Pentesting con IA: lo que los sistemas autónomos realmente entregan hoy

El pentesting con IA es la gran promesa del sector: un agente que asume toda la prueba de forma autónoma. Comprobamos la afirmación por nosotros mismos, con los sistemas totalmente autónomos disponibles y con inferencia local propia. El balance es más sobrio que la publicidad, pero bastante más útil.

En pocas palabras: la enumeración y parte de la explotación funcionan bien hoy. En modo totalmente autónomo los sistemas son inconsistentes y poco fiables. El potencial está en asistir pentests y automatizar pequeños pasos parciales.

Sistemas autónomos a prueba

Probamos Strix y PentAGI, dos enfoques disponibles de agentes de pentest autónomos.

Strix encuentra debilidades en código y en servidores web, pero encontrar no significa de forma fiable ni consistente. La interfaz no está lista para producción: contiene bugs, se cae con salidas inesperadas de la IA y entrega como único resultado un archivo Markdown sin estructura fija. Un informe de pruebas acaba siendo una colección de texto que un humano vuelve a ordenar.

PentAGI parece en la superficie más listo para producción y organiza las tareas bastante mejor que Strix. En la práctica, los flujos se pausan a veces cuando deberían ejecutarse en segundo plano y los resultados siguen siendo inconsistentes. Los agentes suelen hacer más que la tarea actual, con lo que repiten mucho trabajo. Lo más crítico son los problemas de alcance: a veces se probaron IPs y puertos fuera del perímetro definido. Lo que en el laboratorio es ineficiencia, en un cliente es un problema contractual. Un pentest sin disciplina de alcance no es un pentest.

Consecuencia: asistido, no autónomo

El valor de un pentest está en la trazabilidad, la fidelidad al alcance y una valoración sólida. Esos tres puntos no los cumplen hoy los agentes autónomos. Un modelo sí puede trabajar con fiabilidad donde los pasos parciales son reproducibles: estructurar superficies de ataque, acotar zonas de código, redactar borradores del informe, aportar variabilidad en wordlists y pruebas de fuzzing. El tester sigue siendo quien decide; el modelo multiplica.

Inferencia local en vez de API en la nube

Quien envía datos de un pentest por una API en la nube entrega superficies de ataque, hallazgos y detalles de arquitectura a un tercero. La mayoría de clientes no lo quiere, y con razón. Por eso ejecutamos la inferencia en local.

La elección de hardware fue una NVIDIA RTX PRO 6000 (Blackwell): 96 GB de memoria GDDR7, soporte de hardware NVFP4 para modelos cuantizados y CUDA como ecosistema de software, claramente por delante de AMD. La tarjeta está disponible como única tarjeta PCIe, a diferencia de aceleradores de centro de datos como la B200. Renunciar a NVLINK es aceptable para nuestros flujos. Se evaluaron alternativas: la RTX PRO 5000 Blackwell, con algo menos de rendimiento y memoria; la H100 NVL y la H200 NVL, con más ancho de banda y NVLINK, pero de generación anterior y más caras; la AMD Radeon AI PRO R9700, bastante más barata pero con mucha menos VRAM y peor soporte de software; y el GB10, con memoria compartida mucho más lenta y sin posibilidad de ampliar con más tarjetas.

Stack de inferencia y modelos abiertos

En el software de inferencia: ollama es simple, con pocas opciones de configuración. llama.cpp es la opción para la derivación a CPU o la inferencia solo en CPU. Para producción usamos vLLM, hoy el estándar para inferencia completa en GPU con varios usuarios simultáneos y el mejor rendimiento en tarjetas gráficas.

En la tarjeta corren con agilidad, entre otros, Qwen3.8-27B, Qwen3.6-35B-A3B, Qwen3.5-122B-A10B, gpt-oss-120b, Mistral Small 4 y Gemma 4. Destacable: Qwen3.8-27B es comparativamente pequeño y, aun así, hoy uno de los mejores y más recientes modelos de pesos abiertos. Pesos abiertos significa más que ahorrarse licencias: control total sobre despliegue, longitud de contexto y gestión de datos.

El balance honesto: la IA no sustituye a un pentester. Sustituye las partes aburridas de su trabajo y acelera el resto. Quien hoy compra un pentest totalmente autónomo con IA compra una promesa de futuro, no el presente.