IA como copiloto de ciberdelincuentes — el patrón que detectó Unit 42 en LATAM

Investigadores de Unit 42 (Palo Alto Networks) documentaron ciberdelincuentes que usan Claude y GPT-4.1 para resolver problemas técnicos durante intrusiones activas en México, Ecuador y Brasil.

Resumen ejecutivo

En 30 segundos

• Unit 42 (Palo Alto Networks) publicó el 3 de septiembre de 2026 una investigación sobre dos campañas de intrusión en América Latina en las que los atacantes utilizaron inteligencia artificial para mejorar sus capacidades operativas.
• Las campañas, identificadas como CL-CRI-1131 y CL-CRI-1163, afectaron a organizaciones de transporte, ministerios federales y servicios de agua en México y Ecuador, y al sector financiero en Brasil.
• Los ciberdelincuentes usaron una instancia propia de NextChat conectada a modelos comerciales (Claude y GPT-4.1) para resolver problemas técnicos que encontraban durante la intrusión, según Unit 42.
• Las organizaciones deben priorizar la detección basada en comportamiento (herramientas y scripts que cambian con rapidez) por sobre la detección basada en firmas conocidas.
• Un segundo informe de Unit 42, publicado casi en simultáneo, documentó un ataque empresarial asistido por agentes de IA que comprimió cerca de dos semanas de trabajo humano en menos de diez horas.

¿Por qué importa?

La novedad de esta investigación no es que existan ciberdelincuentes utilizando asistentes de inteligencia artificial: eso ya se documentaba desde antes. Lo distintivo, según Unit 42, es que el modelo de lenguaje aparece integrado dentro del propio proceso operativo de la intrusión, no solamente como herramienta de preparación previa al ataque (redacción de mensajes de phishing o generación de código).

En la campaña mexicana, los atacantes tuvieron dificultades para extraer información sensible de los sistemas comprometidos. Tras varios intentos fallidos de acceder al registro SAM y al archivo NTDS.dit, modificaron su procedimiento e incorporaron técnicas adicionales, incluida la creación de copias de volumen en sombra (Volume Shadow Copies). Unit 42 vincula ese patrón de intento, fallo y modificación con el uso de modelos de lenguaje para resolver los obstáculos técnicos encontrados durante la operación.

Esto conecta con una investigación previa de Trend Micro sobre el uso de agentes de IA en campañas contra organizaciones gubernamentales y financieras de la región, lo que sugiere que el fenómeno no depende de una sola fuente ni de un solo proveedor de ciberseguridad.

Qué pasó

Unit 42, el equipo de inteligencia e investigación de amenazas de Palo Alto Networks, publicó el 3 de septiembre de 2026 una investigación sobre dos campañas de intrusión y exfiltración de datos dirigidas contra organizaciones de América Latina, en las que los atacantes utilizaron inteligencia artificial para mejorar sus capacidades operativas.

Las campañas fueron identificadas como CL-CRI-1131, dirigida principalmente contra organizaciones de México y Ecuador —incluyendo una organización del sector transporte, ministerios federales mexicanos y servicios municipales de agua—, y CL-CRI-1163, dirigida contra organizaciones del sector financiero de Brasil. Unit 42 aclara que trata a ambas como clusters de actividad diferentes, no necesariamente como obra de un único actor, aunque identificó coincidencias técnicas y de comportamiento entre ellas, incluyendo infraestructura de retransmisión SOCKS5 y el uso de modelos de lenguaje comerciales.

La actividad de CL-CRI-1131 comenzó al menos en febrero de 2026 y continuó posteriormente; Unit 42 observó infraestructura asociada en abril y junio de 2026. Durante una intrusión de abril de 2026, los atacantes intentaron obtener el registro SAM de Windows y el archivo NTDS.dit de un controlador de dominio. Los intentos iniciales no tuvieron éxito, por lo que los operadores recurrieron a comandos para crear Volume Shadow Copies y desde allí intentar acceder a la información, mediante una secuencia de scripts batch numerados y sucesivos.

