OpenAI desmanteló una red de estafas en Camboya, pero las prohibiciones de cuentas solo alcanzan una capa

OpenAI prohibió una red coordinada de ChatGPT tras descubrir una operación que respaldaba al menos cuatro tipos de estafa, pese a las defensas convencionales que tratan el fraude como campañas separadas. Según la empresa, las cuentas probablemente se originaron cerca de Poipet, Camboya. Ayudaban a los operadores a ejecutar esquemas de inversión, romance, juego y suplantación de agentes de la ley.

El caso importa porque ChatGPT no se limitaba a producir mensajes de phishing aislados. OpenAI afirma que la red utilizaba sus modelos en toda una organización criminal operativa. Las tareas incluían el desarrollo de personajes, traducción, diseño promocional, anuncios internos, material de reclutamiento y administración de trabajadores.

Esa amplitud genera la tensión central. OpenAI puede identificar cuentas, bloquear el acceso y compartir indicadores técnicos. La organización subyacente aún puede desplazarse entre plataformas, narrativas, trabajadores y servicios de IA.

WhatsApp proporcionó la pista que inició la investigación de OpenAI. Posteriormente, OpenAI compartió señales adicionales con socios tecnológicos y autoridades pertinentes. Esa secuencia muestra por qué ninguna plataforma individual tiene una visión completa de una operación que atraviesa aplicaciones de mensajería, redes sociales, canales de pago y herramientas de IA.

La red también puso de manifiesto una realidad más difícil. Algunas personas que enviaban mensajes fraudulentos podrían haber sido víctimas de trata que trabajaban bajo coacción. Por tanto, proteger a los objetivos requiere más que filtrar contenido malicioso. Exige distinguir a los organizadores de las personas atrapadas dentro del mismo sistema criminal.

Lo que OpenAI realmente desmanteló

OpenAI interrumpió una capa de apoyo operativo, no la organización física detrás de las estafas.

En su divulgación del 31 de julio, OpenAI afirmó que prohibió una red coordinada de cuentas de ChatGPT que muy probablemente se originó en Camboya. La empresa evaluó que la red probablemente operaba en Poipet o sus alrededores, en la provincia de Banteay Meanchey.

Poipet no es incidental en esta historia. Informes públicos han vinculado repetidamente a la ciudad fronteriza con complejos de estafas en línea y actividades de trata. Ese historial aporta un contexto físico al comportamiento de las cuentas, más allá del abuso rutinario de plataformas.

La red utilizaba ChatGPT para crear personajes falsos en línea y generar mensajes para posibles objetivos. Los operadores también traducían conversaciones, investigaban material para perfiles de citas y producían contenido promocional para ofertas fraudulentas.

Algunos usuarios pidieron al sistema crear material visual falsificado o engañoso. OpenAI identificó pasaportes, avisos legales, confirmaciones de compra de acciones e interfaces de juego entre los documentos e imágenes solicitados.

La operación no dependía de un único recorrido del cliente. Un personaje de citas podía establecer primero confianza emocional y luego presentar una oportunidad de criptomonedas u oro al contado. Otra cuenta podía hacerse pasar por representante de juego y ofrecer ganancias ficticias.

La suplantación de agentes de la ley aportaba una táctica de presión distinta. Según las acusaciones, los operadores decían a los objetivos que habían cometido delitos graves y debían pagar multas. La historia cambiaba, pero el objetivo de pago se mantenía constante.

La empresa describió esta secuencia como “ping, zing y sting”. El ping es el contacto inicial. El zing genera confianza, miedo, urgencia u otra emoción intensa. El sting extrae dinero o información de cuentas.

Durante el ping, los operadores utilizaban ChatGPT para redactar y traducir mensajes de contacto en WhatsApp y Telegram. También generaban publicaciones sociales y reunían detalles para identidades fabricadas.

Durante el zing, los mensajes ofrecían rendimientos garantizados, inversiones sin riesgo, atención romántica o bonificaciones a punto de vencer. Algunos instruían a los objetivos a mantener la relación en secreto, reduciendo la probabilidad de que familiares cuestionaran la historia.

Durante el sting, los operadores exigían depósitos, tarifas de activación, multas fabricadas o pagos adicionales necesarios para liberar supuestas recompensas. Después, pedían a los objetivos capturas de pantalla de transferencias o datos de cuentas.

