El desarrollador sueco Daniel Stenberg, quien durante casi tres décadas ha mantenido la biblioteca cURL — base de la transferencia de datos para miles de millones de dispositivos, desde routers hasta firmware de automóviles — cerró en enero de 2026 el programa de recompensas por errores en HackerOne. Motivo: pasaba la mayor parte de su tiempo laboral analizando informes de vulnerabilidades generados por redes neuronales. Los reportes parecían convincentes, pero no contenían fallos reales. Tras él, en abril, Nextcloud tomó una decisión similar. Esto no es una casualidad, sino una crisis sistémica del modelo que ha sostenido la ciberseguridad durante décadas.
Contenido basura de IA: cuando la cantidad mata la calidad
La economía de las recompensas por errores se basaba en un principio simple: la búsqueda de vulnerabilidades es una habilidad rara y costosa, por lo que el flujo de solicitudes está naturalmente limitado por el número de especialistas calificados. Los modelos de IA avanzados eliminaron esta limitación en cuestión de meses. John Morello, director técnico de la empresa Minimus, ofrece una cifra que lo explica todo: la proporción de solicitudes genuinas cayó del 15% a menos del 5%. El resto es "contenido basura" presentado de manera verosímil, que la red neuronal genera más rápido de lo que un analista puede rechazarlo.
El director de seguridad de la información de Sophos, Ross McKerchar, divide a los participantes actuales del mercado en tres tipos: novatos que pasan código por IA y envían el resultado sin verificar; investigadores experimentados que son engañados por los propios agentes de IA; y equipos enteros que han construido un pipeline de envío masivo de solicitudes basado en redes neuronales, orientado al volumen, no a la precisión. Plataformas como Bugcrowd ya han introducido verificación de identidad obligatoria, CAPTCHA y bloqueos estrictos — hasta una suspensión de 30 días por 10 reportes rechazados consecutivos. Pero son medidas a medias.
Experimento de Anthropic: la velocidad de detección superó la velocidad de corrección
La industria experimentó un verdadero shock tras el experimento de Anthropic. El modelo Claude Mythos 5, capaz de encontrar vulnerabilidades de día cero de forma autónoma y escribir exploits funcionales para ellas, escaneó más de mil proyectos de código abierto. Resultado: 23 019 problemas potenciales, de los cuales 6202 eran prioritarios o críticos. Una verificación independiente confirmó más del 90% de los hallazgos como vulnerabilidades reales. Pero se logró corregir menos del 1%.
Entre las joyas se encuentran: una vulnerabilidad de 27 años en OpenBSD que permite colapsar cualquier servidor de forma remota; una de 16 años en FFmpeg que cinco millones de pruebas automáticas no pudieron detectar; y una cadena en el kernel de Linux que otorga control total sobre el dispositivo. El problema no es que existan fallos — siempre los ha habido. El problema es que la velocidad de detección, por primera vez en la historia, se ha desacoplado de la velocidad a la que los equipos pueden verificarlos, priorizarlos y cerrarlos con un parche.
Ni Claude Mythos 5 ni su equivalente de OpenAI — GPT-5.5-Cyber — han tenido un lanzamiento público. Antes de lanzar una herramienta que encuentra vulnerabilidades más rápido que cualquier humano, la industria necesita al menos cerrar parte de los fallos que la red neuronal ya ha encontrado en modo de prueba.
El mercado se desplaza hacia lo exclusivo
El contenido basura de IA ha derrumbado la vieja economía: los reportes superficiales masivos han devaluado las vulnerabilidades simples. Google redujo las recompensas básicas por errores de memoria en Chrome a $500 y eliminó los bonos por errores simples. En respuesta, los gigantes se ven obligados a pagar primas por exploits complejos, raros y confirmados. Apple elevó el techo por acceso oculto al kernel de iOS a $2 millones, y considerando versiones beta y la evasión del Modo de Bloqueo, hasta $5 millones. Microsoft lanzó Zero Day Quest con $5 millones, y Google aumentó la recompensa por un exploit de zero-click con persistencia en el chip Titan M a $1.5 millones.
Esto no es caridad, sino una defensa forzada contra el mercado negro, donde corredores privados ofrecen hasta $7 millones por una cadena de ataque completa para versiones actuales de iOS o Android. El mercado busca a un pequeño grupo de ingenieros cuya habilidad para ensamblar exploits complejos manualmente vale millones en medio de la automatización barata.
Reguladores y futuro: esto es solo el comienzo
El 11 de septiembre de 2026 entra en vigor la Ley de Resiliencia Cibernética de la UE, que exige a las empresas que venden productos conectados a la red informar sobre vulnerabilidades activamente explotadas en un plazo de 24 horas. La multa es de hasta €15 millones o el 2.5% de los ingresos anuales globales. La ley exige mantener un canal de recepción de informes, que ya se está viendo desbordado por el contenido basura de IA. Si cURL pudo cerrar su programa de recompensas por errores confiando en voluntarios, las corporaciones no tienen esa opción.
El problema se agrava por la asimetría entre ataque y defensa. La ventana entre la detección de una vulnerabilidad y su explotación se reduce a minutos. Mientras tanto, incluso modelos abiertos baratos con 3.6–5.1 mil millones de parámetros, con una presentación de contexto adecuada, reproducen con éxito hallazgos del nivel de CVE-2026-4747 de los casos de Anthropic.
La crisis en la ciberseguridad es el primer síntoma visible de un cambio más fundamental. La IA actúa como productora de hallazgos a una escala impensable hace tres años, mientras que el humano sigue siendo el único eslabón capaz de verificar esos hallazgos y convertirlos en una vulnerabilidad cerrada. Una dinámica similar ya se vislumbra en la jurisprudencia y la producción de contenido: la IA genera más rápido de lo que los especialistas pueden verificar.
Mi conclusión: Estamos al borde de una era donde el recurso principal no es la velocidad de detección, sino la capacidad de verificación y parcheo. Los proveedores y reguladores aún no han respondido a la pregunta de quién cerrará esta brecha. Pero una cosa está clara: el viejo modelo de recompensas por errores ha muerto. Lo reemplaza un mercado donde solo tiene valor lo que ha pasado por una verificación manual.