Preparing your workspace
Jobbit
Guías14 min de lectura

Qué es la inyección de prompts: 7 ataques reales a agentes de IA

Qué es la inyección de prompts (prompt injection): cómo un texto oculto secuestra a un agente de IA, 7 ataques documentados de 2024 y 2025 y 9 defensas que puedes aplicar.

Qué es la inyección de prompts: 7 ataques reales a agentes de IA
Leer en:

La inyección de prompts (prompt injection) ocurre cuando un texto que una IA lee, en un correo, una página web o un documento, se toma como una instrucción y cambia lo que hace la IA. El National Cyber Security Centre (NCSC) del Reino Unido afirmó en diciembre de 2025 que estos ataques "puede que nunca se mitiguen del todo", y todos los grandes proveedores coinciden en que el problema sigue sin resolverse. Esta guía lo explica en lenguaje llano, muestra 7 ataques documentados y ofrece 9 defensas que una pequeña empresa puede aplicar hoy mismo.

Le pides a tu asistente de IA que resuma el correo de esta mañana. Un mensaje, de una dirección que no conoces, contiene una línea que nunca ves: texto blanco sobre fondo blanco que le dice al asistente que busque tus últimas facturas y las envíe a otro sitio. El asistente no distingue esa línea de tu petición. Ambas son solo palabras. Eso es la inyección de prompts, y importa cada mes más, porque las herramientas han pasado de responder preguntas a hacer cosas: leer la bandeja de entrada, abrir archivos, pulsar botones en un navegador. La Cyber Security Breaches Survey del Gobierno, publicada en abril de 2026, reveló que el 31% de las empresas del Reino Unido usa, adopta o contempla la IA, y que solo el 24% de ellas tenía algún proceso para gestionar sus riesgos de seguridad.

A continuación: cómo hemos comprobado esta guía, la idea en lenguaje llano, 7 ataques reales en una tabla, dónde se esconden las instrucciones ocultas, por qué los agentes elevan el riesgo, lo que admiten los propios proveedores, 9 defensas, ajustes que merece la pena cambiar y cómo seguir usando un agente con seguridad.

Un agente que puedes vigilar inspira más confianza. En Jobbit puedes ver el navegador del agente mientras trabaja y tomar el control en cualquier momento, y el modo Plan muestra los pasos antes de que se ejecute nada. Plan gratuito, 100 créditos al día, sin tarjeta.

Cómo hemos comprobado esta guía

  1. Fuentes primarias, leídas el 13 de noviembre de 2026. La lista de riesgos de OWASP para aplicaciones de IA, el National Cyber Security Centre, el organismo estadounidense de normalización NIST, la Information Commissioner's Office (ICO) y publicaciones de seguridad de Microsoft, Google y Anthropic.
  2. Cada ataque rastreado hasta los investigadores que lo revelaron. Cuando el artículo original no cargaba, la tabla lo indica.
  3. Solo defensa. Esta guía describe cómo funcionan los ataques al nivel en que lo publican las fuentes oficiales. No contiene ningún texto de ataque funcional.
  4. Las citas de los proveedores son sus propias palabras, tomadas de sus blogs de seguridad y páginas de investigación, no de material de marketing.
  5. Ninguna afirmación de que un producto sea inmune, incluido el nuestro.

La inyección de prompts en lenguaje llano

OWASP, la entidad que está detrás de la lista más conocida de riesgos de seguridad del software, coloca la inyección de prompts (prompt injection) en primer lugar de su lista para aplicaciones de IA y la define así: una vulnerabilidad que "se produce cuando los prompts del usuario alteran el comportamiento o la salida del LLM de formas no previstas". Divide el problema en dos.

  • Inyección directa de prompts. Quien escribe es el atacante. Intenta convencer a la IA de que se salte sus reglas. Es sobre todo un problema del proveedor.
  • Inyección indirecta de prompts. La instrucción llega dentro de algo que se le pidió leer a la IA. OWASP la describe como una entrada "procedente de fuentes externas, como sitios web o archivos". La víctima es la persona que usa la IA. Este es tu problema.

La causa de fondo es sencilla de enunciar. NIST explica que estos modelos "combinan los canales de datos y de instrucciones". Un programa normal mantiene separados los comandos y el contenido. Un modelo de lenguaje recibe un único flujo largo de texto y decide por sí mismo qué partes importan.

El nombre data del 12 de septiembre de 2022, cuando el desarrollador Simon Willison escribió: "Propongo que el nombre obvio para esto sea prompt injection." Remite a un ataque más antiguo contra bases de datos, y el National Cyber Security Centre advierte de que no se lleve la comparación demasiado lejos. La inyección en bases de datos tiene una solución conocida. Para los modelos de lenguaje, el centro propone pensar en un "inherently confusable deputy" (un ayudante intrínsecamente confundible): un auxiliar con tu acceso al que se puede convencer de que trabaje para otra persona.

