Google dice que sus herramientas internas de IA ayudaron a Chrome a corregir 1.072 errores de seguridad en dos versiones del navegador en junio, más que las 1.036 correcciones registradas en las 23 versiones anteriores durante unos dos años.

Las cifras, divulgadas junto con un libro blanco de Google sobre descubrimiento y parcheo de vulnerabilidades asistidos por IA, ofrecen un ejemplo concreto de cómo los modelos de lenguaje grandes están cambiando la economía de la seguridad del software. Para los fabricantes de navegadores y los equipos de TI empresariales, la evolución podría significar que se encuentren más fallos antes de que los atacantes los exploten, pero también una carga operativa mucho mayor para validar, priorizar e implementar correcciones.

La comparación abarca Chrome 149 y Chrome 150, los dos “hitos” lanzados en junio, según Google. El período anterior comenzó con Chrome 126 en junio de 2024. Google no ha proporcionado una validación independiente de las cifras ni un desglose detallado que muestre cuántas correcciones fueron generadas, descubiertas o aceleradas directamente por IA.

Qué dice Google que cambió en la seguridad de Chrome

Doug Turner, director de ingeniería de Chrome, dijo a TechCrunch que los modelos de lenguaje grandes han cambiado el descubrimiento de vulnerabilidades de una actividad en gran medida manual a un proceso automatizado que opera a escala industrial. Dijo que Google está aplicando modelos como Gemini para identificar y abordar fallos antes de que los atacantes puedan usarlos.

Esa distinción importa. La cifra principal de Google describe errores corregidos en versiones publicadas de Chrome, no necesariamente vulnerabilidades encontradas solo por un sistema de IA. El relato público de la empresa indica que las herramientas de IA respaldaron el flujo de trabajo más amplio, que puede incluir análisis de código, identificación de patrones sospechosos, propuestas de corrección y ayuda a los ingenieros para hacer avanzar los parches a través de los procesos de prueba y lanzamiento.

Las dos versiones de junio produjeron 1.072 correcciones de seguridad combinadas, frente a 1.036 en las 23 versiones anteriores. En un promedio simple, eso es un aumento pronunciado en correcciones por versión. Pero la comparación por sí sola no demuestra que la IA haya causado cada corrección adicional. El alcance de las versiones, los cambios en las prácticas de informe, la actividad de investigación de seguridad y la definición de Google de un error de seguridad también pueden afectar el total.

Por lo tanto, el gráfico y el libro blanco de Google se leen mejor como evidencia de una operación de seguridad en cambio, más que como una prueba de rendimiento controlada. La empresa informa los resultados por sí misma, y la evidencia proporcionada no incluye una auditoría de terceros de la metodología.

La carrera más amplia de vulnerabilidades asistida por IA

El anuncio de Google sigue a una afirmación similar de Microsoft. A principios de julio, Microsoft dijo que corrigió un récord de 570 fallos de seguridad en sus líneas de productos durante su lanzamiento mensual de Patch Tuesday y atribuyó el aumento en parte al uso de IA.

Juntos, los anuncios respaldan una preocupación de ciberseguridad de larga data: a medida que los sistemas de IA se vuelven mejores para encontrar defectos, los defensores pueden descubrir más vulnerabilidades a un ritmo más rápido. Eso puede mejorar la seguridad cuando las organizaciones aplican parches rápidamente, pero también puede exponer debilidades en productos que antes pasaban desapercibidas y aumentar la cantidad de trabajo requerido por los equipos de seguridad.

El patrón no es uniforme entre las grandes empresas tecnológicas. Un conteo independiente citado por TechCrunch encontró que Apple había corregido 482 errores en 2026, situándose aproximadamente en camino de igualar o superar su total del año anterior. Apple no respondió a la solicitud de comentarios de la publicación, y la evidencia disponible no muestra si su uso interno de IA difiere del de Google o Microsoft.

Por ahora, la conclusión más defendible es que algunos grandes proveedores de software están informando un aumento sustancial en las correcciones de seguridad junto con una adopción más amplia de herramientas de IA. Sigue sin estar claro cuánto de ese aumento refleja una capacidad de descubrimiento genuinamente nueva frente a cambios en los procesos de ingeniería o en las prácticas de divulgación.