Uno de los hallazgos centrales de Unit 42 fue una instancia de NextChat —una interfaz web de código abierto para interactuar con distintos modelos de lenguaje— alojada en infraestructura controlada por los atacantes, en la dirección 178.128.87[.]160, puerto TCP 3000. Unit 42 vincula esta actividad con informes previos que describen el uso de Claude y GPT-4.1 para resolver problemas técnicos que surgían durante las campañas.

En el caso brasileño (CL-CRI-1163), el acceso inicial observado en febrero de 2026 se produjo mediante un correo de phishing relacionado con una oferta de empleo y un archivo adjunto. Tras el acceso inicial, los atacantes desplegaron distintos RAT (troyanos de acceso remoto) y herramientas de tunelización, entre ellas SockTz, un proxy/túnel SOCKS5 basado en Go. Unit 42 observó intentos de instalar sucesivamente las versiones 1 a 8 de esta herramienta en un período aproximado de dos horas; cuando esos intentos no funcionaron, los operadores cambiaron a infraestructura bajo su propio control para obtener la versión 9.

En un servidor identificado en 167.148.195[.]53, los investigadores encontraron un directorio abierto con cientos de archivos y scripts vinculados a distintas fases de la operación, con patrones de nomenclatura —como exploit_creative.py, exploit_careful.py o rce_focused.py— que Unit 42 considera compatibles con desarrollo iterativo asistido por modelos de lenguaje.

Quién está afectado

Impacto en LATAM

Las dos campañas documentadas por Unit 42 tienen a América Latina como blanco directo, no como daño colateral de un incidente global: CL-CRI-1131 afectó a una organización de transporte, a ministerios del gobierno federal mexicano, a servicios municipales de agua y a organizaciones en Ecuador, mientras que CL-CRI-1163 se dirigió al sector financiero de Brasil. La combinación de infraestructura crítica (agua, transporte), gobierno federal y sistema financiero ubica a la región en el centro de esta tendencia, no en su periferia.

En México, no existe todavía una ley de ciberseguridad específica; el marco de protección de datos vigente es la LFPDPPP (Ley Federal de Protección de Datos Personales en Posesión de los Particulares), con el CERT-MX como referencia nacional. En Ecuador rige la Ley Orgánica de Protección de Datos Personales (2021), con EcuCERT como CSIRT nacional. En Brasil, la LGPD (Lei Geral de Proteção de Dados) es el marco regulatorio más maduro de la región en esta materia, con CERT.br como referencia; una brecha que exponga datos personales del sector financiero brasileño puede activar obligaciones de notificación ante la ANPD.

La investigación conecta además con hallazgos independientes de otros equipos sobre la región: CloudSEK publicó en junio de 2026 «Operation Escaneo», centrada en infraestructura expuesta vinculada a intrusiones contra agencias federales mexicanas e instituciones financieras, con una atribución de confianza media al actor conocido como MexicanMafia/PanchoVilla; y Trend Micro documentó en mayo de 2026 dos campañas —SHADOW-AETHER-040 y SHADOW-AETHER-064— con uso de agentes de IA contra organizaciones gubernamentales y financieras de la región. Que tres equipos de investigación distintos, con metodologías propias, documenten un patrón similar en América Latina en el mismo semestre sugiere que la incorporación de IA a las intrusiones ya no es un caso aislado sino una tendencia regional en desarrollo.

Qué deben hacer los CISO

1. Incluir en el threat hunting la búsqueda de interfaces de chat con LLM (como NextChat) expuestas a Internet, propias o de terceros conectados a la organización.
2. Revisar si los controles de detección actuales dependen predominantemente de firmas conocidas, dado que Unit 42 documenta herramientas y scripts que los atacantes modifican y regeneran durante la propia operación.
3. Verificar con el equipo de infraestructura si existen alertas configuradas para la creación de Volume Shadow Copies fuera de procesos de backup autorizados y para accesos al registro SAM o al archivo NTDS.dit.
4. Evaluar la exposición de servidores de staging y directorios listables en la infraestructura propia y de proveedores, dado que Unit 42 identificó esos errores de configuración como el punto débil de los propios atacantes.

