OpenAI afirma haber desactivado dos operaciones encubiertas de influencia que utilizaron inteligencia artificial junto con técnicas tradicionales de engaño. La compañía publicó el 8 de octubre de 2026 un informe sobre una red de origen ruso y otra de origen iraní. Ambas intentaron dar apariencia legítima a mensajes políticos mediante periodistas ficticios, una supuesta organización de investigación, documentos manipulados y contenidos enviados a medios reales.
El caso importa porque desplaza el debate más allá de los bots que publican mensajes masivos en redes sociales. Según OpenAI, estas operaciones buscaban infiltrarse en entornos con reputación: pequeñas y medianas publicaciones, colaboradores locales y organizaciones que podían parecer independientes. La inteligencia artificial no creó por sí sola la estrategia, pero facilitó tareas de redacción, traducción, elaboración de informes internos y producción de materiales.
También exige cautela. La fuente principal es la propia OpenAI, que describe investigaciones internas basadas en el uso de sus servicios y en información pública. La compañía dice haber compartido datos con autoridades, pero no publica todos los indicadores técnicos ni permite verificar de forma independiente cada atribución. Por eso conviene distinguir lo documentado por el proveedor de las conclusiones que todavía dependen de evidencia no pública.
Qué son las operaciones de influencia con «frentes falsos»
Una operación de influencia encubierta intenta alterar percepciones o decisiones ocultando quién está detrás y qué intereses persigue. Un «frente falso» añade una capa de legitimidad aparente: puede presentarse como medio, centro de estudios, periodista, investigador o colectivo ciudadano. Su objetivo no es solo difundir un mensaje, sino conseguir que otra persona u organización auténtica lo adopte, lo publique o lo amplifique.
La diferencia con una cuenta falsa aislada es importante. Una publicación sospechosa en una red social puede recibir poca atención. Un artículo aceptado por un medio real, una cita atribuida a un experto inexistente o un documento presentado como filtración pueden alcanzar públicos que no sospechan que forman parte de una campaña coordinada.
OpenAI sostiene que ha expuesto 30 operaciones encubiertas de influencia durante los últimos dos años y medio. Su observación es que las campañas con mayor alcance potencial no suelen depender únicamente de sus propias cuentas falsas: intentan colocar el contenido en publicaciones externas o lograr que personas con audiencia lo compartan.
La operación rusa «Dark Clark»
OpenAI denomina «Dark Clark» a una operación de origen ruso orientada principalmente a países de América Latina. La compañía afirma que bloqueó un grupo de cuentas de ChatGPT procedentes de Rusia, aunque parte de los operadores utilizaba redes privadas virtuales para acceder al servicio. La actividad se dirigía contra la reputación de Ucrania y también trataba asuntos políticos de Argentina, Bolivia y Ecuador.
El elemento central era una entidad presentada como Social Research Center. Según el informe, los operadores rusos controlaban ese supuesto centro mediante una identidad ficticia llamada «Mia Clark». Los registros internos analizados por OpenAI hablaban de decisiones sobre contratación, despidos y remuneración, lo que lleva a la compañía a concluir que algunas personas que trabajaban para la entidad en Latinoamérica podían desconocer quién la dirigía realmente.
Buena parte del uso observado de ChatGPT no consistía en redactar propaganda pública, sino en preparar informes internos para superiores. Esos documentos resumían acciones realizadas por la red, incluían afirmaciones sobre el alcance conseguido y describían campañas contra dirigentes políticos. OpenAI advierte de que los operadores emplearon metodologías dudosas o engañosas para exagerar su propia eficacia.
Falsas filtraciones y guiones de audio
La operación también habría producido documentos presentados como filtraciones y guiones para piezas de audio. Algunas narrativas circularon lo suficiente como para provocar verificaciones de hechos y desmentidos oficiales. OpenAI relaciona parte de la actividad con informaciones públicas sobre «Politology» o «La Compania», descrita en fuentes abiertas como sucesora de estructuras vinculadas al entorno de Yevgeny Prigozhin.
Esto no demuestra que todo el material fuera creado con inteligencia artificial. El propio informe insiste en que la campaña combinaba personas, organizaciones pantalla, técnicas de influencia anteriores a la IA y herramientas generativas. La tecnología redujo trabajo en determinadas fases; no sustituyó la infraestructura humana.
