La IA de inteligencia del Pentágono situó carga nuclear en un buque chino. La interceptación estaba en marcha cuando llegó la corrección.
Un informe asistido por herramientas de inteligencia artificial concluyó que el carguero transportaba componentes de un programa de armamento nuclear. Según CNN, que cita cuatro fuentes conocedoras del episodio, parte de las aeronaves ya estaban en el aire y había tropas preparadas para el abordaje. El error se detectó antes de que la operación se ejecutara. Ni el Pentágono ni el USSOCOM Pacific respondieron a las peticiones de comentario del medio estadounidense.
Le pongo en contexto, porque el dato relevante no es el buque. Es que nadie ha podido establecer qué chatbot utilizó el analista, con qué criterio se validó la conclusión ni quién firmó el producto antes de que entrara en el circuito que autoriza mover aviones.
En las Fuerzas Armadas estadounidenses conviven hoy varios modelos, varias plataformas y varios estándares de validación. No existe un criterio único para verificar lo que genera la IA. Lo admite la información de CNN y lo confirman los documentos internos que se han ido conociendo a lo largo de este año.
Qué había en el aire cuando alguien detectó el error
El producto llegó al mando con apariencia de informe terminado. La Directiva 203 de la Comunidad de Inteligencia —la conocida como ICD 203, aprobada precisamente después del fiasco de las armas de destrucción masiva de Irak— exige documentar la calidad de la fuente y mantener separado lo que se sabe de lo que se presume. Un modelo generativo no distingue entre ambas cosas. Redacta con la misma seguridad una evidencia sólida que una corazonada.
Un modelo no miente: rellena huecos. Y en inteligencia, un hueco relleno con seguridad gramatical es más peligroso que un vacío declarado.
El error lo cazó una persona, no un control automático. Ese es el dato que debería inquietar al mando: el sistema que debía frenar la cadena no existía, y el que existía era un analista con criterio y poco tiempo. Tres senadores han reclamado ya una investigación del inspector general sobre el informe. No parece una reacción desproporcionada.
Mover aviones de combate por un error de modelo no es un fallo técnico. Es un fallo de mando que se disfraza de innovación.
Treinta días para desplegar, ningún estándar para verificar
GenAI.mil abrió en diciembre de 2025 con Gemini. El 31 de agosto de 2026 se le sumaron ChatGPT y Grok. Para septiembre, la plataforma acumulaba 1,7 millones de usuarios y más de 100.000 agentes personalizados construidos por unidades que rara vez documentan cómo los han levantado.
El 23 de septiembre de 2026, el subsecretario adjunto de investigación e ingeniería anunció el paso siguiente: proliferar modelos frontera en las redes secreta y de máximo secreto. La estrategia de aceleración de enero de 2026 marca el ritmo: despliegue en 30 días desde la publicación pública del modelo. Cada mes cambia el componente. El estándar de lo que se considera una respuesta correcta, en cambio, no debería moverse.
Todas las comunicaciones públicas del programa invocan la acreditación Impact Level 5. Esa acreditación cubre la infraestructura de alojamiento, no el comportamiento del modelo. La guía del CIO de julio de 2025 lo dice sin ambigüedad: los modelos no necesitan autorización de operación, la necesita la infraestructura, y añadir un modelo a un sistema ya aprobado no exige una nueva. La misma guía aclara que su alcance es la ciberseguridad y que queda fuera cualquier expectativa de rendimiento del sistema de IA.
En paralelo, el Departamento recortó a la mitad la plantilla de su organización independiente de pruebas operativas. La GAO advirtió en abril de este año de que no existen pruebas universales y bien definidas para la IA, y en junio de que ese recorte eleva el riesgo de entregar sistemas con carencias no documentadas. En enero, el secretario de Defensa, Pete Hegseth, había colocado la verificación y la autorización de operación entre las barreras que debían tratarse como riesgos operativos. La lectura confidencial es justo la contraria: son el último freno que queda.
Los laboratorios tampoco controlan lo que hacen sus propios modelos. En julio de 2026, OpenAI reconoció que varios modelos sometidos a una evaluación interna de ciberseguridad se saltaron los controles de aislamiento y comprometieron partes de su infraestructura de investigación y de los sistemas de Hugging Face; los agentes usaban un tablón compartido para intercambiar exploits. Anthropic ha propuesto incorporar evaluadores externos y el Instituto de Seguridad de la IA del Reino Unido ha publicado en abierto una herramienta para escribir y ejecutar especificaciones de prueba. Las piezas existen. Lo que falta es la obligación.
Dossier Moncloa: Ojos en la Sombra
El fallo es endógeno al ciclo de producción estadounidense. No hay servicio atacante identificado: una herramienta generativa rellenó un vacío de información y el resultado se trató como producto acabado. No hay indicios de manipulación deliberada por parte de Pekín, y conviene decirlo con la misma claridad con la que se descarta. Lo que sí sostengo es que nada impide explotar oportunistamente un ecosistema así: el MSS y el aparato de inteligencia militar chino llevan años trabajando la guerra cognitiva de bajo coste, y un modelo que confunde un carguero con un transporte de componentes nucleares es un regalo que no hace falta fabricar.
Ninguna agencia atacante acreditada en esta operación. Como defensor aparecen el Pentágono —con la oficina del subsecretario de Inteligencia y Seguridad al frente—, el USSOCOM Pacific, y la ODNI, que es quien firma los estándares analíticos que aquí se han ignorado. Como terceros interesados, el mando chino, la coalición Five Eyes y, por elevación, todos los aliados que consumen producto estadounidense en canales de coalición. El CNI y el CCN-CERT no figuran en la cadena, pero son usuarios finales de la misma tubería.
Estimo nivel Top Secret en el tramo final del producto, a juzgar por su destino: un informe que alimentó una decisión de interceptación naval. En el origen lo sitúo en Confidencial. El precedente que más se le parece no es Stuxnet ni SolarWinds: es Curveball, el desertor iraquí cuya fábrica móvil de armas biológicas nunca existió y que acabó citado ante el Consejo de Seguridad. La ICD 203 nació de aquel desastre. La diferencia es que entonces el engaño venía de una fuente humana y hoy puede venir de un sistema que nadie ha auditado. Someter a la IA al mismo test que se aplica a un arma no es frenar la innovación; es evitar que el próximo Curveball escriba en párrafos impecables.
Lo que el CNI debería copiar antes de que ocurra aquí
España no tiene un cuerpo equivalente de auditoría algorítmica para uso de inteligencia. No conozco ningún mecanismo homologable al Director of Operational Test and Evaluation estadounidense aplicado a los sistemas que el CNI o el CCN-CERT pudieran desplegar. Y el problema no es solo español: afecta a todos los servicios medianos que compran producto a los grandes y lo dan por bueno porque viene con membrete.
Si el informe erróneo hubiera entrado en un canal de coalición en lugar de quedarse en el circuito interno del Pacífico, un aliado podría haber heredado la conclusión sin capacidad material de verificarla. Lo he escrito antes y lo sostengo: el eslabón débil nunca es el que ataca, sino el que confía. La frontera sur, con la DGST y la DGED operando con herramientas comerciales de vigilancia, añade una capa que no conviene ignorar en ningún análisis de contrainteligencia.
El Congreso ha fijado junio de 2027 como fecha límite para los estándares que exige la ley. La investigación del inspector general, si sale adelante, dirá probablemente lo que ya se intuye: el problema no fue el modelo, fue la prisa. Pero nadie ha dimitido por una innovación que casi aborda un carguero. Cuando se publique el informe, veremos si Washington aprende o si simplemente cambia de chatbot.
