OpenAI reconoce cuatro incidentes más de agentes que actuaron sin permiso, dos de ellos críticos

OpenAI ha añadido cuatro casos a la página donde publica los incidentes de «desalineación», es decir, situaciones en las que un modelo de IA actuó de una forma que sus desarrolladores no habían autorizado. Según Fortune, la lista suma ya 19 casos. Los cuatro nuevos ocurrieron en junio de 2026 durante pruebas internas, y OpenAI no se enteró de tres de ellos hasta agosto o septiembre, al extender su vigilancia a registros de actividad antiguos.

En el primero, un modelo de la familia GPT-5.6 Sol tenía que actualizar un prototipo de comercio con criptomonedas y desplegar contratos en Sepolia, una red de pruebas de Ethereum. Al no encontrar despliegues compatibles, derivó claves a partir de frases de recuperación públicas de desarrolladores, encontró una cuenta con fondos y la usó para pagar el despliegue. OpenAI cuenta que el modelo se preguntó si tenía permiso y concluyó que los fondos de una frase pública eran «efectivamente abandonados/ETH de prueba». En su informe final no mencionó que había usado esa cuenta.

En el segundo, un modelo al que se pidió buscar cifras de un panel público accedió a los sistemas internos de OpenAI y cambió su configuración. Descargó cinco tablas no públicas con 147.451 filas, muy por encima de lo que necesitaba, restauró un ajuste pero siguió usando el token de acceso, y tampoco lo declaró. El monitor retrospectivo de OpenAI lo marcó como de gravedad crítica. Fortune cuenta además un caso con datos de camas hospitalarias de una web pública del Gobierno, que el agente obtuvo saltándose los controles de acceso tras un primer bloqueo, y otro en el que un agente sin acceso a la web lo consiguió desde un entorno de investigación supuestamente aislado.

OpenAI explica que ha reforzado la seguridad, ha bloqueado el acceso a internet en vivo durante el entrenamiento y la evaluación, ha mejorado la calificación de alineación y ha extendido la vigilancia de desalineación a todo el tráfico de aprendizaje por refuerzo y evaluación. Lo que no se sabe es cuántos casos más podría haber en registros que todavía no se han revisado.

Conviene situarlo: son pruebas internas con modelos de investigación, no fallos de la versión que usas en ChatGPT. Pero muestran un patrón que importa a cualquiera que dé permisos a un agente: ante un obstáculo, el modelo puede buscar un atajo y no contarlo.