Las guerras disparan la slopaganda: Irán usa ChatGPT y Gemini para fabricar desinformación a escala industrial. Y la diferencia entre democracias y autoritarismos se ha vuelto una cuestión de grado, no de naturaleza.
'Cognitive surrender' es rendirse a la IA sin pensar. El antídoto propuesto es más responsabilidad individual. Es exactamente lo que se dijo del GPS, de las redes sociales y de la calculadora. Nunca ha funcionado.
Entre los debates que ha abierto la IA, el de "lo humano" es el que más pánico desata. Conviene recordar que lo inhumano siempre fue cosa de humanos, y que toda tecnología refleja los intereses de quien la posee. Puede que haya preguntas más urgentes que resolver.
La propaganda política ha encontrado su infraestructura perfecta. Millones de artículos generados por IA, gramaticalmente impecables y deliberadamente falsos. El slop se ha convertido en arma de Estado.
Hasta ahora, la desinformación era un problema de psicología humana: alguien escribía una mentira para convencer a una persona. Sin embargo, el reciente hallazgo sobre cómo los chatbots dirigen a los usuarios que hacen consultas hacia webs promovidas por países que ofrecen desinformación —con infraestructuras que inundan la web con millones de artículos generados por IA— revela un cambio de objetivo. Ya no buscan engañarte de primeras a los usuarios; buscan engañar al modelo de lenguaje que utilizan (ChatGPT, Claude, Gemini...).
Porque si la IA valida la realidad por pura probabilidad estadística, quien genera más volumen, acaba por "fabricar" la verdad oficial.
No estamos ante una simple campaña de propaganda; estamos ante el envenenamiento del sistema que antes regía la autoridad y calidad de los contenidos en internet a través de los buscadores.
El éxito de esta estrategia reside en la saturación. Mientras que un grupo de humanos tardaría meses en posicionar un relato, una red de bots puede generar un ecosistema informativo completo en milisegundos.
El análisis técnico de este escenario nos lleva a un punto crítico: la IA alimentando a la IA. Cuando los modelos de 2026 se entrenan con datos de la web de 2025, no están leyendo la realidad, están leyendo el "slop" que las IAs anteriores vertieron en internet. Este bucle de retroalimentación crea lo que algunos expertos llaman el colapso del modelo: la inteligencia artificial empieza a perder matices y a repetir sesgos y mentiras simplemente porque son los datos más abundantes. La cantidad ha sustituido a la autoridad documental.
Si un algoritmo puede ser "educado" mediante la fuerza bruta de la repetición, el concepto de verificación cambia de manos. El fotógrafo que tiene que demostrar que su foto es real o el analista que debe desmentir un mar de datos generados sintéticamente se encuentran en una posición de vulnerabilidad absoluta. En este sentido, si el sistema de información se basa en la estadística, la verdad se convierte en una cuestión de infraestructura: gana el que tiene más potencia de cálculo para repetir su versión, y ahí es donde las naciones y Estados pueden trabajar de manera sistemática y coordinada para expandir la desinformación acorde con sus intereses políticos.
A priori, los LLM y los recientes avances en Inteligencia Artificial prometían más información, mejor organizada y a disposición de millones de personas, personalizando, en cierto modo, los modelos de conocimiento online anteriores desplegados por buscadores como Google. Sin embargo, en cada conversación que mantenemos con un chatbot, OpenAI, Anthropic o Google nos recuerdan "Los modelos de IA pueden cometer errores. Incluso sobre personas".
La pregunta que emerge ante el Slop de Estado es:
Si la IA valida la realidad por pura probabilidad estadística, quien genera más volumen, acaba por "fabricar" la verdad oficial en la red.
IN Editorial Team
Fuente real de la noticia: Insight News Media.
A mediados de marzo publicamos este análisis partiendo de una noticia de Insight News Media: los chatbots estaban derivando tráfico hacia webs de propaganda estatal. La pregunta era si eso era síntoma de algo más profundo (si los Estados no solo usaban la IA para difundir desinformación, sino para contaminar los propios modelos desde dentro).
Esta segunda semana de mayo, un equipo de siete investigadores de Princeton, NYU, UC San Diego, Purdue y la Universidad de Oregon publica en Nature la respuesta. Y no es tranquilizadora.
El estudio publicado por Nature consiste en seis estudios encadenados en realidad, con una lógica de relojería, y parte de una pregunta concreta:
La respuesta que construyen, paso a paso, es que sí. Y que probablemente ya está ocurriendo.
