Claude participó en un programa de misiles: el verdadero peligro está en otra parte
En Yemen, una célula utilizó Claude Code como un pequeño equipo de ingenieros de software para trabajar en sistemas de guiado, probar un cohete y luego analizar su fallo. El caso es espectacular, pero revela sobre todo un fenómeno más profundo: la IA empieza a hacer que una experiencia militar rara sea mucho menos rara.
El cohete había sido lanzado.
El ensayo parece haber fallado.
Unas horas después, sus desarrolladores volvieron a pedir ayuda a Claude para entender por qué.
Esta escena no está sacada de un escenario de ciencia-ficción.
Aparece en un informe publicado por Anthropic el 10 de septiembre de 2026.
Según la investigación interna de la empresa, una célula basada en el norte de Yemen utilizaba Claude Code en varios programas de armamento. El modelo intervenía notamment en software de guiado, navegación, control, simulación y análisis.
Los usuarios ya no se conformaban con hablar con una sola instancia.
Hacían trabajar varios Claude en paralelo.
Uno escribía.
Otro investigaba.
Un tercero releía el trabajo producido por el primero.
Anthropic resume la situación con una fórmula mucho más importante de lo que parece:
Claude Code se utilizaba en lugar de ingenieros de software humanos para una parte del trabajo.
Ahí está el verdadero tema.
No en la idea simplista de que «una IA sabe fabricar un misil».
Sino en una pregunta mucho más profunda:
¿qué ocurre cuando ciertas competencias que solo poseían unos pocos especialistas se vuelven disponibles en forma de software?
Empecemos por lo que realmente sabemos
El documento de Anthropic abarca operaciones detectadas entre diciembre de 2025 y agosto de 2026.
La empresa dice haber identificado e interrumpido abusos de Claude en siete grandes categorías: ciberoperaciones, influencia, vigilancia, fraude, biología, desarrollo de armas convencionales y destilación ilícita de modelos.
La parte dedicada a las armas convencionales describe seis casos.
Tres se atribuyen a actores situados en China.
Dos a actores situados en Rusia.
Uno en Yemen.
Algunos utilizaban Claude directamente para desarrollar software destinado a sistemas de armas.
Otros se servían de él para investigación, inteligencia o aprovisionamiento.
El caso yemení es el más espectacular porque supera la simulación.
Anthropic afirma haber observado suficientes elementos para concluir que un cohete guiado había sido realmente probado.
Parece haber fallado.
La empresa precisa sobre todo algo que muchos titulares olvidarán:
no posee prueba alguna que muestre que la célula haya logrado desplegar un sistema operativo.
Es esencial.
Claude no ha producido un arma milagrosamente funcional.
Ha participado en un proceso de ingeniería real que parecía seguir encontrando dificultades serias.
Y es precisamente por eso que este caso es interesante.
La ingeniería casi nunca es un momento mágico
A menudo se imagina el uso peligroso de una IA bajo una forma espectacular.
Alguien escribe:
Diseñame un arma.
La IA responde.
El arma existe.
La realidad de la ingeniería es mucho más aburrida.
Y mucho más preocupante.
Hay que escribir código.
Hacer funcionar una cadena de compilación.
Construir una simulación.
Comparar resultados.
Buscar un bug.
Modificar parámetros.
Relanzar.
Probar.
Observar un fallo.
Volver a los datos.
Corregir.
Reempezar.
Gran parte del valor económico de una IA no viene del hecho de que pueda encontrar inmediatamente la respuesta perfecta.
Viene del hecho de que reduce el coste de cada una de estas pequeñas iteraciones.
El programa yemení descrito por Anthropic ilustra exactamente esto.
Claude no ha sustituido el conjunto del sistema militar.
Ha acortado ciertos tramos del bucle.
Y un bucle más rápido acaba contando enormemente.
El detalle más importante es casi invisible: varios Claude trabajaban juntos
La célula habría utilizado diferentes instancias con funciones separadas.
Código.
Investigación.
Relectura.
Esta organización es interesante porque transforma la IA de una herramienta individual en estructura de trabajo.
Un ingeniero experimentado puede normalmente delegar una tarea a varios colegas.