7 ataques reales de un vistazo

Cuándo se revelóProductoDónde se escondía la instrucciónQué podía hacer un atacanteQué cambió
Agosto de 2024Slack AIUn mensaje en un canal públicoConseguir que un secreto privado se mostrara a la víctima como un enlace para pulsarSlack calificó el comportamiento de intencionado, según los investigadores
Mayo de 2025Un agente conectado a GitHubUna incidencia (issue) en un repositorio de código públicoExtraer datos de un repositorio privado a un lugar públicoSin parche; se aconsejaron permisos más restringidos
Junio de 2025Microsoft 365 CopilotUn correo, sin necesidad de hacer clicRevelar información a través de una redCorregido por Microsoft, registrado como CVE-2025-32711
Agosto de 2025Google GeminiEl título de una invitación de calendarioBorrar eventos, enviar mensajes, controlar dispositivos domésticos inteligentesGoogle añadió confirmaciones y filtrado
Agosto de 2025ChatGPT con archivos conectadosTexto blanco diminuto en un documento compartidoBuscar claves en una unidad conectada y filtrarlasOpenAI añadió una comprobación que los investigadores consideraron insuficiente
Agosto de 2025Navegador Comet de PerplexityUn comentario oculto en una página webLeer un código de un solo uso del correo y tomar el control de una cuentaParcheado y después notificado como no corregido del todo
Septiembre de 2025Salesforce AgentforceEl cuadro de descripción de un formulario webEnviar registros de clientes a una dirección externaSalesforce impuso una lista de direcciones de confianza

Los investigadores fueron, por orden, PromptArmor, Invariant Labs, el equipo al que se atribuye el registro de vulnerabilidad de Microsoft, SafeBreach, Zenity Labs, Brave y Noma Labs. El caso de Microsoft 365 Copilot se describe a partir del registro público de vulnerabilidades y de un artículo académico, porque el texto original no cargaba.

Destacan tres cosas. Todos los productos son de empresas grandes y cuidadosas. Ninguna de las víctimas tuvo que hacer nada fuera de lo normal: pidieron un resumen, aceptaron una invitación o recibieron un correo. Y los investigadores describieron varias de las correcciones como parciales.

Dónde se esconden las instrucciones ocultas

Cada una de estas vías procede de una de las revelaciones anteriores o de una fuente oficial.

  • Páginas web. Texto blanco sobre fondo blanco, comentarios en el código de la página, texto detrás de una etiqueta de spoiler.
  • Correos. Texto invisible en el cuerpo. La página de seguridad de Anthropic advierte de que "una lista de tareas o un correo podrían contener texto invisible".
  • Invitaciones de calendario. En el título del evento, fuera de la vista hasta que se despliega.
  • Documentos compartidos. Texto blanco de un píxel en un archivo que te enviaron para revisar.
  • Formularios web. Un cuadro de "cuéntanos tu consulta" que alimenta tu sistema de clientes.
  • Canales de chat y repositorios de código. Cualquier sitio donde un desconocido pueda publicar y tu asistente pueda leer.
  • Imágenes. OWASP recoge una instrucción incrustada en una imagen que acompaña a un texto inofensivo.
  • Descripciones de herramientas. La Information Commissioner's Office lo llama "tool poisoning (envenenamiento de herramientas), donde esto se oculta en los metadatos de las herramientas con las que interactúa un agente de IA".

El patrón es que cualquier cosa que tu IA lea en tu nombre es una vía de entrada, y tú no verás el texto.

Por qué los agentes elevan el riesgo

Un chatbot engañado da una mala respuesta. Un agente engañado realiza una mala acción. Simon Willison puso nombre a la combinación peligrosa en junio de 2025: "acceso a tus datos privados", "exposición a contenido no fiable" y "la capacidad de comunicarse hacia el exterior". La llamó la "lethal trifecta" (la tríada letal). A un asistente que reúne las tres cosas, un desconocido puede ordenarle que busque algo privado y lo envíe fuera.

Vuelve a mirar la tabla. Todos los ataques reunían las tres. La función de resumen podía leer mensajes privados, leyó el mensaje de un desconocido y podía mostrar un enlace. Si quitas una cualquiera de las tres, el ataque fracasa.

El documento del National Cyber Security Centre de mayo de 2026 sobre IA agéntica hace la misma observación para las organizaciones: "Si un agente tiene privilegios excesivos o un diseño deficiente, un solo fallo puede convertirse rápidamente en un incidente grave." Nuestro texto explicativo sobre los agentes de uso del ordenador recoge lo que estas herramientas pueden hacer ya.