La operación iraní «Bogus Bylines»
La segunda operación, denominada «Bogus Bylines», utilizó siete identidades ficticias de periodistas. De acuerdo con OpenAI, esas personas inexistentes enviaban propuestas de artículos extensos a medios pequeños y medianos de distintos países. La red también generaba comentarios para redes sociales, especialmente sobre asuntos relacionados con la guerra entre Estados Unidos e Irán.
El patrón es relevante para cualquier redacción: el riesgo no entra necesariamente como un archivo obviamente malicioso. Puede llegar como una propuesta bien escrita, adaptada al idioma del destinatario, firmada por alguien que aparenta experiencia y acompañada de un perfil digital preparado para superar una revisión superficial.
OpenAI afirma que algunos textos consiguieron publicarse en medios convencionales. No todo el contenido procedía de sus modelos y la compañía no atribuye cada publicación externa exclusivamente a la IA. La lección más prudente es que una red puede utilizar herramientas generativas para aumentar fluidez, volumen y adaptación local sin que eso revele por sí solo quién controla la operación.
Qué significa que fueran categorías 5 y 4
OpenAI evalúa las campañas con la Breakout Scale, una escala propuesta por el investigador Ben Nimmo para comparar el impacto observable de operaciones de influencia. La categoría no mide cuánto contenido se generó ni cuántas cuentas participaron, sino hasta dónde consiguió salir la narrativa de los canales controlados por sus operadores.
En términos generales, una operación de categoría 4 logra que medios tradicionales recojan o amplifiquen su contenido. La categoría 5 añade la amplificación por personas de gran notoriedad, como dirigentes políticos o celebridades. La categoría 6 se reserva para campañas que desencadenan una respuesta política concreta u otras consecuencias de alto impacto.
OpenAI sitúa la operación rusa en la categoría 5 y la iraní en la 4. Afirma que «Dark Clark» es la primera campaña de categoría 5 que ha desactivado desde que comenzó sus informes. Esa clasificación es una valoración de la compañía basada en el marco citado; no debe confundirse con una resolución judicial o una auditoría independiente.
La IA amplifica, pero no inventa este problema
Las identidades falsas, los medios pantalla y la colocación encubierta de artículos existían antes de los modelos generativos. El informe recuerda precedentes como «Alice Donovan», una falsa periodista relacionada con la inteligencia militar rusa, y PeaceData, una falsa publicación que reclutó a colaboradores reales.
La diferencia actual es económica y operativa. Un modelo puede ayudar a adaptar un texto a varios países, variar titulares, corregir estilo, resumir conversaciones o preparar informes internos. También puede facilitar que una identidad ficticia mantenga una voz coherente durante más tiempo. Sin embargo, conseguir acceso a una redacción, reclutar colaboradores o construir confianza continúa requiriendo acciones fuera del modelo.
Para entender esta distinción resulta útil separar creación y distribución. La generación automática puede abaratar el contenido, pero el impacto depende de quién lo publica, qué reputación presta y qué audiencia lo recibe. Nuestro análisis sobre Monetizagram 3.0 y la distribución de contenidos en Instagram y Facebook aborda, desde un contexto comercial legítimo, por qué crear una pieza y conseguir que llegue al público son etapas diferentes.
Señales que debería revisar una redacción
Ninguna señal aislada demuestra que una propuesta forme parte de una operación encubierta. La verificación debe acumular evidencias y evitar acusaciones precipitadas. Aun así, hay controles razonables que reducen el riesgo.
- Identidad comprobable: buscar trabajos anteriores, trayectoria profesional, presencia coherente y formas independientes de contacto.
- Origen de las afirmaciones: exigir documentos, datos y fuentes que puedan revisarse sin depender únicamente del autor.
- Historial del dominio: comprobar cuándo se registró una organización, quién la representa y si sus datos legales coinciden con su relato público.
- Patrones de envío: detectar propuestas casi idénticas, cambios de firma, traducciones demasiado uniformes o urgencia artificial.
- Edición independiente: contrastar nombres, citas, imágenes, audios y supuestas filtraciones antes de publicar.
- Conflictos de interés: preguntar quién financia el trabajo y qué relación tiene el autor con las organizaciones mencionadas.
Una redacción pequeña no necesita un laboratorio forense para aplicar estos principios. Puede empezar con una lista de comprobación, una segunda revisión para temas sensibles y un registro de las fuentes utilizadas. Automatizar partes del proceso puede ahorrar tiempo, pero debe conservarse la decisión editorial. Quien necesite estructurar verificaciones repetibles puede consultar nuestro análisis comercial sobre automatización local con n8n, entendiendo que ninguna herramienta sustituye la evaluación humana de credibilidad.
