El informe de inteligencia de amenazas de Anthropic de septiembre de 2026 describe usos maliciosos de Claude en operaciones cibernéticas, vigilancia, campañas de influencia, estafas, riesgos biológicos, armas convencionales e intentos de copiar capacidades de modelos. La lección operativa supera cada caso: el abuso aparece cada vez más como un flujo con identidades, herramientas, movimiento de datos y acciones repetidas, no como una sola indicación obviamente dañina.
El informe cubre actividades que Anthropic afirma haber interrumpido entre diciembre de 2025 y agosto de 2026. La empresa dice que bloqueó cuentas asociadas, usó los hallazgos para reforzar salvaguardas y compartió inteligencia con socios relevantes. La información independiente de Axios y The Guardian confirma la publicación y analiza los casos de vigilancia y riesgo biológico.
Las evidencias exigen una interpretación cuidadosa. Son investigaciones de un proveedor sobre su propio servicio. Anthropic indica expresamente que los casos son notables y novedosos, pero no representan el abuso típico. Por tanto, el documento no mide la frecuencia en todo el uso de Claude ni en el mercado de IA. Sí ofrece patrones detallados que los equipos de seguridad pueden convertir en controles y pruebas.
El flujo se convierte en la unidad de riesgo
Varios casos cibernéticos incluyeron IA para apoyar u orquestar reconocimiento, desarrollo de herramientas, persistencia, procesamiento de datos y exfiltración. Los operadores humanos todavía elegían objetivos o revisaban resultados, pero la automatización redujo el trabajo necesario para mantener la actividad y adaptarse cuando los defensores reaccionaban.
Ese patrón cambia la monitorización. Un filtro que solo observa la indicación y la respuesta puede omitir la secuencia peligrosa. Los equipos necesitan visibilidad que conecte cuenta, sesión, solicitud al modelo, llamada de herramienta, sistema conectado y acción resultante. Una petición de programación aparentemente inocua puede adquirir relevancia cuando la siguen acceso a credenciales, despliegue rápido y movimiento masivo de datos.
Anthropic también describe rotación de cuentas, acceso mediante intermediarios y coordinación con otros servicios. La aplicación de políticas por el proveedor del modelo es solo una capa. Las organizaciones deberían combinar garantía de identidad, privilegios mínimos, señales de ritmo y volumen, controles de destino y revisión de cadenas de acciones inusuales.
La evidencia conductual importa más que las etiquetas
El informe muestra por qué categorías estáticas como atacante sofisticado, usuario normal o aplicación confiable pueden resultar poco fiables. La IA puede ayudar a una persona o equipo pequeño a construir flujos que antes requerían especialistas. En sentido contrario, una expresión aislada de alto riesgo no demuestra que exista una operación dañina completa.
Un modelo de control más sólido busca comportamientos a lo largo del tiempo. Las señales útiles incluyen creación repetida de cuentas, cambios repentinos de herramientas, volúmenes programados, intentos de eludir políticas, acceso a datos sensibles, reconstrucción rápida tras la detección y conexiones extrañas con infraestructura externa. Deben alimentar una cola de investigación con evidencias, no producir una acusación automática.
La guía de Maetra sobre monitorización de actividad de agentes de IA explica cómo conectar una sesión con llamadas a herramientas y resultados posteriores. La guía de registros de auditoría de IA estructura la conservación de evidencia útil y limita la recopilación innecesaria.
Los controles deben actuar antes y después de una acción
La prevención sigue siendo necesaria. Identidades separadas para agentes, permisos estrictos, destinos permitidos, restricciones de herramientas y puertas de aprobación pueden limitar lo que consigue un flujo comprometido o malicioso. Las acciones de gran consecuencia deberían exigir una autorización ligada a la solicitud específica y al contexto vigente.
La detección y la respuesta son igualmente importantes porque ninguna capa preventiva encontrará todas las secuencias dañinas. Los equipos deben poder suspender una identidad, revocar credenciales, preservar evidencias, rastrear sistemas afectados y compartir indicadores con socios. El plan de respuesta debe diferenciar un intento de infracción de un impacto externo verificado.
La distinción es importante en el informe de Anthropic. Algunos casos describen sistemas o materiales cuyo desarrollo observó la empresa. Otros contienen evidencia externa o coordinación con socios. No se confirmaron todos los resultados pretendidos. Los informes de gobernanza deben conservar esos niveles de confianza en lugar de afirmar que la IA causó cada daño descrito.
Preguntas para una revisión empresarial
Los equipos de seguridad y gobernanza deberían preguntar si cada agente de producción tiene una identidad propia y si sus permisos coinciden con la tarea declarada. Deben comprobar qué indicaciones, respuestas, llamadas a herramientas, aprobaciones y cambios pueden reconstruirse durante una investigación. También deberían probar qué ocurre si el agente repite una acción bloqueada, cambia de cuenta, cambia de herramienta o aumenta su volumen.
Los procedimientos entre plataformas importan. El proveedor del modelo puede ver la planificación mientras la empresa observa autenticación, terminales o acceso a datos. Ninguna vista es completa. Los contratos y procesos de incidentes deben definir el intercambio de indicadores, la protección de datos del cliente y quién decide cuándo existe evidencia suficiente para actuar.
Análisis de Maetra
La contribución más útil para la gobernanza es un cambio de granularidad. Las políticas no deberían limitarse a prohibir categorías de contenido. Deben describir las identidades, herramientas, rutas de datos y secuencias de acciones que necesitan prevención, monitorización o revisión humana.
Los equipos pueden empezar con tres artefactos: un inventario de agentes y conectores, un mapa de políticas al nivel de la acción y un registro de investigación que relacione alertas, evidencias y resolución. Esta combinación permite detectar abuso al nivel del flujo sin tratar cada indicación inusual como un incidente.
El informe es una buena fuente de hipótesis, no una medición neutral de la frecuencia en el mercado. Los operadores deberían usar los patrones para actualizar modelos de amenaza y pruebas de control, y después validarlos con datos de su propio entorno.