El OWASP Top 10 LLM 2026 tiene las mismas diez categorías que la edición 2025, en otro orden y una con nombre nuevo y alcance más amplio. La agencia excesiva (Excessive Agency) sube del sexto al tercer puesto, el consumo sin límites sube cuatro, el manejo inseguro de la salida cae del quinto al décimo y la antigua fuga del prompt de sistema pasa a llamarse Hidden Context Exposure. Prompt injection sigue en el número uno.
Aquí no repaso los diez riesgos uno por uno. Eso lo hice con la edición anterior en OWASP Top 10 LLM 2025: los 10 riesgos que un CISO debe controlar, y sigue siendo el sitio para entender cada categoría desde cero. En este artículo cuento qué se ha movido, por qué se ha movido según OWASP y qué revisaría yo si mi programa estuviera construido sobre la lista de 2025.
¿Qué ha cambiado en el OWASP Top 10 LLM 2026 respecto a 2025?
Ocho de las diez entradas cambian de puesto y una cambia de nombre. No entra ningún riesgo nuevo y no sale ninguno: Hidden Context Exposure ocupa el hueco de System Prompt Leakage. La comparación queda así:
| Riesgo | 2025 | 2026 | Movimiento |
|---|---|---|---|
| Prompt Injection | LLM01 | LLM01 | Se queda |
| Sensitive Information Disclosure | LLM02 | LLM02 | Se queda |
| Excessive Agency | LLM06 | LLM03 | Sube tres |
| Supply Chain | LLM03 | LLM04 | Baja uno |
| Data and Model Poisoning | LLM04 | LLM05 | Baja uno |
| Unbounded Consumption | LLM10 | LLM06 | Sube cuatro |
| Misinformation | LLM09 | LLM07 | Sube dos |
| System Prompt Leakage, ahora Hidden Context Exposure | LLM07 | LLM08 | Baja uno y cambia de nombre |
| Vector and Embedding Weaknesses | LLM08 | LLM09 | Baja uno |
| Improper Output Handling | LLM05 | LLM10 | Baja cinco |
El propio documento reconoce que el orden "moved more than in past years". Los movimientos que merecen atención son cuatro: la agencia excesiva al tercer puesto, que OWASP llama "the most consequential move on the list"; el consumo sin límites (Unbounded Consumption), que sube cuatro porque los profesionales dan ahora más peso al agotamiento de recursos y de coste; la desinformación (Misinformation), que sube dos empujada por los datos; y el manejo inseguro de la salida (Improper Output Handling), que cae del quinto al décimo.
Ojo con los identificadores. LLM06 era Excessive Agency en 2025 y en 2026 es Unbounded Consumption. LLM03 era Supply Chain y ahora es Excessive Agency. La edición nueva escribe los códigos con el año (LLM03:2026), y yo haría lo mismo en todos tus documentos.
¿Cómo ordena OWASP los riesgos en la edición 2026?
Con dos ingredientes y un peso fijo: el voto de la comunidad cuenta tres cuartas partes y los datos de incidentes, la cuarta parte restante. Lo dice la carta de los responsables del proyecto al principio del PDF de la versión 1.0.
La misma carta explica de dónde salen los datos. Reunieron 7.714 incidentes reales de bases de datos públicas de vulnerabilidades y de una base de datos de daños causados por IA, y construyeron clasificadores que colocaron en categorías los 6.639 que tenían detalle suficiente. Hasta esta edición, en sus palabras, cada versión de la lista "was built on judgment". El voto sigue siendo la columna vertebral; lo nuevo es que ahora se contrasta con lo que ha fallado de verdad.
El primer caso que lo explica es prompt injection. Los profesionales la votan como el riesgo número uno. Si ordenas las categorías solo por el registro de incidentes, se cae del top 10 entero. OWASP atribuye esa diferencia a un efecto de defensa ("a defense effect") y la mantiene en el número uno por el peso del voto. Mi lectura, y es mía, es que un registro de incidentes recoge lo que alguien publicó y clasificó, y un intento que se paró a tiempo rara vez acaba ahí. Si has leído por qué prompt injection no se parchea, sabes que yo no bajaría la guardia por un recuento bajo.
El segundo es la desinformación, que va en la dirección contraria. Los votantes la ponían cerca del final; los incidentes, cerca de arriba, y el documento lo describe como "the widest gap in the direction that actually hurts". Queda en el séptimo puesto porque el voto pesa más, pero los datos la han subido.
En el otro extremo está la revelación de información sensible (Sensitive Information Disclosure), que se queda en el segundo puesto. Según OWASP, es el único sitio de la parte alta donde creencia y evidencia coinciden sin más.
