por 
En las primeras semanas de noviembre de 2026, una oleada de ciberataques sin precedentes afectó a los sistemas de refrigeración de supermercados en al menos doce países europeos: los atacantes accedieron a las plataformas de control remoto y alteraron temperaturas y ciclos de descongelación, provocando pérdidas masivas de alimentos. El ataque se extendió a tres bancos de sangre franceses, donde las neveras que almacenaban donaciones subieron de temperatura de forma drástica. Semanas antes, en septiembre, Renfe y Adif sufrieron el primer ciberataque asistido por inteligencia artificial autónoma contra un organismo público español, con una exfiltración estimada de 500 GB de datos. Estos incidentes no son casos aislados: son la confirmación de que la inteligencia artificial ha dejado de ser una herramienta exclusiva de los equipos de defensa para convertirse en el arma más sofisticada del arsenal ofensivo de los ciberdelincuentes. Entender cómo la utilizan —y cómo puede utilizarse para combatirlos— es hoy una competencia profesional imprescindible.
Cómo utilizan los ciberdelincuentes la inteligencia artificial para atacar
La inteligencia artificial no ha inventado nuevos tipos de ataque, pero ha transformado radicalmente su escala, velocidad y eficacia. Lo que antes requería semanas de trabajo manual de un equipo técnico ahora puede ejecutarse en horas mediante algoritmos que automatizan cada fase del proceso.
Guembe, Azeta, Misra, Osamor, Fernández-Sanz y Pospelova (2022), en su revisión sobre ciberataques impulsados por IA, identificaron cuatro capacidades clave que la inteligencia artificial aporta al atacante: automatización del reconocimiento de vulnerabilidades a gran escala, generación de contenido de ingeniería social altamente personalizado, capacidad de adaptación en tiempo real para evadir sistemas de detección, y creación de malware polimórfico que modifica su propio código para evitar ser identificado por los antivirus tradicionales (Guembe, B., Azeta, A., Misra, S., Osamor, V. C., Fernández-Sanz, L. y Pospelova, V., 2022. The Emerging Threat of AI-driven Cyber Attacks: A Review. Applied Artificial Intelligence, 36(1), 2037254. ).
En la práctica, esto se traduce en ataques que ya están ocurriendo y que desbordan las defensas convencionales.
Phishing generado por IA: correos que ya no tienen faltas de ortografía
El phishing ha sido históricamente el vector de entrada más utilizado en los ciberataques. Su punto débil tradicional era la calidad del engaño: correos mal redactados, con errores gramaticales y diseños poco convincentes que un usuario atento podía identificar. Los grandes modelos de lenguaje han eliminado esa barrera.
Hoy, los atacantes utilizan herramientas basadas en IA generativa para producir correos de phishing indistinguibles de comunicaciones legítimas, personalizados con datos reales de la víctima extraídos de redes sociales, filtraciones previas o fuentes abiertas. El mensaje llega con el tono adecuado, el formato corporativo correcto y una contextualización que hace extremadamente difícil detectar el engaño.
Hazell (2023), en su investigación sobre el uso de grandes modelos de lenguaje para la generación automatizada de campañas de spear phishing, demostró que los LLMs podían producir correos de phishing dirigido con tasas de éxito comparables a las de atacantes humanos expertos, pero a una fracción del coste y del tiempo, lo que permite escalar ataques que antes solo eran viables contra objetivos individuales de alto valor (Hazell, J., 2023. Large Language Models Can Be Used To Effectively Scale Spear Phishing Campaigns. arXiv preprint, arXiv:2305.06972.).
Un solo operador con acceso a un LLM puede generar miles de correos de phishing personalizados en minutos. La escala del problema ha cambiado por completo.
Deepfakes y suplantación de identidad: cuando ya no puedes fiarte de lo que ves
Los deepfakes —vídeos, audios e imágenes generados por IA que imitan la apariencia y la voz de personas reales— se han convertido en una herramienta operativa para los ciberdelincuentes. Ya no se limitan a la desinformación política: se utilizan activamente para suplantar identidades en contextos empresariales.
En los últimos meses se han documentado casos en los que los atacantes generaron vídeos en tiempo real de directivos de empresas para autorizar transferencias bancarias fraudulentas en videollamadas. La tecnología necesaria para producir estos deepfakes es cada vez más accesible y requiere menos datos de entrenamiento: con unos pocos minutos de vídeo o audio público de la persona objetivo, los modelos actuales pueden generar imitaciones convincentes.
