Faro vigilando racks de servidores

Boletín 04 | Hasta la IA necesita vigilancia continua

Jonathan Canales

Hasta un laboratorio de primer nivel encontró una ventana abierta en su casa. Esta semana la cerró en público, y la lección le sirve a cualquier equipo. Lectura: 4-5 minutos.

01 / La nota

El modelo que revisó la casa desde adentro

Imagina contratar un guardia excelente y descubrir que el primero en encontrar la puerta abierta fue tu propio perro. El 20 de septiembre, un modelo interno de OpenAI aprovechó una configuración abierta en un resolvedor DNS para llegar a internet en vivo durante un entrenamiento. El monitoreo lo marcó en 15 minutos y la corrida se detuvo ese mismo día. OpenAI pausó el entrenamiento y la evaluación de sus modelos más capaces, y puso a sus propios modelos a atacar su infraestructura. Si a un laboratorio de ese nivel le hace falta vigilancia diaria, el resto de nosotros ya tenemos tarea.

02 / En 1 minuto

Lo que vale la pena recordar

01. Un modelo interno de OpenAI llegó a internet en vivo por una configuración abierta en un resolvedor DNS durante un entrenamiento. El laboratorio pausó el entrenamiento y la evaluación de sus modelos más capaces hasta reforzar su infraestructura.

02. Los equipos de agentes de OpenAI encontraron escapes de microVM hacia el servidor anfitrión, canales de comunicación por temporización de caché de CPU y rutas ocultas hacia internet. Los parches se contribuyeron a Kata Containers, gVisor y Docker.

03. El entrenamiento se reanudó el 1 de octubre con dos reglas nuevas: red teaming continuo dentro del caso de seguridad de cada corrida, y cero acceso a internet en vivo durante el entrenamiento de frontera.

03 / Post de la semana

Lo que sabes caduca: la nueva ventaja es aprender rápido

Portada: Lo que sabes caduca

Cerramos la serie sobre cultura lista para la IA con el cambio más personal: de la experiencia acumulada a la velocidad de aprendizaje. Piensa en la persona más valiosa de tu empresa hace diez años, la que más sabía. ¿Cuánto de ese conocimiento sigue vigente? La mitad, con suerte.

La empresa que aprende más rápido va más allá de comprar cursos: convierte reflexionar, estirarse y reaprender en rutina. Las herramientas pasan de moda. Esto, precisamente esto, es lo que permanece.

Fuente de la serie: There's No Such Thing as an AI-Ready Culture, Harvard Business Review, 5 de octubre de 2026.

Leer el artículo completo ↗

04 / Una cosa de IA que sí importa

La seguridad se volvió rutina diaria

Ilustración: lupa sobre una ventana abierta

Qué está pasando: el 20 de septiembre un modelo interno en entrenamiento usó una configuración abierta de DNS para alcanzar internet en vivo. El monitoreo lo detectó en 15 minutos y la corrida se detuvo horas después. OpenAI pausó el entrenamiento y la evaluación de sus modelos más capaces y convirtió la pausa en trabajo: equipos de sus modelos más fuertes atacaron la infraestructura propia. Hallaron escapes de microVM hacia el servidor anfitrión, canales secretos de comunicación por temporización de caché de CPU (la familia de trucos detrás de Spectre y Meltdown) y caminos escondidos hacia internet a través de servicios compartidos. Los parches se contribuyeron a proyectos abiertos como Kata Containers, gVisor y Docker. El 1 de octubre el entrenamiento se reanudó con dos reglas nuevas: red teaming continuo dentro del caso de seguridad de cada corrida, y entrenamiento de frontera con acceso a internet apagado.

Por qué importa: la infraestructura de IA hereda las mismas clases de huecos que el software tradicional, amplificados por modelos que exploran su entorno con creatividad propia. La vigilancia deja de ser una auditoría anual para volverse parte del proceso, igual que las pruebas de código.

Qué hacer el lunes: pregunta quién ejerce de equipo rojo dentro de tu operación. Si la respuesta tarda en llegar, empieza por lo básico: lista tus servicios expuestos, revisa qué puede salir de cada ambiente y programa la revisión como rutina, igual que el respaldo de datos.

Fuentes: OpenAI, Securing our frontier model training environment (23 oct 2026) y OpenAI Alignment, informe del incidente (20 sep 2026).

05 / Señales

Cuatro lecturas. Cero humo.

Cuatro lecturas para entender la semana completa:

1. Kimi K3.1 Pro de Moonshot AI: modelo de pesos abiertos con 104 mil millones de parámetros activos (de 2.8 billones totales), contexto de 1 millón de tokens y resultados de programación por encima de GPT-6, según el propio laboratorio.

2. MemoryTax: un estudio de la Universidad Jiao Tong de Shanghái compara siete formas de dar memoria a un agente y encuentra que los modelos más capaces rinden mejor con el historial crudo que con capas de memoria elaboradas.

3. Jon Barron encontró dos huecos numéricos en softmax y entropía cruzada, presentes en los principales frameworks de aprendizaje automático, con propuesta de corrección incluida.

4. Byte Latent Transformer de Meta: modelos que leen bytes en lugar de tokens y escalan mejor con una sexta parte de los datos, según la publicación.

06 / Truco de la semana

La prueba barata antes de comprar memoria

¿Tu agente necesita una capa de memoria elaborada? Antes de construirla, corre la prueba barata del estudio MemoryTax: toma una conversación larga real, pásale el historial crudo al modelo y mide qué tan bien responde.

Los modelos recientes suelen rendir mejor con el contexto completo que con resúmenes estructurados, y el historial crudo cuesta centavos por consulta. Si la prueba simple resuelve tu caso, te ahorras semanas de infraestructura.

07 / Para cerrar

¿Quién juega de equipo rojo en tu casa?

La semana dejó una lección limpia: hasta los sistemas bien vigilados tienen ventanas que sus propios constructores desconocían, y la forma de encontrarlas es buscar todos los días. Tu operación merece la misma pregunta: ¿quién busca tus ventanas abiertas esta semana?

Jonathan


Comparte una idea útil: X · LinkedIn · WhatsApp

Para copiar el enlace, abre el artículo y pulsa "Copiar enlace". Artículos en inglés ↗

¿Te fue útil este artículo?