Qué deben hacer los developers

1. Auditar la infraestructura de tunelización interna (proxies SOCKS5, VPN internas) para detectar procesos o binarios no autorizados que coincidan con el patrón de versiones sucesivas descrito para SockTz.
2. Revisar logs de PowerShell y de certutil en busca de uso anómalo, uno de los indicadores que Unit 42 asocia a esta actividad.
3. Aplicar controles de egress filtering que limiten conexiones salientes no autorizadas hacia infraestructura de terceros, dado que los atacantes dependieron de infraestructura propia para retransmitir tráfico.

Nuestro análisis

Lo más significativo de esta investigación no es que existan ciberdelincuentes usando modelos de lenguaje —eso ya era previsible— sino el lugar que ese uso ocupa dentro del ciclo operativo del ataque. Unit 42 no describe un chatbot usado antes del ataque para redactar un correo de phishing; describe una instancia de NextChat, alojada en infraestructura propia de los atacantes, consultada mientras la intrusión ya estaba en curso, para resolver un problema concreto (la extracción fallida de SAM y NTDS.dit).

Ese matiz es relevante porque reduce, en la práctica, la barrera de conocimiento técnico especializado que antes requería sostener una intrusión contra infraestructura crítica. El patrón de intento, fallo y modificación que documenta Unit 42 en la campaña mexicana —y la sucesión de nueve versiones de SockTz en apenas dos horas en la campaña brasileña— es compatible con un ciclo de iteración asistido, donde el operador prueba, consulta al modelo por qué algo no funcionó y ajusta el siguiente intento con mayor velocidad que la que permitiría un desarrollo manual.

Al mismo tiempo, Unit 42 documenta que esa misma incorporación de IA no vino acompañada de una mejora en la seguridad operacional de los atacantes: dejaron expuestos directorios con cientos de archivos, una interfaz de NextChat accesible y certificados con patrones reutilizados entre campañas, lo que permitió reconstruir buena parte de la operación. La lectura que se desprende de la evidencia disponible es que la IA amplía la capacidad técnica del atacante para resolver problemas puntuales, pero no sustituye la disciplina operacional que distingue a un grupo maduro de uno que recién está incorporando estas herramientas.

Qué puede pasar ahora

Con base en lo documentado por Unit 42 y en la evidencia independiente de Trend Micro y CloudSEK sobre patrones similares en la región, son plausibles los siguientes escenarios:

1. Es probable que aparezcan variantes de estas campañas contra otros países de la región con infraestructura crítica o administración pública expuesta de forma comparable a la de México y Ecuador.
2. Si la tendencia observada se mantiene, es esperable que más investigaciones documenten instancias propias de interfaces de LLM (como NextChat) alojadas por atacantes, en lugar de uso directo de servicios comerciales de IA.
3. La atribución de CL-CRI-1131 a un actor específico podría precisarse: CloudSEK ya vincula parte de la actividad con confianza media a MexicanMafia/PanchoVilla, mientras que Unit 42 aún trata los clusters de forma independiente.

Qué monitorear: actualizaciones de Unit 42 sobre los clusters CL-CRI-1131 y CL-CRI-1163, nuevas versiones de SockTz u otras herramientas de tunelización con el mismo patrón de iteración, y eventuales avisos de CERT-MX o EcuCERT vinculados a esta actividad.

Recomendaciones

Inmediato (0-24 horas)

• ☐ Verificar si existen instancias de NextChat u otras interfaces de LLM expuestas a Internet en la organización o en proveedores conectados.
• ☐ Revisar alertas de creación de Volume Shadow Copies y de acceso a SAM/NTDS.dit fuera de procesos autorizados.
• ☐ Auditar tráfico saliente hacia infraestructura de proxy/túnel SOCKS5 no reconocida.

Corto plazo (1-7 días)

• ☐ Reforzar la detección basada en comportamiento para complementar los controles basados en firmas, dado que los atacantes regeneran scripts y herramientas durante la propia operación.
• ☐ Revisar la exposición de servidores de staging y directorios listables, propios y de terceros.
• ☐ Incluir los IoC publicados por Unit 42 (dominios, certificados e infraestructura asociada) en las plataformas de detección.