OpenAI afirma que la operación pudo haber interactuado con cientos de objetivos. Esa estimación procedía de las propias conversaciones de los estafadores, no de un recuento independiente de víctimas.

Esas conversaciones mencionaban pérdidas individuales de miles de dólares. OpenAI declaró explícitamente que no podía verificar de forma independiente esas afirmaciones. El daño financiero total sigue siendo desconocido.

La investigación de cuentas ofrece, por tanto, evidencia sobre métodos, geografía y organización. No establece la escala completa de la operación, sus ingresos, liderazgo o situación actual fuera de ChatGPT.

Esa distinción importa. “Interrumpida” significa que las cuentas identificadas perdieron el acceso y afrontaron medidas destinadas a impedir su regreso. No significa que todos los operadores fueran arrestados, que todas las víctimas fueran identificadas o que todas las cuentas relacionadas desaparecieran en otros lugares.

El manual de estafas estaba diseñado para cambiar constantemente

La ventaja de la red provenía de tratar las narrativas como herramientas intercambiables, en lugar de negocios separados.

Los equipos de seguridad suelen clasificar el fraude romántico, el fraude de inversión, las estafas de juego y la suplantación gubernamental como categorías distintas. Los operadores criminales no necesitan respetar esos límites.

Un mismo objetivo puede pasar por varias categorías durante una conversación. Una relación romántica puede convertirse en una propuesta de inversión. Un retiro de inversión puede producir una falsa exigencia fiscal. La resistencia puede desencadenar amenazas de una supuesta autoridad.

Esta flexibilidad ayuda a los operadores a rescatar conversaciones que dejan de funcionar. Si el afecto no persuade a alguien, quizá lo haga la urgencia. Si un rendimiento prometido pierde credibilidad, una tarifa de cumplimiento fabricada puede crear otro evento de pago.

La IA generativa encaja en ese modelo porque reduce la fricción entre tácticas. Un operador puede cambiar el tono, idioma, identidad o material de apoyo sin reunir un nuevo equipo de redacción para cada campaña.

La traducción es especialmente importante. Una operación de estafas multilingüe puede acercarse a más objetivos mientras centraliza los guiones y la supervisión. El apoyo lingüístico también ayuda a los trabajadores a sostener conversaciones largas que deben parecer personales.

El modelo no necesita inventar un esquema completo para aportar valor. Pequeñas contribuciones pueden acumularse a través de cientos de tareas rutinarias. Esas tareas incluyen reescribir mensajes, adaptar nombres localmente, corregir gramática y producir respuestas de seguimiento.

El mismo principio se aplica al contenido visual. Las interfaces falsas de trading o los gráficos promocionales pueden hacer que una historia débil parezca concreta. Los documentos fabricados pueden generar presión procedimental en torno a una exigencia que de otro modo sería inverosímil.

El anterior informe sobre amenazas de OpenAI describía patrones similares en redes maliciosas. Los actores de amenazas suelen usar IA para trabajo ordinario de productividad, en lugar de capacidades de ataque completamente nuevas.

Ese hallazgo cambia la forma en que las organizaciones deberían evaluar el crimen habilitado por IA. La cuestión no es si un modelo diseñó de forma autónoma una estafa sin precedentes. La pregunta más relevante se refiere a cuántos cuellos de botella operativos eliminó.

Un trabajador que antes necesitaba un traductor ahora puede redactar mensajes directamente. Un supervisor puede producir políticas internas más rápido. Un reclutador puede crear varios anuncios de empleo para diferentes audiencias.

Esto se parece más a la aceleración de flujos de trabajo que al crimen autónomo. Sin embargo, la aceleración de flujos de trabajo sigue importando cuando el flujo ya incluye coacción, suplantación y robo financiero.

El FBI describe el fraude de inversión en criptomonedas como un esquema basado en la confianza. Una persona desarrolla una relación antes de presentar una oportunidad de inversión fraudulenta, a menudo mediante una plataforma controlada que muestra rendimientos ficticios.

El programa de contacto con víctimas de la agencia ilustra lo que está en juego. Para diciembre de 2025, había notificado a 8.103 víctimas potenciales, y el 77 por ciento no sabía que estaba siendo estafado.

El FBI estimó que esas intervenciones evitaron más de 511 millones de dólares en pérdidas adicionales. Esa cifra se refiere a la operación más amplia de la agencia, no a la red de Camboya identificada por OpenAI.

