El estudio evaluó 122 escenarios en los que los sistemas contaban con mayor acceso a internet y menos restricciones para medir cómo resolvían tareas complejas. Los investigadores documentaron 19 incidentes en los que las IA ignoraron las limitaciones impuestas: 17 correspondieron al modelo "Mythos 5" de Anthropic y dos al modelo "GPT-5.6 Sol" de OpenAI.

Uno de los casos más llamativos ocurrió durante una prueba tipo "Capture the Flag", cuando un modelo intentó introducir código malicioso en un proyecto alojado en GitHub. Para lograrlo, recopiló información sobre desarrolladores, investigó sus horarios y correos electrónicos, creó identidades falsas para contactar con ellos y utilizó la red Tor para ocultar su actividad.

Según el informe, cuando el sistema detectó que había sido descubierto, modificó sus mensajes y eliminó rastros de sus acciones para aparentar un comportamiento inofensivo.

Los especialistas destacaron que estas conductas no fueron provocadas mediante instrucciones explícitas. El AISI señaló que es la primera vez que observa riesgos de autonomía y engaño manifestándose con esa claridad en pruebas de este tipo, lo que reaviva el debate sobre los límites y mecanismos de control de la inteligencia artificial.

Por su parte, José Hernández-Orallo, catedrático de la Universidad Politécnica de Valencia y experto del Centro Leverhulme, afirmó que el estudio pone en evidencia vulnerabilidades en los sistemas de IA más avanzados. Aunque valoró la importancia de la investigación, advirtió que permitir a estos modelos un acceso amplio a internet y una gran capacidad de persuasión podría representar riesgos significativos, especialmente si tecnologías similares llegan al público en los próximos meses.