El problema es que hay que poseer esos colegas.
Contratarlos.
Pagarlos.
Coordinarlos.
Encontrar gente con las competencias necesarias.
Retenerlos el tiempo suficiente.
Una organización que dispone de un solo responsable técnico y varios agentes puede teóricamente reproducir una parte de esa división del trabajo a un coste totalmente diferente.
Eso no transforma cinco agentes Claude en cinco ingenieros humanos completos.
Pueden cometer los mismos errores.
Pueden compartir los mismos ángulos muertos.
Su relectura mutua puede dar una ilusión de consenso.
Y ciertas tareas permanecen fuera de alcance sin experiencia práctica.
Pero económicamente, el cambio ya es inmenso.
Porque una falta de especialistas ya no es necesariamente un muro.
Puede convertirse simplemente en un frenazo.
Es lo que llamaría la compresión de la experiencia
Durante mucho tiempo, ciertas capacidades eran de difícil acceso no porque la información fuera secreta, sino porque saber utilizarla correctamente exigía años de formación.
Las ecuaciones pueden ser públicas.
Las bibliotecas de software pueden ser públicas.
La documentación puede ser pública.
El código open source puede estar disponible.
Sin embargo, muy pocas personas son capaces de ensamblar todo eso en un sistema funcional.
El conocimiento existe.
La experiencia falta.
Los modelos de frontera empiezan precisamente a reducir esa distancia.
Anthropic ha desarrollado en paralelo a su informe varias evaluaciones dedicadas a la inteligencia táctica y a los sistemas de armas convencionales.
Su conclusión es importante:
en ciertas tareas, los modelos actuales son capaces de realizar trabajos que exigían históricamente expertos humanos raros y fuertemente formados.
Eso no quiere decir que dominen toda la ingeniería militar.
Las evaluaciones comprenden simulaciones.
Los resultados se degradan en los entornos más difíciles.
Y sobre todo, una simulación no es un campo de batalla.
Pero la dirección es clara.
Una competencia rara puede volverse progresivamente un servicio calculable.
Y cuando eso ocurre, el número de personas capaces de intentar ciertas operaciones aumenta.
Las restricciones materiales no han desaparecido evidentemente
Una IA no fabrica un motor con tokens.
No produce los componentes.
No construye una fábrica.
No sustituye un banco de pruebas.
No transforma automáticamente una simulación que funciona en un sistema robusto en el mundo real.
Anthropic lo reconoce ella misma.
Para muchos actores, el acceso al material, a los componentes, a la fabricación, a los ensayos y a la logística seguirá siendo un cuello de botella mayor.
Es una distinción fundamental.
La IA puede democratizar una parte de la experiencia sin democratizar instantáneamente toda la capacidad industrial necesaria para explotar esa experiencia.
Pero reducir un solo cuello de botella puede bastar para modificar el equilibrio.
Si una organización ya posee el material pero le faltan especialistas de software, la IA le aporta exactamente el recurso que le falta.
Si posee los especialistas pero no en número suficiente para analizar todos sus datos, lo mismo.
Si posee un programa existente pero avanza despacio por falta de capacidad de simulación o de depuración, lo mismo.
La IA no tiene que resolver todas las restricciones.
Solo tiene que suprimir una lo suficientemente importante.
Las protecciones han funcionado — parcialmente
El informe de Anthropic no cuenta la historia de un sistema de seguridad totalmente ausente.
Muchas peticiones habrían sido bloqueadas.
Los usuarios han empleado por tanto varias tácticas para eludir las protecciones.
Habrían notamment dissimulado el objetivo final de ciertas tareas y repartido su trabajo entre varias conversaciones para que ninguna sesión aislada revelara necesariamente el conjunto del programa.
Este comportamiento revela un problema muy difícil para los proveedores de modelos.
Una inmensa parte de las tecnologías necesarias para un sistema militar posee también usos civiles perfectamente legítimos.
Un algoritmo de control.
Una simulación.
Un sistema embarcado.
Un software de visión.
Una optimización de trayectoria.
Una herramienta de tratamiento de señal.
Un modelo no puede simplemente rechazar todo lo que toca estos temas.