Aun así, la comparación explica por qué la construcción de confianza a largo plazo sigue siendo atractiva. El aparente panel de inversión es solo un componente. La relación mantiene al objetivo involucrado cuando los retiros fallan o aparecen nuevas tarifas.

El caso de OpenAI también complica las defensas basadas en plantillas reconocibles. Una red diversificada puede revisar su redacción, cambiar la institución que afirma representar y personalizar su enfoque.

Por tanto, la detección debe conectar comportamientos entre categorías. Patrones repetidos de traducción, gestión de personajes, exigencias de pagos fraudulentos y documentos falsificados pueden importar más que cualquier frase individual.

OpenAI se enfrenta a una disyuntiva entre capacidad y control

Las mismas funciones de propósito general que ayudan a los usuarios legítimos a comunicarse también reducen el trabajo necesario dentro de una operación de estafa organizada.

La traducción, la generación de imágenes, la redacción, la síntesis y la investigación no son inherentemente sospechosas. Millones de tareas cotidianas dependen de las mismas funciones observadas en la investigación de OpenAI.

Esa superposición limita el filtrado simple de contenido. Bloquear toda solicitud relacionada con mensajes de inversión obstaculizaría a bancos, educadores financieros y equipos de marketing legítimos. Bloquear la escritura romántica crearía un problema aún mayor.

La intención criminal también surge con el tiempo. Una única solicitud para traducir una conversación puede parecer inofensiva. Un patrón que involucra identidades fabricadas, rendimientos garantizados, avisos falsificados e instrucciones de pago transmite una señal diferente.

El análisis a nivel de cuenta puede revelar ese patrón. Puede conectar actividad repetida, infraestructura compartida, prompts relacionados y comportamiento coordinado entre usuarios.

Sin embargo, la aplicación de medidas sobre cuentas genera presión en ambas direcciones. Las plataformas necesitan suficiente visibilidad para identificar daños coordinados. Los usuarios y las organizaciones también esperan privacidad, proporcionalidad y salvaguardias frente a medidas incorrectas.

OpenAI no ha proporcionado públicamente todas las señales utilizadas en este caso. Esa reserva puede proteger los métodos de detección frente a la evasión inmediata, pero limita la evaluación independiente.

La divulgación no especifica el número de cuentas prohibidas. No identifica los modelos utilizados, la duración del acceso ni el porcentaje de material generado que llegó a los objetivos.

Tampoco establece cuánto mejoró ChatGPT los resultados de la operación. Es posible que la red realizara estafas similares antes de adoptar la IA, y probablemente pueda continuar mediante otras herramientas.

Estas lagunas no invalidan los hallazgos. Definen lo que la evidencia disponible puede respaldar.

La conclusión más sólida es que una red criminal coordinada incorporó ChatGPT en muchas etapas de su flujo de trabajo. Una afirmación más débil diría que la IA creó la organización o determinó su éxito.

Esa diferencia debería orientar la rendición de cuentas. Los proveedores de modelos deben detectar e interrumpir el abuso de sus servicios. Las plataformas de mensajería deben abordar el contacto engañoso. Las empresas de pagos deben identificar transferencias sospechosas.

Las redes sociales también alojan los perfiles y anuncios que inician muchas interacciones. Los proveedores de telecomunicaciones controlan otra vía para el contacto no solicitado. Las fuerzas del orden siguen siendo responsables de los organizadores, complejos, trata de personas y recuperación de activos.

Ningún participante dispone de toda la cadena de pruebas. WhatsApp podía detectar patrones de comunicación sospechosos que OpenAI no podía ver. OpenAI podía identificar solicitudes que daban contexto operativo a esas conversaciones.

Los bancos o plataformas de criptomonedas podrían observar la estafa sin ver el primer contacto. Las autoridades pueden vincular esos rastros digitales con ubicaciones físicas, empleadores, reclutadores y víctimas.

OpenAI afirma que compartió indicadores relevantes con socios del sector y autoridades. Este intercambio entre plataformas es la parte más trascendental de la respuesta, siempre que produzca investigaciones conectadas.

Las suspensiones de cuentas por sí solas pueden provocar desplazamiento. Los operadores pueden abrir cuentas nuevas, cambiar de proveedores, usar credenciales robadas o volver a plantillas manuales.

Los indicadores compartidos elevan el coste de ese desplazamiento. Pueden vincular una cuenta de IA con actividad de mensajería, un dominio falso, un destino de pago o una campaña de reclutamiento.