Me gusta este método por una razón práctica: una lista que te dice dónde discrepan los profesionales y los datos te sirve más que una que finge consenso. Te deja ver qué puestos son firmes y cuáles son una apuesta.
¿Qué es la agencia excesiva en un LLM y por qué sube al tercer puesto?
La agencia excesiva es el riesgo de que una aplicación con un LLM pueda hacer más de lo que necesita su tarea, de forma que un fallo del modelo (una instrucción inyectada, una respuesta inventada, una mala interpretación) se convierte en una acción real sobre tus sistemas. En la ficha de 2025, cuando era LLM06, OWASP le daba tres causas de raíz: funcionalidad excesiva, permisos excesivos y autonomía excesiva.
Un caso típico, contado como hipótesis: un asistente que solo debería leer el correo y resumirlo, pero al que se le conectó una extensión que también puede enviar y borrar mensajes, con una cuenta de servicio que ve todos los buzones y sin que nadie confirme nada antes de actuar. Las tres causas a la vez. El modelo puede funcionar bien casi siempre; el problema es lo que hace el día que falla.
¿Por qué sube? Según OWASP, porque "the vote and the record agree that agentic deployments are where the damage is landing". En prompt injection y en desinformación, voto y datos tiran en direcciones contrarias; aquí tiran hacia el mismo lado.
Leída junto al número uno, la lista cuenta una historia coherente. Prompt injection arriba del todo te dice que no vas a poder impedir del todo que el modelo reciba instrucciones malas. La agencia excesiva en el tercer puesto te dice dónde se decide el daño: en lo que el modelo puede hacer con esas instrucciones. Si no puedes cerrar la puerta, reduce lo que hay dentro de la habitación.
En la práctica, la agencia llega a las empresas por los conectores. Cada servidor MCP, cada plugin y cada integración que le das a un asistente es una herramienta más que el modelo puede llamar. Los riesgos y los controles concretos los conté en seguridad MCP en la empresa.
¿Dónde acaba esta lista y empieza el Top 10 agéntico?
La edición 2026 traza la frontera de forma explícita. Esta lista se ocupa del riesgo cuando el modelo es un componente dentro de tu aplicación. En cuanto el modelo se convierte en un actor, con herramientas que puede llamar, memoria entre sesiones y consecuencias aguas abajo, el riesgo pasa al OWASP Agentic Top 10. La recomendación del documento es usar las dos listas a la vez, porque ninguna cubre sola ese terreno.
Para un CISO esto es una decisión de alcance, y hay que tomarla por escrito. Un asistente que resume documentos vive en el Top 10 de LLM. Un agente que abre tiques, consulta bases de datos y recuerda lo que hizo ayer necesita las dos. Si tu evaluación de riesgos de un agente se hizo solo con la lista de LLM, OWASP te está diciendo que tiene huecos.
Las entradas que crecen aunque no cambien de nombre
El documento cita cuatro entradas que absorben riesgos más recientes, sin abrir categorías nuevas. Un control que cubría una de ellas en 2025 puede quedarse corto con la misma entrada en 2026.
Prompt injection incluye ahora ataques entre modalidades
Prompt Injection cubre ya los ataques que esconden instrucciones dentro de una imagen o de una pista de audio. Si tus asistentes aceptan imágenes, capturas de pantalla o notas de voz y tus pruebas solo miran texto, tienes una parte de la entrada sin probar.
La cadena de suministro incluye el artefacto que no es lo que dice ser
Supply Chain contempla ahora el fallo de confianza cuando un artefacto de modelo que se promociona no es lo que afirma ser. Traducido a operación: el modelo que pasa de pruebas a producción, o el que descargas de un repositorio público, tiene que poder verificarse. Si no puedes comprobar que es el mismo que evaluaste, este riesgo es tuyo.
El envenenamiento incluye el ajuste fino
Data and Model Poisoning absorbe la subversión del ajuste fino (fine-tuning). Si tu organización ajusta modelos con datos propios, el conjunto de datos de ajuste y el proceso que lo produce entran en el perímetro de este riesgo.
El manejo de la salida incluye el código que generan los asistentes
Improper Output Handling abarca ahora el código inseguro que, en palabras de OWASP, los asistentes generan "at scale". Es la entrada que más cae en el ranking, cinco puestos, y a la vez gana alcance. Su lado peligroso lo conté en los riesgos de seguridad del vibe coding.
Si alguien en tu comité lee la tabla y concluye que esta entrada ya preocupa menos, para la conversación ahí. El puesto en la lista es una media ponderada del voto y de los incidentes. Tu prioridad la deciden tus casos de uso. Si tu aplicación coge la salida del modelo y la mete en una consulta, en una página web o en un intérprete, para ti sigue arriba.
