La IA ya escribe la mitad de tu código. El 44% sale con una vulnerabilidad

Si tu empresa ha adoptado herramientas de IA para programar, hoy la IA ya escribe, en promedio, la mitad de todo el código que se sube a producción. Y el 44% de las tareas de generación de código con IA introduce una vulnerabilidad de seguridad real, de las que un revisor humano marcaría como riesgo (Veracode, 2026 GenAI Code Security Report). No es una advertencia sobre el futuro: las CVE (vulnerabilidades ya catalogadas y públicas) atribuidas a código escrito por IA pasaron de 6 en enero de 2026 a 35 en marzo, casi seis veces más en dos meses (Georgia Tech, proyecto Vibe Security Radar). El problema no es que las empresas tarden en usar IA para programar. Es que la están usando mucho más rápido de lo que la están auditando.

El salto de «escribir más rápido» a «escribir la mitad de todo»

La tasa media de aprobación de seguridad del código generado por IA es del 56%, prácticamente igual que el 55% del informe anterior: no ha mejorado pese a que los modelos han cambiado por completo en un año (Veracode, 2026). Entre los modelos evaluados, GPT-5.5 lidera con un 68% de aprobación, pero más de la mitad de los modelos probados se quedan entre el 50% y el 53%. Los modelos de razonamiento rinden algo mejor que los que no razonan (56% frente a 51%), y los modelos «especializados en código» no son mejores que los generalistas (51% frente a 52%). En otras palabras: no existe todavía un modelo que resuelva esto por sí solo, ni pagando más por él.

El 44% no se reparte igual: ahí está lo que nadie cuenta

Lo que casi nadie dice en voz alta es que ese 44% de tareas con vulnerabilidad no es un riesgo uniforme. La IA aprueba bien los problemas que ya sabe resolver de memoria —inyección SQL, 83% de aprobación; algoritmos criptográficos, 87%— pero falla de forma sistemática en los dos tipos de fallo que casi nunca se revisan a mano porque no «rompen» nada visible: cross-site scripting (XSS), con solo un 15% de aprobación, e inyección en registros (log injection), con un 12% (Veracode, 2026). El riesgo real no está en lo que más se habla (inyecciones SQL, algo que todo equipo ya revisa), sino en lo que nadie mira porque no da errores en pantalla.

La curva de CVE que nadie está vigilando

El Systems Software & Security Lab de Georgia Tech lanzó en mayo de 2025 el proyecto Vibe Security Radar para rastrear vulnerabilidades procedentes de unas 50 herramientas de codificación con IA (Claude Code, GitHub Copilot, Cursor, Devin y otras). El resultado hasta marzo de 2026: 74 CVE confirmadas directamente atribuibles a código generado por IA, con una progresión de 6 (enero) → 15 (febrero) → 35 (marzo). Los propios investigadores calculan que la cifra real es entre 5 y 10 veces mayor en todo el ecosistema de código abierto, lo que sitúa el problema real entre 400 y 700 fallos explotables (Infosecurity Magazine, sobre el informe de Georgia Tech).

El caso que usan como ejemplo es el proyecto OpenClaw: más de 300 avisos de seguridad publicados, y los investigadores solo pudieron confirmar con certeza unos 20 casos con firma de IA porque los metadatos que delatan el origen del código suelen borrarse antes del commit. Como resume Hanqing Zhao, fundador del proyecto: «si ese commit tiene la firma de una herramienta de IA, lo marcamos; pero los equipos que hacen revisión de código no van a detectarlo todo cuando la mitad de la base de código está escrita por una máquina».

Por qué esto ya no es un problema solo de desarrolladores

El contexto lo empeora: las vulnerabilidades de software son ya el vector de entrada número uno en las brechas de seguridad, con un 31% de los casos (Verizon, 2026 Data Breach Investigations Report, citado en el informe de Veracode), y las vulnerabilidades de alto riesgo han subido un 36% interanual (Veracode, 2026 State of Software Security). No es una coincidencia con el crecimiento del código generado por IA: es la misma curva.

Esto conecta directamente con dos riesgos que ya hemos tratado por separado: el de las identidades no humanas (un agente de codificación con IA es, a efectos prácticos, una cuenta más con acceso a tu repositorio y a veces a producción) y el de los permisos mínimos de los agentes de IA: si tu copiloto de código puede desplegar directamente sin revisión, el problema no es solo la vulnerabilidad que escribe, es el acceso que tiene para publicarla. Lo mismo vale si ese agente se conecta a tus sistemas internos vía MCP: la puerta de entrada no es solo el código, es la conexión.

Qué hacer esta semana

• Audita qué porcentaje de tu código ya es IA, no a ojo: la mayoría de empresas no tiene esta cifra y es la primera pregunta que hay que responder antes de decidir cuánta revisión adicional hace falta.
• Revisa primero XSS y log injection, no solo inyección SQL: son los dos puntos donde la IA falla más (15% y 12% de aprobación) y los que menos se detectan a simple vista.
• Trata cada herramienta de codificación con IA como una identidad con acceso, no como un simple editor de texto: ¿qué puede desplegar sin que nadie lo revise?
• No asumas que un modelo «mejor» o «especializado en código» resuelve esto: ningún modelo evaluado supera el 68% de aprobación, y la diferencia entre especializados y generalistas es casi nula.
• Pregunta a tu equipo cuántos avisos de seguridad arrastra tu propio código antes de que lo haga un auditor externo o, peor, un atacante.

Cómo te ayudamos

En Optima Quantum empezamos por una auditoría de ciberseguridad que mide, con datos y no con intuición, qué parte de tu código y tus despliegues dependen hoy de herramientas de IA sin revisión de seguridad adicional, y qué acceso real tienen esas herramientas a tus sistemas. A partir de ahí diseñamos contigo el proceso de revisión y gobierno que falta, dentro de nuestros servicios de ciberseguridad, sin venderte «más IA» como solución automática a un problema que la propia IA está creando. Si tu equipo ya usa IA para programar y no sabes qué parte de ese código se ha revisado de verdad, contáctanos y lo revisamos juntos.

Preguntas frecuentes

¿Realmente el 44% del código con IA tiene una vulnerabilidad? Según el informe 2026 de Veracode, el 44% de las tareas de generación de código con IA evaluadas introdujo al menos una vulnerabilidad de seguridad real, y la tasa media de aprobación global es del 56%.

¿Qué tipos de vulnerabilidad son los más frecuentes? Los que menos se revisan a mano: cross-site scripting (solo 15% de aprobación) y log injection (12%). La inyección SQL y los algoritmos criptográficos, en cambio, se resuelven bien (83% y 87%).

¿Hay ya vulnerabilidades reales catalogadas (CVE) por este motivo? Sí: el proyecto Vibe Security Radar de Georgia Tech confirmó 74 CVE directamente atribuibles a código generado por IA entre enero y marzo de 2026, con una progresión de 6 a 35 en ese periodo.

¿Usar un modelo de IA más caro o «especializado en código» soluciona el problema? No de forma decisiva: el mejor modelo evaluado (GPT-5.5) solo llega al 68% de aprobación, y los modelos especializados en código no superan de forma relevante a los generalistas.

¿Esto afecta solo a empresas que ya tienen incidentes? No: el 31% de las brechas de seguridad en 2026 ya empiezan por una vulnerabilidad de software, y las vulnerabilidades de alto riesgo han subido un 36% interanual. El riesgo existe aunque todavía no haya habido un incidente visible.