Bank of America pone a 1000 contratistas a corregir fallos hallados por IA

Bank of America incorporó a unos 1000 contratistas externos para corregir fallos de software expuestos por modelos de IA avanzados, entre ellos Mythos de Anthropic, dijo su consejero delegado, Brian Moynihan, el 14 de octubre de 2026. Los contratistas se sumaron a unos 3000 empleados del banco que ya trabajaban en ello. Es una de las señales más claras hasta ahora de lo que cuesta la búsqueda de fallos con IA a las empresas cuyo código analiza.

Mythos es un modelo de Anthropic creado para encontrar fallos de seguridad en el software. Anthropic lo puso en abril a disposición de un pequeño grupo de empresas, bancos y agencias gubernamentales mediante un programa llamado Project Glasswing, informa The Next Web. El acceso es limitado: Anthropic mantuvo Mythos 5.1 solo por invitación cuando se lanzó en septiembre.

Lo que dijo Moynihan

Moynihan reveló la cifra de contratistas en una entrevista con CNBC tras los resultados del tercer trimestre del banco. The Next Web y Superpower Daily dicen que los contratistas llegaron en el segundo trimestre. Startup Fortune dice solo que se contrataron este año.

Cifra	Detalle
Contratistas	Unos 1000, contratados como consultores
Personal del banco dedicado al trabajo	Unos 3000
Equipo conjunto	Unos 4000, según Superpower Daily y Startup Fortune
Coste trimestral	«Un par de cientos de millones de dólares y algo más», incluido otro trabajo de cumplimiento normativo
Fecha de fin	No se dio ninguna

Los contratistas «no están en la plantilla», dijo Moynihan, porque se contrataron como consultores, según The Next Web. Dijo a los analistas en la conferencia de resultados que el coste del trimestre fue de «un par de cientos de millones de dólares y algo más». Esa cifra también cubre las reparaciones de los controles contra el blanqueo de capitales del banco, así que no es una factura solo por el trabajo de Mythos.

Los fallos están en código que usan el banco y sus proveedores externos, dijo Moynihan. Algunos de esos proveedores crean software que venden al banco, informa Superpower Daily. Espera que el coste baje a medida que los parches se pongan al día, pero no dio ninguna fecha.

Por qué la búsqueda de fallos con IA acumula trabajo pendiente

Los modelos de IA como Mythos pueden encontrar fallos más rápido de lo que las personas pueden corregirlos. Moynihan advirtió de «un gran cambio en la cantidad de trabajo que habrá que hacer» en una entrevista con Bloomberg Television a principios de este año, informa Startup Fortune.

Las propias cifras de Anthropic muestran la brecha. En una evaluación del 7 de abril, menos del 1 % de los posibles fallos que Anthropic había encontrado estaban completamente parcheados, informa Superpower Daily. En las pruebas, Mythos habría descubierto miles de fallos desconocidos hasta entonces, entre ellos uno de hace 27 años en OpenBSD, dice Startup Fortune. Añade que la mayoría de los hallazgos en el sector bancario se calificaron de gravedad baja a moderada.

Mythos ya encontró un fallo que los atacantes explotaron un día después de publicarse, en el servidor de archivos Rejetto HFS. Ese es el riesgo contra el que corre el banco: en cuanto se conoce un fallo, empieza la cuenta atrás.

Otros bancos y los reguladores

Bank of America no es el único. El consejero delegado de JPMorgan Chase, Jamie Dimon, dijo en mayo que cientos de personas trabajaban en ello a tiempo completo, informa The Next Web. Los reguladores de Estados Unidos pausaron algunas inspecciones de ciberseguridad un mes después de la llegada de Mythos. El Banco Central Europeo quiere los planes de los bancos antes de que acabe octubre, añade el medio.

La revelación llegó un día después de que el Tesoro anunciara sanciones de más de 1210 millones de dólares contra el banco, informa The Next Web. Los ingresos del tercer trimestre subieron alrededor de un 3 %, hasta casi 30.000 millones de dólares, pero el beneficio ajustado de 1,08 dólares por acción no alcanzó las previsiones. Las acciones cerraron casi un 5 % a la baja.

Qué significa esto para los desarrolladores

• Presupuesta la corrección, no solo la detección. Un escáner de IA puede producir en una semana más hallazgos de los que un equipo puede corregir en un trimestre. Planifica las personas y el tiempo para las reparaciones antes de activar uno.
• Pregunta a tus proveedores por su código. Entre los fallos del banco había software de proveedores. Si el producto de un proveedor se ejecuta en tus sistemas, pregunta cómo lo analiza y lo parchea.
• Clasifica primero por gravedad. La mayoría de los hallazgos bancarios eran de gravedad baja a moderada, según Startup Fortune. Corrige los pocos críticos antes de abordar la larga cola.
• Cuenta con que los reguladores pregunten. Los supervisores de Estados Unidos y Europa ya preguntan a los bancos por los fallos hallados por IA. Otros sectores regulados deberían preparar las mismas respuestas.
• Trata cada hallazgo como algo urgente. El caso de Rejetto muestra que los atacantes pueden actuar en el día siguiente a la divulgación. Mantén las correcciones y la divulgación en el mismo calendario.