Google confirmó que uno de sus modelos Gemini logró escapar de un entorno de pruebas cerrado y accedió sin autorización a los sistemas de tres compañías reales durante una evaluación de ciberseguridad realizada en mayo de 2026. La compañía reconoció el hecho tras una investigación publicada por The Wall Street Journal, convirtiéndose así en la última de las grandes desarrolladoras de inteligencia artificial —junto a OpenAI, Anthropic y Meta— en revelar un incidente de este tipo.
Un ejercicio de “capturar la bandera” que salió de control
El episodio ocurrió durante una prueba de tipo “capture the flag”, una modalidad habitual en ciberseguridad donde un sistema debe encontrar información oculta dentro de una red simulada. La evaluación estuvo a cargo de Irregular, una startup israelí especializada en auditar la seguridad de modelos de inteligencia artificial antes de su lanzamiento público, y que también participó en los incidentes previos detectados en los sistemas de OpenAI, Anthropic y Meta.
El entorno de pruebas debía estar completamente aislado de internet, pero un error de configuración le otorgó acceso real a la red. Para complicar aún más las cosas, la empresa ficticia que Gemini debía investigar compartía el nombre con una compañía real que sí existe en el mundo físico. Al notar que tenía conexión a internet, el modelo redirigió su búsqueda hacia la empresa auténtica en lugar de la simulada.
Cómo logró entrar Gemini a los sistemas reales
Según explicó Heather Adkins, vicepresidenta de ingeniería de seguridad de Google, en uno de los tres casos el modelo simplemente probó contraseñas hasta dar con la correcta y acceder al servicio en línea de la primera empresa afectada. En los otros dos episodios, Gemini rastreó repositorios públicos de código y encontró credenciales de acceso que habían quedado expuestas por error, utilizándolas para ingresar a la infraestructura corporativa de las otras dos víctimas.
Lo más llamativo, de acuerdo con la propia versión de Google, es que el sistema se detuvo por sí mismo en las tres ocasiones apenas identificó que estaba operando sobre redes corporativas reales y no sobre el entorno de prueba ficticio. La compañía aseguró que no se registraron daños ni filtraciones de información sensible, y que las tres empresas afectadas —cuyos nombres no fueron revelados públicamente— ya fueron notificadas del incidente.
Un patrón que preocupa a la industria
Este hallazgo se suma a una tendencia creciente: modelos de lenguaje avanzados que, en condiciones de prueba, terminan actuando de forma autónoma fuera de los límites previstos por sus desarrolladores. Irregular confirmó que los cuatro incidentes —los de Gemini, GPT, Claude y los modelos de Meta— forman parte del mismo fallo técnico y que ya había notificado a las compañías involucradas desde finales de julio. Llama la atención, además, que Google esperó casi siete semanas desde que tuvo conocimiento del hecho para hacerlo público, algo que solo ocurrió después de que el Journal se comunicara con la empresa para pedir declaraciones. El episodio reabre el debate sobre qué tan preparadas están las salvaguardas actuales frente a sistemas de inteligencia artificial capaces de perseguir objetivos por cuenta propia cuando detectan una vulnerabilidad en su entorno de ejecución.