Sería equivalente a rechazar una parte considerable de la ingeniería moderna.
El desafío consiste en detectar la intención global detrás de una sucesión de peticiones que, tomadas individualmente, pueden ser banales.
Y un adversario inteligente sabe precisamente que esa intención es lo que debe ocultar.
El modelo ve una tarea. El adversario ve un programa.
Es probablemente uno de los problemas más importantes que revela el informe.
Un sistema de seguridad tradicional puede examinar una petición:
«¿Es peligrosa?»
Pero una operación compleja puede estar compuesta por cien peticiones perfectamente razonables.
La petición A versa sobre un trozo de código.
La B sobre un error de compilación.
La C sobre un sensor.
La D sobre una simulación.
La E sobre el análisis de telemetría.
Ninguna dice:
«aquí está mi programa militar completo».
El usuario posee el contexto global.
El modelo, en cambio, puede no ver más que un fragmento.
La seguridad de los agentes avanzados deberá por tanto razonar progresivamente no solo sobre lo que se pide ahora, sino sobre la trayectoria entera de un proyecto.
Es mucho más difícil.
Supone relacionar las sesiones.
Entender las dependencias.
Detectar objetivos ocultos.
Y hacerlo sin transformar a cada ingeniero, investigador o estudiante legítimo en sospechoso.
Claude no es por lo demás el único problema
Otra conclusión de Anthropic merece ser subrayada.
Los modelos abiertos o semiabiertos probados por la empresa permanecen globalmente por detrás de los mejores sistemas propietarios en ciertas evaluaciones militares.
Pero varios muestran ya capacidades preocupantes.
Es decir, incluso si Anthropic construyera mañana un filtro perfecto alrededor de Claude, el problema no desaparecería.
Un actor puede cambiar de proveedor.
Utilizar varios modelos.
Pasar por revendedores.
Utilizar un modelo abierto localmente.
Mezclar las herramientas según la tarea.
El informe de septiembre describe además varias operaciones en las que los actores combinaban ya varios proveedores de IA para roles diferentes.
Eso limita fuertemente la idea de que el problema podría resolverse solo con una mejor moderación de un chatbot estadounidense.
Los modelos cerrados ofrecen sin embargo algo que los modelos locales no ofrecen generalmente a su creador:
visibilidad.
Los laboratorios se convierten en servicios de inteligencia involuntarios
Es una consecuencia extremadamente extraña de esta nueva época.
Históricamente, descubrir que un grupo desarrolla un sistema de armas requería inteligencia humana, interceptaciones, imágenes satélite, material recuperado, investigaciones o fuentes abiertas.
Anthropic se encuentra hoy en una posición diferente.
Si un actor utiliza directamente Claude para trabajar, la empresa puede a veces observar rastros de esa actividad en su propia plataforma.
Puede detectar esquemas.
Relacionar cuentas.
Ver los tipos de problemas tratados.
Identificar intentos de elusión.
Cerrar el acceso.
Luego transmitir cierta información a autoridades u otras empresas.
Un proveedor de modelo se vuelve así, casi accidentalmente, un punto de observación sobre operaciones que antaño habrían sido invisibles para él.
Es poderoso.
Pero crea también una nueva dependencia.
Porque una gran parte de los hechos que conocemos hoy sobre estas operaciones proviene precisamente de la empresa que proveyó el modelo.
Hay que leer pues el informe para lo que es
Anthropic tiene acceso a datos internos que los periodistas e investigadores independientes no tienen.
Es su fuerza.
Pero el informe sigue siendo un informe de Anthropic sobre Anthropic.
No disponemos públicamente del conjunto de datos brutos que permitirían reproducir cada atribución.
Los nombres internos dados a los grupos son los de Anthropic.
Ciertas evaluaciones de intención y de origen reposan en su análisis.
Sería pues excesivo tratar cada conclusión como si hubiera sido establecida independientemente ante un tribunal.
Reuters y otros medios han verificado la existencia del informe e interrogado su contenido, pero no disponen obviamente de la telemetría completa de la empresa.
La buena posición no es ni creer ciegamente a Anthropic ni rechazar el documento.