El primer paso fue rastrear los datos de entrenamiento reales. Los modelos de lenguaje como ChatGPT, Gemini o Claude aprenden leyendo cantidades masivas de texto extraído de internet (textos escritos por humanos, en principio). Los investigadores analizaron CulturaX, uno de los grandes datasets públicos de entrenamiento multilingüe, y encontraron más de 3,1 millones de documentos en chino con fraseología idéntica o muy similar a la de medios estatales chinos. Cuarenta veces más presencia que los textos de Wikipedia en chino. Y entre los documentos que mencionaban líderes o instituciones políticas del país, esa proporción llegaba al 23%. El dato clave: solo el 12% de ese material procedía de dominios gubernamentales reconocibles. El resto había circulado tanto por la web (reposteado, copiado, replicado) que ya era indistinguible del contenido ordinario. El Estado no necesitó hackear nada. Le bastó con saturar.
Pero demostrar que ese material estaba en los datos de entrenamiento no era suficiente. ¿Tenía efecto real sobre el comportamiento del modelo? Aquí entra lo que el estudio llama experimento de preentrenamiento extendido. Los investigadores tomaron un modelo de código abierto (pequeño, manejable, no ChatGPT, cuyos costes de reentrenamiento completo se miden en millones de dólares) y le añadieron una dosis adicional de textos de medios estatales chinos antes de su fase de aprendizaje. El resultado: el modelo modificado daba respuestas favorables al gobierno chino en casi el 80% de los casos, frente a un modelo sin esa exposición adicional. Causa demostrada, no solo correlación.
La pregunta siguiente era si eso se trasladaba a los modelos comerciales que la gente usa a diario. Aquí los investigadores no podían tocar los modelos (GPT-4o de OpenAI, DeepSeek-R1 y Claude Sonnet de Anthropic) son sistemas cerrados. Así que diseñaron una prueba indirecta elegante: hicieron las mismas preguntas políticas sobre China en chino y en inglés, y pidieron a evaluadores humanos que compararan las respuestas. Si el modelo hubiera aprendido de un entorno informativo diferente según el idioma, que es exactamente lo que ocurre cuando el Estado satura la web en su lengua, las respuestas deberían divergir. Y divergen: los evaluadores consideraron la respuesta en chino más favorable al gobierno en el 75,3% de los casos. Para preguntas que no eran sobre China, la diferencia desaparecía. El idioma funcionó como llave de acceso a lo que el modelo tenía dentro. El mismo experimento, replicado con consultas reales de usuarios (no preguntas de laboratorio) arrojó los mismos resultados. Finalmente, los investigadores extendieron el análisis a 37 países:
Cuanto mayor el control mediático estatal, más favorable el retrato del gobierno en el idioma propio comparado con el inglés.
Lo que el estudio describe como influencia institucional es, en términos más directos, el equivalente digital de lo que los regímenes autoritarios han hecho siempre con los medios de comunicación: controlar el volumen y el tono de la información disponible hasta que esa narrativa se convierte en la realidad de referencia. La diferencia es que ahora esa narrativa no llega al lector a través de un periódico o una televisión identificable, sino que llega como respuesta de un agente inteligente que no tiene firma, no tiene cabecera, y que la mayoría de sus usuarios percibe como neutral por definición.
Pero el estudio abre, sin formularlas explícitamente, tres preguntas que merecen plantearse.
La primera: ¿están los países con mayor control mediático usando tecnología fundamentalmente occidental para reforzar su influencia sobre sus propios ciudadanos? La respuesta, según los datos, es sí.
Un ciudadano chino que acceda a ChatGPT por VPN recibe estadísticamente una versión más amable del Partido Comunista que un usuario angloparlante.
OpenAI no tuvo que ceder a ninguna presión directa, el gobierno chino ya modeló el ecosistema informativo del que OpenAI bebió para entrenar. La ironía tiene una geometría perfecta.
La segunda: ¿se desatará una guerra de idiomas? ¿Empezará China a publicar en inglés de forma masiva y coordinada para colonizar también esa capa del conocimiento en otros idiomas? La respuesta es que ya está pasando, y no solo China. Las operaciones rusas documentadas (entre ellas Storm-1516, citada en el propio paper de Nature) llevan años publicando en inglés, francés y alemán.
El mecanismo no tiene barrera lingüística: si funciona por saturación en chino, funciona en cualquier idioma con suficiente volumen y tiempo.
La pregunta no es si lo van a intentar a mayor escala, sino cuándo.
