OpenAI ha presentado un modelo de IA muy esperado, denominado ‘GPT-6 Astra’. Aunque el modelo muestra mejoras significativas en pruebas de referencia y ofrece numerosas funciones empresariales, persiste una sombra que no tarda en aparecer sobre esta nueva generación.

Tras el incidente de hackeo accidental de Hugging Face por parte de OpenAI y los esfuerzos de la compañía por mejorar el comportamiento y la interacción de los agentes de IA, numerosos expertos en ciberseguridad han planteado preocupaciones sobre las nuevas capacidades de razonamiento de Astra, basadas en una arquitectura de recurrent depth.

Esta nueva arquitectura de razonamiento permite que el modelo analice un problema varias veces antes de actuar, en contraste con el razonamiento en cadena utilizado en modelos anteriores.

Por qué preocupa el razonamiento de profundidad recurrente?

Este nivel de razonamiento parece ofrecer un rendimiento superior. OpenAI también señala haber ajustado las capacidades de sus modelos para evitar vulneraciones de límites durante las pruebas al monitorear el razonamiento y garantizar que el modelo permanezca alineado con la tarea.

Durante el evento de lanzamiento de Astra, el científico jefe de OpenAI, Jakub Pachocki, afirmó: “No aceptaremos una degradación en nuestra capacidad de monitorear la alineación del modelo más allá de cierto nivel. Retendremos la ampliación hasta recuperar la confianza suficiente”.

Sin embargo, muchos expertos sostienen que las lecciones del incidente con Hugging Face aún no se han aprendido por completo y que Astra se ha lanzado sin pruebas adecuadas sobre su razonamiento y monitoreo en escenarios reales.

Al fin y al cabo, nadie imaginó que uno de los modelos de OpenAI podría establecer un tablero de mensajería oculto conectado a internet que permitiera a los agentes de IA influir entre sí.

Con Astra ya disponible en el mundo real, es posible que las lecciones se aprendan sobre la marcha.

Perspectivas de expertos sobre el lanzamiento de Astra

• James Blake, Vicepresidente de Estrategia Global de Resiliencia Cibernética en Cohesity:

El lanzamiento de Astra vuelve a cuestionar la seguridad de la IA Frontier. En lugar de preguntarse simplemente si un modelo es “seguro”, las organizaciones deben evaluar su seguridad ante millones de situaciones, indicaciones e interacciones. La ciberresiliencia asume que los sistemas y los actores maliciosos no se comportan de forma determinista. Las IA no lo hacen.

Los modelos avanzados pueden y seguirán mostrando comportamientos que emergen de su proceso de optimización, más que de una programación explícita. Debemos pasar de ver la IA como una simple herramienta de software y encontrar formas de garantizar que estos sistemas sigan siendo observables, auditable y gobernables a lo largo de su ciclo de vida.

La pregunta más importante para el futuro será una de responsabilidad. Si un sistema de IA desarrolla de forma autónoma una estrategia que cause pérdidas financieras, filtre información confidencial o incumpla regulaciones, ¿quién debe responder? ¿El desarrollador que entrenó el modelo? ¿El proveedor de la nube que opera la infraestructura? Actualmente la respuesta no está claramente definida.

• Oleksandr Yaremchuk, Co-Fundador y CTO en Manifold Security:

OpenAI afirma que Astra es su modelo más alineado, incluso cuando su científico jefe admite que la monitorización es más compleja a medida que los modelos se vuelven más capaces. Evidentemente, Astra oculta su razonamiento en la mayoría de los casos probados, y algunos ataques exitosos dejaron sin rastro la mayor parte del razonamiento. Ese es el tipo de herramienta que siguen usando los laboratorios para auditar lo que un agente está haciendo, y se está volviendo menos confiable con cada versión.

Eso importa porque Astra no permanecerá dentro del entorno de pruebas de OpenAI. Va a operar como agente en laptops de empleados y en el navegador, con credenciales reales, dentro de empresas que no pueden vigilar todas sus acciones. Un modelo que explica menos no es más alineado; es más difícil de detectar cuando falla.

Los laboratorios pueden seguir debatiendo qué dicen o dejan de decir estos modelos. Los equipos de seguridad deben dejar de depender de ello y comenzar a monitorear lo que los agentes realmente hacen en tiempo real, con la capacidad de desactivarlos en medio de una acción. Esa es la única supervisión que aún funciona una vez que el razonamiento se silencia.

• Kristin Lowery, Field CISO en Optiv:

Para los consejos y líderes ejecutivos, la aparición de Astra subraya una realidad más amplia: la IA ya no es solo un tema de productividad; es un tema de gestión de riesgos.

Así como las organizaciones establecieron gobernanza para la adopción de la nube y la transformación digital, ahora necesitan políticas claras, supervisión sólida y responsabilidad en el uso de IA.

La pregunta no es si la IA será más capaz: lo será. El verdadero desafío es si las organizaciones pueden reforzar su gobernanza, controles de seguridad y preparación de la fuerza laboral con la suficiente rapidez.

• Patricia Titus, Field CISO en Abnormal AI:

OpenAI ha cruzado este umbral y merece atención. Reconociendo su esfuerzo, están gestionándolo de forma responsable al restringir la capacidad avanzada de ciberseguridad de Astra a un grupo reducido, en lugar de liberarla ampliamente. Pero esto no es solo un problema de una empresa; es una realidad que los defensores deben planificar para cortar a tiempo.

Una vez que un modelo pueda localizar y explotar vulnerabilidades desconocidas sin intervención humana, esa capacidad no permanece exclusiva por mucho tiempo. Los modelos de código abierto y modificados normalmente siguen la frontera por solo unos meses, y esa es la realidad que los defensores deben anticipar ahora mismo.

Las defensas deben avanzar hacia sistemas que aprendan qué es normal para cada identidad—humana, máquina o agente IA—y que detecten y contengan, a velocidad de máquina, el momento en que algo se desvía.

La ventana para construir eso está abierta ahora. No permanecerá así una vez que esta capacidad se convierta en norma en lugar de excepción.

• Raghu Nandakumara, Vicepresidente de Estrategia de la Industria en Illumio:

Con el anuncio de Astra, OpenAI refuerza la monitorización del comportamiento propio del modelo como respuesta a las “salidas” vistas en los últimos meses.

Cuando Anthropic anunció Claude Mythos Preview, la preocupación fundamental era que el modelo caiga en manos equivocadas. La respuesta de OpenAI va más allá, añadiendo salvaguardas al razonamiento y a las acciones del modelo, independientemente de la intención del usuario. El objetivo es detectar que un modelo se descontrole durante una tarea, no simplemente evitar su mal uso al principio.

El resto del anuncio podría resumirse como: estamos ante un nuevo modelo de frontera, y es más capaz que el anterior.