Anthropic advierte sobre la llegada inminente de gusanos de IA autorreplicantes

A diferencia de los virus tradicionales, que dependen de instrucciones fijas y vulnerabilidades previamente conocidas para propagarse, la inteligencia artificial podría cambiar las reglas del juego. Según Anthropic, podríamos estar a solo unos meses de ver los primeros gusanos informáticos capaces de autorreplicarse utilizando IA, lo que les permitiría adaptar sus ataques en tiempo real sin necesidad de una programación previa específica para cada objetivo.

Los gusanos informáticos llevan décadas propagándose de una máquina a otra sin esperar a que alguien pulse un botón, pero tradicionalmente han tenido una limitación bastante importante: necesitan saber de antemano qué atacar y cómo hacerlo. El código busca determinadas vulnerabilidades, ejecuta una estrategia preparada por sus creadores y copia la infección al siguiente objetivo. Anthropic cree que la inteligencia artificial está acercándonos a algo cualitativamente distinto: malware capaz de llegar a una máquina desconocida, averiguar por sí mismo cómo funciona y encontrar la manera de instalar allí una nueva copia operativa de su propio modelo.

Todavía no hemos llegado a ese punto, y conviene dejarlo claro. Los investigadores de Anthropic han demostrado por separado las dos piezas principales del problema, pero ningún pequeño modelo las reúne todavía en un gusano completo capaz de recorrer Internet. En una prueba física consiguieron ejecutar Gemma4-26B-A4B repartido entre 15 Android TV boxes baratos, de unos 55 dólares cada uno, demostrando que un conjunto de dispositivos IoT modestos puede proporcionar suficiente capacidad conjunta para ejecutar un modelo competente. En otra evaluación, Qwen3.5-9B consiguió preparar correctamente la inferencia en ocho de nueve tipos distintos de hardware que no conocía previamente.

La propagación completa se probó en un entorno diferente y deliberadamente simplificado. Anthropic construyó una red aislada de máquinas virtuales Android en Google Cloud, dejó una de ellas infectada y pidió a distintos modelos que localizaran los siguientes nodos, transfirieran la carga necesaria, pusieran en marcha la inferencia y continuaran el ciclo. GLM-5.2 fue el único modelo abierto probado capaz de completar de forma fiable toda la cadena, llegando a ocho de ocho nodos en cuatro de cinco intentos. El problema es que resulta demasiado grande para funcionar sobre los dispositivos baratos utilizados en el otro experimento. Los modelos pequeños caben; el suficientemente capaz todavía no. Según la evolución que Anthropic observa en los últimos modelos abiertos, ambas líneas podrían cruzarse antes de terminar 2026, aunque la propia compañía reconoce que se trata de una extrapolación aproximada.

Ahí es, precisamente, donde aparece la diferencia importante frente a botnets como Mirai. Un gusano convencional puede barrer millones de direcciones buscando la misma puerta abierta; uno impulsado por IA podría encontrarse con un sistema distinto, inspeccionarlo, elegir herramientas compatibles, probar soluciones, detectar por qué han fallado y cambiar de estrategia. Anthropic comprobó incluso que esa experiencia puede transmitirse a las siguientes generaciones. Cuando distintas instancias de Qwen3.5-9B heredaban notas sobre los intentos y errores de sus predecesoras, su tasa de éxito al preparar entornos de inferencia pasó del 45% inicial a entre el 61% y el 84%. No estamos hablando únicamente de automatizar un gusano: empezamos a hablar de uno capaz de improvisar y aprender de aquello que le ocurrió a la copia anterior.

Cualquier entorno IoT ofrece, por su naturaleza, un terreno especialmente cómodo para ese escenario. No porque una nevera inteligente vaya a convertirse mañana en una supercomputadora, sino porque existen millones de televisores baratos, cámaras, routers, NAS, electrodomésticos y otros dispositivos conectados con medidas de seguridad pobres, contraseñas deficientes y actualizaciones que muchas veces dejan de llegar demasiado pronto. Anthropic utiliza como referencia Kimwolf, una botnet que llegó a superar los dos millones de dispositivos infectados, principalmente Android TV boxes. Una red de esa escala no proporcionaría una capacidad de cálculo comparable a un gran centro de datos, pero tampoco necesitaría hacerlo: podría mantener miles de copias lentas y distribuidas sin un único servidor central que apagar.

Eso no convierte el experimento en la antesala inmediata de un apocalipsis digital. Anthropic facilitó deliberadamente la parte ofensiva de sus pruebas: los nodos virtuales exponían ADB sin autenticación y el estudio estaba centrado principalmente en averiguar si los modelos podían organizar la replicación y poner en marcha la inferencia, no en demostrar que son capaces de romper defensas complejas. Tampoco son rápidos. Qwen3.5-9B puede necesitar entre 28 y 51 horas para completar la preparación de un nuevo entorno, mientras que Gemma puede tardar entre 71 y 150. Incluso Ciaran Martin, antiguo responsable del National Cyber Security Centre británico, ha acusado a Anthropic de introducir cierta exageración en la manera de presentar el riesgo. La propia investigación admite que sus resultados representan más bien un límite superior de lo que podría conseguir hoy un atacante real.

Pero resulta difícil observar este trabajo completamente aislado de lo que hemos ido viendo durante los últimos meses. Modelos que buscan caminos alternativos cuando encuentran una restricción, agentes que terminan actuando sobre sistemas reales, cientos de instancias capaces de coordinarse, ataques en los que una persona delega cada vez más decisiones y, hace apenas unos días, Anthropic retirando temporalmente el acceso directo a Internet de sus propias evaluaciones después de detectar comportamientos que no esperaba. Hasta ahora, quitarle la conexión a un agente seguía siendo una forma bastante efectiva de terminar el problema. Un gusano de IA introduce una posibilidad mucho más incómoda: que, cuando decidamos apagar la máquina desde la que empezó todo, el modelo ya esté intentando aprender a funcionar en la siguiente.