Lo que admiten los propios proveedores

Este no es un problema que el sector oculte.

  • Anthropic, en una investigación publicada en noviembre de 2025, calificó la inyección de prompts de "lejos de ser un problema resuelto" y escribió que "ningún agente de navegador es inmune a la inyección de prompts". Publicó sus propias cifras: frente a un atacante automatizado persistente, su mejor modelo fue engañado el 1.4% de las veces con las salvaguardas activadas, y señaló que incluso un 1% "sigue representando un riesgo significativo".
  • El director de seguridad de la información de OpenAI la describió en octubre de 2025 como "un problema de seguridad de frontera y sin resolver".
  • El equipo de respuesta de seguridad de Microsoft escribió en julio de 2025 que su enfoque "no depende de nuestra capacidad para bloquear todas las inyecciones de prompts". Una publicación de seguridad de Microsoft de mayo de 2026 lo dijo con más crudeza: "tu LLM no es un límite de seguridad."
  • Google describió en junio de 2025 una defensa por capas: clasificadores, filtrado de enlaces y petición al usuario de que confirme las acciones de riesgo.
  • El National Cyber Security Centre aconseja escepticismo ante cualquier proveedor que afirme poder detenerla.

Cuando quienes fabrican la cerradura dicen que se puede forzar, conviene partir de la base de que algún día se forzará.

9 defensas que una pequeña empresa puede usar hoy

  1. Da al agente el menor acceso con el que pueda hacer el trabajo. El National Cyber Security Centre dice que hay que dar a los agentes "solo el acceso mínimo que necesiten, durante el menor tiempo necesario". Un asistente que redacta respuestas no necesita enviarlas.
  2. Rompe la tríada. No dejes que un mismo asistente lea datos privados, lea contenido de desconocidos y envíe cosas al exterior, todo en la misma tarea. Resume la bandeja de entrada en una sesión y envía tú mismo desde otra.
  3. Mantén a una persona en el circuito para todo lo importante. OWASP recomienda la revisión humana "para acciones de alto riesgo o privilegiadas". Pagos, eliminaciones, cualquier cosa que se envíe a un cliente.
  4. Trata lo que lee la IA como no fiable. Una página web, un archivo adjunto y un correo de un remitente desconocido son contenido, nunca órdenes.
  5. Trata también como no fiable lo que escribe la IA. No pulses un enlace de un resumen de IA para "volver a autenticarte". Ese fue el ataque a Slack.
  6. Usa un perfil de navegador distinto para el trabajo con agentes. El propio consejo de seguridad de Anthropic es un perfil sin ninguna cuenta bancaria, sanitaria ni gubernamental con la sesión iniciada.
  7. Míralo trabajar. Si la tarea se desvía, por ejemplo un resumen que se convierte en una búsqueda en tus archivos, páralo. Merece la pena conservar los registros de lo que el agente leyó e hizo.
  8. Empieza por trabajos de bajo riesgo. El consejo del centro es "empezar poco a poco, usar agentes solo para tareas de bajo riesgo". Investigación y redacción antes que facturas y correo.
  9. Inclúyelo en tu política de IA. Quién puede conectar qué herramienta a qué cuenta y quién puede apagarla. Nuestra plantilla de política de IA tiene la redacción.

Ninguna de estas medidas necesita un equipo de seguridad. Son los mismos hábitos que no abrir un archivo adjunto de un desconocido, aplicados a un nuevo tipo de ayudante.

Ajustes que merece la pena cambiar

  • Modo de aprobación. Las páginas de ayuda de Anthropic indican que Claude in Chrome puede configurarse en "Manually approve" (aprobar manualmente) para que revises cada acción, y que puedes conceder o retirar su acceso a sitios concretos.
  • Navegación sin sesión iniciada. El responsable de seguridad de OpenAI describió un modo sin sesión para su agente de navegador Atlas, en el que el agente trabaja sin tus cuentas. Úsalo para investigar en sitios que no conoces.
  • Conectores. Cada almacén de archivos, buzón y calendario que conectas amplía lo que puede alcanzar una instrucción inyectada. Conecta lo que la tarea necesite y luego desconecta.
  • Aprobación automática. Cualquier opción de "permitir siempre" cambia seguridad por rapidez. Una de las revelaciones de 2025 señaló que oculta justo el paso que querrías ver.

Cómo seguir usando un agente con seguridad

Nada de esto es motivo para dejar de usarlos. Es un motivo para elegir herramientas supervisadas y trabajos razonables. ChatGPT, Claude, Gemini, Microsoft Copilot, Manus y Muse de Meta afrontan el mismo problema, y también Jobbit. Lo que puedes elegir es cuánto puedes ver y detener.

