Cuando una vulnerabilidad puede pasar de ser descubierta a convertirse en un objetivo de ataque antes de que termine el ciclo tradicional de parcheo, el problema deja de ser únicamente técnico y empieza a convertirse en una cuestión de operación y costos, que es justamente el escenario en el que SonicWall está probando Claude Mythos 5 dentro del Proyecto Glasswing de Anthropic. La compañía está utilizando el modelo para investigar vulnerabilidades y revisar el código de su propio software, buscando que las fallas aparezcan en las pruebas y no después de que un atacante las encuentre.
La preocupación tiene sentido porque los fabricantes de software trabajan con ciclos en los que identificar, validar, corregir y distribuir un parche toma tiempo, mientras que los atacantes pueden aprovechar herramientas automatizadas para acelerar algunas de esas etapas. Chandro Prasad, director de producto de SonicWall, señaló que “los proveedores de seguridad no están exentos de la presión a la que se enfrentan todos los fabricantes de software en este momento”, una observación que pone el foco en una realidad sencilla: proteger a otros no elimina la necesidad de proteger el propio producto.
En ese contexto, la decisión de introducir IA directamente en los flujos de pruebas defensivas cambia el momento en que se busca el problema, porque la revisión puede formar parte de una etapa previa a la explotación. Si el proceso permite identificar una vulnerabilidad mientras el código todavía está bajo evaluación, la organización puede corregirla antes de que llegue a los usuarios y evitar parte de los costos asociados con una respuesta posterior, aunque la herramienta no elimina la necesidad de validación humana ni de los procesos tradicionales de seguridad.
Mientras tanto, el Proyecto Glasswing tiene un alcance que va más allá de SonicWall, porque Anthropic está reuniendo participantes de sectores de tecnología e infraestructura crítica para trabajar con un modelo que no está disponible públicamente. La idea es reducir la diferencia entre las capacidades que tienen los atacantes con IA y las herramientas disponibles para los equipos defensivos, de modo que la experimentación pueda convertirse en prácticas aplicables a una comunidad más amplia.
El efecto de escala aparece después
Si uno mira la posición de SonicWall dentro de ese esquema, el dato de sus más de 17.000 socios ayuda a entender por qué el experimento tiene una lectura empresarial adicional, ya que sus decisiones de seguridad pueden terminar afectando a proveedores de servicios gestionados y pequeñas y medianas empresas que dependen de esas capacidades. En otras palabras, una mejora en la detección interna de vulnerabilidades no se queda necesariamente dentro del laboratorio, porque puede terminar incorporándose a productos utilizados por una red considerable de organizaciones.
Además, SonicWall no se está limitando a utilizar el acceso a Claude Mythos 5 para su propio beneficio, porque también está compartiendo hallazgos y mejores prácticas con Anthropic para contribuir al desarrollo del marco de seguridad defensiva. Esa condición cambia el incentivo del proyecto, ya que el valor no se mide solamente por cuántos problemas encuentra una empresa, sino por cuánto conocimiento útil puede producir para que otros equipos mejoren sus propios procesos.
De modo que el verdadero indicador de este tipo de iniciativas probablemente no sea únicamente la cantidad de vulnerabilidades detectadas, sino el tiempo y los recursos que una organización puede ahorrar al encontrarlas antes de que se conviertan en incidentes. Para SonicWall, que opera con una red de más de 17.000 socios, esa diferencia puede tener una dimensión operativa importante, porque cada mejora incorporada al proceso de desarrollo puede multiplicar su efecto cuando llega a organizaciones que necesitan protegerse con recursos mucho más limitados.
