IA hoy Google corrigió más bugs de Chrome en un mes que en dos años gracias a la IA
La empresa parchó 1.072 vulnerabilidades en dos versiones de junio, superando las 1.036 de los últimos 23 lanzamientos. Es parte de un cambio de paradigma que también ejemplifica Microsoft y que ya llega a América Latina.
Google parchó 1.072 fallos de seguridad en las dos últimas versiones de Chrome, lanzadas en junio. Esa cifra supera el total de bugs resueltos en los 23 lanzamientos anteriores, que sumaron 1.036 correcciones en dos años. El salto, según la empresa, se debe al uso de modelos de lenguaje (LLM) para automatizar la detección de vulnerabilidades.
Doug Turner, director de ingeniería de Chrome, dijo que los LLM han "transformado el descubrimiento de vulnerabilidades en una operación automatizada a escala industrial". Con modelos como Gemini, la compañía ahora puede adelantarse a los atacantes y corregir fallos de forma proactiva.
No es un caso aislado. Microsoft también reportó en julio un récord de 570 parches en un solo mes, atribuyendo el aumento a sus propias herramientas de IA. Apple, en cambio, no muestra el mismo crecimiento exponencial: en 2026 lleva 482 bugs corregidos, un ritmo similar al de años anteriores.
Google DeepMind y Project Zero lanzaron además Big Sleep, una IA diseñada para encontrar vulnerabilidades en software de código abierto. Ya identificó 20 fallos en proyectos como FFmpeg e ImageMagick, sin intervención humana durante la fase de descubrimiento, aunque un experto revisó los informes antes de notificarlos. La herramienta combina la capacidad de DeepMind con la experiencia ofensiva de Project Zero.
También presentó CodeMender, un agente de IA para reparar código inseguro de forma autónoma. La idea es que el sistema no solo detecte el error, sino que genere y aplique la corrección, reduciendo el tiempo entre hallazgo y parche.
El fenómeno está respaldado por un estudio académico de la Universidad de Auckland que anticipa una "asociación simbiótica" entre desarrolladores humanos e IA en todas las fases del ciclo de vida del software, desde la elicitación de requisitos hasta el mantenimiento. Los investigadores advierten que la comunidad de ingeniería de software debe adaptar sus métodos empíricos para estudiar un entorno donde los límites entre "desarrollador", "herramienta" y "artefacto" se vuelven difusos.
Para las empresas latinoamericanas, el impacto es directo. La mayoría de las aplicaciones web y móviles en la región corren sobre infraestructura que depende de navegadores Chrome o de bibliotecas de código abierto como las que ataca Big Sleep. Un equipo de seguridad típico en una startup o en una corporación regional difícilmente tiene la capacidad de auditar manualmente miles de líneas de código. La llegada de agentes como CodeMender o Big Sleep significa que pronto será posible delegar parte de esa tarea a sistemas automatizados, pero también exige prepararse para recibir informes de vulnerabilidades generados por IA, que pueden incluir falsos positivos. La confianza en estos sistemas aún es un desafío: mantenedores de proyectos han reportado "alucinaciones" que generan alertas sin sustento.
El cambio de escala es inevitable. Lo que antes requería meses de trabajo humano ahora se resuelve en horas con modelos de lenguaje. La pregunta para los CTOs y líderes de seguridad en la región no es si adoptarán estas herramientas, sino cómo integrarán sus hallazgos en un flujo de respuesta que no colapse por el ruido.
