El código de IA compila. ¿Es seguro?

Los modelos de IA que escriben código mejoran cada pocos meses. Escriben más rápido, fallan menos en la sintaxis y resuelven problemas más grandes. Pero una pregunta sigue sin la respuesta que todos querían: ¿ese código es seguro?

El 28 de julio de 2026, Veracode, empresa estadounidense de seguridad de aplicaciones, publicó el informe GenAI Code Security de 2026. La respuesta corta: poco más de la mitad de las veces.

Lo que midió Veracode

La empresa sigue más de 100 modelos de IA, en cuatro rondas de pruebas desde el inicio del programa. El ranking de mediados de 2026 tiene 11 modelos. Los resultados principales:

• El código generado compila en aproximadamente el 100% de los casos.
• La tasa media de aprobación en las pruebas de seguridad es del 56%.
• Sin pedir seguridad de forma explícita en el prompt, la tasa de fallos ronda el 44%.
• La cifra está “prácticamente igual que en el informe del año pasado”.

En otras palabras: el código funciona casi siempre y es seguro poco más de la mitad de las veces. Y esa mitad no está mejorando.

Un modelo más grande no lo resuelve

El informe desmonta algunas intuiciones comunes.

• El mejor modelo del ranking, GPT-5.5 de OpenAI, pasó el 68% de las pruebas. El peor, Qwen3.7-max de Alibaba, el 50%.
• Seis de los 11 modelos quedaron entre el 50% y el 53%.
• Los modelos especializados en código sacaron un 51%. Los de uso general, un 52%.
• Los modelos grandes, con más de 100 mil millones de parámetros, sacaron un 53%. Los medianos y pequeños, un 51%.
• Los modelos con razonamiento salieron mejor: 56% frente a 51%.

El lenguaje también influye. El código en Python pasó el 63% de las pruebas. En Java, solo el 30%, aunque es el único lenguaje con una mejora constante en el último año.

Chris Wysopal, cofundador de Veracode, resume el problema: los modelos pueden ser “casi perfectos en la sintaxis”, pero aún fallan en casi la mitad de las tareas.

Por qué importa a quien está lanzando

El fundador que monta un producto con IA ve que la app abre, que el botón funciona y que el registro se guarda. Todo compila. Es natural concluir que está listo.

El informe muestra por qué esa conclusión es peligrosa. Compilar es la prueba más fácil. La seguridad es invisible hasta el día en que alguien explota el fallo. Y cuando eso pasa con un producto que guarda datos de clientes, el daño no es solo técnico. Es de confianza y, a veces, legal.

Muchos de los rescates que llegan al Studio empiezan así: el producto funciona, pero nadie sabe decir si es seguro, como en el caso de la app de la vitrina de Lovable que expuso 18 mil registros.

Por qué la cifra no se mueve

El dato más incómodo del informe no es el 56%. Es el estancamiento. En un año, los modelos se volvieron más rápidos, más baratos y mejores en tareas largas. La tasa de seguridad no se movió.

Una lectura posible es que los modelos aprenden del código que ya existe en internet, y gran parte de ese código tiene los mismos fallos. Otra es que la seguridad depende del contexto: quién es el usuario, qué datos puede ver, qué pasa si alguien malintencionado envía una entrada extraña. La IA escribe lo que pides. Si no pides seguridad ni describes ese contexto, no tiene cómo adivinarlo.

Para el fundador, la consecuencia práctica es simple: esperar a que el próximo modelo lo resuelva no es un plan. La revisión tiene que estar en el proceso.

Lo que revisamos antes de lanzar

La recomendación de Wysopal es tratar el código de IA “como cualquier código no revisado: escanéalo, corrígelo y nunca lo publiques a ciegas”. En el Studio usamos Claude Code todos los días. Precisamente por eso, nada de lo que escribe la IA llega a producción sin pasar por estos puntos:

1. Login y permisos. Quién puede ver qué. ¿Un usuario puede acceder a los datos de otro cambiando un número en la URL?
2. Entrada de datos. ¿Cada campo que rellena el usuario se trata antes de llegar a la base de datos o a la pantalla?
3. Secretos. Las claves de API, contraseñas y tokens quedan fuera del código y fuera del navegador.
4. Dependencias. ¿Las librerías que eligió la IA están actualizadas y sin fallos conocidos?
5. Prompt con seguridad explícita. El propio informe muestra que, si no se pide seguridad, los fallos aumentan. Siempre la pedimos.
6. Revisión humana. Alguien del equipo lee el código que va a producción y responde por él. Las herramientas de análisis automático ayudan, pero no sustituyen esa lectura.

Tras el lanzamiento, cada sistema sale con un agente de IA que se ejecuta a diario, señala fallos, sugiere mejoras y comprueba que los datos tengan sentido. La revisión no termina el día en que el producto sale en línea.

Qué cambia esto para ti

Si tu producto se hizo con IA, por ti, por un freelancer o por otro estudio, hazte tres preguntas:

1. ¿Alguien revisó el código además de la propia IA?
2. ¿Alguien probó qué pasa cuando un usuario intenta acceder a lo que no debería?
3. ¿Dónde se guardan las claves y contraseñas del sistema?

Si la respuesta a cualquiera es “no lo sé”, el producto puede funcionar perfectamente y aun así estar expuesto.

Si tienes un producto hecho con IA y quieres saber qué hay debajo antes de crecer, nuestro servicio de rescate de proyectos empieza por ese diagnóstico.