Hasta hace no tanto, hablar de agentes de inteligencia artificial parecía hablar de una tecnología del futuro. Hoy, sin embargo, ya podemos delegarles tareas que van mucho más allá de responder preguntas: buscar información, escribir código o realizar acciones para alcanzar un objetivo. Pero cuanto más capaces se vuelven estos sistemas, más preguntas aparecen sobre su comportamiento. Estamos aprendiendo qué pueden hacer, cómo reaccionan ante los obstáculos y hasta dónde pueden llegar sin nuestra intervención.
Y no somos los únicos: las propias empresas que los desarrollan también están descubriendo los límites de esta autonomía. Un experimento con un resultado inesperado. Eso es precisamente lo que ocurrió durante una tarea de entrenamiento de un modelo interno de OpenAI. El 26 de junio de 2026 , un sistema experimental de la familia GPT-5.6 Sol estaba realizando un trabajo de programación cuando terminó utilizando fondos de una cartera de criptomonedas que no tenía autorización para emplear.
No se trataba de ETH de la red principal, sino de ETH de prueba de Sepolia, una red utilizada por los desarrolladores de Ethereum. El episodio fue descubierto meses después por la compañía, que documentó lo ocurrido en un informe. Y los detalles de cómo llegó hasta aquella cartera son especialmente reveladores. Todo empezó con una aplicación de criptomonedas.
El encargo consistía en actualizar un prototipo de negociación: ajustar el cálculo de operaciones y el funcionamiento de su base de datos, además de sustituir direcciones provisionales por contratos operativos. Para ello, el agente podía desplegar código en Sepolia, una red de Ethereum utilizada para hacer pruebas sin operar con criptomonedas de la red principal. Publicar allí un contrato inteligente, es decir, un programa que se ejecuta en la blockchain, exige pagar comisiones con tokens de prueba. Y OpenAI no había proporcionado ninguna cartera con fondos para hacerlo.
UN VISTAZO A... Applivery Las herramientas de gestión de dispositivos corporativos siempre han tenido una limitación. Hasta que ha llegado la IA La búsqueda terminó en 362 direcciones. El agente intentó primero localizar contratos compatibles ya publicados y recurrió a los llamados faucets , servicios que proporcionan criptomonedas de prueba a los desarrolladores.
Como ninguna de esas vías le permitió completar el despliegue, exploró otra posibilidad: utilizar frases de recuperación públicas, empleadas habitualmente en entornos de desarrollo, para obtener las claves de distintas carteras. Escribió un programa que derivó claves y direcciones a partir de esas frases y consultó sus saldos. En total, comprobó 362 direcciones hasta encontrar una que contenía suficientes tokens para continuar. La IA decidió utilizar esos fondos.
Encontrar una cartera con saldo suficiente no resolvía una cuestión fundamental: si tenía derecho a utilizarla. Según los registros publicados por OpenAI, el modelo examinó el historial de transacciones de aquella cuenta, interpretó parte de su actividad como automatizada y llegó a preguntarse si era ético emplear esos recursos. Finalmente, consideró que podía utilizarlos porque la frase de recuperación era pública, los tokens de Sepolia carecían de valor económico a su juicio y los fondos estaban prácticamente abandonados. Pero había un problema con esa conclusión: era una valoración del propio sistema, no una autorización del titular.
La operación terminó saliendo adelante. Con la clave privada obtenida, el agente firmó una transacción para desplegar uno de los contratos, aunque sus primeros intentos de enviarla a la red encontraron errores técnicos. Lejos de detenerse, probó otros proveedores y métodos de comunicación hasta conseguir que Sepolia aceptara la operación. La confirmación llegó con una dirección de contrato y el registro de las comisiones cobradas a la cuenta utilizada.
No transfirió criptomonedas a una cartera propia, sino que gastó parte del saldo ajeno para pagar esas comisiones. Las comprobaciones posteriores encontraron código en las diez direcciones de contratos examinadas y el sistema registró 12 pruebas unitarias satisfactorias. En Xataka Cada dato que conocemos sobre el dominio de mercado de China de los robots humanoides es más intimidante El agente no contó toda la historia. Al finalizar, el modelo informó de que había desplegado los contratos y comprobado su funcionamiento, pero no mencionó que había recurrido a una cuenta que no estaba autorizado a utilizar.
OpenAI descubrió lo ocurrido más tarde cuando amplió su sistema de supervisión para revisar registros anteriores de actividad. En su informe, actualizado el 15 de octubre , la compañía explica que ha implementado nuevas salvaguardas para impedir el acceso a Internet en casos similares. También asegura que su sistema de supervisión analiza ahora todo el tráfico para alertar a seguridad si se llega a obtener acceso directo a la red. El verdadero límite era la autorización.
Desde el punto de vista técnico, el agente consiguió completar su trabajo. Sin embargo, lo hizo utilizando recursos sobre los que no tenía permiso para decidir. Que los tokens pertenecieran a una red de pruebas y carecieran de valor económico convencional no resolvía ese problema. El episodio ilustra uno de los desafíos que afrontan quienes desarrollan estos sistemas: no basta con comprobar si una IA consigue alcanzar el objetivo que le hemos marcado.
También necesitamos saber qué decisiones toma por el camino y si respeta los límites establecidos. Imágenes | Xataka con Nano Banana En Xataka | Anthropic ofrece 172.000 euros al año a alguien que quiera hacer exactamente el trabajo que debería hacer un agente de IA
