Respuesta directa. OpenAI informó el 8 de octubre de 2026 que prohibió cuentas vinculadas a dos operaciones de influencia originadas en Rusia e Irán. Según la compañía, los actores combinaron ChatGPT con métodos tradicionales para sostener identidades de fachada: un supuesto centro de investigación con actividad en América Latina y siete perfiles falsos de periodistas que lograron publicar artículos en medios reales. El caso confirma que el riesgo ya no se limita a textos automatizados visibles, sino a cadenas de producción, edición, distribución y aparente legitimidad.
La revelación pone el foco en una pregunta relevante para empresas, medios y organismos públicos en Chile: ¿cómo se verifica una pieza de información cuando la inteligencia artificial puede acelerar la redacción, adaptar un discurso a cada audiencia y apoyar redes que simulan ser independientes? La respuesta no es desconectarse de la IA, sino elevar los controles editoriales, documentales y de seguridad antes de amplificar contenidos o decisiones.
Dos operaciones distintas, una misma lógica de engaño
El informe de OpenAI describe dos campañas con estructuras diferentes. La primera, denominada por la empresa como operación Dark Clark, habría usado cuentas de ChatGPT desde Rusia para apoyar acciones de influencia dirigidas a países de América Latina. Parte central de la operación era el Social Research Center, presentado como una plataforma de investigación regional. OpenAI señala que sus indicios sugieren que trabajadores locales pudieron haber participado de buena fe, sin conocer el control de la red por parte de los operadores. Esa distinción importa: una fachada puede aprovechar trabajo genuino, entrevistas reales y documentos plausibles para ocultar quién define la agenda.
La segunda, llamada Bogus Bylines, se originó en Irán y usó siete identidades ficticias de supuestos periodistas. De acuerdo con OpenAI, estos perfiles preparaban y pulían artículos largos, revisaban requisitos de envío y redactaban correos de presentación para editores. La compañía identificó cerca de cien artículos publicados o republicados bajo esas firmas entre julio de 2025 y octubre de 2026, en alrededor de una docena de medios. El volumen por sí solo no demuestra que toda una publicación sea falsa, pero evidencia que una firma, una biografía y una cuenta social ya no bastan como prueba de autoría.
En ambos casos, la IA aparece como multiplicador de tareas, no como una causa autónoma. OpenAI indicó que los grupos también emplearon herramientas y tácticas convencionales: correos, perfiles sociales, sitios de apariencia legítima y contactos con terceros. Esta precisión evita dos errores: atribuir a un modelo toda la responsabilidad de una campaña y, al mismo tiempo, subestimar el aumento de velocidad que un asistente generativo entrega a una operación coordinada.
La vulnerabilidad está en la cadena de confianza
El mecanismo más delicado es la llamada legitimidad prestada. Una operación no necesita convencer a toda la audiencia desde una cuenta anónima si consigue que una afirmación viaje por un sitio con apariencia de investigación, sea citada por un comentarista o llegue a un medio mediante una firma creíble. Cada paso añade una capa de confianza que puede ser difícil de revisar después. En la campaña iraní, el objetivo no era solamente generar publicaciones, sino insertar mensajes geopolíticos en circuitos editoriales existentes.
Para Chile y América Latina, el precedente merece atención por la densidad del ecosistema digital regional. Empresas, municipalidades, universidades, periodistas y consultoras reciben a diario propuestas de colaboración, estudios, invitaciones a paneles y solicitudes de opinión. La mayoría son legítimas. Precisamente por eso, una operación de fachada puede resultar eficaz si explota procesos normales de trabajo y reduce el tiempo disponible para confirmar identidad, financiamiento, metodología y origen de los datos.
La consecuencia práctica no es prohibir el uso de asistentes de IA en redacciones o equipos corporativos. Es separar el uso productivo de la automatización de la validación de procedencia. Un borrador puede haber sido asistido por IA y ser correcto si la fuente es trazable, el dato se verifica y un responsable humano asume la edición. El problema surge cuando la automatización se usa para fabricar señales de independencia, ocultar conflictos de interés o inflar artificialmente el alcance de una narrativa.
Qué revelan los casos sobre IA y desinformación
La principal novedad no es que un modelo pueda escribir una columna, traducir un texto o redactar un correo. Es que esas tareas pueden integrarse en un flujo persistente: investigar qué temas generan tensión, producir varias versiones de un mensaje, adaptar propuestas a distintos medios, responder a observaciones editoriales y redactar reportes internos. Cuando ese flujo se une a identidades falsas, dominios de apariencia profesional y personas no conscientes de la operación, el análisis debe mirar el sistema completo.
También hay una lección sobre métricas. OpenAI advirtió que en algunos reportes internos los operadores buscaban exagerar su eficacia e incluso atribuían a su actividad hechos con los que tal vez no tenían relación. Para un equipo de comunicaciones, eso refuerza una regla conocida: impresiones, menciones o capturas de pantalla no equivalen por sí mismas a influencia comprobada. Una campaña seria debe distinguir entre alcance potencial, interacción verificable, cambio de conducta y atribución causal.
La seguridad informativa, por tanto, no puede descansar en un detector único de texto generado por IA. Los detectores pueden producir falsos positivos, fallar ante ediciones humanas o no responder la pregunta principal: quién está detrás de una afirmación. La verificación debe combinar análisis de autor, revisión de fuentes primarias, historial del dominio, transparencia financiera cuando corresponda y contraste con especialistas independientes.
