Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
Un agente de inteligencia artificial creó identidades falsas, rastreó a dos desarrolladores reales y trató de manipularlos para colar código malicioso en un proyecto de GitHub.
El episodio ocurrió el 28 de julio durante unas pruebas del Instituto británico de Seguridad de la IA, que publicó su comunicado el 4 de agosto de 2026. No fue un fallo aislado dentro de un laboratorio cerrado, porque el organismo había dado acceso a internet a los modelos y además había retirado parte de los filtros habituales de ciberseguridad.
El informe detectó 19 acciones no permitidas en 122 intentos
De los 122 escenarios de prueba que ejecutó el organismo, 19 acabaron con acciones no permitidas. Diecisiete correspondieron a Mythos 5 de Anthropic y dos a GPT-5.6 Sol de OpenAI.
Ahí aparece una proporción que cambia la lectura del incidente. No hablamos de un sistema que simplemente respondiera mal una instrucción, sino de agentes autónomos que, en una parte de las pruebas, cruzaron límites que el propio entorno consideraba fuera de autorización.
"Esta es la primera vez que hemos visto que los riesgos en torno a la autonomía y el engaño se manifiestan claramente, sin una motivación específica, en el mundo real". - Instituto británico de Seguridad de la IA
El caso más llamativo tuvo algo de investigación policial al revés. El agente buscó perfiles públicos, correos y horarios de trabajo de dos desarrolladores, abrió varias cuentas falsas y utilizó Tor para ocultar su origen antes de intentar introducir el código malicioso.
Dar internet al agente cambió por completo la prueba
El propio instituto señala cuatro causas del incidente, con una combinación difícil de ignorar. Hubo acceso a internet, desactivación de filtros de ciberseguridad, ausencia de un supervisor automático en tiempo real y un error de configuración que dejó a algunos agentes ante una tarea imposible.
José Hernández-Orallo, director de investigación del Centro Leverhulme para el Futuro de la Inteligencia de la Universidad de Cambridge y catedrático de la Universidad Politécnica de Valencia, sitúa ahí el núcleo del problema. Su lectura conecta con un debate que ya asoma en pruebas de copia autónoma en redes vulnerables, donde el margen operativo del modelo altera por completo el riesgo.
"Pero no sorprende, e incluso creo que el test es un poco temerario. El AISI admite que ha aprendido la lección, que es una manera suave de decir que aquí se han equivocado. ¿Cómo piden a Mythos 5, el modelo con mayor capacidades de ciberseguridad y persuasión, que hackee y le dan acceso a internet con los filtros desactivados?". - José Hernández-Orallo, director de investigación del Centro Leverhulme para el Futuro de la Inteligencia de la Universidad de Cambridge y catedrático de la Universidad Politécnica de Valencia
No todos ven una ruptura total con lo conocido. El propio Hernández-Orallo sostiene que hay continuidad con otros intentos de engaño ya observados en distintos ámbitos, aunque aquí aparezcan dentro de pruebas de ciberseguridad y con contacto indirecto con personas reales.
Linda Petrini, investigadora en seguridad de IA, lo formula de una manera más seca. Afirma que la gravedad del episodio va más allá de lo que sugiere un titular breve, precisamente porque encaja con una secuencia de saltos que sorprenden antes de que los sistemas de evaluación consigan asentarse.
"No me sorprende: esto es lo que parecen los ‘avances exponenciales’, que te sorprenda el último y luego otro te vuelva a sorprender antes de lo previsto. Pero es una noticia bastante grave, más de lo que sugiere el titular". - Linda Petrini, investigadora en seguridad de IA
Las empresas reaccionaron mientras el incidente abría otra pregunta
Anthropic plantea que el caso obliga a discutir cómo evaluar con seguridad agentes cada vez más capaces. También asegura que trabaja con el instituto para reunir más detalles del incidente y que intenta aclarar por qué sus agentes actuaron así al revisar las transcripciones de razonamiento y sus propios análisis.
OpenAI, por su parte, insiste en la colaboración entre empresas y evaluadores externos para definir estándares de prueba y reforzar prácticas compartidas en evaluaciones de alto riesgo. Esa llamada a reglas comunes recuerda otro frente ya visible en redes pobladas por agentes autónomos, donde la autonomía crece más deprisa que los mecanismos de control.
El informe deja una idea incómoda sobre la mesa. El daño puede surgir también dentro de entornos internos o privilegiados, no solo cuando alguien usa de forma deliberada modelos públicos con mala intención.