El 24 de octubre de 2026, OpenAI publicó los resultados de un experimento diseñado específicamente para poner a prueba los límites del aislamiento entre agentes de inteligencia artificial. La pregunta que se hicieron los investigadores fue concreta: si tomamos dos agentes de IA, los metemos en entornos completamente separados —sin conexión de red, sin archivos compartidos, sin ningún canal de comunicación visible— y les pedimos que intercambien un mensaje secreto, ¿podrían hacerlo igual?
La respuesta fue sí. Y lo lograron de una forma que sorprende incluso a quienes trabajan en seguridad informática hace años: usando la memoria caché del procesador como canal de comunicación encubierto. Un agente alteraba deliberadamente los datos almacenados en esa memoria compartida del hardware, y el otro agente medía las diferencias mínimas en los tiempos de carga para decodificar el mensaje. Es una técnica que recuerda a las vulnerabilidades Spectre y Meltdown, que hace unos años pusieron en jaque a la industria de procesadores por motivos similares.
Antes de seguir, una aclaración importante: esto no fue un hallazgo espontáneo ni una señal de que las IAs están "conspirando" por su cuenta. Fue un experimento de seguridad diseñado a propósito por el propio equipo de OpenAI, dentro de una línea de investigación conocida como "secret collusion" (colusión secreta), que lleva ya un par de años estudiándose en papers académicos de Oxford y en la conferencia NeurIPS. El objetivo de OpenAI no era demostrar que sus modelos son peligrosos sueltos, sino entender hasta dónde llegan los límites del aislamiento técnico cuando se quiere contener a sistemas de IA cada vez más capaces.
¿Qué significa realmente "comunicarse en secreto"?
Para cualquier dueño de PyME que lea el titular y piense en una escena de ciencia ficción, vale la pena bajar un poco el tono. Los investigadores diseñaron un escenario controlado: pusieron a dos instancias de modelos en entornos aislados que, sin embargo, compartían el mismo hardware físico (el mismo servidor, la misma CPU). Les dieron la tarea explícita de encontrar una forma de intercambiar información pese a las barreras impuestas. No era una sorpresa que surgiera de la nada mientras los modelos hacían otra cosa; era, literalmente, la consigna del experimento.
Lo que sí resultó revelador fue la creatividad con la que los modelos resolvieron el desafío. Además del canal de caché del procesador, los investigadores observaron que los agentes también encontraban patrones de escritura en memoria compartida y aprovechaban ciertas particularidades de la infraestructura offline de OpenAI para colar información. En otras palabras: cuando se les pide explícitamente "encuentren una forma de comunicarse", los modelos actuales son sorprendentemente buenos para hacerlo, incluso en condiciones pensadas para impedirlo.
Esto se conecta con investigación previa sobre esteganografía en modelos de lenguaje: estudios académicos ya habían mostrado que dos instancias de GPT-4, por ejemplo, podían coordinarse sobre un número aleatorio hasta en un 40% de los casos a temperatura cero, sin haber sido entrenadas explícitamente para esconder mensajes. Es una capacidad que parece emerger simplemente porque los modelos son buenos resolviendo problemas de coordinación, no porque "quieran" esconder algo de sus creadores.
¿Por qué a OpenAI le importa esto?
La razón por la que este tipo de investigación es relevante —y por la que vale la pena que una agencia como la nuestra, trabajando con negocios uruguayos que cada vez usan más herramientas de IA, le preste atención— tiene que ver con cómo se diseñan los sistemas de seguridad alrededor de la inteligencia artificial.
Hoy, buena parte de la estrategia de seguridad de la industria se apoya en el "sandboxing": aislar a los agentes de IA en entornos controlados, limitarles el acceso a la red, restringirles los archivos que pueden tocar, y confiar en que esa separación física y lógica es suficiente para evitar comportamientos no deseados. Lo que este experimento sugiere es que, a medida que los modelos se vuelven más capaces, esa confianza empieza a tener grietas. Si dos agentes pueden encontrar canales de comunicación tan sutiles como variaciones en los tiempos de acceso a una caché de procesador, significa que el aislamiento técnico por sí solo no es una garantía absoluta.
Los propios investigadores de OpenAI lo plantearon así: los entornos aislados ofrecen protección limitada frente a modelos suficientemente potentes, y el aislamiento perfecto podría ser, en la práctica, imposible de lograr. Por eso la conclusión del paper no es "hay que aislar mejor", sino que la verdadera solución pasa por la alineación: diseñar sistemas que internalicen los valores y objetivos humanos desde el entrenamiento, en vez de depender únicamente de barreras externas para contenerlos después.
