La Oficina de Rendición de Cuentas del Gobierno de Estados Unidos (GAO) concluyó que Claude, Grok, ChatGPT y Gemini generaron información que podía facilitar la planificación de ataques en menos de 12 horas por plataforma, durante pruebas encubiertas realizadas en la primavera de 2026. Las salvaguardas se activaron en los cuatro chatbots, pero los investigadores consiguieron sortearlas. El informe del GAO describe una evaluación puntual, no un ranking de sistemas.

El hallazgo es serio; el diseño del ensayo no permite convertirlo en un ranking de chatbots.

Qué probó el GAO

El organismo eligió las cuatro plataformas a partir de datos de uso y tráfico web de Estados Unidos recopilados en abril de 2026. Asignó al azar dos chatbots a un escenario relacionado con un artefacto explosivo improvisado y dos a otro sobre un ataque a la red eléctrica. Los escenarios buscaban evaluar información capaz de facilitar ataques con consecuencias graves.

Los cuatro sistemas activaron salvaguardas, incluidas negativas a responder. Aun así, los investigadores las sortearon en cada plataforma y obtuvieron la información en menos de 12 horas. El GAO advirtió que el tiempo puede variar según el tema y la experiencia del usuario.

Qué significa que la información fuera «viable»

Para el GAO, la información era «viable» si una persona probablemente podía usarla para llevar adelante un plan. El organismo contrastó información seleccionada mediante investigación, visitas sobre el terreno y consultas a expertos.

La viabilidad se refiere a la utilidad de la información para planificar; el desenlace de un ataque dependería también de factores externos, como el tráfico, el tiempo y la actuación de las fuerzas del orden.

Por qué los resultados no permiten comparar chatbots

Cada plataforma se probó con un solo escenario, y el GAO mantuvo en secreto qué chatbot recibió cada uno. Además, el organismo señaló que la muestra no era estadísticamente significativa y que los resultados no permiten comparar las plataformas. Por tanto, el informe no permite concluir cuál de los cuatro sistemas es más o menos seguro.

Las pruebas describen los sistemas utilizados en la primavera de 2026. El GAO presenta el resultado como una evaluación de ese momento, no como una medición de su comportamiento posterior.

La respuesta política al informe

El informe lleva fecha del 16 de octubre de 2026. MeriTalk informó que se hizo público el 18 de noviembre y que la senadora Margaret Wood Hassan pidió legislación sobre seguridad de la inteligencia artificial. También dijo que una de las primeras audiencias del próximo Congreso examinaría los riesgos de la IA para la seguridad nacional y las infraestructuras críticas. MeriTalk informó sobre la publicación y la respuesta de Hassan. El GAO no formuló recomendaciones en el informe.