¿Qué pasa con System Prompt Leakage en 2026?
Desaparece como nombre y su sitio lo ocupa Hidden Context Exposure, en el octavo puesto. OWASP lo describe como "a broader framework for the same failure to trust information that should have stayed out of reach". Por el nombre, entiendo que el alcance pasa del prompt de sistema a cualquier información que el modelo tiene en su contexto y que el usuario no debería alcanzar. Esa es mi lectura: antes de reescribir tus controles, lee la entrada completa en el PDF.
El principio que ya valía en 2025 sigue en pie: no metas en el contexto del modelo nada que no estés dispuesto a que lea el usuario, sean credenciales o datos de otros clientes. Si la seguridad de tu aplicación depende de que el modelo guarde un secreto, el diseño ya está mal.
Mi opinión como CISO
La edición 2026 me parece la más útil de las que ha publicado el proyecto, por una razón que tiene poco que ver con el orden: por primera vez la lista enseña sus costuras. Dice qué parte es opinión, qué parte es evidencia y dónde discrepan. Eso es lo que le pido a cualquier marco de riesgo.
Dicho esto, no rehagas tu programa. Si lo montaste bien sobre la lista de 2025, las categorías son las mismas y casi todos tus controles siguen en su sitio. Yo haría una revisión con tres preguntas. Qué pueden hacer tus LLM: con qué herramientas, con qué permisos y con cuánta autonomía. Cuáles de tus casos de uso ya son agentes y necesitan también la lista agéntica. Y si tus controles cubren lo que las entradas han absorbido: imágenes y audio, artefactos de modelo, ajuste fino y código generado.
La agencia excesiva es donde pondría el esfuerzo este trimestre. Es el movimiento que OWASP justifica a la vez con el voto y con los datos, y es un riesgo que puede crecer sin que nadie lo decida: cada conector que un equipo activa para que el asistente "sea más útil" suma permisos. ¿Alguien los revisa después? El control es el de siempre, mínimo privilegio aplicado a un actor nuevo. Lo difícil es saber qué permisos tiene cada asistente. ¿Lo tienes apuntado tú?
Y una advertencia sobre el método. Un cuarto del peso sale de incidentes publicados, y lo que se publica depende de quién detecta el incidente y de quién lo cuenta. Me parece bien que OWASP mantenga el voto como base. Yo usaría el ranking como una señal para revisar mis prioridades y las contrastaría siempre con mis propios casos de uso.
Curso · Ciberseguridad de la IA para CISOs
Gobernar el uso de la IA con controles y no con prohibiciones es uno de los ejes del curso. 5 módulos disponibles ya: La IA como nuevo dominio de riesgo · Amenazas y vulnerabilidades · Gobernanza y cumplimiento (EU AI Act, NIST, ISO 42001) · Operación segura · Caso práctico integrador. 100% online, vídeos más manual completo y autoevaluación. Acceso durante un año. Diploma al finalizar.
Ver el cursoQué revisaría yo si tu programa está montado sobre la lista de 2025
Si tienes un registro de riesgos, una matriz de controles o unas pruebas de seguridad construidas sobre la edición 2025, estos son los siete puntos por los que empezaría.
1. Pon el año en todos los identificadores
Busca "LLM0" y "LLM10" en tu registro de riesgos, tus informes de pruebas, tus requisitos para proveedores y tus contratos. Cambia cada referencia a la forma con año (LLM06:2025, LLM03:2026). Sin el año, "LLM06" significa agencia excesiva para unos y consumo sin límites para otros, y esa confusión acaba en un hallazgo mal cerrado.
2. Inventaria qué puede hacer cada LLM
Para cada asistente que usa la empresa, apunta qué herramientas puede llamar, con qué cuenta y qué permisos, y qué acciones ejecuta sin confirmación humana. Si no tienes inventario, empieza por el inventario de sistemas de IA y añade esas columnas.
3. Recorta funciones, permisos y autonomía
Para cada asistente con herramientas, quita las funciones que no usa, baja los permisos de su cuenta al mínimo y pon una confirmación humana delante de las acciones que no se pueden deshacer: enviar, borrar, pagar, publicar. Es la respuesta directa a LLM03:2026.
4. Decide qué casos pasan también al Top 10 agéntico
Marca en tu inventario los casos en los que el modelo llama herramientas, conserva memoria entre sesiones o desencadena acciones en otros sistemas. Esos necesitan la evaluación con la lista agéntica además de con esta. Déjalo escrito, con el criterio que has usado.