Cómo deberían responder empresas y organizaciones
1. Proteger los canales de publicación
Los permisos para publicar, modificar páginas o enviar comunicaciones deben limitarse por función. Una cuenta comprometida o una identidad falsa resulta más peligrosa cuando puede actuar sin revisión. El doble control es especialmente útil en contenidos políticos, sanitarios, financieros o de seguridad.
2. Registrar procedencia y cambios
Cada pieza debería conservar quién la propuso, qué fuentes la respaldan, quién la revisó y qué cambios se hicieron. La trazabilidad no garantiza la verdad, pero permite investigar un incidente y evita depender de recuerdos parciales.
3. Verificar audio, imágenes y documentos
Una apariencia convincente ya no es suficiente. Los materiales sensibles necesitan contraste con la fuente original, análisis de metadatos cuando estén disponibles y confirmación por un canal independiente. El texto también puede incorporar señales técnicas. Nuestro artículo sobre textGrain y la procedencia invisible del texto generado explica por qué la trazabilidad puede ayudar, pero también por qué no constituye una prueba universal.
4. Preparar una respuesta proporcionada
Ante una sospecha no conviene borrar evidencias ni acusar públicamente sin base. Es preferible preservar mensajes, enlaces y archivos; limitar temporalmente la publicación; verificar por fuentes separadas; y escalar a responsables jurídicos o de seguridad cuando corresponda.
Qué puede y qué no puede demostrar el informe
El documento ofrece una visión privilegiada del uso de ChatGPT porque OpenAI puede analizar cuentas, instrucciones y patrones internos. Esa ventaja también establece un límite: la compañía observa principalmente su propia plataforma. Otros canales, modelos y herramientas pueden quedar fuera.
La atribución geográfica y organizativa se basa en señales que no se publican completas por razones de seguridad e investigación. Por ello, el lector no puede reproducir todos los pasos. El informe sí distingue actividad observada, información de fuentes abiertas e inferencias, pero las afirmaciones más delicadas deben entenderse como conclusiones de OpenAI.
Tampoco puede calcularse con precisión cuánto cambió la opinión pública. La publicación en un medio real aumenta el potencial de alcance, pero no demuestra persuasión, intención de voto o impacto duradero. Las métricas de los propios operadores eran, según OpenAI, poco fiables y tendían a exagerar resultados.
Esta prudencia conecta con un problema regulatorio más amplio: cuando sistemas automáticos influyen o actúan, empresas y autoridades necesitan evidencia verificable sobre permisos, datos y resultados. El análisis sobre la investigación de la FTC a desarrolladores de agentes de IA explica por qué la responsabilidad no puede descansar únicamente en una promesa de buen comportamiento.
Preguntas frecuentes
¿OpenAI afirma que la IA creó toda la campaña?
No. Describe operaciones humanas complejas que utilizaron modelos para tareas concretas, junto con organizaciones pantalla, colaboradores, identidades ficticias y técnicas tradicionales. Parte de los contenidos públicos no se generó con sus modelos.
¿Una redacción fluida demuestra que un texto fue generado por IA?
No. El estilo no permite atribuir de forma fiable una pieza. La verificación debe centrarse en identidad, fuentes, procedencia, coordinación y comportamiento observable.
¿La categoría 5 significa que la campaña consiguió cambiar una política?
No necesariamente. En la Breakout Scale, la categoría 5 se relaciona con amplificación por figuras de gran alcance. La categoría 6 requiere consecuencias como una respuesta política concreta o una llamada a la violencia.
¿Qué debería hacer un medio ante una propuesta sospechosa?
Pausar la publicación, conservar la evidencia, verificar por canales independientes y solicitar documentación sobre identidad y fuentes. Si existen indicios sólidos de fraude o actividad coordinada, debe escalar el caso a responsables de seguridad, asesoría jurídica o autoridades competentes.
Conclusión
Las dos operaciones descritas por OpenAI muestran que el mayor riesgo de la inteligencia artificial en campañas de influencia no siempre es una falsificación espectacular. Puede ser una identidad plausible, una organización aparentemente legítima y un texto suficientemente correcto para entrar en un circuito de confianza.
La defensa eficaz combina tecnología y proceso: permisos limitados, trazabilidad, verificación independiente, revisión editorial y capacidad para detener una publicación antes de que la reputación de una organización amplifique el engaño. La inteligencia artificial reduce costes de producción; la confianza humana sigue siendo el recurso que las operaciones intentan capturar.