La inteligencia artificial está transformando profundamente el desarrollo de software. Herramientas capaces de escribir código, corregir errores, ejecutar comandos y gestionar proyectos completos están cambiando la manera en que trabajan los programadores y las empresas tecnológicas. Entre estas soluciones destaca Claude Code, el agente de programación desarrollado por Anthropic, que permite automatizar numerosas tareas directamente desde la terminal y los entornos de desarrollo. Sin embargo, sus capacidades también plantean nuevos desafíos relacionados con la seguridad informática, especialmente cuando se le conceden permisos para interactuar con archivos, servidores y servicios externos.
Un incidente relacionado con Claude Code ha puesto de manifiesto estos riesgos después de que una investigación de la empresa de ciberseguridad Apiiro identificara miles de credenciales sensibles expuestas en repositorios públicos de GitHub. Los investigadores encontraron contraseñas de bases de datos, claves de servicios en la nube, tokens de acceso y otras informaciones confidenciales almacenadas en archivos de configuración de la herramienta. El problema estaba relacionado con una función que permite autorizar determinadas operaciones sin tener que aprobarlas repetidamente. Lo que inicialmente parecía una característica destinada a mejorar la productividad terminó facilitando, en determinadas circunstancias, la publicación accidental de información privada.
Este caso resulta especialmente relevante porque demuestra que los riesgos de la inteligencia artificial no se limitan a posibles errores en la generación de código o a respuestas incorrectas de los modelos. También pueden aparecer en las funciones que permiten a los agentes ejecutar instrucciones, almacenar autorizaciones y acceder a información sensible. La situación obliga a revisar cómo se utilizan estas herramientas y qué medidas deben implementar las organizaciones para proteger sus sistemas. Claude Code representa un ejemplo significativo de por qué la automatización debe desarrollarse acompañada de mecanismos sólidos de seguridad.

¿Qué es Claude Code y cómo funciona?
Claude Code es una herramienta de programación basada en los modelos de inteligencia artificial de Anthropic. Permite analizar archivos, modificar código, ejecutar comandos y colaborar en diferentes etapas del desarrollo de aplicaciones. A diferencia de un chatbot convencional, Claude Code puede intervenir directamente en el entorno de trabajo cuando el usuario le concede los permisos correspondientes. Esto amplía sus posibilidades, pero también significa que sus acciones pueden afectar a sistemas y datos reales.
Entre sus funciones se encuentran investigar errores, instalar dependencias, ejecutar pruebas, modificar programas y consultar bases de datos. Muchas de estas operaciones requieren utilizar comandos de terminal, por lo que Claude Code incorpora mecanismos de autorización para que el usuario pueda revisar determinadas acciones antes de ejecutarlas. Este sistema busca mantener cierto control humano sobre el agente.
Sin embargo, durante una sesión de programación pueden aparecer numerosas solicitudes de autorización. Para reducir estas interrupciones, Claude Code permite recordar determinados permisos y evitar que el sistema vuelva a preguntar por operaciones previamente aprobadas. Una de las opciones disponibles es «Sí, y no vuelvas a preguntar». Aunque resulta práctica para tareas repetitivas, puede generar riesgos si los comandos autorizados contienen contraseñas, tokens u otros datos confidenciales.
¿Cómo se produjo la filtración de credenciales?
La investigación de Apiiro identificó que determinadas autorizaciones concedidas a Claude Code podían quedar almacenadas en un archivo denominado .claude/settings.local.json. Este documento contiene configuraciones locales y reglas relacionadas con los permisos de ejecución. En determinadas circunstancias, puede incluir instrucciones completas con parámetros y credenciales utilizadas durante una operación.
Para entender el problema, imaginemos que un desarrollador necesita comprobar la conexión de una aplicación con una base de datos externa. Claude Code propone ejecutar un comando que contiene la dirección del servidor, el nombre de usuario y una contraseña. El programador acepta la operación y selecciona la opción para no volver a recibir solicitudes de autorización. Si la instrucción queda almacenada literalmente, la contraseña también puede terminar registrada en el archivo de configuración.
