes, crear deepfakes verosímiles para llamadas y acelerar la preparación rutinaria de ataques. La IA agéntica traslada la automatización al propio oficio de la intrusión. Y los delincuentes tienen desde hace tiempo su propia lógica: van menos de frente contra los mayores bancos, porque es demasiado caro y difícil, y buscan más a menudo hospitales, pequeñas tiendas online o empresas con infraestructura mal configurada.

Para esos objetivos lo crítico ni siquiera es si el atacante tiene Mythos, sino que la ventana entre la publicación de una vulnerabilidad y su explotación se ha reducido a un mínimo peligroso. Según zerodayclock.com, el tiempo medio entre la divulgación pública de un error de software y la creación de un exploit funcional ha pasado de 771 días en 2018 a menos de cuatro horas ahora.

Qué significa

Mythos no es solo una historia llamativa sobre una «IA demasiado peligrosa», sino también una señal de que el antiguo régimen de ciberdefensa deja de funcionar. Los bancos probablemente podrán adaptarse más rápido: tienen personal, dinero y procesos. El problema principal es todos los demás. Las pymes tendrán que actualizar sus sistemas casi en tiempo real, y sin nuevo apoyo técnico y reglas regulatorias más estrictas, es poco probable que el mercado ofrezca por sí solo esa velocidad.