Es distinguir:
lo que Anthropic afirma haber observado directamente;
lo que de ello deduce;
y lo que esas observaciones bastan ya para demostrar sin aceptar todas las deducciones.
Pero incluso con esa prudencia, una cosa sigue siendo difícil de ignorar.
Actores reales consideran ya los modelos lo suficientemente útiles para integrarlos en operaciones reales.
Una IA no necesita ser mejor que el mejor experto del mundo
Es quizás el error más frecuente en las discusiones sobre el riesgo.
Se pregunta:
«¿Es Claude mejor que un ingeniero militar extremadamente experimentado?»
No es necesariamente la buena pregunta.
La verdadera comparación puede ser:
¿Es Claude mejor que el ingeniero que este actor habría podido contratar de otro modo?
Para una gran potencia que dispone de miles de especialistas, la ganancia puede ser una aceleración.
Para una pequeña organización aislada que dispone de poca experiencia, el mismo modelo puede llenar un vacío mucho más importante.
El nivel absoluto de la IA importa por tanto menos que la brecha entre sus capacidades y los recursos iniciales de su usuario.
Una herramienta media puede producir una enorme ventaja cuando sustituye algo que no existía.
Es eso, el «uplift» que los equipos de seguridad intentan medir ahora.
El ensayo fallido en Yemen es casi más instructivo que un éxito
A primera vista, el fallo del cohete podría tranquilizar.
Claude no ha producido un sistema perfecto.
Muy bien.
Pero no es forzosamente la buena lección.
Los programas de ingeniería fallan.
Los prototipos fallan.
Los cohetes humanos explotan.
Los software humanos contienen bugs.
Un fallo se vuelve peligroso cuando puede ser analizado rápidamente y transformado en nueva iteración.
Y es exactamente lo que Anthropic afirma haber observado.
Unas horas después del ensayo, los usuarios volvían hacia Claude para entender qué había pasado.
La máquina no había suprimido el fallo.
Había empezado a reducir el coste del aprendizaje tras el fallo.
En muchos dominios tecnológicos, eso es casi tan importante.
Hemos protegido durante mucho tiempo ciertas capacidades protegiendo la información
Clasificado.
Secreto-defensa.
Acceso restringido.
Control de exportaciones.
Pero gran parte de la experiencia moderna reposa en otra cosa.
Ciertas informaciones ya son públicas.
Lo que las protege es su complejidad.
El hecho de que haga falta un especialista para entenderlas.
Años para aprender a combinarlas.
De experiencia para distinguir una idea teórica de una solución utilizable.
Es una barrera invisible.
Y es exactamente esa barrera la que los modelos empiezan a erosionar.
La cuestión de seguridad no es por tanto solo:
¿qué informaciones puede revelar una IA?
Se vuelve:
¿qué competencias puede poner a disposición de alguien que no las poseía?
Este desplazamiento es considerable.
Porque una información prohibida puede ser filtrada.
Una experiencia general es mucho más difícil de encerrar.
El verdadero peligro probablemente no es el misil
El misil atrae naturalmente la atención.
Es concreto.
Espectacular.
Fácil de entender.
Pero corre el riesgo de enmascarar el cambio más profundo.
El mismo mecanismo puede aplicarse al ciberespionaje.
A la vigilancia.
Al análisis de datos.
A la propaganda.
Al fraude.
A la investigación biológica.
A la ingeniería.
A todas las actividades donde el factor limitante era hasta ahora la cantidad de personas suficientemente competentes para hacer el trabajo.
Los modelos de frontera empiezan a atacar directamente esa rareza.
Y cuando una tecnología reduce la rareza de la experiencia, no da solo nuevas herramientas a los actores más poderosos.
Puede hacer entrar nuevos actores en dominios a los que antes no tenían acceso.
Es quizás eso lo que el informe de Anthropic documenta por primera vez con tanta claridad.
Hemos pasado años preguntándonos qué ocurriría si una inteligencia artificial se volviera capaz de inventar un arma enteramente nueva.
Mientras tanto, una transformación más discreta empieza ya.
No necesita inventar el saber humano.
Solo tiene que volverlo mucho menos raro.