El riesgo aparece cuando ese documento se incorpora accidentalmente a un repositorio de GitHub. Aunque está pensado para conservar preferencias individuales, puede compartirse con el resto del proyecto si no se encuentra correctamente excluido. Claude Code incorpora mecanismos para intentar evitar su publicación, pero estos dependen de determinadas condiciones. Una configuración global de exclusión no sustituye las reglas específicas de cada repositorio ni garantiza que un archivo previamente seguido por Git deje de formar parte de los cambios publicados.
Por tanto, el problema no depende exclusivamente de la inteligencia artificial. También intervienen las decisiones del desarrollador, las configuraciones del repositorio y los procedimientos utilizados para compartir código. Un archivo inicialmente local puede terminar publicado cuando se realizan modificaciones y se envían los cambios a GitHub. Por eso, revisar los documentos incorporados al control de versiones es fundamental cuando se utiliza Claude Code.
Las cifras de Apiiro: Miles de secretos expuestos en GitHub
La investigación publicada por Apiiro el 5 de noviembre de 2026 examinó archivos públicos de configuración de Claude Code disponibles en GitHub. Los investigadores encontraron 104.185 copias de .claude/settings.local.json, distribuidas en 103.617 repositorios. De ese conjunto, 1.122 archivos contenían al menos un secreto real, según los criterios utilizados por la compañía. En total, estos documentos reunían 1.379 credenciales distintas.
Los resultados incluyeron contraseñas de bases de datos, claves de servicios en la nube y credenciales de diferentes plataformas tecnológicas. Apiiro identificó 379 contraseñas de bases de datos, 122 claves de servicio de Supabase y otras 103 credenciales de cuentas de esta plataforma. También encontró 43 credenciales SSH para acceder a servidores públicos, 42 tokens relacionados con GitHub, GitLab y npm, 23 claves de AWS y seis claves privadas.
La investigación también identificó credenciales pertenecientes a organizaciones. Según Apiiro, 63 entidades tenían al menos un secreto real expuesto en los archivos analizados. Entre los ejemplos documentados figuraban una clave administrativa de servicios en la nube, una contraseña de producción de Azure PostgreSQL y un token de acceso de producción de Square. También se encontró una contraseña de propietario de una base de datos utilizada por una aplicación relacionada con historiales médicos.
Es importante interpretar correctamente estas cifras. Apiiro identificó credenciales que cumplían sus criterios técnicos para considerarse secretos, pero no comprobó si todas continuaban siendo válidas o permitían acceder a los sistemas correspondientes. La compañía explicó que no utilizó las credenciales ni contactó con los servidores afectados durante la investigación. Por tanto, encontrar una contraseña expuesta demuestra la existencia de un riesgo, pero no confirma que alguien la haya utilizado maliciosamente.
Al ampliar el análisis a historiales de Git, archivos compartidos y transcripciones de conversaciones de agentes, Apiiro identificó secretos adicionales. El total ascendió a 2.539 secretos distintos distribuidos en 1.994 repositorios públicos. Este resultado demuestra que revisar únicamente los archivos actuales de un proyecto puede ser insuficiente para conocer toda su exposición histórica.
¿Por qué las credenciales expuestas representan un riesgo empresarial?
Las consecuencias de publicar una credencial dependen del servicio al que proporciona acceso y de los permisos asociados. Una contraseña de una base de datos con privilegios administrativos podría permitir consultar, modificar o eliminar información. Si el sistema contiene datos de clientes, empleados o usuarios, la exposición puede afectar también a la privacidad y generar problemas relacionados con las obligaciones de protección de datos.
