El New York Times publicó hoy un análisis sobre la nueva generación de operaciones de influencia de Irán y China: campañas que funcionan de forma autónoma, con agentes de IA que generan contenido, identifican audiencias y ajustan los mensajes sin intervención humana constante. El NYT está detrás de paywall, pero el tema lleva semanas siendo documentado por Recorded Future, la unidad de inteligencia de Insikt Group, y por Radio Free Europe.
El giro es significativo. Las campañas de influencia de estado-nación llevan años usando IA para escalar contenido y crear cuentas falsas. Lo nuevo —y lo que el NYT documenta hoy— es la autonomía: operaciones que generan un ciclo completo de desinformación sin que un operador humano tome decisiones en cada paso.
¿Qué hace diferente a esta nueva generación?
La inteligencia de Recorded Future publicó en julio un análisis sobre el uso iraní de IA generativa en operaciones de influencia. El informe, elaborado por el Insikt Group, documenta cómo actores vinculados al estado iraní —APT42, STORM-2035 y otros grupos— usan IA para tres funciones hasta hace poco exclusivamente humanas.
La primera es la generación de personas creíbles: perfiles en redes sociales con historia, escritura coherente y comportamiento que pasa los filtros de autenticidad básicos. En 2023, esto requería diseñadores, redactores y gestores de cuentas. En 2026, es un pipeline automatizado.
La segunda es la adaptación lingüística y cultural. Irán ha operado durante años con contenido que revelaba su origen por errores de idioma o referencias culturales incorrectas. Los modelos actuales eliminan ese talón de Aquiles: el contenido generado en inglés americano coloquial ya no suena a traducción.
La tercera —la más relevante desde el punto de vista operativo— es el ajuste de mensajes en tiempo real. Un agente autónomo puede monitorizar la reacción a una narrativa, identificar qué versiones del mensaje generan más engagement y ajustar el contenido siguiente sin esperar instrucciones humanas.
¿China va en la misma dirección?
El patrón chino es diferente pero convergente. OpenAI documentó en mayo de 2026 el desmantelamiento de una campaña llamada «Data Center Bandwagon», en la que actores vinculados a una empresa tecnológica china usaron ChatGPT para generar comentarios que fomentaban la oposición local a centros de datos en Estados Unidos. Los operadores se hacían pasar por ciudadanos americanos y personalizaban el contenido por código postal.
Los investigadores de RFE/RL, citados esta semana en el contexto del artículo del NYT, señalan algo importante: Rusia, Irán y China no coordinan estas operaciones en tiempo real, pero sí aprenden unos de otros. Rusia fue la pionera con las operaciones del Internet Research Agency en 2016. Irán adoptó el modelo hack-and-leak. China lo ha adaptado a sus objetivos de competencia económica. Lo que el NYT documenta hoy es que los tres actores han dado el salto a la autonomía operativa.
¿Está preparada la defensa?
La respuesta corta, según Max Lesser del Digital Forensic Research Lab citado por RFE/RL, es no. Los sistemas actuales de detección se basan en patrones de comportamiento conocidos: cuentas que actúan de forma coordinada, textos con marcas lingüísticas detectables, imágenes con artefactos de generación. Los modelos actuales borran esas marcas.
La solución técnica más prometedora —la marca de agua en contenido generado por IA— tiene el problema de que quien quiere usar IA para desinformación no usa las plataformas que aplican marca de agua. El problema es estructural: la misma tecnología que permite a cualquier empresa crear contenido personalizado a escala permite también a cualquier actor estatal crear desinformación personalizada a escala.
California está estudiando hoy un kill switch para modelos frontera. Es una respuesta al riesgo de agentes autónomos que escapan de sus entornos. Pero las campañas de influencia autónomas de Irán y China no necesitan un modelo frontera: usan las mismas APIs comerciales que cualquier empresa de marketing. No hay kill switch para eso.
¿Qué se puede hacer para defenderse?
La defensa tiene tres capas que funcionan mejor en conjunto que por separado.
La primera es la detección automatizada. Meta, Microsoft y Google han invertido en sistemas de identificación de comportamiento coordinado inauténtico: cuentas que publican de forma sincronizada, contenido con marcas lingüísticas estadísticas propias de la traducción o el idioma generado. El problema es que cada mejora del sistema defensor enseña a los atacantes a evadir la siguiente versión. Es una carrera en la que el atacante solo necesita tener éxito una vez.
La segunda es la educación mediática. El Digital Forensic Research Lab y grupos similares llevan años formando a periodistas, moderadores y ciudadanos en la detección de desinformación. Los indicadores siguen siendo útiles para la mayoría de operaciones: buscar la fuente original, verificar la antigüedad de una cuenta, comprobar si una imagen aparece en otros contextos. El problema es que la escala de producción automatizada supera con creces la capacidad humana de verificación manual.
La tercera —y la menos desarrollada— es la regulación de las APIs. Si los actores estatales usan las APIs de OpenAI, Anthropic o Google para generar contenido, esas empresas tienen la capacidad técnica de detectar y bloquear patrones de uso que correspondan a operaciones de influencia. OpenAI y Anthropic ya lo hacen: las interrupciones de campañas documentadas en 2024 y 2026 vinieron de sus propios equipos de seguridad. Pero el reporting es voluntario, sin estándares comunes ni obligaciones de divulgación pública.
El marco regulatorio para las plataformas —el DSA europeo, las directivas de la FTC americana— está diseñado para el contenido que ya está publicado, no para los pipelines de generación. Cerrar ese gap requeriría una coordinación entre gobiernos y empresas de IA que, en el contexto político actual, es difícil de imaginar a corto plazo.
☞ El artículo completo original de Natalia Polo lo puedes ver aquí
