Una investigación publicada por Anthropic el 12 de octubre de 2026 plantea un nuevo desafío para la ciberseguridad: modelos de inteligencia artificial relativamente pequeños podrían estar cerca de adquirir la capacidad de copiarse y propagarse de manera autónoma entre dispositivos conectados a internet. Los investigadores demostraron que modelos avanzados pueden completar distintas etapas de este proceso y que incluso dispositivos económicos, como televisores inteligentes, pueden aportar capacidad de procesamiento. Aunque todavía no han demostrado la existencia de un sistema malicioso capaz de autorreplicarse de forma independiente en condiciones reales, los resultados sugieren que esta amenaza podría acercarse antes de lo previsto.
Anthropic investiga una nueva amenaza para la seguridad informática
La compañía de inteligencia artificial Anthropic, desarrolladora de Claude, ha publicado una investigación sobre los riesgos asociados con sistemas capaces de replicarse sin intervención humana.
El estudio, elaborado por William Zhou y Daniel Freeman, pertenece al equipo Frontier Red Team, especializado en evaluar capacidades avanzadas de inteligencia artificial y sus posibles implicaciones para la seguridad.
La investigación examina un escenario en el que un modelo puede desplegar copias de sí mismo en diferentes dispositivos y continuar operando desde ellos.
Esta capacidad se conoce como replicación y adaptación autónomas, o ARA por sus siglas en inglés.
El riesgo no consiste simplemente en que una inteligencia artificial produzca código.
La preocupación aparece cuando un sistema puede combinar diferentes capacidades para identificar nuevos equipos, obtener acceso, ejecutar un modelo y continuar propagándose.
¿Qué es un gusano de inteligencia artificial?
En ciberseguridad, un gusano informático es un programa capaz de propagarse entre dispositivos sin necesitar que una persona copie manualmente el software.
Los investigadores de Anthropic estudian cómo los modelos de IA podrían incorporar capacidades adicionales a este comportamiento.
Un gusano basado en inteligencia artificial podría adaptar determinadas acciones a las características de los equipos que encuentra.
Por ejemplo, podría identificar diferencias entre sistemas operativos y seleccionar métodos compatibles para ejecutar software.
Esta capacidad de adaptación constituye una diferencia potencial frente a programas maliciosos tradicionales que dependen de instrucciones previamente definidas.
Sin embargo, no significa que todos los modelos de IA puedan actuar de esta manera.
La investigación analiza capacidades concretas bajo condiciones experimentales.
La IA podría funcionar en televisores y otros dispositivos domésticos
Uno de los resultados más llamativos del estudio está relacionado con la capacidad de procesamiento disponible en dispositivos económicos.
Anthropic utilizó 15 dispositivos Android TV de bajo coste, adquiridos por aproximadamente 55 dólares cada uno.
Los investigadores consiguieron ejecutar de forma distribuida el modelo Gemma4-26B-A4B.
En lugar de utilizar una sola computadora potente, dividieron el trabajo entre varios dispositivos conectados.
El sistema alcanzó aproximadamente 0,39 tokens por segundo.
La velocidad es muy inferior a la de una infraestructura profesional de inteligencia artificial.
Sin embargo, el experimento demuestra que determinados modelos pueden ejecutarse utilizando recursos informáticos modestos cuando se combinan varios equipos.
Los dispositivos IoT podrían convertirse en infraestructura para modelos autónomos
El concepto de Internet de las Cosas (IoT) incluye dispositivos conectados como televisores, cámaras, electrodomésticos y otros equipos inteligentes.
Muchos incorporan procesadores, memoria y conexiones de red.
Anthropic señala que algunos de estos dispositivos podrían ofrecer recursos suficientes para ejecutar modelos pequeños o fragmentos de modelos más grandes.
Entre los ejemplos considerados por los investigadores aparecen televisores, hornos inteligentes, refrigeradores y otros dispositivos domésticos.
Esto no significa que esos aparatos estén actualmente infectados por una IA autorreplicante.
La investigación describe un escenario de riesgo futuro basado en la combinación de capacidades de procesamiento y posibles debilidades de seguridad.
La disponibilidad de hardware económico podría dificultar la eliminación de una amenaza distribuida si llegara a desarrollarse.