Los tokens de plataformas de desarrollo presentan riesgos similares. Una credencial de GitHub o GitLab podría facilitar el acceso a repositorios privados o permitir determinadas operaciones sobre proyectos. Un token de npm puede afectar a la administración de paquetes, mientras que una clave de AWS podría proporcionar acceso a recursos de infraestructura. No todas las credenciales conceden privilegios ilimitados, pero su publicación obliga a comprobar qué capacidades tenían y si siguen activas.
Otro aspecto preocupante es la persistencia de la información. Git conserva un historial de modificaciones, por lo que eliminar una contraseña de un archivo no significa necesariamente que haya desaparecido de versiones anteriores. Apiiro también identificó 211 bifurcaciones correspondientes a 74 repositorios afectados que conservaban los mismos secretos. Esto demuestra que una limpieza superficial puede dejar copias de información confidencial en diferentes ubicaciones.
Cuando se detecta una credencial expuesta, la prioridad debe ser revocarla o sustituirla. Después corresponde limpiar el repositorio, revisar su historial y evaluar las bifurcaciones y otras copias que puedan conservar la información. Estas medidas son importantes porque eliminar un archivo no garantiza que la contraseña haya dejado de ser válida.

La fatiga de aprobación y los riesgos de la automatización
Uno de los aspectos más interesantes del incidente de Claude Code es la relación entre automatización y comportamiento humano. La fatiga de aprobación aparece cuando una persona recibe tantas solicitudes de autorización que comienza a aceptarlas automáticamente, sin revisar cada operación. En el desarrollo asistido por inteligencia artificial, esto puede suceder cuando un agente necesita ejecutar numerosos comandos para completar una tarea.
El fenómeno no es exclusivo de Claude Code, pero los agentes de programación presentan una particularidad: sus instrucciones pueden combinar operaciones técnicas con información procedente de archivos, variables de entorno y servicios externos. Un usuario puede comprender el objetivo general de un comando sin identificar todas las credenciales incluidas en él. Por esta razón, aprobar una operación sin examinar sus parámetros puede implicar autorizar también el almacenamiento accidental de información confidencial.
La situación se agrava cuando los desarrolladores trabajan bajo presión o delegan tareas extensas en agentes autónomos. La principal promesa de Claude Code consiste en reducir el trabajo manual y acelerar la programación. Si cada operación requiere una revisión excesivamente detallada, parte de esa ventaja desaparece, pero eliminar todas las comprobaciones tampoco es una solución adecuada. El desafío consiste en establecer permisos específicos que permitan automatizar tareas sin conceder capacidades innecesarias.
También es importante distinguir entre confiar en un modelo de inteligencia artificial y confiar en la aplicación que lo ejecuta. Apiiro señaló que el comportamiento observado estaba relacionado con el mecanismo de permisos y almacenamiento de Claude Code, no con una respuesta particular del modelo. Los investigadores indicaron que pudieron reproducirlo con diferentes modelos de Anthropic, incluidos Opus 5.5 y Fable 5.1. Esto demuestra que la seguridad depende también de las decisiones de ingeniería que determinan cómo interactúa la herramienta con el sistema operativo.
Las limitaciones de las herramientas de detección de secretos
Apiiro también examinó las limitaciones de los sistemas tradicionales utilizados para detectar credenciales expuestas. Entre las soluciones analizadas estaban Gitleaks y TruffleHog, herramientas que buscan identificar posibles secretos en archivos y repositorios de código. Los investigadores ejecutaron ambos sistemas sobre los 104.185 archivos públicos recopilados. Ninguno consiguió identificar todos los documentos que contenían información confidencial.
Gitleaks detectó 564 de los 1.122 archivos con secretos, mientras que TruffleHog identificó 643. Además, 215 archivos con credenciales reales no fueron señalados por ninguna de las dos herramientas. Muchos sistemas de detección buscan patrones reconocibles, como prefijos de proveedores, cadenas largas de caracteres aleatorios o formatos asociados con claves API. Sin embargo, una contraseña puede aparecer dentro de un comando como una cadena de texto aparentemente ordinaria.
