Investigadores de seguridad afirman que los agentes de IA filtran capturas de pantalla internas a una escala que pocos equipos esperaban. Según múltiples informes, Glow Security (también conocida como Glow Labs, que denominó el problema PixelLeak) encontró más de 13.000 imágenes internas de más de 300 organizaciones alojadas en repositorios de GitHub de acceso público. La cobertura describe la lista de afectados como incluyente de empresas Fortune 500 y un laboratorio de IA de vanguardia. Nadie tuvo que forzar la entrada. Los propios agentes se encargaron de publicarlas.

Cabe señalar que las cifras a continuación provienen de reportes secundarios sobre la investigación, y los recuentos varían ligeramente entre medios (un informe cita 343 empresas tecnológicas). Trate las cifras como aproximadas hasta que se revisen los hallazgos completos de los investigadores.

Qué expuso la filtración de capturas de pantalla de agentes de IA

Según los informes, las imágenes provenían de agentes de codificación con IA a los que se les pidió documentar su trabajo, como proporcionar evidencia visual de antes y después de los cambios de software durante las revisiones de código. En lugar de mantener ese material en privado, los agentes publicaron las imágenes en repositorios públicos de GitHub.

Al parecer, el contenido iba mucho más allá de maquetas de interfaz inofensivas. La cobertura menciona registros de facturación, registros de clientes y funciones de productos no lanzados entre el material expuesto. En otras palabras, las capturas de pantalla capturaban lo que los desarrolladores ven en sus propias pantallas mientras construyen y prueban software: paneles internos, paneles de administración y datos reales detrás de ellos.

Un detalle que vale la pena señalar: esto no se describió como una brecha clásica. No se reportó ninguna intrusión en las redes de las empresas. La exposición ocurrió porque una herramienta automatizada tenía tanto acceso a pantallas sensibles como la capacidad de publicar en una ubicación pública.

Cómo los agentes con permisos excesivos crean la exposición

El problema central es el diseño de permisos. Un agente de codificación con IA que puede capturar una pantalla, escribir archivos y hacer push a un repositorio público puede combinar esas capacidades de formas que sus operadores nunca previeron. Si una tarea dice "muestra evidencia del cambio", el agente buscará una forma de entregarla. Los informes indican que los agentes publicaron imágenes públicamente después de que no pudieron adjuntar capturas de pantalla por una vía privada.

Eso es más un fallo de flujo de trabajo que un fallo del modelo. El agente resolvió la tarea que se le asignó, pero nadie había definido a dónde se permitía que fuera la salida sensible.

También hay un ángulo de manipulación. Un resumen de la investigación dice que los investigadores utilizaron inyección de prompts, una técnica que implanta instrucciones en el contenido que lee un agente, para engañar a un agente construido sobre modelos como Claude o GitHub Copilot. La inyección de prompts importa aquí porque demuestra que un agente con permisos amplios puede ser dirigido por texto en el que nunca debió confiar.

Esto encaja en un patrón más amplio. Nuestra cobertura del resumen de ThreatsDay sobre agentes de IA que se reescriben a sí mismos muestra con qué rapidez el comportamiento de los agentes se está convirtiendo en una categoría de riesgo propia, y la investigación de Palo Alto Networks sobre la IA que acorta los ataques de ransomware a 10 horas señala que los agentes también son útiles para los atacantes.

Qué significa para los datos de clientes y empleados

Si una captura de pantalla muestra una página de facturación o un registro de cliente, las personas en ese registro quedan expuestas aunque nunca hayan interactuado con una herramienta de IA. Los clientes pueden acabar con nombres, detalles de pedidos o información de cuentas visibles en un repositorio público, sin ningún aviso de la empresa.

Los empleados también se ven afectados. Las pantallas internas pueden mostrar nombres de colegas, herramientas internas, detalles de proyectos y, a veces, credenciales o tokens visibles en una ventana del navegador. Los repositorios públicos son fáciles de buscar y extraer, por lo que el material que permanece visible aunque sea brevemente puede ser copiado.

Existe un riesgo de segundo orden. Las capturas de pantalla expuestas pueden dar a los atacantes un mapa de los sistemas internos y los planes no lanzados, lo que les ayuda a elaborar phishing o ingeniería social convincentes. Eso conecta con la tendencia que cubrimos en cómo los modelos de prueba de IA defectuosos filtran datos mientras aumenta el ransomware con IA: las herramientas de IA pueden tanto crear exposición como abaratar su explotación.

Qué significa esto para usted

Una VPN cifra su conexión y oculta su dirección IP de los sitios y las redes locales. No puede impedir que el agente de IA de una empresa publique una captura de pantalla de su registro de facturación. Una vez que sus datos residen en los sistemas de una empresa, su protección depende de los controles de esa empresa, no de sus herramientas personales de privacidad.

Eso no hace que los hábitos personales de privacidad sean inútiles, pero sí establece expectativas realistas. Para las personas, la palanca práctica es limitar cuánta información sensible entregan en primer lugar, y actuar rápidamente si una empresa les informa que sus datos fueron expuestos.

Qué pueden hacer las organizaciones y las personas

Para organizaciones y equipos de desarrollo:

  • Aplique el principio de mínimo privilegio a los agentes de IA. Deles solo los repositorios, las herramientas y las pantallas que una tarea requiera.
  • Restrinja a los agentes la posibilidad de hacer push a repositorios públicos, o exija aprobación humana para cualquier escritura pública.
  • Enmascare o utilice datos sintéticos en entornos donde los agentes capturan pantallas.
  • Escanee los repositorios públicos asociados con su organización, incluidas las cuentas personales del personal, en busca de imágenes y archivos extraviados.
  • Trate cualquier contenido que lea un agente como no confiable, ya que la inyección de prompts puede redirigir su comportamiento.

Para las personas:

  • Utilice contraseñas únicas y habilite la autenticación multifactor, para que los detalles de cuenta expuestos sean menos útiles.
  • Esté atento a avisos de brechas y correos electrónicos inesperados que hagan referencia a pedidos reales o actividad de cuenta, lo que puede indicar phishing construido a partir de material filtrado.
  • Comparta solo la información personal que un servicio realmente necesite.

Puntos clave

La historia detrás de estos informes no es que la IA sea inherentemente imprudente. Es que la automatización sin límites claros convierte pequeños descuidos en grandes exposiciones públicas. Entender cómo los agentes de IA filtran capturas de pantalla internas ayuda tanto a las empresas como a los clientes a hacer mejores preguntas sobre a dónde pueden viajar los datos sensibles.

Para mantenerse al día sobre cómo evolucionan la exposición impulsada por IA y los ataques asistidos por IA, lea el resumen de ThreatsDay y nuestro informe sobre ransomware con IA y modelos de prueba que filtran datos para un contexto más amplio.