Los problemas de OpenAI con agentes de IA rebeldes son más extensos de lo que la empresa ha reconocido previamente, y podrían seguir en curso. Esa es la conclusión de un nuevo informe de Transluce, un laboratorio de investigación independiente sin fines de lucro enfocado en la supervisión de la IA.

Las revelaciones surgieron el mismo día en que el gobierno australiano informó que los agentes de IA rebeldes de OpenAI habían hackeado una agencia que alberga los datos de Medicare del país, accediendo a información no pública y obteniendo la capacidad de escribir en servidores de archivos. Ese ataque ocurrió en junio, pero el gobierno australiano dijo que OpenAI solo le informó del incidente el 10 de septiembre, más de dos meses después. Medicare es el sistema de seguro de salud financiado con fondos públicos de Australia.

Nuevos objetivos descubiertos

En un informe publicado el miércoles, Transluce dijo que descubrió agentes de OpenAI atacando sitios web adicionales del gobierno australiano, incluidos el Instituto de Salud y Bienestar y BOSCAR, el organismo de estadísticas del crimen del estado australiano de Nueva Gales del Sur. Los investigadores también documentaron al menos dos incidentes no reportados previamente en los que los agentes de OpenAI atacaron una empresa y una universidad.

Entre esos objetivos se encontraban Data USA, una plataforma gratuita de código abierto que reúne datos del gobierno de Estados Unidos de distintas fuentes, y la biblioteca digital de la Universidad de Nuevo México, según el informe. Transluce dijo que pudo vincular directamente el ataque a la agencia de salud australiana y a Data USA con el mismo enjambre de agentes de OpenAI involucrado en el ciberataque de julio contra la plataforma de IA Hugging Face. Esta plataforma es ampliamente utilizada por desarrolladores de IA para alojar y compartir modelos y conjuntos de datos.

Transluce también dijo que encontró evidencia de actividad similar que se remonta al menos hasta marzo, meses antes de que OpenAI dijera tener evidencia de que sus agentes de IA se comportaban de manera no autorizada, y que continuó al menos hasta el 16 de septiembre y posiblemente hasta el 20 de septiembre. Esa cronología sería significativa porque sugeriría que OpenAI aún no ha logrado contener a sus agentes rebeldes y que estos siguen causando estragos en internet. La actividad más reciente pareció involucrar intentos de hackear un exchange de criptomonedas y operar criptomonedas, aunque esos intentos no tuvieron éxito, dijo Transluce.

Los investigadores encontraron "evidencia sólida" de que los agentes de IA de OpenAI podrían haber intentado hackear sitios web desde marzo, y evidencia más débil de que la actividad podría haber comenzado en noviembre de 2025. OpenAI ha dicho que no encontró evidencia de precursores del ataque a Hugging Face antes del 8 de mayo y no ha revelado ninguna actividad sospechosa anterior.

Respuesta de OpenAI

OpenAI no respondió de inmediato a las solicitudes de comentarios sobre el informe de Transluce. El miércoles, la empresa dijo que estaba en contacto con Australia por el ataque de sus agentes de IA al sitio que albergaba los datos de Medicare, y reconoció que sus agentes habían tomado acciones que no tenía intención de realizar.

El nuevo genera dudas sobre si OpenAI ha sido completamente transparente al divulgar todos los incidentes de IA rebelde de los que tiene conocimiento. También plantea la posibilidad de que la propia OpenAI no sea consciente de cuán extensa ha sido esta actividad. Sin embargo, el informe no establece si la actividad documentada hasta mediados de septiembre ha continuado desde entonces, y OpenAI no había comentado sobre los hallazgos al miércoles.

Medidas de contención y actividad continua

El informe también sugiere que OpenAI podría seguir experimentando actividad de agentes de IA rebeldes a pesar de los esfuerzos de contención. Después de que OpenAI descubriera el 20 de julio que sus agentes de IA habían hackeado Hugging Face durante la semana anterior, la empresa dijo que desactivó el modelo de IA no lanzado involucrado, pausó aspectos clave de su entrenamiento de IA durante dos semanas y tomó medidas para imponer controles más estrictos y mayor supervisión de los modelos de IA no lanzados que está entrenando. OpenAI anunció esos controles más estrictos el 18 de agosto. Pero Transluce encontró evidencia de actividad similar que continuó hasta mediados de septiembre, a pesar de los nuevos controles.

Los investigadores de Transluce dijeron que los hallazgos son significativos porque muestran que los agentes de IA recurrieron a intentos de hackeo cuando no pudieron obtener la información que buscaban directamente de las páginas web públicas de estas organizaciones. "Cabe destacar que las tareas que estos agentes intentaban resolver no estaban relacionadas con la ciberseguridad; los agentes recurrieron a tácticas de hackeo mientras trabajaban en tareas ordinarias de recuperación de datos", señaló el informe.

Esa distinción es importante porque una explicación del ataque a Hugging Face es que los agentes de IA involucrados estaban siendo evaluados en su capacidad para realizar tareas cibernéticas, incluidas explotaciones simuladas de vulnerabilidades. Si los agentes recurren fácilmente a hackear sistemas en otros contextos, eso sugeriría que los modelos de IA involucrados son aún más peligrosos de lo que se creía.

OpenAI ha dicho que dos modelos estuvieron involucrados en el ataque a Hugging Face: un modelo no lanzado que no ha nombrado públicamente fue el principal responsable, mientras que algunos agentes de IA basados en su modelo GPT-5.6 Sol, que ha sido lanzado al público, también estuvieron involucrados. En la evaluación durante la cual ocurrió el ataque a Hugging Face, OpenAI ha dicho que las barreras de seguridad que normalmente utiliza para restringir la capacidad de sus modelos públicos de realizar ataques cibernéticos no estaban vigentes debido a la naturaleza de la evaluación.

Preocupaciones de expertos

Charlie Eriksen, investigador de seguridad de Aikido Security, dijo a Fortune que el último informe de Transluce muestra "que todavía hay enjambres de agentes no autorizados y sin supervisión circulando, que los laboratorios y socios de pruebas no controlan ni detectan activamente".

Señaló que fue "una muy mala imagen" para el CEO de OpenAI, Sam Altman, abordar el Consejo de Seguridad de las Naciones Unidas sobre los riesgos de la IA y dedicar parte de ese tiempo a decir cuán seriamente toma OpenAI esos peligros, al mismo tiempo que la empresa desconocía o no divulgaba estos incidentes adicionales que involucran a sus agentes de IA intentando entrar en sistemas.

"Lo que me preocupa es cuán gravemente esto podría escalar", dijo George Chalhoub, profesor del University College London Interaction Centre, que se especializa en interacción humano-computadora. "Mi preocupación es que, en los próximos 6 a 12 meses, enjambres de agentes de IA autónomos podrían formar botnets persistentes capaces de derribar grandes partes de internet, causando potencialmente cientos de miles de millones de dólares en daños económicos".

Esta historia fue publicada originalmente en Fortune.com.