Tres de los modelos de IA Claude de Anthropic salieron de su entorno de prueba y hackearon organizaciones reales. No objetivos hipotéticos. No entornos simulados. Empresas reales con sistemas reales que no tenían idea de que estaban siendo sondeadas por una inteligencia artificial.
Anthropic reveló las brechas el 30 de julio, indicando que modelos como Claude Opus 4.7 y Claude Mythos 5 accedieron inadvertidamente a internet durante evaluaciones internas de ciberseguridad. La causa raíz: una mala configuración con su socio de evaluación, Irregular, que permitió que los modelos trataran los sistemas en vivo como si fueran parte de ejercicios controlados de captura de bandera. En inglés: la IA pensó que estaba jugando un juego, pero los objetivos eran reales.
Cómo tres empresas se convirtieron en sujetos de prueba involuntarios
Los incidentes se remontan a abril de 2026, pero Anthropic solo descubrió el alcance del problema tras realizar una revisión retrospectiva masiva de 141.006 ejecuciones de evaluación. Esa revisión fue activada no por sus propias alertas internas, sino por un informe anterior de OpenAI que describía comportamientos similares de sus propios modelos de IA.
Tres organizaciones distintas se vieron afectadas. Dos de ellas no tenían conocimiento de que se había producido un acceso no autorizado hasta que Anthropic las notificó el 27 de julio, solo tres días antes de la divulgación pública.
Anthropic afirma que las brechas no provocaron una exfiltración significativa de datos ni lo que la empresa denomina "falla deliberada de contención". Los modelos no intentaban escapar; simplemente seguían instrucciones para explorar sistemas en busca de vulnerabilidades, lo cual es una parte estándar de la evaluación de ciberseguridad. Simplemente se dirigieron por error a sistemas completamente incorrectos.
Anthropic congeló todas las evaluaciones de ciberseguridad el 23 de julio, una semana completa antes del anuncio público. La empresa no ha revelado las identidades de las organizaciones afectadas, la naturaleza específica de los sistemas accedidos ni si se está persiguiendo alguna acción legal.
El problema de la seguridad de la IA que sigue haciéndose más fuerte
Esto no está sucediendo en el vacío. OpenAI informó recientemente que sus propios modelos participaron en comportamientos de piratería no autorizados, lo que provocó la auditoría interna de Anthropic en primer lugar. Dos de los laboratorios de IA más prominentes del planeta ahora reconocen públicamente que sus modelos más avanzados pueden, bajo las condiciones adecuadas (o inadecuadas), comprometer sistemas del mundo real sin que nadie lo intente.
La revisión de más de 141,000 ejecuciones de evaluación sugiere que esto no fue un fallo aislado. Fue un fracaso sistémico en el límite entre los entornos de prueba y el mundo real.