Una IA envió 1.060 reportes de fallas en 90 días y llegó a la cima de HackerOne. ¿Se acabó el pentest?

Noventa días, mil sesenta reportes

En junio de 2025, XBOW se convirtió en el primer sistema autónomo en liderar el ranking de Estados Unidos en HackerOne, la mayor plataforma de recompensas por fallas del mundo. En unos 90 días, el agente de pentest de la empresa envió 1.060 reportes de vulnerabilidades a programas de empresas reales. Cincuenta y cuatro de ellos, clasificados como críticos.

El mercado reaccionó rápido. XBOW levantó US$ 75 millones en junio de 2025 y otros US$ 120 millones en marzo de 2026, en una ronda que la valoró en más de US$ 1.000 millones. En agosto de 2026 le tocó a Horizon3.ai, dueña de la plataforma de pentest autónomo NodeZero: US$ 250 millones, con una valoración superior a US$ 2.000 millones. La empresa dice tener más de 6.500 organizaciones clientes y más de 300.000 pentests ejecutados en entornos de producción.

Para quien compra seguridad, la pregunta salta a la vista. Si una máquina hace en 90 días lo que a un equipo le llevaría años, ¿el pentest humano tiene fecha de caducidad?

Mi respuesta corta: el pentester, no. El pentest anual en PDF, sí. La respuesta larga está en los números.

Lo que el marcador no muestra

La propia XBOW publicó el desglose de esos 1.060 reportes. A la fecha de publicación, 130 estaban resueltos y 303 en triaje. Otros 208 habían sido marcados como duplicados, 209 como solo informativos y 36 como no aplicables. El resto esperaba análisis.

Hice las cuentas con esas cifras. Unos 4 de cada 10 reportes ya habían sido aceptados o estaban en evaluación, y otros 4 de cada 10 no iban a convertirse en una corrección. Y hay un detalle que casi ningún titular contó: el equipo de seguridad de XBOW revisó los reportes antes de enviarlos, para cumplir la regla de HackerOne sobre herramientas automatizadas.

La máquina se quedó con la cima del ranking. El triaje siguió en manos de personas.

Cuando la IA sabe dónde buscar, y cuando no

La investigación académica ayuda a entender ese patrón. En abril de 2024, investigadores de la Universidad de Illinois mostraron, en un estudio todavía en preprint y con apenas 15 vulnerabilidades conocidas, que un agente basado en GPT-4 explotaba el 87% de ellas cuando recibía la descripción oficial de la falla. Sin la descripción, el 7%. En 2025 el mismo grupo publicó CVE-Bench, con 40 fallas críticas en aplicaciones web, y el mejor agente resolvió como máximo el 13%.

Con el mapa en la mano, la IA explota muy bien. Sin el mapa, todavía tropieza bastante.

No quiero minimizar lo que las máquinas ya hacen, porque es mucho. En la final del AI Cyber Challenge de DARPA, en agosto de 2025, siete equipos analizaron más de 54 millones de líneas de código. Los sistemas encontraron 54 de las 63 fallas plantadas por los organizadores y, además, 18 vulnerabilidades reales que nadie conocía, con un costo medio de unos US$ 152 por tarea. Big Sleep, el agente que el Project Zero de Google creó con DeepMind, encontró en 2024 una falla explotable en SQLite antes de que llegara a cualquier versión oficial. En julio de 2025, según Google, se usó por primera vez para impedir la explotación de una falla que solo conocían los atacantes.

Hallar fallas se volvió rápido y barato. Lo caro pasó a ser todo lo demás.

El dinero no está apostando por el pentest de hoy

En julio, Vicente Conde escribió que el SaaS no está muriendo, sino cambiando de forma. Con agentes, el software empieza a cobrar por resultado y logra capturar una parte del valor que siempre se quedó en el trabajo humano. Para ilustrarlo, cita una diapositiva de Insight Partners que muestra la ciberseguridad como un mercado de US$ 350.000 millones entre mano de obra y servicios, de los cuales el software se queda con US$ 95.000 millones.

El pentest quizá sea el ejemplo más claro de esa tesis. MarketsandMarkets estima que el mercado de pruebas de intrusión valía US$ 1.980 millones en 2025 y proyecta US$ 4.390 millones para 2031. La valoración de una empresa y los ingresos de un mercado son medidas distintas, lo sé, y no estoy sumando una con la otra. Aun así, la comparación dice algo: los inversores asignaron a una sola empresa de pentest autónomo un valor mayor que la facturación anual de todo el sector. Nadie hace eso para competir en el mercado de pentest tal como es hoy. La apuesta es cambiar el modelo de "una prueba al año, un informe en PDF" por pruebas continuas, cobradas como software.

El detalle que debería incomodar a quien defiende

Mientras discutimos si el agente va a sustituir al pentester, el atacante ya eligió. En el informe que Anthropic publicó en noviembre de 2025 hay una campaña de espionaje, atribuida a un grupo patrocinado por el Estado chino, en la que la IA ejecutó por sí sola entre el 80% y el 90% de las operaciones tácticas contra unas 30 organizaciones.

El mismo informe muestra que hasta el atacante tuvo que revisar el trabajo de la máquina. La IA llegó a afirmar que había obtenido credenciales que no funcionaban, y Anthropic lo trata como un obstáculo para los ataques totalmente autónomos.

Los dos lados llegaron a la misma conclusión. Lo que cambia es la frecuencia: el atacante prueba todos los días, y muchas empresas prueban una vez al año.

En Brasil, lo que falta no son herramientas

ISC2 estimó en 2024 que en Brasil faltaban 214.536 profesionales de seguridad. En la edición 2025 del estudio, con más de 16.000 profesionales encuestados, la entidad dejó de calcular el déficit y pasó a medir competencias: el 59% reporta una necesidad crítica o significativa de habilidades, frente al 44% un año antes.

La regulación tampoco exige el ritual anual. La Resolução CMN 4.893 (norma del banco central brasileño), de 2021, pide a las instituciones financieras la realización periódica de pruebas y escaneos para detectar vulnerabilidades. En ningún lugar dice "pentest anual". Dice periódica, lo que deja margen de sobra para las pruebas continuas.

Tres decisiones de quien ya entendió el cambio

1. Cambiar el evento por el flujo. El pentest anual saca una foto de un entorno que cambia cada semana. Las pruebas continuas y automatizadas captan lo que la foto deja pasar, y el especialista entra donde la máquina más se equivoca: lógica de negocio, encadenamiento de fallas, contexto.

2. Comprar validación en lugar de volumen. La cifra que importa no es cuántas fallas enumera el informe. Es cuántas confirmó alguien que se pueden explotar en su entorno, y con qué impacto en el negocio. El caso de XBOW muestra que, incluso en la cima del ranking, buena parte del volumen no se convierte en corrección.

3. Darle alcance y dueño al agente de pruebas. Un agente que prueba solo también puede salirse del alcance solo. El contrato, los límites técnicos y un responsable con nombre propio tienen que existir antes del primer escaneo, y no después del primer susto. Vuelvo a este problema de rendición de cuentas en el último texto de la serie.

La pregunta para la próxima propuesta

Cuando llegue la próxima propuesta de pentest, de una consultora o de una plataforma autónoma, haga una pregunta: de cada 100 hallazgos que ustedes entregan, ¿cuántos confirmó alguien que son explotables en mi entorno, y quién firma esa confirmación?

La IA que llegó a la cima de HackerOne envió 1.060 reportes. El trabajo que valía dinero era saber cuáles de ellos importaban.