Por ejemplo, una instrucción que incorpora una contraseña SSH o utiliza una variable como PGPASSWORD puede contener información sensible sin presentar el formato habitual de una clave de servicio. Si el detector está configurado principalmente para identificar patrones conocidos, puede pasar por alto estas situaciones. Por eso, la seguridad de Claude Code necesita mecanismos capaces de identificar también contraseñas y tokens incorporados en instrucciones de terminal.
El problema tampoco se limita a un único archivo de configuración. Apiiro encontró secretos en conversaciones, documentos de memoria, notas de transferencia de tareas y configuraciones compartidas de diferentes herramientas. También examinó archivos relacionados con Cursor, Aider y GitHub Copilot. Estos resultados muestran que las organizaciones deben ampliar sus políticas de seguridad para incluir los documentos generados por agentes de inteligencia artificial.
La respuesta de Anthropic y las mejoras de seguridad
Tras la publicación de la investigación, Anthropic abordó las preocupaciones relacionadas con Claude Code. Boris Cherny, responsable de la herramienta, participó en una discusión en Hacker News el 7 de noviembre de 2026. Durante ese intercambio reconoció que Claude Code históricamente no había incorporado un mecanismo específico para eliminar secretos de los comandos almacenados. También explicó que la compañía estaba estudiando alternativas para prevenir situaciones similares.
Entre las medidas mencionadas se encontraban mejorar la detección de comandos sensibles en el modo automático y desarrollar un sistema básico de análisis de secretos integrado en Claude Code. Estas propuestas buscan reducir la posibilidad de que las credenciales terminen almacenadas accidentalmente. Sin embargo, Cherny señaló que todavía era necesario estudiar las alternativas y sus posibles consecuencias antes de implementarlas. En el momento de sus declaraciones no se había anunciado una fecha concreta para esas mejoras.
Anthropic también explicó que Claude Code incorpora mecanismos para excluir el archivo local de los cambios de Git cuando lo crea. La compañía consideraba que muchos documentos expuestos habían sido incorporados manualmente a los repositorios. Apiiro, por su parte, documentó situaciones en las que archivos previamente seguidos por Git recibían nuevas autorizaciones y terminaban actualizados mediante cambios realizados por Claude Code. Esta diferencia demuestra que una regla de exclusión global no resulta suficiente en todas las circunstancias.
Activar los mecanismos de detección de secretos disponibles en GitHub y otras plataformas es recomendable, aunque tampoco debe considerarse una protección infalible. Los resultados de Apiiro indican que los sistemas automáticos pueden identificar numerosas credenciales, pero no necesariamente todas las contraseñas incluidas en comandos. Por eso, las empresas necesitan combinar revisiones, controles de permisos, análisis del historial y políticas de gestión de información confidencial.
¿Cómo proteger los proyectos que utilizan Claude Code?
La primera medida consiste en revisar los archivos de configuración generados por Claude Code. Es conveniente comprobar el contenido de .claude/settings.local.json y buscar comandos que puedan contener contraseñas, tokens o claves de acceso. También resulta importante verificar si el archivo aparece en el historial de Git, porque eliminarlo de la versión actual no garantiza que haya desaparecido de las anteriores. Esta comprobación debe realizarse tanto en proyectos individuales como en repositorios utilizados por equipos de trabajo.
Si se encuentra una credencial expuesta, la prioridad debe ser revocarla o sustituirla antes de concentrarse exclusivamente en limpiar el repositorio. Posteriormente, corresponde retirar el archivo del seguimiento de Git cuando deba permanecer local y añadir una regla adecuada al .gitignore del proyecto. Apiiro recomienda utilizar git rm –cached para dejar de seguir el archivo sin eliminar necesariamente su copia local. También es necesario evaluar las bifurcaciones, los clones y las versiones anteriores que podrían conservar la información.
