El desarrollador sueco Daniel Stenberg, quien ha mantenido durante casi treinta años la biblioteca cURL —base para la transmisión de datos en miles de millones de dispositivos, desde routers hasta firmware de automóviles— cerró en enero de 2026 su programa de bug bounty en HackerOne. El motivo: los últimos dos años, la mayor parte de su tiempo la ocupaba revisando informes de vulnerabilidades generados por redes neuronales. Los informes parecían convincentes, pero no contenían vulnerabilidades reales. Tras cURL, en abril del mismo año, la empresa Nextcloud tomó una decisión similar.
Esto no es una casualidad, sino un síntoma de una crisis sistémica. El modelo de bug bounty, que durante décadas se sostuvo en la escasez de personal calificado, se ha derrumbado bajo el embate del slop de IA. El director técnico de la empresa Minimus, John Morello, ofrece una estadística elocuente: la proporción de solicitudes genuinas cayó del 15% a menos del 5%. El resto son informes verosímiles pero vacíos, que la red neuronal genera más rápido de lo que un analista puede rechazarlos.
Tres tipos de "cazadores" de bugs
El director de seguridad de la información de Sophos, Ross McKerchar, divide a los solicitantes actuales en tres categorías:
- Novatos, que ejecutan código a través de IA y envían el resultado sin verificar si se trata de una vulnerabilidad real o una alucinación.
- Investigadores experimentados, a quienes los propios agentes de IA inducen a error: la red neuronal informa de manera convincente sobre un problema inexistente, y la persona confía en ello.
- Equipos que han construido un pipeline de envío masivo de solicitudes a partir de agentes de IA, diseñado para el volumen, no para la precisión.
Las plataformas más grandes intentan combatir esto. HackerOne lanzó el sistema Hai Triage para filtrar solicitudes generadas por IA. Bugcrowd, en marzo de 2026, introdujo la verificación obligatoria de identidad, limitación dinámica de la frecuencia de envío y CAPTCHA, así como bloqueos estrictos: desde una suspensión de 30 días por 10 informes rechazados consecutivos hasta una prohibición indefinida por spam automatizado.
Experimento de Anthropic: velocidad de detección vs. velocidad de corrección
La magnitud del problema se hizo evidente tras el experimento de Anthropic con el modelo Claude Mythos 5. Esta LLM es capaz de encontrar de forma autónoma vulnerabilidades de día cero y escribir exploits funcionales para ellas. En el marco del Proyecto Glasswing, el modelo escaneó más de mil proyectos open-source, identificando 23 019 problemas potenciales, de los cuales 6202 fueron clasificados como prioritarios o críticos. Una verificación independiente de una muestra de 1752 hallazgos confirmó más del 90% como vulnerabilidades reales. Sin embargo, de todo el conjunto, los especialistas lograron corregir menos del 1%.
Este es un punto de inflexión histórico: la velocidad de detección de vulnerabilidades se ha desvinculado por primera vez de la velocidad de su verificación y corrección. Mythos 5 encontró una vulnerabilidad de 27 años en OpenBSD, una de 16 años en FFmpeg (que 5 millones de pruebas automáticas no pudieron detectar) y una cadena en el núcleo de Linux que otorga control total sobre el dispositivo.
El mercado se desplaza hacia lo exclusivo
El slop de IA ha derrumbado la vieja economía del bug bounty: los informes masivos y superficiales han devaluado las vulnerabilidades simples. Google redujo las recompensas base por errores de memoria en Chrome a $500 y eliminó los bonos por bugs simples. Al mismo tiempo, por un Proof-of-Concept pulido hay que pagar sumas sin precedentes: Apple elevó el techo por acceso al núcleo de iOS a $2 millones (con posibilidad de alcanzar $5 millones por un informe en versiones beta), Microsoft lanzó el concurso Zero Day Quest por $5 millones, y Google aumentó la recompensa por un exploit zero-click con persistencia en el chip Titan M a $1,5 millones. Esto es una defensa forzada contra el mercado negro, donde por una cadena de ataque completa se ofrecen hasta $7 millones.
La crisis apenas comienza
La situación se agrava por la presión regulatoria. El 11 de septiembre de 2026 entra en vigor la Ley de Ciberresiliencia de la UE, que exige a las empresas informar sobre vulnerabilidades explotadas activamente en un plazo de 24 horas, bajo amenaza de multas de hasta 15 millones de euros o el 2,5% de los ingresos anuales globales. La ley requiere un canal de recepción de informes funcional —precisamente el que se está viendo desbordado por el slop de IA.
El problema no se limita a las LLM de primer nivel. La empresa Aisle demostró que incluso modelos abiertos pequeños y económicos (con 3,6–5,1 mil millones de parámetros activos), con el contexto adecuado, detectan con éxito vulnerabilidades clave como CVE-2026-4747.
Mi análisis: La industria de la ciberseguridad fue diseñada para un mundo donde el principal problema era la detección. Ese mundo ha terminado. El nuevo cuello de botella es la verificación, priorización y parcheo. La IA actúa como productora de hallazgos a una escala impensable hace apenas tres años, mientras que el ser humano sigue siendo el único eslabón capaz de verificar esos hallazgos y convertirlos en una vulnerabilidad corregida. La cuestión no es si podremos encontrar bugs más rápido, sino si podremos corregirlos lo suficientemente rápido como para no ahogarnos en nuestro propio código.