Por qué importan las cifras para los equipos de navegadores y empresas

Los navegadores están especialmente expuestos a este cambio porque combinan una amplia superficie de ataque con lanzamientos frecuentes. Chrome contiene componentes complejos para renderizar páginas web, ejecutar código, gestionar medios, administrar credenciales y conectarse a servicios del sistema operativo. Una herramienta que encuentre un defecto sutil en una de esas áreas puede ayudar a Google a reducir el tiempo entre el descubrimiento y la corrección.

Para los equipos de producto y seguridad que construyen sobre Google Chrome, la implicación inmediata es operativa más que teórica. Más correcciones frecuentes pueden requerir una validación más rápida del navegador, procesos de gestión de parches más estrictos y políticas más claras para distribuir actualizaciones a los dispositivos de los empleados. Las empresas que retrasan las actualizaciones del navegador pueden enfrentarse a una brecha mayor entre el descubrimiento de una vulnerabilidad y su despliegue en el terreno.

El descubrimiento de vulnerabilidades asistido por IA también crea un problema de verificación. Los hallazgos generados automáticamente pueden incluir falsos positivos, informes duplicados o fallos difíciles de reproducir. Los cambios de código sugeridos necesitan revisión y pruebas, especialmente cuando un parche de seguridad podría afectar el rendimiento, la compatibilidad u otros controles de seguridad. En un navegador utilizado por millones de personas, una mala corrección puede crear un nuevo modo de fallo a gran escala.

La presión competitiva también se extiende a los atacantes. Si los sistemas defensivos pueden inspeccionar el código e identificar debilidades más rápido, los investigadores ofensivos y los grupos criminales pueden usar capacidades similares para buscar en software público, extensiones del navegador, aplicaciones e infraestructura. La contienda resultante podría hacer que la velocidad de parcheo y el despliegue seguro sean tan importantes como la capacidad bruta de encontrar errores.

Qué observar a continuación

La siguiente señal útil será más detalle de Google sobre su proceso de medición. Los equipos de seguridad y los investigadores querrán saber cuántas de las 1.072 correcciones fueron descubiertas por IA, cuántas fueron sugeridas o implementadas con ayuda del modelo y cómo midió Google el tiempo ahorrado.

Los futuros datos de lanzamiento de Chrome también mostrarán si junio fue un pico inusual o el comienzo de un aumento sostenido. Una comparación más amplia entre varios navegadores podría ayudar a separar los cambios de proceso específicos de Google de una tendencia más amplia en la industria.

Los compradores empresariales deberían vigilar cambios en el ritmo de parches de Chrome, en la frecuencia de actualizaciones de emergencia y en la orientación para la implementación automatizada. También deberían evaluar si sus propias herramientas de seguridad pueden clasificar un mayor volumen de hallazgos de vulnerabilidades sin abrumar a los equipos de ingeniería.

Por último, los investigadores independientes podrían examinar si el aumento en las cifras de correcciones se corresponde con tasas de explotación más bajas, ventanas de remediación más cortas o menos vulnerabilidades graves que llegan a los usuarios. Corregir más errores es una medida operativa importante, pero por sí sola no demuestra que el riesgo general haya disminuido.

Perspectiva de Creati.ai

Las cifras de Chrome de Google hacen más tangible el debate sobre la seguridad de la IA. El cambio importante no es simplemente que un modelo pueda localizar un error; es que la IA puede comprimir varios pasos del ciclo de vida de la seguridad, desde encontrar una debilidad hasta preparar un parche. Eso podría dar a los proveedores bien financiados una ventaja significativa para proteger software ampliamente utilizado.

Pero esa misma aceleración aumenta el valor de una revisión disciplinada. Si el descubrimiento se vuelve abundante, la priorización, la validación y el despliegue se convierten en los cuellos de botella. Para los creadores y líderes de seguridad empresarial, la pregunta estratégica es menos si usar IA y más si sus sistemas de ingeniería pueden procesar de forma segura el volumen que genera.