Otra recomendación importante es evitar escribir contraseñas directamente en los comandos que ejecutan los agentes. En su lugar, pueden utilizarse variables de entorno o gestores de secretos que permitan proporcionar las credenciales sin incorporarlas literalmente a las instrucciones almacenadas. Por ejemplo, un comando puede hacer referencia a una variable como $DB_URL en lugar de incluir una cadena de conexión con una contraseña real. Esta práctica reduce la posibilidad de que una autorización persistente termine guardando directamente la credencial, aunque no elimina todos los riesgos relacionados con el acceso a información sensible.
También conviene limitar los permisos concedidos a Claude Code. En lugar de aprobar comandos completos de manera permanente, es preferible establecer reglas específicas que permitan ejecutar determinadas operaciones sin autorizar instrucciones innecesariamente amplias. Los equipos deberían revisar periódicamente las autorizaciones almacenadas y comprobar que continúan siendo necesarias. Además, los repositorios empresariales pueden incorporar controles automáticos antes de aceptar cambios, de manera que se detecten archivos sensibles y posibles credenciales antes de que lleguen a una rama pública.
Por último, las organizaciones deben considerar los archivos generados por Claude Code y otros agentes de inteligencia artificial como posibles fuentes de información confidencial. Esto implica incluirlos en las políticas de seguridad, realizar auditorías periódicas y formar a los desarrolladores sobre los riesgos de la automatización. No basta con proteger los archivos .env o las configuraciones tradicionales, porque los agentes pueden conservar información sensible en ubicaciones menos evidentes.

El incidente relacionado con Claude Code demuestra que los riesgos de la inteligencia artificial aplicada al desarrollo de software no siempre proceden de ataques sofisticados. En este caso, una función diseñada para reducir las interrupciones durante la programación terminó facilitando el almacenamiento de contraseñas y otras credenciales en archivos que podían llegar a repositorios públicos. La investigación de Apiiro identificó miles de secretos expuestos, aunque sus resultados no demuestran que todas las credenciales continuaran siendo válidas ni que hubieran sido utilizadas por terceros. Esta distinción permite comprender la gravedad del problema sin atribuirle consecuencias que no fueron verificadas.
El caso también pone de manifiesto que la seguridad de Claude Code depende de mucho más que la capacidad de su modelo para generar código. La administración de permisos, el almacenamiento de información, la configuración de Git y los sistemas de detección de secretos forman parte de un mismo entorno de protección. Si cualquiera de estos elementos presenta deficiencias, una herramienta de programación puede convertirse en un factor de exposición. Por eso, la automatización debe acompañarse de mecanismos que permitan controlar qué información se utiliza, dónde se conserva y qué operaciones puede realizar cada agente.
Anthropic ha reconocido la necesidad de estudiar mejoras para Claude Code, pero la responsabilidad de prevenir filtraciones no corresponde exclusivamente a los fabricantes de inteligencia artificial. Los desarrolladores y las organizaciones también deben revisar sus prácticas, evitar introducir credenciales directamente en comandos y comprobar qué archivos incorporan a sus repositorios. La combinación de prevención, supervisión, rotación de credenciales y auditorías periódicas ofrece una protección más sólida que depender de una única función.
En definitiva, ahorrar tiempo mediante la automatización no debería implicar renunciar al control sobre la información sensible. En ITD Consulting ayudamos a las empresas a afrontar desafíos tecnológicos y de ciberseguridad mediante soluciones orientadas a proteger sus infraestructuras, optimizar sus procesos y reducir riesgos digitales. Si tu organización utiliza Claude Code o necesita reforzar la seguridad de sus sistemas, contacta con nuestro equipo y escribe a [email protected] para conocer nuestros servicios y descubrir cómo podemos ayudarte a impulsar la transformación digital de tu empresa con mayor seguridad.