La Agencia de la Unión Europea para la Ciberseguridad (ENISA) incluyó la manipulación de la información y los deepfakes entre las amenazas emergentes con mayor potencial de impacto en su informe de panorama de amenazas, advirtiendo de que su uso en ataques de ingeniería social dirigidos contra organizaciones está creciendo a un ritmo que supera la capacidad de detección de la mayoría de los sistemas de verificación actuales (ENISA, 2024. ENISA Threat Landscape 2024. ).
Malware que muta solo: la IA que evade las defensas
Otra aplicación ofensiva de la IA que preocupa especialmente a los equipos de ciberseguridad es el malware polimórfico generado por inteligencia artificial. A diferencia del malware tradicional, que mantiene una firma estática que los antivirus pueden identificar, el malware polimórfico modifica su propio código en cada ejecución para evitar ser detectado.
Los modelos de lenguaje han simplificado este proceso: pueden generar variantes funcionales de un mismo código malicioso de forma automatizada, cada una con una estructura diferente pero con el mismo objetivo. Esto convierte en ineficaces los sistemas de detección basados en firmas y obliga a las organizaciones a adoptar enfoques de detección basados en comportamiento, análisis heurístico e inteligencia artificial defensiva.
El ataque a la plataforma LiteLLM en octubre de 2026 ilustró otra dimensión del problema: los atacantes comprometieron las credenciales de tres desarrolladores y distribuyeron una versión manipulada del software con código malicioso diseñado para robar datos. Cuando los propios ecosistemas de IA se convierten en objetivo, la cadena de suministro tecnológica al completo queda expuesta.
La otra cara: IA como herramienta de defensa
Si la inteligencia artificial ha potenciado el ataque, también ofrece las herramientas más eficaces para la defensa. De hecho, las organizaciones que no integren IA en sus estrategias de ciberseguridad quedarán en desventaja estructural frente a atacantes que sí la utilizan.
El informe de IBM sobre el coste de las brechas de datos documentó que las organizaciones que desplegaron inteligencia artificial y automatización en sus operaciones de seguridad redujeron el coste medio de una filtración en 2,22 millones de dólares respecto a las que no las utilizaban, y que el tiempo medio de detección y contención de la brecha fue significativamente inferior. El estudio identificó la IA de seguridad como el factor individual con mayor impacto en la reducción de costes por incidente (IBM Security, 2024. Cost of a Data Breach Report 2024. ).
Las aplicaciones defensivas de la IA abarcan múltiples niveles. En detección de amenazas, los algoritmos de machine learning analizan patrones de tráfico de red en tiempo real e identifican anomalías que indicarían una intrusión antes de que se produzca el daño. En análisis predictivo, los modelos entrenados con datos históricos de ataques anticipan vectores de entrada probables y permiten reforzar las defensas de forma proactiva. En respuesta automatizada, las plataformas SOAR (Security Orchestration, Automation and Response) integradas con IA ejecutan protocolos de contención en milisegundos, aislando sistemas comprometidos antes de que el ataque se propague. Y en threat hunting, los analistas utilizan herramientas de IA para rastrear indicadores de compromiso que pasarían desapercibidos en un análisis manual.
El profesional que las empresas no encuentran
El Foro Económico Mundial estimó un déficit global de aproximadamente cuatro millones de profesionales en ciberseguridad, con un 71% de las organizaciones reportando al menos un puesto sin cubrir. El informe señaló que esta brecha se está ampliando y que la falta de talento cualificado es percibida como el principal riesgo operativo por encima de las propias amenazas técnicas (World Economic Forum, 2024. Global Cybersecurity Outlook 2024. ).
Pero el déficit no es solo cuantitativo: es cualitativo. Las empresas ya no buscan profesionales que dominen exclusivamente las herramientas de seguridad tradicionales. Necesitan perfiles que entiendan cómo funciona la inteligencia artificial, que sepan desplegar sistemas de detección basados en machine learning, que puedan analizar ataques generados por IA y que sean capaces de diseñar estrategias defensivas que integren automatización inteligente. Es un perfil híbrido —ciberseguridad más inteligencia artificial— que el mercado demanda de forma urgente y que la oferta formativa tradicional no ha cubierto.
Fórmate en el cruce entre IA y ciberseguridad
Si quieres adquirir las competencias que las organizaciones necesitan para defenderse de las amenazas más sofisticadas del panorama actual, el Máster en Inteligencia Artificial Aplicada a la Ciberseguridad te ofrece una formación que integra ambas disciplinas: desde los fundamentos de la inteligencia artificial y el machine learning hasta su aplicación directa en la detección de amenazas, el análisis forense digital, la respuesta automatizada a incidentes y el diseño de sistemas de defensa inteligentes. Un programa diseñado para profesionales que quieren situarse en la primera línea de un campo donde la demanda de especialistas supera con creces la oferta disponible.
