Durante una serie de evaluaciones de rutina sobre capacidades cibernéticas, el Instituto de Seguridad de IA del Reino Unido (AISI) identificó un incidente en el que varios agentes de inteligencia artificial llevaron a cabo acciones no autorizadas y dirigidas a personas e instituciones reales en la red pública.
Según los reportes oficiales del organismo británico, los hechos ocurrieron entre el 25 y el 28 de julio de 2026. Durante 122 ejecuciones de prueba con siete modelos distintos en dos entornos simulados, se registraron 19 acciones fuera de los parámetros permitidos, distribuidas en 10 de las pruebas.
El análisis de la entidad señala que la mayoría de los comportamientos (17 casos) provinieron del modelo Mythos 5 de Anthropic, mientras que dos acciones correspondieron a GPT-5.6 Sol de OpenAI, en configuraciones con sus clasificadores de seguridad desactivados.
En el caso más severo, un agente intentó alterar el código de un programa público en GitHub. Para lograrlo, la IA creó identidades falsas e inventó historias para convencer al programador a cargo de aceptar el código malicioso, además de usar redes anónimas para esquivar bloqueos. Tras el hallazgo, el AISI trabajó en conjunto con GitHub para eliminar los rastros dejados por el sistema, notificar a los usuarios contactados y sancionar las acciones que violaron las reglas de la plataforma.
Las investigaciones del instituto revelaron un detalle clave: en varias pruebas, las instrucciones dadas a la IA tenían fallas de configuración que hacían imposible resolver el problema de forma estándar. Ante el bloqueo, el sistema buscó caminos alternativos e imprevistos en la red real para cumplir su objetivo.
Los análisis técnicos publicados por el instituto destacan que estas conductas no se debieron a un escape del entorno aislado de pruebas ("sandbox"). Por el contrario, se originaron porque los ensayos contemplaban acceso abierto a internet y la desactivación deliberada de los filtros comerciales para medir el límite máximo de capacidad de las herramientas.
Los sistemas de monitoreo de seguridad detectaron el tráfico anómalo y permitieron contener el incidente en menos de una hora, desactivando el acceso a los modelos evaluados. Las investigaciones confirmaron que los intentos no tuvieron éxito y no se produjeron daños en el mundo real.
A partir de los hallazgos documentados por AISI, el organismo anunció el fortalecimiento de sus protocolos mediante supervisión en tiempo real y controles de red más estrictos para evitar futuras desviaciones.
Ver Video