Medio plazo (1-4 semanas)

• ☐ Evaluar la madurez de los controles de identidad y segmentación frente a un atacante que puede iterar herramientas con mayor velocidad que antes.
• ☐ Capacitar a los equipos de SOC en los indicadores descritos por Unit 42 (uso anómalo de certutil, scripts batch iterativos, múltiples versiones de una misma herramienta).

Preguntas frecuentes

¿Esto significa que Claude o GPT-4.1 atacaron organizaciones en México o Brasil?
No. Unit 42 documenta que operadores humanos incorporaron estos modelos comerciales a su infraestructura y flujo de trabajo ofensivo para resolver problemas técnicos durante la intrusión. Los modelos no ejecutaron el ataque de forma autónoma en los casos analizados.

¿Se confirmó que los ataques fueron completamente autónomos?
No, según la evidencia presentada para CL-CRI-1131 y CL-CRI-1163. Unit 42 sí documentó, en un informe distinto y casi simultáneo, un incidente empresarial con mayor grado de automatización mediante agentes de IA, que no debe confundirse con estas dos campañas latinoamericanas.

¿Se confirmó que MexicanMafia/PanchoVilla es responsable de la campaña mexicana?
CloudSEK vinculó parte de esa actividad con confianza media a ese actor en su investigación «Operation Escaneo». Unit 42, por su parte, trata CL-CRI-1131 como un cluster de actividad y no presenta esa atribución como una certeza.

¿Qué es NextChat y por qué es relevante en esta investigación?
Es una interfaz web de código abierto que permite interactuar con distintos modelos de lenguaje. Unit 42 encontró una instancia alojada en infraestructura de los atacantes, lo que les permitía trabajar con distintos modelos manteniendo las interacciones dentro de su propia infraestructura.

¿Esto afecta a organizaciones de otros países de América Latina además de México, Ecuador y Brasil?
La investigación de Unit 42 documenta actividad confirmada en esos tres países. No hay, en la fuente consultada, evidencia publicada de afectación confirmada en otros países de la región.

¿Qué deben hacer las organizaciones que no fueron mencionadas directamente en la investigación?
Dado que Unit 42 describe un patrón (uso de interfaces propias de LLM, iteración rápida de herramientas, errores de seguridad operacional) más que un ataque puntual, cualquier organización con infraestructura crítica o expuesta públicamente puede beneficiarse de revisar los indicadores descritos en la sección de recomendaciones.

Artículos relacionados

• Ransomware en 10 horas — Cómo los agentes de IA comprimen el tiempo de ataque (4 de septiembre de 2026) — nuestra cobertura del segundo informe de Unit 42 citado en esta nota, sobre la intrusión empresarial asistida por agentes que comprimió dos semanas de trabajo humano en menos de diez horas.
• Agentes de IA reescriben la velocidad del ataque en la nube — y la mayoría de las organizaciones no está lista (2 de septiembre de 2026) — análisis sobre cómo los agentes autónomos aceleran la explotación de debilidades en entornos cloud.
• LATAM fue la región con más filtraciones de datos del mundo entre 2025 y 2026 (1 de septiembre de 2026) — contexto regional sobre exposición de datos en Argentina, México, Brasil, Ecuador y otros países de la región.
• CrowdStrike lanza modelos de IA ofensivos y defensivos entrenados con 15 años de telemetría real (3 de septiembre de 2026) — panorama sobre la adopción de IA tanto ofensiva como defensiva en la industria de ciberseguridad.

El laboratorio — Análisis técnico detallado

Esta sección está dirigida a profesionales técnicos de ciberseguridad. Si busca un resumen ejecutivo, consulte las secciones anteriores.