La contrapartida es que el intercambio debe mantenerse acotado, legal y basado en pruebas. Estándares débiles corren el riesgo de incluir a usuarios legítimos en sistemas de aplicación opacos.

Por tanto, una disrupción eficaz depende tanto del alcance como de la moderación. Los proveedores necesitan una coordinación lo bastante amplia como para mapear una operación, preservando a la vez la revisión, la privacidad y vías para corregir errores.

Las señales de trata de personas cambian la historia

Algunas personas que operan las estafas también pueden ser víctimas, lo que transforma un caso de abuso de plataforma en una investigación laboral y de derechos humanos.

OpenAI encontró contenido que sugiere vínculos con la trata de personas y la criminalidad forzada. No afirmó que todos los usuarios hubieran sido coaccionados ni pudo determinar las circunstancias de cada persona.

La actividad incluyó anuncios sociales para puestos de “chatter” en Poipet. Según las acusaciones, esos anuncios prometían vuelos, alojamiento, comidas, visados y permisos de trabajo.

Otras conversaciones parecían tratar sobre la administración de trabajadores. Los usuarios mantenían registros relacionados con deudas de empleados, deducciones salariales, multas disciplinarias y reembolsos de préstamos.

También tradujeron conversaciones sobre situación migratoria, permisos de trabajo, exceso de estancia de visados e incentivos de reclutamiento. Parte del material hacía referencia a detenciones, intentos de fuga y posible responsabilidad penal.

Estas señales se asemejan a prácticas documentadas en complejos de estafas del Sudeste Asiático. Los reclutadores anuncian trabajo legítimo, trasladan a solicitantes a través de fronteras, confiscan documentos e imponen deudas o sanciones.

Después, los trabajadores pueden enfrentarse a amenazas o violencia si se niegan a cumplir objetivos de fraude. Esto genera dos grupos de víctimas: las personas que pierden dinero en línea y quienes son obligados a mantener las conversaciones.

La investigación sobre Camboya de Amnistía Internacional de 2026 evaluó los complejos de estafas desde la transparencia, la rendición de cuentas, el debido proceso y la protección de las víctimas. Cuestionó si la aplicación de la ley había protegido adecuadamente a las personas atrapadas dentro de la industria.

Esa perspectiva complica una aplicación indiscriminada. Arrestar a todas las personas encontradas en un complejo puede tratar a víctimas de trata como infractores voluntarios. Ignorar la conducta de los trabajadores puede dejar a las víctimas financieras sin protección ni pruebas.

Los investigadores necesitan procedimientos de evaluación que distingan entre organizadores, supervisores, reclutadores, participantes voluntarios y trabajadores coaccionados. Esas distinciones requieren entrevistas, registros migratorios, pruebas financieras y acceso físico a los centros.

Los registros digitales pueden ayudar. Los libros de deudas, avisos disciplinarios, anuncios de reclutamiento y referencias a fugas pueden establecer condiciones laborales invisibles en los mensajes dirigidos a víctimas.

También pueden revelar estructuras de mando. Una conversación sobre deducciones salariales tiene un propósito distinto al de un guion romántico, pero ambas pueden pertenecer a la misma organización.

Por ello, la visibilidad de OpenAI sobre el uso administrativo es importante. Ofrece una mirada detrás de la identidad fraudulenta, donde la dotación de personal, el control y el castigo pueden hacerse visibles.

INTERPOL afirma que los centros de estafas vinculados a la trata se han expandido más allá de su concentración inicial en el Sudeste Asiático. Su actualización sobre tendencias delictivas determinó que, hasta marzo de 2025, víctimas de 66 países habían sido traficadas hacia estos centros.

La agencia indicó que el 74 por ciento de las víctimas de trata identificadas fueron llevadas a centros del Sudeste Asiático. También informó de actividad emergente en Oriente Medio, África Occidental y Centroamérica.

INTERPOL ha observado IA en anuncios falsos de empleo, perfiles, fraude romántico y sextorsión. Eso significa que la IA puede aparecer en ambos lados de la cadena de trata.

Un anuncio de empleo pulido puede atraer a un trabajador a un complejo. Ese mismo trabajador podría usar después contenido generado para engañar a objetivos en otros lugares.

Este ciclo convierte el contenido de reclutamiento en una señal de seguridad, no solo en una cuestión de política laboral. Las plataformas que alojan anuncios de empleo pueden detectar el inicio de una operación antes de que comience el fraude financiero.