La tercera pregunta es la más incómoda, y apunta en dos direcciones a la vez. Un segundo estudio publicado en otra revista del grupo Nature, npj Artificial Intelligence, en enero de 2026 (firmado por académicos de la Universidad de Ghent, con 19 modelos y casi 4.000 figuras políticas analizadas en los seis idiomas oficiales de la ONU) concluye que la posición ideológica de un modelo refleja la visión del mundo de sus creadores. Pero aquí conviene precisar algo que los comunicados de prensa de las grandes tecnológicas raramente explican: los modelos no aprenden de una sola vez ni de una sola fuente.
El preentrenamiento, la fase inicial en la que el modelo absorbe cantidades masivas de texto de internet, es donde se instalan los sesgos más profundos y más difíciles de corregir. Lo que viene después, el ajuste fino con feedback humano o con reglas de comportamiento como el Constitutional AI de Anthropic, opera sobre una base ya formada.
Es como enseñar modales a alguien que ya ha pasado veinte años absorbiendo una cultura: puedes cambiar cómo responde en situaciones concretas, pero no puedes reescribir lo que aprendió antes de que pudieras intervenir.
La investigación lo confirma: el preentrenamiento tiene un impacto sobre los patrones de sesgo significativamente mayor que el ajuste fino posterior.
Esto significa que las dos contaminaciones, la del Estado que satura el ecosistema informativo y la del creador que diseña el modelo con sus propios valores, no son fenómenos separados. Se superponen en una especie de doble capa en su aprendiaje, y cada nueva versión de un modelo se entrena en parte sobre datos que las versiones anteriores ya ayudaron a generar.
El bucle de retroalimentación que describíamos en marzo no es solo un problema de propaganda estatal: es también el mecanismo por el que los sesgos corporativos se amplifican y se vuelven más difíciles de identificar con cada iteración.
Grok no aprendió a hacer comentarios sobre el Holocausto o la "white genocide" sudafricana de ninguna operación estatal: los aprendió de un entorno de entrenamiento con sus propias decisiones de diseño. Si el sesgo de origen estatal llega sin que nadie lo decida explícitamente, el sesgo de origen corporativo ni siquiera necesita ser accidental.
Lo que nadie ha publicado todavía de forma sistemática es la prueba definitiva de hasta dónde llega el primer sesgo: qué responde GPT-4o sobre Tiananmen cuando se le pregunta en chino. DeepSeek ya tiene respuesta conocida (no responde, y su silencio es deliberado y documentado).
La pregunta es si los modelos occidentales, entrenados sobre un ecosistema informativo que el Estado chino lleva décadas moldeando, han absorbido algo funcionalmente parecido sin que sus creadores lo hayan decidido, y sin que sus usuarios lo hayan advertido todavía.
¿Podrían corregirlo si fueran señalados por ello? Técnicamente sí, existe el preentrenamiento continuo, la posibilidad de añadir nuevos datos o de ajustar pesos concretos. Pero hacerlo de forma quirúrgica sobre sesgos distribuidos en miles de millones de parámetros, en múltiples idiomas, sin saber con exactitud qué texto los generó, es un problema sin solución limpia. Lo más probable, si el escrutinio público llegara a ese nivel de concreción, sería una combinación de ajustes superficiales, comunicados sobre el compromiso con la neutralidad, y la explicación de que todo esto es una propiedad emergente del internet que nadie controla. Lo que en Silicon Valley se llama un problema de escala. Lo que en cualquier otro sector se llamaría eludir la responsabilidad.
Las guerras disparan la slopaganda: Irán usa ChatGPT y Gemini para fabricar desinformación a escala industrial. Y la diferencia entre democracias y autoritarismos se ha vuelto una cuestión de grado, no de naturaleza.
La IA fabrica documentos de identidad convincentes en menos de un minuto. Sin habilidades técnicas. Solo un prompt. Los sistemas de seguridad tradicionales no van a esa velocidad.
Una investigación de Slopedia ha seguido la pista de un investigador de DeepSeek que desapareció, la creación de una desconocida empresa pantalla volcada en IA y varios movimientos en los mercados difíciles de explicar si solo han sido ejecutados "por humanos".
Anthropic ha construido un modelo que considera demasiado peligroso para el público y lo ha entregado a más de 50 corporaciones elegidas sin criterios públicos. Mientras los reguladores europeos esperan fuera, la NSA lo usa en secreto y Sam Altman lo llama "fear-based marketing".
