Una cifra de 17,3 billones de filas puede sugerir un robo gigantesco. En este caso corresponde a una estimación del entorno accesible desde un servicio de Microsoft que tenía un fallo de autenticación. El alcance potencial del agujero exige distinguir entre lo que podía consultarse y lo que llegó a comprobarse.El descubrimiento lleva la firma de Faav, un investigador de seguridad de 16 años que combina sus estudios con la búsqueda de vulnerabilidades. Recibió una recompensa de 5.000 dólares. En el proceso participó una herramienta propia de inteligencia artificial, aunque la decisión que desbloqueó el acceso la tomó él.La historia permite observar dos usos de la automatización: revisar muchos indicios y ayudar a encontrar errores de seguridad. También muestra sus límites. Un sistema puede insistir durante días en una hipótesis equivocada, mientras una comprobación humana cambia el resultado. Tener capacidad para ejecutar pruebas tampoco equivale a entender todas sus consecuencias.Una identidad que no se comprobabaTitan es una plataforma interna de análisis. Faav explica en su relato publicado el 25 de septiembre de 2026 que una de sus vías de acceso aceptaba datos de identidad sin verificar la firma del token, la credencial digital presentada al servicio. Así podía asumir permisos de administrador. La debilidad afecta a la autenticación; es distinta de las estafas con códigos que buscan engañar a una persona.Comprobar una firma permite detectar si alguien ha cambiado el contenido de una credencial o si procede de un emisor distinto al previsto. Leer un nombre, una aplicación o una organización dentro del token no ofrece esa garantía por sí solo. El contenido necesita una procedencia verificable antes de que el servicio conceda acceso a información que debería estar restringida.La documentación de Microsoft sobre autorización añade otras comprobaciones: que la credencial esté destinada a esa aplicación, que pertenezca a la organización adecuada y que quien la presenta tenga permisos. También desaconseja usar nombres de usuario o direcciones de correo para decidir el acceso. Son datos que pueden cambiar, frente a identificadores estables. Estas precauciones conservan su importancia cuando se introducen agentes de IA en tareas técnicas.Informar y limitar las pruebasLa cifra de 17,3 billones procede de un cálculo sobre metadatos de almacenamiento y puede incluir información histórica, duplicada o derivada. El investigador describe pruebas limitadas, entre ellas dos muestras de una fila de análisis de Bing, y afirma que no identificó a usuarios ni construyó perfiles. No acredita un robo de ese volumen, ni representa 17,3 billones de personas afectadas.La comunicación del fallo siguió el cauce de recompensa por vulnerabilidades. Según la cronología del investigador, el aviso llegó el 5 de septiembre, el acceso quedó restringido el 9 y el premio se concedió el 17. La corrección precedió a la publicación de su relato. El caso ilustra por qué el debate sobre modelos de razonamiento necesita pruebas sobre lo que hacen en situaciones concretas.El programa de recompensas de la compañía pide informar en privado y dar tiempo para corregir el problema antes de divulgarlo. Sus reglas exigen evitar la extracción o modificación de datos de clientes y detener las pruebas si aparece información sensible. La calidad del aviso tiene valor porque ayuda a reproducir y resolver el fallo, un criterio distinto de la atención que generan los riesgos de IA.Para una empresa, recibir un informe útil antes de que se abuse de una vulnerabilidad puede reducir la exposición de sus servicios. Para el investigador, documentar solo lo necesario permite demostrar el problema sin ampliar el daño. Esa disciplina importa incluso cuando una herramienta acelera el trabajo: la responsabilidad sobre las pruebas realizadas sigue recayendo en quien las dirige.