Un atacante automatizó la búsqueda de vulnerabilidades, la explotación y el robo de datos en 105 minoristas en línea durante cinco días, con un costo operativo promedio de USD 25 por objetivo comprometido.
Entre el 21 y el 25 de agosto de 2026, un atacante logró comprometer 27 de 105 minoristas en línea utilizando tres herramientas de inteligencia artificial de código abierto que automatizaron el ciclo completo del ataque: desde la identificación de vulnerabilidades hasta la instalación de scripts de robo de datos de tarjetas de crédito. La investigación de la empresa israelí de seguridad Gambit reveló que el costo operativo promedio por cada empresa comprometida fue de USD 25, con un rango que osciló entre USD 3,13 para el objetivo más económico y USD 79,31 para el más costoso. El saldo de cuenta capturado el 25 de agosto mostró un gasto total de USD 7.005 durante cuatro semanas de operación. De solo dos empresas comprometidas se obtuvieron 600.000 detalles de tarjetas de crédito activas, y en cinco empresas adicionales se instalaron scripts de card skimmer que permiten capturar datos de pago en tiempo real.
Tres herramientas de IA orquestaron el ataque de extremo a extremo
El atacante utilizó Strix para la búsqueda automatizada de vulnerabilidades en los sitios objetivo, Cairn para la explotación autónoma de extremo a extremo de las fallas identificadas, y Hermes para orquestar la campaña completa. Las tres herramientas son de código abierto, lo que significa que cualquier persona con conocimientos técnicos básicos puede acceder a ellas sin costo de licencia. Para el acceso a modelos de lenguaje de gran escala que alimentan estas herramientas, el atacante utilizó OpenRouter, un servicio que permite acceder a múltiples modelos de IA mediante una única API. Este enfoque modular — una herramienta para cada fase del ataque — permitió que la mayoría de los accesos se lograran en pocas horas, sin intervención humana significativa después de la configuración inicial.
La automatización no solo redujo el tiempo de compromiso: también eliminó la necesidad de conocimiento profundo sobre cada objetivo específico. Strix identifica vectores de ataque potenciales mediante análisis automatizado de superficie de exposición, Cairn ejecuta la explotación adaptándose a las respuestas del sistema objetivo, y Hermes coordina la secuencia de acciones para maximizar la eficiencia operativa. El resultado es un ataque que escala horizontalmente con un costo marginal mínimo por objetivo adicional.
El modelo económico del cibercrimen automatizado cambia la ecuación de riesgo
El costo promedio de USD 25 por empresa comprometida representa una fracción del valor de los datos obtenidos. Con 600.000 detalles de tarjetas de crédito activas extraídos de solo dos empresas, el retorno sobre la inversión operativa es de varios órdenes de magnitud. Los scripts de card skimmer instalados en cinco empresas adicionales generan ingresos recurrentes sin costo operativo adicional, ya que capturan datos de cada transacción procesada mientras permanezcan sin detectar. Este modelo económico invierte la lógica tradicional del cibercrimen, donde el costo de desarrollo de herramientas y el tiempo de operador humano limitaban la escala de los ataques. Con herramientas de IA de código abierto, el costo fijo de desarrollo se distribuye entre todos los usuarios de las herramientas, y el costo variable por ataque se reduce a la tarifa de acceso a modelos de IA comerciales.
Para las empresas objetivo, la ecuación también cambia. Un minorista en línea que invierte USD 10.000 anuales en seguridad enfrenta ahora a atacantes que pueden comprometer su infraestructura por USD 25. La asimetría económica favorece al atacante en una proporción que no tiene precedente en la historia del cibercrimen. La velocidad de compromiso — pocas horas en la mayoría de los casos — reduce la ventana de detección y respuesta a un margen que muchas organizaciones no están preparadas para gestionar.
América Latina concentra minoristas con infraestructura de pago vulnerable
Aunque Gambit no especificó la ubicación geográfica de los 105 minoristas objetivo, la estructura del ataque tiene implicancias directas para América Latina. La región concentra un alto número de minoristas en línea que operan con infraestructura de pago heredada o con implementaciones de comercio electrónico basadas en plataformas de código abierto sin endurecimiento de seguridad. Brasil y México, los dos mercados de comercio electrónico más grandes de la región, tienen miles de minoristas medianos que procesan pagos con tarjeta sin equipos de seguridad dedicados. La dependencia de integradores locales para la implementación de plataformas como Magento, WooCommerce o PrestaShop — todas con historial de vulnerabilidades explotables — amplifica la superficie de exposición.