  • Mira y toma el control. El navegador de un agente de Jobbit es visible mientras trabaja, y puedes tomar el control en cualquier momento. Nuestra guía del navegador del agente explica cómo.
  • Planifica antes de que actúe. El modo Plan expone los pasos para su aprobación antes de que se ejecute nada, como se explica en nuestra guía para dirigir a un agente.
  • Empieza por trabajos sin tríada. Crear un sitio web, redactar un documento, investigar un mercado y hacer una hoja de cálculo implican pocos datos privados y nada enviado en tu nombre.
  • Mantén los secretos fuera del chat. Los proyectos incluyen un lugar específico para secretos, de modo que no hace falta pegar claves ni contraseñas en una conversación.
  • Deja la parte arriesgada en manos de una persona. Un profesional verificado de la red humana puede hacer el paso que requiere criterio, con el pago retenido en depósito en garantía (escrow).

La postura honesta es la que adoptan los proveedores: ningún agente es inmune. La supervisión y el acceso limitado son lo que impide que un agente engañado se convierta en un incidente.

El panorama en el Reino Unido

La Information Commissioner's Office publicó en mayo de 2026 cinco pasos para proteger a una organización de las amenazas impulsadas por IA: saber a qué te enfrentas, asegurar lo básico y defender por capas, restringir los puntos de acceso, mejorar la detección y la respuesta, y proteger los datos personales. Describe la inyección indirecta de prompts como instrucciones maliciosas "incrustadas en contenido externo que procesa un sistema de IA".

La escala del riesgo corriente aparece en la Cyber Security Breaches Survey 2025/2026: el 43% de las empresas del Reino Unido notificó una brecha o un ataque en los doce meses anteriores, sobre una muestra de 2,112 empresas. La inyección de prompts es una vía nueva entre muchas antiguas. Nuestra guía sobre las estafas con IA dirigidas a pequeñas empresas trata las demás.

Sigue leyendo

Preguntas frecuentes

¿Qué es la inyección de prompts en términos sencillos?

Es cuando las palabras dentro de algo que lee una IA se tratan como una instrucción. La IA no puede distinguir de forma fiable tu petición de un texto en un correo, una página web o un archivo, así que una línea oculta puede cambiar lo que hace. OWASP la sitúa como el primer riesgo de su lista para aplicaciones de IA.

¿Cuál es la diferencia entre la inyección directa y la indirecta de prompts?

La inyección directa la escribe la persona que usa la IA, para que incumpla sus reglas. La indirecta se planta en contenido que se le pide leer a la IA, como una página web o un documento, y apunta a la persona que la usa. La inyección indirecta es la que amenaza a una empresa.

¿Qué pasa si un agente de IA resume un correo con instrucciones ocultas?

Puede seguirlas. En casos documentados de 2024 y 2025, asistentes a los que se pidió un resumen pasaron a buscar archivos privados, revelar secretos o enviar datos al exterior. Que lo consiga depende de las salvaguardas del producto y de a qué tenga acceso el agente, por eso importa limitar el acceso.

¿Se puede corregir la inyección de prompts?

No del todo, con la evidencia actual. El National Cyber Security Centre afirma que estos ataques puede que nunca se mitiguen del todo, y Anthropic, OpenAI y Microsoft han dicho que el problema no está resuelto. Las salvaguardas reducen la tasa de éxito. Limitar a lo que puede acceder el agente limita el daño.

¿Es lo mismo la inyección de prompts que el jailbreaking?

Se solapan. El jailbreaking suele significar que un usuario convence a la IA de que ignore sus reglas de seguridad. La inyección de prompts abarca cualquier entrada que cambie el comportamiento de la IA de formas no previstas, incluido el texto plantado por un tercero. Un jailbreak es un tipo de inyección directa de prompts.

¿Cómo protejo mi negocio de la inyección de prompts?

Da a las herramientas de IA el menor acceso que necesiten, haz que una persona apruebe los pagos y los mensajes salientes, no dejes nunca que un mismo asistente lea datos privados, lea contenido de desconocidos y envíe cosas al exterior en la misma tarea, y usa un perfil de navegador distinto para el trabajo con agentes. Incluye las reglas en una política de IA.

¿Es seguro usar un agente de IA?

Sí, con supervisión y los trabajos adecuados. Empieza por tareas que impliquen pocos datos privados, como investigar, redactar y crear un sitio web, y usa una herramienta que te deje ver y detener lo que hace. En Jobbit puedes ver trabajar al agente y tomar el control, y el plan gratuito da 100 créditos al día sin tarjeta.

Guías relacionadas