En junio de 2026, Apple introdujo silenciosamente un sistema de límites en su programa de bug bounty: los investigadores de seguridad ya no pueden tener un número ilimitado de informes abiertos simultáneamente en el portal interno de seguridad de Apple, y hay un período de enfriamiento de 30 días tras alcanzar el límite. Los investigadores que necesiten informar más vulnerabilidades de las que permite su cuota pueden solicitar un aumento, pero no de forma automática.
La razón: la oleada de informes de vulnerabilidades generados o asistidos por IA había desbordado la capacidad de revisión humana del equipo de seguridad de Apple. El fenómeno no es específico de Apple — es una consecuencia directa de que modelos como GPT o Claude pueden analizar bases de código masivas a una velocidad que hace años habría requerido docenas de ingenieros de seguridad durante semanas. Eso democratiza la búsqueda de bugs, pero también genera un volumen de informes que ningún equipo humano puede revisar al mismo ritmo que se generan. Herramientas como ChatGPT y Claude pueden analizar código en busca de vulnerabilidades a una velocidad que los equipos humanos de revisión no pueden igualar.
El caso que llevó el problema a los medios de tecnología — recogido primero por el Financial Times y luego por MacRumors, Engadget y 9to5Mac — es el de Bynario, una startup italiana de ciberseguridad que usó ChatGPT para encontrar más de 50 bugs de macOS en solo 3 semanas. Uno de esos bugs era un exploit de escalada de privilegios que daría a un atacante control completo sobre un Mac — valorado en hasta $200.000 en el mercado negro y potencialmente elegible para la recompensa máxima de hasta $2 millones del programa de Apple.
Bynario intentó reportarlo. No pudo: había alcanzado el límite de Apple.
La paradoja: Apple usa la misma IA para encontrar bugs que está generando el problema
La situación tiene una ironía estructural que los informes de MacRumors, 9to5Mac y AppleInsider documentan con claridad: Apple está técnicamente atrapada en ambos lados del mismo problema que generó la limitación del bug bounty. el iOS 26.6, la última actualización de sistema que Apple publicó días antes del artículo, corrige casi 90 vulnerabilidades de seguridad, algunas de las cuales están acreditadas a Claude de Anthropic y Codex Security de OpenAI. La misma IA que genera el problema es la que Apple está usando internamente para encontrar vulnerabilidades reales.
Apple también ha desplegado un sistema de IA propio para clasificar (triage) las solicitudes entrantes, ayudando a separar los informes legítimos de los «AI slop» — bugs alucinados o de baja calidad que las herramientas generan como efecto colateral de su velocidad de análisis.
Rafe Pilling (Sophos): «Los programas de bug bounty han pasado de encontrar vulnerabilidades a validarlas a velocidad de máquina.» Eso captura perfectamente el cambio: antes el cuello de botella era encontrar bugs, ahora es verificar que los que los modelos encuentran son reales y explotables.
Después de que el caso de Bynario se hiciera público, Apple contactó con la empresa y está revisando sus envíos. La vulnerabilidad crítica de macOS, al menos, llegará al equipo de seguridad.
Las gafas de Apple y su enfoque en privacidad y seguridad como diferenciador de producto muestran que Apple construye su marca sobre la seguridad — un programa de bug bounty que pierde vulnerabilidades críticas por exceso de AI slop es un riesgo real de reputación. La privacidad como argumento central de los productos de Apple es coherente con tener el programa de bug bounty más generoso de la industria — hasta $2 millones por exploits críticos. El mercado de wearables de Apple incluye cada vez más dispositivos con acceso biométrico y datos sensibles — lo que hace que las vulnerabilidades de software de Apple sean más valiosas y el programa de bug bounty más crítico que nunca.
Mi valoración
Lo que más me preocupa del sistema de límites es exactamente el caso de Bynario: una vulnerabilidad crítica que no llega al equipo de seguridad porque el investigador alcanzó su cuota. Apple tiene mecanismos para pedir un aumento de límite, pero eso asume que el investigador sabe que tiene esa opción y la activa antes de intentar reportar. El fallo de Bynario muestra que el sistema puede bloquear a un investigador legítimo sin que éste sepa de antemano que está a punto de alcanzar el límite.
Lo que más me convence de la respuesta de Apple es la flexibilidad: el límite no es absoluto, los investigadores pueden pedir un incremento. Eso es mejor que cerrar el programa o ignorar el problema.
Preguntas frecuentes
¿Qué es un «AI slop» en el contexto de bug bounties?
En este contexto, son informes de vulnerabilidades generados por IA que describen bugs que no existen (alucinaciones), son inexpugnables, ya son conocidos o son de tan baja severidad que no justifican la atención del equipo de seguridad. Los modelos de IA analizan código rápidamente pero también generan falsos positivos — resultados que parecen vulnerabilidades pero no lo son cuando se verifica con un humano.
¿Por qué una empresa como Apple no contrata más revisores de seguridad para absorber el volumen?
Porque la verificación de vulnerabilidades de seguridad requiere experiencia técnica muy especializada y escasa. No se puede escalar rápidamente contratando revisores junior — la validación de un exploit de macOS requiere ingenieros de seguridad con años de experiencia específica. El bottleneck es humano por naturaleza.
¿Otros programas de bug bounty tienen el mismo problema?
Sí. GitHub cambió su estructura de pagos para ser menos generosa con bugs de baja y media severidad, directamente por el mismo motivo. Google, Microsoft y otros operadores de bug bounty están todos enfrentando el mismo problema de forma paralela. Es una consecuencia directa de que los modelos de IA de 2026 son suficientemente buenos para encontrar vulnerabilidades reales a escala.