Google Threat Intelligence Group y Mandiant Services alertan sobre el LLMJacking, una táctica en la que actores maliciosos comprometen credenciales corporativas en la nube para secuestrar el acceso a modelos de lenguaje avanzados (LLM) y revenderlo. A diferencia del cryptojacking, genera picos de consumo con facturas fraudulentas que pueden superar los 100 mil dólares diarios por organización.

Ciudad de México, 4 de noviembre de 2026. Google Threat Intelligence Group (GTIG) y Mandiant Services publicaron un nuevo informe que analiza el surgimiento y consolidación del LLMJacking, en el que los atacantes comprometen credenciales corporativas en la nube para usar modelos de lenguaje con fines no autorizados.

Según el informe, en incidentes recientes documentados en los sectores de finanzas, comercio minorista, tecnología y transporte, las organizaciones enfrentaron cargos no autorizados que superaron los 100 mil dólares en un solo día, acumulando hasta un millón de dólares antes de revocar los accesos comprometidos. En uno de los casos, los atacantes ejecutaron más de 500 mil llamadas a API en menos de ocho horas.

¿En qué se diferencia el LLMJacking del cryptojacking?

La distinción está en la velocidad y el impacto financiero. El cryptojacking tradicional se caracteriza por un consumo gradual de recursos que puede pasar desapercibido durante semanas; el LLMJacking, en cambio, produce picos repentinos de uso de cómputo e inferencia que se traducen en cargos fraudulentos casi inmediatos.

La táctica se apoya en un problema ya bien documentado: la exposición masiva de credenciales. El robo de claves de acceso es la materia prima de este y otros esquemas, como ya ocurrió con los 16 mil millones de credenciales expuestas y sus consecuencias para los usuarios reportados en 2025.

¿Qué son los LLM Mixers y cómo revenden acceso a modelos de IA?

El reporte de GTIG destaca una marcada especialización dentro del ecosistema cibercriminal. Mientras ciertos grupos obtienen credenciales de acceso inicial a través de claves expuestas en plataformas de desarrollo, secuestro de sesiones y configuraciones erróneas en la nube, otros operan servicios de enrutamiento y agregación conocidos como LLM Mixers.

Estas plataformas funcionan como pasarelas ilícitas que revenden el acceso a modelos de IA de frontera a usuarios externos mediante planes de suscripción económica, transfiriendo el costo total de computación e inferencia a las cuentas corporativas de las organizaciones vulneradas. GTIG proyecta que los atacantes priorizarán el LLMJacking sobre esquemas previos debido a los altos márgenes de ganancia inmediata que ofrece este modelo de intermediación no autorizada.

Vale la pena señalar el paralelismo con otras industrias del fraude digital que ya operan como servicio, tal como se analizó en el fenómeno del Phishing as a Service en Latinoamérica: la ciberdelincuencia cada vez más se organiza en cadenas de especialización.

¿Qué advierte Google sobre la IA agéntica y el robo de tokens?

Ante este panorama, John Hultquist, analista jefe de Google Threat Intelligence Group, advierte sobre la importancia de proteger los recursos de IA y cómputo que las organizaciones están incorporando a sus operaciones:

«Siempre que pueden, los actores de amenazas buscan aprovechar esta tecnología para obtener una ventaja de escala frente a los equipos de defensa. Lo consiguen mediante herramientas de IA agéntica y el robo de tokens de terceros que desconocen que sus recursos están siendo utilizados. Proteger estos recursos no solo evitará que las organizaciones enfrenten costos descontrolados, sino que también ayudará a proteger a la comunidad en general frente a una avalancha de ataques autónomos y de bajo costo».

Las organizaciones deberán supervisar de cerca los modelos y recursos de cómputo que incorporan rápidamente a sus operaciones; de lo contrario, podrían no ser las únicas en utilizarlos, advierte el analista. Esto implica examinar los patrones de uso, habilitar la autenticación multifactor y gestionar cuidadosamente las credenciales y otros secretos de acceso.

Recomendaciones para mitigar el LLMJacking

Para salvaguardar los entornos en la nube y mitigar el riesgo operativo y financiero, Mandiant y Google aconsejan:

• Establecer topes de gasto y alertas: configurar cuotas granulares por modelo y límites presupuestarios estrictos en las plataformas de nube para interrumpir consumos anómalos de forma automática.
• Higiene estricta de credenciales: implementar herramientas automatizadas de escaneo de código para evitar que claves de API y secretos queden expuestos en repositorios de desarrollo.
• Autenticación multifactorial (MFA): exigir MFA resistente a phishing en todas las consolas de gestión de identidad y plataformas en la nube.
• Supervisar micro-transacciones: monitorear los registros de acceso para identificar consultas mínimas automatizadas, técnica frecuentemente utilizada para verificar la validez de credenciales robadas antes de lanzar consumos a gran escala.
• Actualización de pasarelas de IA: garantizar la pronta aplicación de parches de seguridad en herramientas intermedias de enrutamiento y administración de modelos.

El informe técnico detallado y los indicadores de compromiso están disponibles en el blog oficial de inteligencia de amenazas de Google Cloud. En un contexto donde la IA generativa se integra aceleradamente en los flujos empresariales, la lección es clara: cada recurso de IA que una organización conecta a la nube es también una puerta que conviene cerrar con llave.