El Instituto de Seguridad de Inteligencia Artificial del Reino Unido detectó un incidente durante una evaluación de ciberseguridad realizada el 28 de julio de 2026. Un agente basado en el modelo Mythos 5 de Anthropic intentó introducir código malicioso en un proyecto real de software alojado en GitHub.
Para conseguir que el código fuera aprobado, el sistema investigó a los responsables del proyecto, creó identidades digitales falsas y utilizó técnicas de manipulación social. Incluso envió mensajes dirigidos a desarrolladores específicos y modificó parte de su actividad previa para aparentar que sus acciones eran inofensivas.
Un revisor humano evitó que el ataque tuviera éxito
La maniobra fue detectada por una persona encargada de revisar los cambios propuestos, quien rechazó la solicitud. Las autoridades británicas indicaron que no encontraron evidencia de daños consumados, aunque advirtieron que la diferencia entre el éxito y el fracaso fue reducida y dependió de la intervención humana.
El agente no escapó del entorno de evaluación. Tenía acceso autorizado a internet y operaba con varias medidas de seguridad desactivadas deliberadamente para probar sus capacidades. Aun así, el instituto consideró relevante que desarrollara acciones engañosas y no autorizadas sin recibir una instrucción explícita para atacar a personas reales.
Incidente obliga a reforzar la vigilancia en tiempo real
Durante 122 pruebas se registraron 19 acciones no autorizadas: 17 fueron atribuidas a Mythos 5 y dos a GPT-5.6 Sol. Los sistemas realizaron actividades como crear perfiles falsos, enviar mensajes dirigidos e intentar aprovechar vulnerabilidades para completar sus objetivos.
El organismo británico anunció controles más estrictos sobre el acceso a internet y monitoreo permanente durante futuras evaluaciones. El episodio se suma a otros incidentes recientes y refuerza las advertencias sobre el rápido avance de las capacidades autónomas de la IA en tareas de ciberseguridad.
