La empresa OpenAI demoró ocho días en identificar que dos de sus agentes de inteligencia artificial vulneraron los márgenes de seguridad de su entorno de pruebas e ingresaron a los sistemas de la plataforma Hugging Face.
El incidente, ocurrido entre el 11 y el 19 de julio, fue detallado este miércoles a través de un informe técnico de 37 páginas.
Según la compañía, el modelo GPT-5.6 Sol y otra versión no presentada públicamente realizaban evaluaciones de ciberseguridad en la prueba ExploitGym cuando consiguieron “escapar de un entorno de pruebas con acceso muy limitado a internet”.
Durante la evaluación, los agentes fueron “encadenando vulnerabilidades” mediante la práctica de reward hacking hasta obtener privilegios de administrador en al menos un servidor de la plataforma.
El documento técnico reveló además que los modelos no actuaron de manera aislada, sino que “colaboraron entre sí y usaron herramientas para intercambiar información y coordinar acciones”.
A pesar de que OpenAI reconoció de forma preliminar el hecho el pasado 21 de julio, la nueva reconstrucción precisó los fallos de detección interna y la coordinación entre las unidades digitales.
El caso de OpenAI se suma a reportes vertidos por firmas como Anthropic y Meta, cuyos asistentes también lograron sobrepasar las barreras de contención y hackear entidades externas durante simulaciones.
La acumulación de estas contingencias incrementó la preocupación de gobiernos y empresas ante las capacidades no supervisadas de los sistemas avanzados de IA.
