El equipo Netskope Threat Labs ha publicado sus predicciones de ciberseguridad para 2027, elaboradas por siete investigadores que analizan cómo evolucionarán el riesgo y la defensa corporativa. Según el informe, la IA adoptada dentro de las empresas provocará más brechas graves que la IA empleada por los atacantes.
Los adversarios ya cuentan con capacidades probadas para comprometer redes y continuarán utilizando LLM para ganar eficiencia, pero el cambio clave ocurrirá en el lado defensor. De acuerdo con el informe, la prisa por recortar costes lleva a las organizaciones a otorgar accesos con privilegios excesivos a agentes de IA no deterministas e impulsar el «vibe coding» entre perfiles incluso no técnicos para crear herramientas a medida. Esta combinación de IA en la sombra, software sin verificar e identidades con menor control ampliará la superficie de ataque a mayor velocidad que el uso ofensivo de la IA.
Índice de temas
Explotación de vulnerabilidades en horas y automatización defensiva
El uso de LLM en la investigación de vulnerabilidades acortará el margen entre la divulgación y la explotación. Mientras que antes detectar fallos exigía semanas de auditoría manual y conocimientos poco comunes, los modelos actuales leen código, razonan sobre fallos lógicos y generan pruebas de concepto funcionales a escala. Así, los atacantes transformarán parches en exploits de n-day mediante ingeniería inversa en cuestión de horas y hallarán 0-days en proyectos de código abierto muy extendidos, haciendo inviables los ciclos de parcheo de varias semanas.
En el ámbito defensivo, se indica que la gestión de vulnerabilidades evolucionará desde el escaneo y los tickets hacia agentes basados en LLM que clasifican, validan y corrigen errores. Dado que el volumen de CVE superará la capacidad de revisión humana y la puntuación de gravedad resultará insuficiente para priorizar, estos agentes verificarán si un fallo es alcanzable en el entorno empresarial, confirmarán su explotabilidad y propondrán un parche probado para revisión. Las organizaciones con inventarios de activos precisos y buenas pruebas de regresión obtendrán mayor ventaja, mientras que el resto desplegará parches defectuosos con mayor rapidez.
Malware generado por LLM, detección continua y nuevos frentes
Tras la circulación en 2026 de variantes de malware que emplean LLM para generar código malicioso, si la tendencia persiste en 2027 deberán revisarse las metodologías de atribución de código. Cuando los LLM redacten la mayor parte del código malicioso, las huellas de los desarrolladores y los indicadores estáticos tradicionales perderán nitidez, obligando a la inteligencia de amenazas a rastrear el uso de modelos LLM, los métodos de acceso y nuevos indicadores.
La IA pasará a formar parte de la superficie de ataque conforme crezca su adopción y capacidad, aumentando la demanda de seguridad específica para IA. Al operar los atacantes 24/7 y explotarse las vulnerabilidades nada más descubrirse, el momento y la frecuencia dejarán de actuar como límite, por lo que podría requerirse un equivalente defensivo de IA al atacante automatizado para detectar y desplegar defensas sobre la marcha.
Ataques de gran repercusión, agentes comerciales y cadena de suministro
En 2027 la IA avanzará hacia modelos de frontera más capaces y arquitecturas hipereficientes, reduciendo barreras de entrada e impulsando técnicas adversarias en el compromiso inicial, la exfiltración descubierta por IA y la llegada de modelos generativos a entornos como IoT, sistemas embebidos, infraestructuras de víctimas y blockchain.
Tras acumular zero-days, accesos previos y automatización durante 2026, los actores de amenazas desplegarán en 2027 ataques de gran repercusión y compromisos en la cadena de suministro, lo que obligará a replantear la respuesta a amenazas, el parcheo, el seguimiento de adversarios y la gestión de identidades privilegiadas.
Las compañías que comercializan agentes de IA atraerán tanto a actores estatales como a atacantes de menor nivel. Debido a que estos agentes asumen funciones propias de las aplicaciones SaaS, el robo de tokens OAuth y el acceso a datos ofrecen un mayor retorno, exponiendo a sus empleados a ataques más sofisticados que los registrados en otras firmas tecnológicas.
Los atacantes buscarán corromper los componentes que utiliza la IA para desarrollar software. Ante la tendencia de las herramientas de IA a inventar nombres de paquetes, los atacantes publicarán paquetes maliciosos reales con esos nombres para que la IA los descargue, además de introducir trampas en plugins públicos de IA y mercados de modelos. Cuando los sistemas automatizados importen estos elementos contaminados, los atacantes obtendrán acceso inmediato a la organización, por lo que será necesario verificar el origen de cada componente del software de IA.