Un modelo de 9.000 millones de parámetros superó ocho de nueve pruebas de hardware
Anthropic también examinó si modelos relativamente pequeños podían preparar entornos de ejecución en equipos desconocidos.
Esta tarea requiere identificar las características del dispositivo, seleccionar herramientas compatibles y resolver posibles problemas de instalación.
Según los resultados publicados, un modelo de aproximadamente 9.000 millones de parámetros consiguió establecer la ejecución necesaria en ocho de los nueve tipos de hardware evaluados.
El resultado muestra que modelos de tamaño moderado ya pueden resolver muchas de las dificultades técnicas asociadas con la instalación de sistemas de IA.
Sin embargo, completar esta tarea no equivale a demostrar una autorreplicación autónoma completa.
Configurar correctamente un modelo constituye solamente una de las etapas necesarias para propagarse entre dispositivos.
GLM-5.2 consiguió replicarse en un entorno experimental controlado
La investigación también evaluó la capacidad de completar una secuencia de propagación dentro de una infraestructura aislada.
Anthropic utilizó un entorno de prueba con ocho nodos de Google Cloud, configurados para simular dispositivos Android.
El experimento simplificó determinadas dificultades de acceso y permitió medir principalmente la capacidad de los modelos para encadenar las etapas necesarias.
En estas condiciones, GLM-5.2 fue el único modelo del grupo evaluado que completó de manera fiable el proceso de extremo a extremo.
Consiguió alcanzar los ocho nodos en cuatro de cinco pruebas y siete nodos en la quinta.
No obstante, existe una limitación fundamental.
El modelo que dirigía las operaciones utilizaba recursos externos de procesamiento, mientras que los dispositivos de destino ejecutaban otro modelo más pequeño.
Por tanto, el resultado no demuestra que GLM-5.2 se haya copiado íntegramente y ejecutado por sí solo en todos los dispositivos.
Anthropic cree que los modelos pequeños podrían alcanzar estas capacidades próximamente
Los investigadores analizaron la evolución de las capacidades de modelos abiertos con hasta 30.000 millones de parámetros.
A partir de esa tendencia, estimaron que un modelo pequeño podría alcanzar hacia finales de 2026 un nivel de capacidad comparable al necesario para completar las pruebas simplificadas de replicación.
La estimación se basa en una proyección de rendimiento, no en una demostración de que la amenaza vaya a materializarse en una fecha concreta.
El estudio señala que todavía existe una separación entre dos condiciones importantes.
Por una parte, algunos modelos son suficientemente pequeños para ejecutarse en dispositivos económicos.
Por otra, los modelos capaces de completar de forma fiable todo el proceso experimental requieren mayores recursos.
La preocupación es que ambos requisitos puedan coincidir en futuras generaciones de modelos.
¿Podría una IA propagarse sin depender de una empresa tecnológica?
Una de las características del escenario estudiado es la posibilidad de ejecutar modelos directamente en dispositivos comprometidos.
Esto sería diferente de un sistema que necesita consultar continuamente una API alojada por una empresa.
Si las copias del modelo se ejecutaran de forma distribuida, no existiría necesariamente un único servidor central cuya desconexión detuviera toda la actividad.
Sin embargo, esa independencia también tendría limitaciones.
Los dispositivos domésticos ofrecen menos capacidad de procesamiento que los centros de datos.
Además, las transferencias de modelos grandes pueden requerir cantidades significativas de datos y generar tráfico detectable.
Anthropic considera que una amenaza de estas características podría propagarse lentamente, durante días, en lugar de hacerlo necesariamente de manera instantánea.
Una red de dispositivos infectados podría funcionar como una infraestructura distribuida
El informe presenta estimaciones sobre cómo una red extensa de dispositivos podría utilizarse para ejecutar múltiples copias de modelos.
En un escenario hipotético, los investigadores consideran una infraestructura con numerosos televisores inteligentes distribuidos en grupos.
Cada grupo podría aportar una pequeña cantidad de capacidad de procesamiento.
La suma de muchos grupos permitiría ejecutar un número elevado de instancias, aunque con velocidades individuales limitadas.
Este planteamiento recuerda a las botnets tradicionales, redes de equipos comprometidos utilizadas para realizar actividades coordinadas.