Por tanto, el caso de Camboya amplía el significado de la seguridad de la IA. Rechazar un aviso falsificado es relevante, pero solo aborda el resultado inmediato.

El objetivo más difícil es conectar los resultados con una explotación coordinada. Ese trabajo exige colaboración entre empresas tecnológicas, instituciones financieras, especialistas en trata y autoridades locales.

Lo que el informe de OpenAI no establece

La divulgación muestra un abuso significativo de la plataforma, pero no puede medir hasta qué punto la red dependía de ChatGPT.

OpenAI controla las pruebas de las cuentas y publicó su propia evaluación. Investigadores externos no han revisado las conversaciones subyacentes, los vínculos entre cuentas ni los umbrales de aplicación.

Eso es normal en una investigación activa sobre amenazas. Divulgar el material en bruto podría exponer a víctimas, revelar métodos de detección o interferir con las fuerzas del orden.

Aun así, crea un límite probatorio. Los lectores pueden evaluar las conclusiones declaradas por la empresa, los ejemplos de respaldo y la coherencia con otros informes. No pueden reproducir la atribución de forma independiente.

El lenguaje geográfico sigue siendo deliberadamente cauteloso. OpenAI dijo que las cuentas muy probablemente se originaron en Camboya y que probablemente operaban cerca de Poipet. No identificó un complejo ni una organización criminal concretos.

El informe también evita un total preciso de víctimas. “Cientos de objetivos” es una estimación derivada de comunicaciones internas. Los objetivos no son necesariamente personas que transfirieron dinero.

Las pérdidas mencionadas son igualmente inciertas. Los estafadores hablaron de víctimas que perdieron miles de dólares, pero OpenAI no pudo verificar esas afirmaciones.

Los grupos criminales pueden exagerar internamente su rendimiento, especialmente cuando los gerentes controlan cuotas. Una conversación también puede referirse a la misma persona más de una vez.

El papel del contenido generado sigue siendo otra incógnita. El informe demuestra su uso, pero no las tasas de conversión, los cambios en ingresos ni el trabajo ahorrado.

Una imagen fraudulenta creada con ChatGPT podría haber convencido a un objetivo. También podría haber quedado como un borrador sin usar.

La distinción importa porque las afirmaciones amplias sobre fraude impulsado por IA pueden ocultar causas consolidadas. Estas operaciones existían antes de los modelos generativos actuales y ya utilizaban guiones, traductores, sitios web falsos y fotografías robadas.

La IA puede mejorar la escala y la adaptabilidad sin ser necesaria para el delito. Eliminar un modelo no elimina los incentivos financieros, el trabajo cautivo ni los canales de comunicación.

El informe tampoco puede mostrar si la red se trasladó a otro proveedor tras la aplicación. El desplazamiento es difícil de medir cuando las plataformas divulgan incidentes de forma independiente.

Una mayor transparencia ayudaría a los investigadores a comparar casos. Los campos agregados útiles incluyen recuentos de cuentas, duración de la actividad, categorías de solicitudes, fuentes de detección y migración observada tras las suspensiones.

Los proveedores deben equilibrar esa transparencia con la seguridad operativa. Publicar reglas precisas puede enseñar a los adversarios cómo mantenerse por debajo de los umbrales de aplicación.

Un modelo de informes creíble debería separar las observaciones de alta confianza de las estimaciones. OpenAI lo hace en varios puntos al etiquetar las evaluaciones geográficas y las afirmaciones no verificadas sobre pérdidas.

La empresa debería mantener esa distinción en futuras divulgaciones. Los informes de seguridad pierden valor cuando la actividad de las cuentas, el impacto criminal y la certeza de la atribución se reducen a un solo titular.

Las pruebas independientes de las autoridades pueden reforzar el panorama. Camboya anunció amplias redadas contra la ciberdelincuencia durante 2025, incluidas acciones en Poipet y otros lugares.

Un relato de la operación describió unas 1.000 detenciones durante una de esas redadas. Esas detenciones constituyen un contexto más amplio y no se ha confirmado que formen parte del caso de OpenAI.

Esta separación es esencial. Una geografía y unos métodos similares no prueban que dos investigaciones se refieran a la misma organización.

La contribución más sólida de OpenAI es más acotada. Sus datos internos expusieron cómo una red coordinada utilizó un modelo de propósito general en el contacto con víctimas, la producción de contenido y la administración interna.

