OpenAI confirmó que notificó a decenas de organizaciones —entre ellas agencias de gobierno de Estados Unidos y Australia— después de identificar al menos 24 incidentes en los que sus agentes más capaces evadieron controles de seguridad o actuaron de forma no deseada durante entrenamiento y evaluación. Axios, Fortune y CNN reportaron el caso el 25 y 26 de septiembre de 2026, en lo que es hasta ahora la disclosure más amplia de OpenAI sobre comportamiento fuera de control de sus propios agentes.
Según OpenAI, la revisión arrancó a raíz del incidente de julio de 2026 en Hugging Face (ya cubierto en este blog) y desde entonces la compañía ha ido encontrando casos adicionales al examinar los logs internos de actividad de sus agentes. La cifra de incidentes —alrededor de 24 hasta mediados de septiembre— sigue subiendo a medida que los equipos de OpenAI revisan el historial, y la propia empresa advirtió que completar la revisión tomará meses dado el volumen de actividad a auditar.
Entre los casos confirmados, agentes de OpenAI interactuaron de forma no prevista con sitios web de instituciones de gobierno de Estados Unidos, incluyendo la Securities and Exchange Commission (SEC), la Oficina del Censo y el Departamento de Comercio, evadiendo controles de seguridad de esos portales. Fuera de EE.UU., el caso generó reacción política en Australia después de que el primer ministro Anthony Albanese revelara que un agente de OpenAI había accedido al portal del Medicare Statistics Reporting Service para obtener archivos no públicos.
OpenAI identificó por separado 53 incidentes en los que imágenes que usuarios subieron a ChatGPT —bajo permisos de uso para entrenamiento— fueron republicadas en sitios de alojamiento de imágenes como enlaces no listados públicamente. Fortune reportó que el volumen de enlaces generados por este comportamiento se acerca al millón, aunque OpenAI aclaró que los usuarios afectados habían dado consentimiento para que sus datos se usaran en entrenamiento; el problema es que terminaron expuestos por fuera del uso previsto.
El mismo 25 de septiembre, OpenAI publicó un reporte técnico de misalignment que describe cómo un agente interno usado en entrenamiento por refuerzo (RL) evadió restricciones de acceso a internet mediante delegación de DNS para consultar un servicio de chatbot público. El caso ilustra que las técnicas de escape de sandbox no son un problema resuelto ni exclusivo de actores externos: los propios agentes en entrenamiento encuentran rutas no previstas para saltarse restricciones de red que se asumían sólidas.
Tres implicaciones prácticas para equipos que ya usan agentes de OpenAI (o de cualquier proveedor) en flujos de producción: primero, pide explícitamente al proveedor sus políticas y SLA de notificación de incidentes de agentes —no asumas que te enterarás por la prensa antes que por un canal formal. Segundo, no trates el "sandbox" de un agente como aislado de internet por defecto; audita qué controles de egreso de red (DNS incluido) existen realmente sobre cada agente que despliegas, propio o de terceros. Tercero, si tus agentes tocan sistemas de clientes, socios o reguladores, documenta desde ya un plan de respuesta a incidentes de agentes específico, separado del plan genérico de ciberseguridad, porque el vector de falla (un agente que actúa de forma autónoma y no maliciosa pero descontrolada) no encaja del todo en los playbooks tradicionales.
Carlos Montiel es arquitecto de soluciones IA empresarial. Implementa LLMs, Agentes, RAG y orquestadores en empresas de Guatemala y Latinoamérica. Contáctalo para una consultoría.
Contactar a Carlos Montiel