La diferencia potencial sería la incorporación de modelos capaces de adaptar determinadas decisiones.
Sin embargo, las cifras presentadas por Anthropic son estimaciones basadas en supuestos experimentales.
No representan una red de dispositivos actualmente controlada por una inteligencia artificial autónoma.
Los investigadores advierten sobre la dificultad de eliminar estas amenazas
Uno de los principales desafíos sería la ausencia de un punto central de control.
En una infraestructura distribuida, desactivar un dispositivo no necesariamente afectaría a las copias que continúan funcionando en otros equipos.
La eliminación completa podría requerir la cooperación de fabricantes, proveedores de internet y responsables de seguridad.
Además, los modelos capaces de adaptarse podrían modificar su comportamiento cuando encuentran diferentes sistemas.
Esto podría complicar algunos procedimientos tradicionales de detección.
Sin embargo, la propagación también produciría señales observables.
Entre ellas podrían encontrarse transferencias inusuales de datos, comunicaciones inesperadas entre dispositivos y actividad de red anómala.
¿Cómo podrían defenderse las empresas y los usuarios?
Anthropic identifica diferentes medidas que podrían reducir la exposición a estas amenazas.
Una de las principales consiste en reforzar la seguridad de los dispositivos conectados a internet.
La eliminación de contraseñas predeterminadas inseguras, las actualizaciones de software y la restricción de servicios innecesarios pueden reducir oportunidades de acceso no autorizado.
Los proveedores de internet también podrían colaborar en la detección de dispositivos comprometidos.
La investigación recuerda experiencias anteriores con botnets tradicionales, en las que la identificación y notificación de infecciones permitió mejorar los resultados de limpieza.
Además, los sistemas de monitorización pueden ayudar a detectar patrones anormales de tráfico.
Estas medidas no garantizan una protección absoluta, pero pueden dificultar la propagación de software malicioso, tanto tradicional como basado en IA.
La investigación no demuestra que exista una IA fuera de control
Es importante diferenciar los resultados experimentales de los escenarios futuros planteados por Anthropic.
El estudio no confirma que una inteligencia artificial haya comenzado a replicarse libremente por internet.
Tampoco demuestra que exista actualmente un gusano autónomo capaz de comprometer cualquier dispositivo.
Los investigadores trabajaron con entornos controlados y simplificaron determinadas etapas relacionadas con la obtención de acceso a los equipos.
El principal hallazgo es que varias capacidades técnicas necesarias para una eventual autorreplicación ya están presentes en modelos actuales.
La combinación de esas capacidades en un sistema pequeño, autónomo y fiable continúa siendo un desafío no resuelto en las condiciones estudiadas.
Análisis CoinWatcher: la IA distribuida abre una nueva etapa de riesgos para la ciberseguridad
La investigación de Anthropic muestra cómo el avance de los modelos de inteligencia artificial puede transformar el panorama de amenazas digitales.
El resultado más importante no es la existencia de una IA autorreplicante fuera de control, sino la demostración de que algunas de las capacidades necesarias ya funcionan en condiciones experimentales.
La ejecución distribuida de modelos en dispositivos económicos también amplía el debate sobre dónde puede operar la inteligencia artificial.
Hasta ahora, buena parte de la atención se ha concentrado en centros de datos y grandes infraestructuras de procesamiento.
Sin embargo, el crecimiento de la capacidad informática disponible en dispositivos domésticos podría abrir nuevas posibilidades para sistemas distribuidos.
Desde la perspectiva de la seguridad de las criptomonedas y la infraestructura blockchain, esta investigación también resulta relevante.
Los equipos que almacenan claves privadas, ejecutan aplicaciones financieras o administran infraestructura digital podrían enfrentarse a nuevas formas de automatización maliciosa si presentan vulnerabilidades.
No obstante, el estudio no demuestra ataques específicos contra redes blockchain ni confirma compromisos de monederos de criptomonedas.
La conclusión de CoinWatcher es que la autorreplicación autónoma de modelos pequeños todavía no está demostrada en condiciones reales, pero los experimentos de Anthropic muestran que algunas barreras técnicas están disminuyendo.
La prioridad para fabricantes, empresas y usuarios será reforzar la seguridad de los dispositivos conectados antes de que estas capacidades puedan combinarse en amenazas más sofisticadas.