5. Pon límites de consumo y de coste
Revisa que cada integración con un modelo tenga cuotas por usuario, límites de gasto y alertas, y que un agente en bucle no pueda pasarse el fin de semana facturando. Unbounded Consumption ha subido cuatro puestos por algo.
6. Amplía las pruebas de prompt injection a imagen y audio
Si tus asistentes aceptan imágenes, capturas o audio, incluye esas entradas en las pruebas de seguridad y en los filtros. Una batería de pruebas que solo usa texto se queda corta para LLM01:2026.
7. Mete el código generado en el circuito de revisión
El código que escribe un asistente pasa por la misma revisión, el mismo análisis estático y las mismas pruebas que el que escribe una persona. Si hoy entra en tus repositorios con menos controles porque "lo ha hecho la IA", ese es el hueco que señala LLM10:2026, esté en el puesto que esté.
Si solo tienes tiempo para uno de estos siete puntos, haz el segundo. Saber qué puede hacer cada asistente es lo que te permite decidir todo lo demás.
Escribo sobre seguridad de la IA para CISOs
Si esto te ha resultado útil, suscríbete y recibe los próximos análisis en tu correo.
SuscribirmePreguntas frecuentes
¿Qué ha cambiado en el OWASP Top 10 LLM 2026 respecto a 2025?
Las diez categorías son las mismas, pero ocho cambian de puesto y una tiene nombre nuevo y alcance más amplio. La agencia excesiva sube del sexto al tercero y el manejo inseguro de la salida cae del quinto al décimo. System Prompt Leakage pasa a llamarse Hidden Context Exposure.
¿Qué es la agencia excesiva en un LLM?
Es el riesgo de que una aplicación con un LLM pueda hacer más de lo que necesita su tarea, de modo que un fallo del modelo acaba en una acción real. En la edición 2025, OWASP le atribuía tres causas: funcionalidad excesiva, permisos excesivos y autonomía excesiva. Allí era LLM06; en 2026 es LLM03.
¿Cómo ordena OWASP los riesgos en la edición 2026?
Combina el voto de los profesionales, que pesa tres cuartas partes, con datos de incidentes reales, que pesan la cuarta parte restante. Es la primera edición en la que el voto se contrasta con un corpus de incidentes sacados de bases de datos públicas de vulnerabilidades y de una base de datos de daños causados por IA.
¿Qué tiene que revisar un CISO que usaba la lista de 2025?
Lo primero, qué puede hacer cada LLM: herramientas, permisos y acciones sin confirmación humana, porque la agencia excesiva sube al tercer puesto. Después, poner el año en los identificadores (LLM06:2025 no es el mismo riesgo que LLM06:2026), decidir qué casos de uso necesitan también el Top 10 agéntico y ampliar las pruebas a imagen, audio y código generado.
¿Cuándo se publicó el OWASP Top 10 LLM 2026?
La página oficial del recurso en el portal de OWASP GenAI lleva fecha del 3 de agosto de 2026. El documento es la versión 1.0 del PDF "OWASP GenAI LLM Top 10 2026".
Fuentes
- OWASP GenAI LLM Top 10 2026 (página del recurso). "August 3, 2026"
- OWASP GenAI LLM Top 10 2026, v1.0 (PDF), págs. 5, 6 y 7. Pág. 5: "We pulled together a corpus of 7,714 real incidents [...] placed the 6,639 that carried enough detail to sort" · "it falls out of the top 10 entirely. That gap is a defense effect" · "the widest gap in the direction that actually hurts" · "The community vote carries three-quarters of the weight. The incident data covers the remaining quarter."; págs. 6-7: "Excessive Agency climbed to third, the most consequential move on the list, because the vote and the record agree that agentic deployments are where the damage is landing" · "a broader framework for the same failure to trust information that should have stayed out of reach" · "Prompt Injection now covers cross-modal attacks"; pág. 7: "The moment that model becomes an actor [...] the risk moves to the OWASP Agentic Top 10."
- OWASP Gen AI Security Project: 2025 Top 10 Risk & Mitigations for LLMs and Gen AI Apps. LLM01 Prompt Injection · LLM02 Sensitive Information Disclosure · LLM03 Supply Chain · LLM04 Data and Model Poisoning · LLM05 Improper Output Handling · LLM06 Excessive Agency · LLM07 System Prompt Leakage · LLM08 Vector and Embedding Weaknesses · LLM09 Misinformation · LLM10 Unbounded Consumption
- OWASP LLM06:2025 Excessive Agency. "The root cause of Excessive Agency is typically one or more of: excessive functionality; excessive permissions; excessive autonomy."