¿Por qué mi escáner de seguridad no detecta el tipo de vulnerabilidad que mi asistente de IA identifica con mayor frecuencia?

Los asistentes de programación basados en IA introducen una vulnerabilidad de seguridad en entre el 44 % y el 72 % de las tareas de generación, dependiendo del lenguaje, según el Informe sobre seguridad del código de GenAI de 2026 de Veracode. Las herramientas SAST existentes se diseñaron y ajustaron en función de patrones de código escritos por humanos; no tienen en cuenta las firmas de vulnerabilidad repetitivas y específicas de cada modelo que produce una herramienta de IA determinada. Un estudio comparativo entre modelos publicado en arXiv en julio de 2026 reveló que los diferentes modelos de lenguaje grande (LLM) concentran el riesgo en clases de CWE predecibles y diferenciadas en bases de código totalmente ajenas entre sí, y que los escáneres actuales carecen de perfiles que tengan en cuenta el modelo para aprovechar esta regularidad. Endorlabs confirmó en 2026 que los escáneres de patrones fijos pasan por alto fallos que dependen del contexto entre archivos, que es precisamente donde el código generado por IA suele fallar con mayor frecuencia. En la actualidad, ningún escáner apto para producción incluye perfiles adaptados al modelo que generó el código.