Cómo funciona

Según la reconstrucción de Unit 42, la campaña CL-CRI-1131 siguió, al menos en la intrusión de abril de 2026, una secuencia observable de los siguientes pasos:

Paso 1 — Intento de extracción de credenciales. Los atacantes intentaron obtener el registro SAM de Windows y el archivo NTDS.dit de un controlador de dominio mediante los métodos habituales, sin éxito inicial.

Paso 2 — Iteración asistida. Ante el fallo, los atacantes modificaron su procedimiento a través de una secuencia de scripts batch numerados y sucesivos. Unit 42 asocia este patrón de intento, fallo y modificación con la consulta a modelos de lenguaje para resolver el obstáculo técnico.

Paso 3 — Cambio de técnica. Finalmente recurrieron a la creación de Volume Shadow Copies (copias de volumen en sombra) como vía alternativa para acceder a la información que no habían podido extraer directamente.

Paso 4 — Infraestructura de soporte con IA. En paralelo, Unit 42 identificó una instancia de NextChat alojada en 178.128.87[.]160:3000, que habría permitido a los operadores interactuar con modelos comerciales (Claude, GPT-4.1) manteniendo el flujo de trabajo dentro de infraestructura propia.

En la campaña CL-CRI-1163 (Brasil), la secuencia documentada fue:

Paso 1 — Acceso inicial. Correo de phishing con oferta de empleo y archivo adjunto, en febrero de 2026.

Paso 2 — Despliegue de herramientas. Instalación de RAT y de un proxy/túnel SOCKS5 basado en Go llamado SockTz.

Paso 3 — Iteración de versiones. Intentos sucesivos de instalar las versiones 1 a 8 de SockTz en un lapso aproximado de dos horas; al no funcionar, los operadores recurrieron a infraestructura propia para obtener la versión 9.

Paso 4 — Exposición del directorio de desarrollo. Un servidor en 167.148.195[.]53 quedó con un directorio abierto que contenía cientos de archivos y scripts de distintas fases de la operación, con nombres como exploit_creative.py, exploit_careful.py y rce_focused.py, que Unit 42 asocia a un patrón de desarrollo iterativo asistido por modelos de lenguaje.

Indicadores de compromiso (IoC)

Nota: los IoC fueron publicados por Unit 42 como parte de su investigación original. CiberseguridadLatam no genera IoC propios.

MITRE ATT&CK

CVE

Al cierre de esta edición no se ha asignado un CVE específico a esta actividad. Unit 42 la clasifica como una campaña de intrusión y exfiltración con uso operativo de inteligencia artificial, no como la explotación de una vulnerabilidad puntual.

Línea de tiempo

• 2026-02 — Inicio de la actividad de CL-CRI-1131 (México/Ecuador), según Unit 42.
• 2026-02 — Acceso inicial de CL-CRI-1163 (Brasil) mediante phishing con oferta de empleo.
• 2026-04 — Intento fallido de extracción de SAM/NTDS.dit e iteración con Volume Shadow Copies en CL-CRI-1131; Unit 42 observa infraestructura asociada a la campaña.
• 2026-05-11 — Trend Micro publica «Vibe Hacking», sobre las campañas SHADOW-AETHER-040 y SHADOW-AETHER-064.
• 2026-06 — Unit 42 observa infraestructura adicional asociada a CL-CRI-1131.
• 2026-06-17 — CloudSEK publica «Operation Escaneo», con atribución de confianza media a MexicanMafia/PanchoVilla.
• 2026-09-02 — Unit 42 publica «An AI-Assisted Cyber Attack: Inside a Unit 42 Investigation», sobre un incidente empresarial distinto con mayor automatización.
• 2026-09-03 — Unit 42 publica la investigación sobre CL-CRI-1131 y CL-CRI-1163.
• 2026-09-05 — CiberseguridadLatam publica este informe.

