La IA acierta con el clima – mientras se descubre un agujero de seguridad de doce años en PostgreSQL

Cuando la IA por fin acierta

Hay algo casi poético en que el último avance de Google DeepMind se trate de predecir el caos. El clima es uno de los ejemplos más clásicos de un sistema caótico – sensible a cualquier cambio, difícil de modelar, aún más difícil de acertar. Sin embargo, según informa Computer Sweden, Weathernext 3 ahora promete hasta un 50 por ciento de mejora en precisión en comparación con soluciones anteriores. No es un ajuste marginal. Es un salto considerable.

El corazón del sistema es el acceso continuo a datos brutos de satélites, que se procesan continuamente para generar un nuevo pronóstico cada hora. Los servicios meteorológicos tradicionales rara vez se actualizan a ese ritmo. El resultado se distribuye entonces automáticamente en los servicios de Google – lo que significa que la mejora llega a millones de usuarios sin que tengan que hacer nada.

Para una persona común, tal vez se trata simplemente de no mojarse en vacaciones. Pero para la agricultura, la navegación marítima y la producción de energía, pronósticos más confiables pueden suponer importantes ganancias económicas y de seguridad. La planificación de emergencias ante fenómenos meteorológicos extremos es un área donde cada punto porcentual de mejora en la precisión puede tener consecuencias vitales. Es ese tipo de aplicación la que realmente justifica las enormes inversiones en modelos de IA a gran escala.

Una bomba de relojería de doce años

Mientras Google muestra a dónde puede llevarnos la tecnología de IA, las noticias de seguridad de esta semana nos recuerdan qué puede ocurrir cuando no cuidamos lo básico. La empresa de seguridad Cyera revela, según SecurityWeek, una vulnerabilidad grave en PostgreSQL – uno de los sistemas de gestión de bases de datos más utilizados en el mundo. La falla, rastreada como CVE-2026-6471 y bautizada como PostGREShell, ha existido en el sistema durante doce años y afecta versiones desde la 9.4 hasta la 18.

Se trata de cómo PostgreSQL maneja la decodificación lógica en la replicación de bases de datos. El nombre del complemento enviado a la función de carga no se valida – lo que significa que un atacante con permisos bajos puede apuntar a una ruta de archivo arbitraria y hacer que el sistema la ejecute con los derechos del servidor. Control total, en otras palabras, a través de una función que se distribuye rutinariamente a herramientas de copia de seguridad y sistemas de monitoreo.

Millones de instalaciones en decenas de miles de empresas han estado, pues, abiertas. Y es precisamente el tipo de puerta trasera que se sospecha que los actores buscan en ataques contra infraestructuras.

Que Dustin Group la misma semana se vea obligada a cerrar su tienda en línea tras una violación de datos – y que los clientes no puedan ni comprar ni recibir entregas – es un recordatorio de que estas vulnerabilidades no permanecen en reportes de investigación. Se materializan. Dustin ha contratado expertos externos en ciberseguridad y ha contactado a las autoridades, pero cómo ocurrió la violación aún no se ha hecho público. Lo que sabemos es que incluso una empresa tecnológica bien conocida y bien administrada resultó afectada – y eso debería plantear preguntas a cualquiera que gestione sistemas críticos.

Marcas que no alcanzan el objetivo

Una noticia un poco menos destacada pero aún sintomática viene de Instagram, donde The Verge informa que la función de marcado de IA de la plataforma nuevamente marca incorrectamente imágenes. Usuarios que han eliminado un fondo en Canva o realizado retoques simples ven sus imágenes etiquetadas como generadas por IA – mientras que contenido realmente generativo pasa sin observación.

No es la primera vez. Meta prometió en 2024 refinar el sistema, pero los métodos siguen siendo opacos y la empresa no responde a preguntas sobre cómo funciona realmente la revisión hoy en día. Parte de los errores parecen poder rastrearse a Canva, que informó que algunas de sus herramientas auxiliares fueron marcadas accidentalmente como generativas.

El problema no es trivial técnicamente – distinguir entre "editado con IA" y "creado por IA" requiere una gestión de metadatos matizada y modelos bien calibrados. Pero es un problema que debe resolverse si el marcado de IA ha de cumplir una función real. Una marca en la que la gente deja de confiar es simplemente texto inútil en una pantalla.