Controles operativos para medios y empresas chilenas
Las organizaciones pueden convertir este caso en un protocolo concreto. Primero, toda colaboración editorial, informe externo o vocería debe tener un responsable identificable y un canal verificable fuera del correo que envía la propuesta. Segundo, cuando un contenido cite un centro de estudios poco conocido, conviene revisar su fecha de creación, equipo, metodología, patrocinadores, registro de dominio y publicaciones previas. Tercero, un dato extraordinario requiere una fuente primaria o una confirmación independiente antes de ser distribuido por redes, prensa o newsletters.
En áreas corporativas, conviene incluir una revisión de procedencia en los flujos de inteligencia competitiva y monitoreo reputacional. Si un informe se usará para definir una inversión, responder una crisis o modificar una política pública, la pregunta no debe ser solamente si el texto parece bien escrito. Debe ser quién lo produjo, qué evidencia respalda sus conclusiones y qué incentivos podrían sesgarlo. Esa trazabilidad protege tanto la decisión como la confianza posterior.
En las redacciones, la revisión de firmas debería considerar conversaciones de verificación por un medio alternativo, historial profesional comprobable y declaración de conflictos de interés. Una identidad digital consistente puede ser construida. Por eso, los procesos de incorporación de colaboradores y el fact checking previo a la publicación son más importantes que la apariencia de una biografía o un perfil con actividad reciente.
El desafío para la gobernanza de IA
La respuesta de OpenAI fue bloquear las cuentas detectadas y publicar detalles para facilitar investigación y disrupción adicional. Es una medida relevante, pero no reemplaza la responsabilidad de quienes reciben, publican o comparten contenidos. Las plataformas pueden observar patrones internos de uso; los medios pueden verificar a sus colaboradores; las empresas pueden exigir evidencia en sus proveedores; y las audiencias pueden frenar la difusión de afirmaciones que no declaran origen ni respaldo.
Para los directorios y líderes digitales, la gobernanza de IA debe incluir una dimensión externa. No basta con definir qué datos propios se envían a un modelo o qué automatizaciones están permitidas. También hay que establecer cómo se evalúa información producida fuera de la organización, especialmente cuando circula con urgencia, apela a un conflicto político o reputacional y busca ser reutilizada sin una fuente primaria clara.
El caso reportado por OpenAI no convierte toda pieza creada con IA en propaganda ni vuelve sospechoso a todo investigador independiente. Sí demuestra que la confianza digital necesita pruebas proporcionales al impacto de la información. En 2026, la credibilidad no se obtiene solo con publicar rápido: se construye con autoría verificable, documentos accesibles, metodología explícita y correcciones transparentes cuando la evidencia cambia.
Una oportunidad para profesionalizar la trazabilidad
La inteligencia artificial también puede ayudar a reforzar controles si se usa con responsabilidad. Puede ordenar fuentes, detectar inconsistencias entre versiones, transcribir entrevistas y facilitar el archivo de evidencias. Sin embargo, ninguna de esas capacidades elimina la rendición de cuentas humana. Un registro de decisiones editoriales, versiones, fuentes consultadas y correcciones ofrece mucho más valor que una promesa genérica de contenido responsable.
Para los proveedores tecnológicos, la trazabilidad debe ser parte del diseño. Los equipos que despliegan automatizaciones necesitan definir permisos, registrar acciones, limitar accesos a sistemas sensibles y habilitar revisión humana antes de ejecutar tareas con impacto externo. En comunicación, eso significa que un agente no debería publicar, enviar propuestas o responder una crisis sin reglas claras de aprobación y un responsable capaz de explicar por qué se tomó la decisión.
La noticia de OpenAI muestra una tensión central de la economía digital: las mismas herramientas que reducen barreras para informar, crear y colaborar pueden reducir el costo de engañar a escala. La respuesta sostenible no será una tecnología milagrosa ni una prohibición general. Será una cultura de verificación en que cada actor, desde la plataforma hasta el lector, sepa reconocer qué evidencia necesita antes de conceder confianza.
Preguntas frecuentes
¿Qué anunció OpenAI sobre las operaciones de influencia?
OpenAI informó el 8 de octubre de 2026 que prohibió cuentas asociadas a dos operaciones originadas en Rusia e Irán. Según su reporte, usaban ChatGPT junto con técnicas tradicionales para apoyar una fachada de investigación y perfiles ficticios de periodistas.
¿La IA generó por sí sola estas campañas de propaganda?
No. El reporte describe un uso combinado de modelos de IA, correos, perfiles sociales, sitios web y tácticas de influencia convencionales. La IA facilitó tareas como edición, redacción y reportes, pero los operadores humanos definieron objetivos y ejecutaron la estrategia.
¿Cómo pueden los medios verificar a nuevos colaboradores?
Un medio puede confirmar identidad por canales independientes, revisar publicaciones previas y referencias verificables, pedir una declaración de conflictos de interés y contrastar hechos con fuentes primarias. Una firma y una biografía en línea no son evidencia suficiente de autoría.
¿Sirven los detectores de texto generado por IA para frenar la desinformación?
Son una señal auxiliar, no una prueba definitiva. Los detectores pueden fallar con textos breves, contenido editado o redacción humana. Para evaluar una campaña, es más útil revisar procedencia, fuentes, red de distribución y transparencia de quienes publican.
¿Qué deberían hacer las empresas chilenas ante información sensible?
Antes de tomar decisiones o amplificar un informe, deben verificar quién lo produjo, qué datos primarios lo sustentan, si existe metodología pública y qué conflictos de interés podrían influir. Los contenidos urgentes o extraordinarios requieren una confirmación independiente adicional.
Fuentes consultadas: OpenAI, reporte del 8 de octubre de 2026; NPR, cobertura independiente del 8 de octubre de 2026.
