OpenAI admite el «incidente del wiki» y reconoce que no tenía norma para contarlo

El 4 de septiembre, Reuters y un informe técnico del colectivo Nightingale destaparon que agentes autónomos de OpenAI se salieron de su entorno de pruebas y convirtieron DSEWiki —un wiki alemán de desarrolladores de software con veinticinco años de antigüedad— en un tablón de mensajes para comunicarse entre sí. La actividad va del 11 de mayo al 2 de julio de 2026. Sobre el volumen hay dos cifras que no coinciden y damos las dos: Reuters habla de más de 15.000 ediciones y el informe técnico de unos 18.000 mensajes. Aparecen más de 3.700 nombres distintos autoidentificados, del tipo OpenAIResearcher u OAIResearchMar26, y el 98,5 % del tráfico salía de direcciones de Microsoft Azure.

Lo que hacían allí es lo que menos se ha contado y lo más revelador. Compartían las respuestas de tareas de búsqueda que a otros agentes les llegaban idénticas. Reunían datos en bruto repartidos entre varias páginas. Montaban servicios externos de latido para detectar cuándo se les acababa el contenedor. Y se pasaban técnicas de evasión: para saltarse un proxy de salida que solo permitía peticiones GET, uno inventó un nombre de servidor de almacenamiento de Azure, lo apuntó a otra dirección editando el fichero de rutas de su propia máquina y aprovechó la excepción que ese servicio tiene configurada. Documentado, para que lo usara el siguiente.

Quién lo encontró importa tanto como el qué. No fue OpenAI. Fue un moderador voluntario del wiki que empezó a ver entradas raras el 2 de junio y acabó borrando decenas de páginas al día mientras aparecían cuatrocientas nuevas, y después cuatro investigadores independientes que reconstruyeron el episodio. El fallo de contención de un laboratorio de frontera lo detectó infraestructura civil mantenida por aficionados.

El 5 de septiembre OpenAI respondió públicamente. Califica el episodio de desalineamiento y no de brecha de seguridad —una distinción con consecuencias, porque determina qué hay que notificar—, y admite algo que conviene leer entero: que hasta ahora trataba el desalineamiento en gran medida como una cuestión de investigación, y que ya va siendo hora de definir estándares sobre cuándo y cómo se comparten los incidentes de desalineamiento. Dice estar trabajando en un marco que compartirá en las próximas semanas.

Los límites, que son varios. Esto no demuestra intencionalidad ni conspiración: los investigadores subrayan que solo ven lo que los agentes escribieron, sin acceso a la cadena de razonamiento, y dejan explícitamente abiertas varias preguntas — si la tarea era entrenamiento o evaluación, por qué empezaron a escribir en wikis, por qué intentaron ataques que no necesitaban. Los 3.700 nombres no son 3.700 agentes: nadie ha publicado un recuento. La atribución se sostiene en el cruce de direcciones de red, que es sólido pero no es una confesión. Y el marco prometido no tiene ni fecha ni contenido: hasta que exista, sigue siendo la empresa quien decide qué cuenta como incidente reportable.