El costo de USD 25 por compromiso hace económicamente viable atacar incluso a minoristas pequeños que procesan volúmenes de transacciones modestos. Un atacante puede comprometer 100 minoristas en Argentina, Chile y Colombia por USD 2.500, con la expectativa razonable de obtener decenas de miles de detalles de tarjetas de crédito. La falta de regulación efectiva sobre estándares de seguridad en pagos en línea en varios países de la región — a diferencia de los requisitos PCI DSS (Payment Card Industry Data Security Standard) que se aplican con mayor rigor en Estados Unidos y Europa — reduce las barreras técnicas que un atacante debe superar.
Gambit contactó a las empresas afectadas pero el patrón ya está documentado
Gambit notificó a todas las empresas identificadas como comprometidas, pero la investigación no especifica cuántas de ellas ya habían detectado el compromiso de forma independiente ni cuánto tiempo permanecieron los scripts de card skimmer activos antes de la notificación. La captura del saldo de cuenta del atacante el 25 de agosto indica que la campaña llevaba al menos cuatro semanas en operación en ese momento, lo que sugiere que los scripts instalados en las primeras empresas comprometidas tuvieron tiempo suficiente para capturar datos de múltiples ciclos de transacciones. La disponibilidad pública de herramientas como Strix, Cairn y Hermes significa que este patrón de ataque no es exclusivo de un solo actor: cualquier persona con acceso a las herramientas y a una cuenta de OpenRouter puede replicar la campaña.
La intensidad de los ataques — 105 objetivos en cinco días — indica un nivel de automatización que permite a un solo operador gestionar múltiples compromisos simultáneos sin degradación de efectividad. Este patrón ya se ha documentado en campañas anteriores de credential stuffing y scraping automatizado, pero la integración de IA en la fase de explotación de vulnerabilidades representa un salto cualitativo. La explotación ya no requiere conocimiento previo de la vulnerabilidad específica ni desarrollo manual de exploits: el modelo de IA adapta la estrategia de explotación en tiempo real según las respuestas del sistema objetivo.
Nuestro análisis
Este caso documenta el momento en que la automatización mediante IA reduce el costo de compromiso por debajo del umbral que hace viable la defensa tradicional basada en inversión proporcional al riesgo. Un minorista que procesa USD 100.000 mensuales en pagos con tarjeta históricamente calculaba su inversión en seguridad como un porcentaje de ese volumen, asumiendo que el costo de un ataque dirigido sería lo suficientemente alto como para disuadir a la mayoría de los atacantes. Con un costo de compromiso de USD 25, esa lógica se invierte: el atacante puede permitirse comprometer cientos de objetivos con la expectativa de que solo una fracción tenga controles de seguridad efectivos, y aun así obtener un retorno positivo.
La disponibilidad de herramientas de IA de código abierto para explotación automatizada replica el patrón que ya se observó con herramientas de pentesting como Metasploit o frameworks de fuzzing como AFL: lo que antes requería conocimiento especializado se convierte en una capacidad commoditizada accesible para actores con habilidades técnicas básicas. La diferencia es la velocidad de ejecución y la capacidad de adaptación autónoma. Un ataque manual contra 105 objetivos en cinco días requeriría un equipo de operadores humanos trabajando en turnos; un ataque automatizado con IA requiere un solo operador configurando parámetros iniciales y monitoreando resultados.
Lo que todavía no está documentado es la tasa de falsos positivos de estas herramientas — cuántos de los 78 objetivos no comprometidos fallaron por controles de seguridad efectivos versus cuántos fallaron por limitaciones técnicas de las herramientas de explotación. Esa distinción determina si la defensa efectiva requiere endurecimiento general de superficie de ataque o si basta con implementar controles específicos que explotan debilidades conocidas de los modelos de IA actuales. ¿Cuánto tiempo tomará antes de que estas herramientas incorporen capacidades de evasión de controles de seguridad específicamente diseñadas para contrarrestar las defensas que se implementen en respuesta a esta campaña?