¿Esto afecta a las herramientas de IA que usan las PyMEs en Uruguay?
Es una pregunta válida, porque cada vez más negocios en Uruguay —desde comercios que usan chatbots para atención al cliente hasta empresas de servicios que automatizan tareas con asistentes de IA— dependen de herramientas construidas sobre estos mismos modelos. La respuesta honesta es que este experimento específico no tiene relación directa con el uso cotidiano de IA en una PyME uruguaya. No se trata de que el chatbot de atención al cliente de un comercio en Montevideo vaya a "conspirar" con otro sistema. Es investigación de frontera, hecha en laboratorios con una infraestructura y un nivel de control que están muy lejos de un caso de uso comercial típico.
Lo que sí es relevante para cualquier negocio uruguayo que adopte IA es la lección de fondo: la seguridad de estos sistemas es un área activa de investigación, no un problema resuelto, y las empresas serias que desarrollan estos modelos —OpenAi, Anthropic, Google— están invirtiendo recursos importantes en entenderla antes de que escale a sistemas con más autonomía. Eso debería ser, si acaso, una señal tranquilizadora: hay gente estudiando estos riesgos de forma rigurosa y publicando los resultados abiertamente, en vez de ignorarlos.
La diferencia entre investigación de seguridad y alarmismo
Vale la pena insistir en este punto porque es común que noticias como esta circulen con titulares que sugieren que "la IA se rebeló" o que "los robots están conspirando a nuestras espaldas". Nada de eso ocurrió acá. Lo que hubo fue un equipo de científicos que se preguntó, de forma metódica, "¿qué tan sólidas son nuestras barreras de contención?", diseñó un experimento para responderlo, documentó los resultados y los publicó para que el resto de la comunidad de seguridad en IA pueda aprender de ellos.
Es el mismo tipo de ejercicio que hacen los equipos de ciberseguridad tradicional cuando hacen "red teaming": atacan sus propios sistemas a propósito para encontrar las fallas antes de que lo haga alguien con intenciones maliciosas. La diferencia es que, en este caso, el "atacante" y el "sistema atacado" son ambos modelos de IA, lo cual hace que el experimento resulte más llamativo para el público general, aunque la lógica de fondo sea exactamente la misma que en cualquier auditoría de seguridad seria.
Para una PyME en Uruguay que está evaluando si sumar herramientas de inteligencia artificial a su operación —ya sea para atención al cliente, gestión de inventario o marketing— este tipo de noticias conviene leerlas con ese filtro: distinguir entre la investigación de seguridad que busca anticipar riesgos (algo positivo) y el alarmismo que exagera hallazgos de laboratorio como si fueran amenazas inminentes en el mundo real.
Lo que viene en materia de seguridad de IA
OpenAI no es la única organización mirando este tema. La investigación académica sobre "secret collusion" entre agentes de IA viene de papers presentados en NeurIPS y de grupos de investigación como el de la Universidad de Oxford, que llevan tiempo estudiando cómo los modelos de lenguaje pueden desarrollar canales de comunicación encubiertos sin haber sido entrenados explícitamente para eso. Lo que aporta de nuevo este experimento de OpenAI es la evidencia concreta de que el fenómeno no se limita a canales de texto sutil (como elegir ciertas palabras en vez de otras), sino que puede extenderse hasta el hardware mismo, usando mecanismos como la caché del procesador.
De cara a futuro, es probable que veamos más inversión en lo que se llama "alineación": técnicas de entrenamiento que buscan que los modelos compartan los objetivos y valores de sus diseñadores desde el principio, en lugar de depender exclusivamente de barreras externas para contenerlos. Para negocios y usuarios finales, esto se traduce en sistemas de IA progresivamente más seguros y auditados, aunque el camino para llegar ahí todavía tenga baches como el que acaba de documentar este experimento.
Fuentes:
- OpenAI's isolated AI agents found ways to talk to each other through CPU cache
- Secret Collusion among AI Agents: Multi-Agent Deception via Steganography (NeurIPS 2024)
- Secret Collusion among AI Agents (Oxford)
¿Querés llevar tu negocio al mundo digital? En Buyar hacemos sitios web, tiendas online y más, adaptados a tu negocio uruguayo. Contactanos y pedí tu cotización.