Eso basta para orientar las defensas. No basta para declarar desmantelada la organización ni cuantificar el efecto de la IA en sus ingresos.

Tres señales mostrarán si la disrupción perdura

La próxima prueba es si la inteligencia compartida genera presión duradera sobre cuentas, pagos, reclutamiento y operaciones físicas.

La primera señal es una aplicación coordinada por parte de plataformas de mensajería y redes sociales. WhatsApp proporcionó la pista inicial, dando a los socios la oportunidad de rastrear identidades y conversaciones conectadas.

Un resultado significativo incluiría eliminaciones que vayan más allá de las cuentas iniciales de ChatGPT. Una acción coordinada reforzaría la idea de que la inteligencia entre plataformas puede exponer un flujo de trabajo completo.

El silencio no significa necesariamente que no se haya actuado. Las plataformas suelen evitar divulgaciones durante investigaciones activas. Sin embargo, los informes de transparencia posteriores pueden mostrar si se identificaron grupos relacionados.

La segunda señal es la disrupción financiera. Las estafas de inversión, juego y suplantación de identidad acaban necesitando rutas de pago, incluso cuando la relación empieza en una plataforma social.

Los bancos, procesadores de pagos, servicios de criptomonedas y fuerzas del orden pueden identificar cuentas receptoras vinculadas a denuncias repetidas. Los bloqueos o incautaciones impondrían costes que una nueva cuenta de IA no puede revertir.

Las notificaciones a víctimas son otro resultado medible. El contacto temprano puede interrumpir la relación antes de que los objetivos liquiden sus ahorros o pidan más dinero prestado.

La experiencia del FBI demuestra por qué importa el momento. La mayoría de las personas contactadas mediante Operation Level Up no sabían que estaban siendo estafadas cuando las autoridades llegaron a ellas.

La tercera señal es una acción centrada en la trata cerca de los lugares de reclutamiento y trabajo. Las suspensiones de cuentas no pueden liberar a un trabajador cuyo pasaporte fue confiscado o cuya deuda fue fabricada.

Las autoridades deben identificar a los organizadores mientras evalúan a los trabajadores como posibles víctimas de trata. Las futuras operaciones deberían informar sobre la protección de las víctimas, no solo sobre los totales de detenciones.

Las plataformas de reclutamiento también tienen un papel. Los anuncios de empleo repetidos que prometen viajes, alojamiento, visados y trabajo de “chatter” definido de forma imprecisa merecen una revisión más estrecha cuando están vinculados a ubicaciones conocidas de estafas.

Si esas tres señales aparecen juntas, la disrupción parecerá presión sobre una organización y no sobre un solo servicio. Si solo desaparecen las cuentas, la red probablemente podrá reorganizarse en otro lugar.

El caso también da a los usuarios de IA y a los compradores empresariales una razón práctica para preocuparse por la procedencia. El texto generado, los mensajes traducidos y los elementos visuales pulidos no tienen credibilidad incorporada.

Las organizaciones deberían verificar las identidades mediante canales independientes antes de confiar en oportunidades de inversión, exigencias legales urgentes u ofertas de trabajo a distancia. También deberían conservar las comunicaciones sospechosas para los investigadores.

Los equipos que gestionan reportes de amenazas necesitan evidencia consultable entre plataformas, fechas e identidades. Un proceso disciplinado de captura de información puede mantener conectadas las capturas de pantalla y las notas sin tratar el contenido generado como un hecho verificado.

La acción de OpenAI sigue siendo significativa. La empresa identificó un abuso coordinado, eliminó el acceso y compartió indicadores más allá de su propia plataforma.

Sin embargo, la lección más profunda del informe se refiere a la flexibilidad criminal. La red podía pasar de las estafas románticas a las de inversión y, después, de beneficios falsos a sanciones inventadas.

Las defensas deben estar igual de conectadas. Los proveedores de IA pueden detectar patrones de generación, los servicios de mensajería pueden detectar actividades de contacto y las empresas financieras pueden detectar transferencias.

Las autoridades y los especialistas en trata de personas pueden vincular esos rastros con reclutadores, lugares de trabajo, coerción y organizadores. Ningún bloqueo de cuenta puede sustituir ese paso final.

La cuestión ahora no es si OpenAI eliminó una red de ChatGPT. Es si la evidencia resultante llega a las personas y los sistemas capaces de impedir su próxima conversación.