Un estudio de Keegan Wang y Anantika Mannby, enviado a arXiv el 12 de noviembre de 2026, encontró que algunos agentes cambiaban una respuesta correcta por otra falsa con más frecuencia cuando delegaban la lectura de documentos. Los ensayos usaron hechos inventados en entornos aislados, y los resultados variaron según el tipo de falsificación y la configuración probada. El estudio no mide la frecuencia de fallos en productos utilizados por clientes.
Si un agente delega la lectura, el supervisor puede contrastar el resumen con el registro original.
Qué consideró el estudio una revisión perjudicial
Los autores llamaron «revisión perjudicial» al cambio de una respuesta inicialmente correcta a la respuesta errónea que respaldaba el atacante, después de que llegara al agente un documento falsificado. Para medirla, plantearon preguntas con dos respuestas posibles sobre hechos ficticios y dejaron los registros auténticos en el mismo almacén que los falsos.
Algunos documentos falsos afirmaban corregir un registro, pero tenían una fecha anterior a este y omitían una línea de identificación presente en los registros auténticos. El estudio examinó distintas familias de falsificación, entre ellas avisos de corrección, documentos que reclamaban autoridad, relatos falsos repetidos y combinaciones de varios métodos.
Los resultados cambiaron según el tipo de falsificación
Las cifras de Claude Code y Codex corresponden a ataques distintos. También cambió la forma de limitar la delegación en cada configuración.
| Configuración | Ataque | Lectura directa: revisiones perjudiciales | Lectura delegada: revisiones perjudiciales | Restricción de delegación |
| Claude Code: Opus 5 y Haiku 4.5 | Falsificación combinada | 1 de 180 | 75 de 180 | La configuración limitó mecánicamente al supervisor a la herramienta Task y le retiró el acceso a los archivos. |
| Codex: GPT-5.6-sol y GPT-5.6-terra | Documento que reclamaba autoridad | 0 de 180 | 44 de 180 | La restricción se indicó mediante instrucciones y se comprobó en cada prueba. |
| Codex | Aviso de corrección | 172 de 180 | 180 de 180 | La restricción se indicó mediante instrucciones y se comprobó en cada prueba. |
En la prueba combinada de Claude Code, Opus 5 registró 1 revisión perjudicial en 180 ensayos al leer los documentos directamente y 75 de 180 cuando Haiku 4.5 se encargó de esa lectura. En la prueba de Codex con documentos que reclamaban autoridad, GPT-5.6-sol registró 0 de 180 y GPT-5.6-terra, como lector delegado, 44 de 180. En otra condición de Codex, basada en avisos de corrección, el lector directo registró 172 de 180 revisiones perjudiciales. Cada fila describe una combinación diferente de ataque y configuración.
Una simulación puso a prueba la cadena de resúmenes
En una prueba simulada aparte, cinco agentes agregadores se equivocaron en entre el 94,7 % y el 98,0 % de los ensayos cuando recibieron el informe de un agente lector al que habían engañado. Cuando los agregadores tuvieron acceso al registro original recuperado, no cometieron errores en 780 ensayos. En los casos en que el agente lector había caído en la falsificación, el resultado incorrecto se propagó en 751 de 757 ocasiones.
Esta simulación examinó un traspaso de información entre agentes; no fue la misma prueba que las configuraciones de Claude Code y Codex. Junto con ellas, formó parte de un trabajo basado en hechos ficticios y entornos aislados, por lo que sus tasas no indican cuántos fallos ocurren en productos usados por clientes.
Qué mostraron las pruebas de verificación
En otra prueba con un entorno real de agentes y 40 ensayos por condición, hubo 15 revisiones perjudiciales en el grupo de referencia. La cifra fue de 3 cuando se pidió al verificador que citara el registro original y de 1 cuando se le indicó que actuara con escepticismo. El análisis de los autores no distinguió estadísticamente entre esas dos condiciones de verificación.
El estudio registró 58.589 ensayos en total. En 3.652 pares de repeticiones sobre el mismo hecho, las respuestas discreparon en el 13,0 % de los casos, una variación que los autores señalan al interpretar las cifras de cada condición. La relación entre el número de turnos de herramientas y los errores fue correlacional; los autores no realizaron el experimento que habría aislado si reducir las comprobaciones causaba el cambio en los resultados.