Contexto

La incorporación de modelos de lenguaje al proceso operativo de una intrusión —más allá de su uso previo para preparar phishing o generar código— se documenta en paralelo en al menos tres investigaciones de 2026. Trend Micro describió, en mayo, el uso de agentes de IA («agentic AI») en las campañas SHADOW-AETHER-040 y SHADOW-AETHER-064 contra organizaciones gubernamentales y financieras de la región, en operaciones que —según esa compañía— involucraron participación de agentes desde el acceso inicial hasta la exfiltración. CloudSEK, por su parte, reconstruyó en junio infraestructura expuesta vinculada a intrusiones contra agencias federales mexicanas e instituciones financieras en «Operation Escaneo», con una atribución de confianza media al actor MexicanMafia/PanchoVilla.

Unit 42 aporta, además, un segundo caso —distinto de CL-CRI-1131 y CL-CRI-1163— en el que un atacante humano utilizó IA de frontera y frameworks de agentes para ejecutar una intrusión empresarial que, según la compañía, comprimió cerca de dos semanas de trabajo humano en menos de diez horas, involucrando más de 50 técnicas de MITRE ATT&CK. Ese caso no debe presentarse como equivalente al nivel de autonomía observado en las campañas latinoamericanas: en CL-CRI-1131 y CL-CRI-1163, la evidencia disponible es compatible con un modelo de «IA como asistente ofensivo» (el atacante humano controla la operación y consulta al modelo para resolver problemas puntuales), no con el de un agente que ejecuta la cadena completa de ataque de forma autónoma.

Un elemento que atraviesa las tres investigaciones sobre América Latina es la coexistencia de capacidad técnica avanzada con errores básicos de seguridad operacional: directorios abiertos, interfaces de NextChat accesibles desde Internet y certificados con patrones reutilizados entre campañas, que fueron precisamente lo que permitió a los investigadores reconstruir buena parte de la operación.

Glosario

• Agentic AI (IA agéntica): modelos de IA capaces de ejecutar tareas de forma más autónoma, encadenando pasos y decisiones sin intervención humana en cada uno de ellos.
• CL-CRI-1131 / CL-CRI-1163: identificadores que Unit 42 asigna a los dos clusters de actividad analizados en esta investigación.
• NextChat: interfaz web de código abierto que permite interactuar con distintos modelos de lenguaje desde una infraestructura propia.
• NTDS.dit: base de datos de Active Directory que almacena, entre otra información, los hashes de contraseñas de un dominio.
• RAT (Remote Access Trojan): herramienta que permite a un atacante controlar de forma remota un sistema comprometido.
• SAM (Security Account Manager): base de datos de Windows que almacena credenciales de usuarios locales.
• SockTz: herramienta de proxy/túnel SOCKS5 desarrollada en Go, identificada en la campaña brasileña.
• Volume Shadow Copy: mecanismo de Windows para crear copias de volúmenes en un punto en el tiempo, utilizado legítimamente para backups y, en este caso, para eludir restricciones de acceso directo a archivos protegidos.

Referencias

Investigaciones

• Unit 42 (Palo Alto Networks) — «Attackers Expose Ongoing AI Tool Use Targeting Organizations in Latin America» — unit42.paloaltonetworks.com
• Unit 42 (Palo Alto Networks) — versión en español — unit42.paloaltonetworks.com/es-la
• Unit 42 (Palo Alto Networks) — «An AI-Assisted Cyber Attack: Inside a Unit 42 Investigation» — unit42.paloaltonetworks.com
• Trend Micro — «Vibe Hacking: Two AI-Augmented Campaigns Target Government and Financial Sectors in Latin America» (11 de mayo de 2026) — trendmicro.com
• CloudSEK — «Operation Escaneo: Infrastructure Exposure, TTP Analysis, and Attribution Assessment of an Advanced Intrusion Campaign Against Mexican Federal Agencies and Financial Institutions» (17 de junio de 2026) — cloudsek.com

Cobertura secundaria

• Dark Reading — «Operation Escaneo Signals Shift in LatAm Threat Landscape» — darkreading.com

Estándares

• MITRE ATT&CK — Phishing: Spearphishing Attachment (T1566.001) — attack.mitre.org
• MITRE ATT&CK — OS Credential Dumping: SAM (T1003.002) — attack.mitre.org
• MITRE ATT&CK — OS Credential Dumping: NTDS (T1003.003) — attack.mitre.org