Mientras miles de investigadores, agencias gubernamentales, fabricantes de tecnología y expertos en ciberseguridad recorrían el Mandalay Bay Convention Center durante Black Hat USA, una de las conferencias más influyentes del mundo en seguridad informática, una pregunta comenzó a flotar sobre los pasillos: ¿puede una inteligencia artificial inventar una técnica de hacking que ningún ser humano haya descubierto antes?
La respuesta llegó desde una sala llamada Oceanside A.
Allí, James Kettle, director de investigación de PortSwigger y una de las figuras más respetadas de la seguridad web, presentó una charla con un título que parecía extraído de una película: “Can AI Do Novel Security Research? Meet the HTTP Terminator”.
Kettle no quería demostrar que una IA podía escribir código, resumir reportes o localizar errores conocidos. Eso ya pertenece al presente. Su experimento buscaba algo más ambicioso y también más inquietante: convertir su propia experiencia como investigador en un sistema autónomo capaz de generar hipótesis, diseñar ataques, probarlos contra sitios reales autorizados y aprender de cada resultado.
“Construir esto parecía una mala idea, así que lo hice”, escribió Kettle al describir el proyecto.
Y funcionó.
HTTP Terminator ejecutó miles de experimentos sobre la forma en que servidores, intermediarios y aplicaciones interpretan el tráfico de Internet. Buscaba pequeñas discrepancias, momentos en los que dos sistemas leyeran una misma solicitud de manera diferente. Esas grietas pueden permitir que un atacante introduzca peticiones ocultas, secuestre sesiones, robe credenciales o consiga que una infraestructura procese como legítimo algo que nunca debió aceptar.
El sistema no trabajaba como un chatbot esperando una pregunta. Formulaba hipótesis, mutaba los ataques, descartaba caminos fallidos y convertía cada anomalía en una nueva línea de investigación. Incluso podía continuar trabajando mientras su creador dormía.
En programas autorizados de divulgación de vulnerabilidades, la investigación permitió comprometer bancos, soluciones de seguridad e infraestructura gubernamental. También contribuyó al descubrimiento de un fallo desconocido en Apache Traffic Server, posteriormente identificado como CVE-2026-63078.
La escena resulta fascinante: un investigador se desconecta por la noche y, mientras duerme, una máquina continúa explorando Internet con parte de su intuición convertida en software.
Pero Black Hat también dejó claro que la IA todavía no es ese hacker todopoderoso que Hollywood prometió. HTTP Terminator producía ruido, repetía ideas conocidas, exageraba resultados y se perdía cuando necesitaba hacer un salto conceptual. La máquina encontraba señales. El humano debía comprender qué significaban.
El descubrimiento verdaderamente nuevo apareció en ese punto de encuentro: la IA observando patrones que una persona difícilmente podría revisar a escala y el investigador conectando piezas que la máquina todavía no podía interpretar.
No estamos ante el reemplazo del hacker. Estamos ante su multiplicación.
Una persona que antes podía probar cientos de escenarios ahora puede explorar decenas de miles. Una hipótesis que habría permanecido meses en una libreta puede ser sometida a experimentación durante toda una noche. La creatividad sigue siendo humana, pero la paciencia, la repetición y la velocidad ya pertenecen a la máquina.
Eso también significa que la ventana de reacción para los defensores será cada vez más pequeña. Una vulnerabilidad podrá pasar de anomalía a arma antes de que muchas organizaciones terminen siquiera de convocar una reunión.
Por eso otra presentación de Black Hat ofreció el necesario contrapeso. Yisroel Mirsky, Shir Rozenfeld, Gilad Gressel y Rahul Pankajakshan presentaron “Rules for Neural Traffic”, una nueva capa defensiva para modelos de lenguaje.
La idea es tan poderosa como sencilla: no basta con revisar lo que una IA recibe o escribe. También hay que observar lo que ocurre dentro del modelo mientras procesa una instrucción.
Actualmente, muchas defensas intentan bloquear una amenaza leyendo el prompt o filtrando la respuesta final. Pero un agente puede ocultar su intención, dividir una operación peligrosa en varios pasos o utilizar herramientas externas sin escribir una frase evidentemente maliciosa.
El equipo propuso monitorear las activaciones internas del modelo, una especie de tráfico neuronal que permite detectar comportamientos relacionados con una fuga de información, una manipulación o una acción prohibida antes de que lleguen al mundo exterior. Sería algo parecido a instalar reglas de detección dentro del razonamiento operativo de la IA.
La defensa, por tanto, no puede consistir únicamente en comprar otra plataforma. Las organizaciones deberán aislar a sus agentes, limitar sus privilegios, separar credenciales, controlar sus conexiones, registrar cada acción y exigir aprobación humana antes de permitir operaciones irreversibles.
En América Latina, donde todavía hay empresas que tardan semanas en instalar un parche y comparten contraseñas por mensajería, hablar de agentes autónomos puede parecer futurista. No lo es. Ya están entrando al correo corporativo, al desarrollo de software, a las nubes empresariales y a los procesos financieros.
Black Hat 2026 dejó dos imágenes del mismo futuro: una inteligencia artificial buscando la próxima puerta que nadie sabía que estaba abierta y otra tratando de descubrir qué piensa hacer antes de que la cruce.
La nueva carrera de la ciberseguridad no será entre humanos y máquinas.
Será entre quienes aprendan a trabajar con ellas para atacar y quienes consigan gobernarlas para defenderse.
Rafael Núñez Aponte
CEO @MasQueSeguridad
Columnista Radar Cibernético