Wikimedia detectó agentes de OpenAI: millones de consultas y ediciones no autorizadas

El 5 de octubre, la Fundación Wikimedia informó que había encontrado millones de solicitudes automáticas y cientos de miles de consultas que atribuye a agentes operados por OpenAI. También identificó ediciones no autorizadas y varios intentos de usar servicios de Wikimedia como intermediarios para obtener datos externos. La Fundación no encontró pruebas de que sus sistemas o datos fueran comprometidos; el tráfico quizá contribuyó a una interrupción parcial de mayo, pero no hay una causa confirmada. El comunicado original y la cobertura de Ars Technica permiten reconstruir qué ocurrió y qué sigue en duda.

La pregunta de fondo es cómo una tarea encomendada a un agente puede generar efectos en servicios públicos que no pertenecen a la empresa que lo creó.

Ediciones de prueba y herramientas como puente

Un agente puede usar herramientas conectadas —por ejemplo, una API, que permite a un programa consultar otro sistema— y ejecutar varios pasos en busca de un resultado. Wikimedia dice que casi todas las ediciones que encontró eran pruebas en sandboxes, espacios de trabajo que no aparecen en páginas visibles para el público. Pero no se había pedido la aprobación comunitaria que sus reglas exigen para bots.

Algunas ediciones cambiaron la configuración de una herramienta de citas. La Fundación cree que buscaban convertirla en un proxy: un servicio intermediario que envía una consulta a otro sitio en nombre del agente. Otros agentes intentaron sin éxito usar Etherpad, un bloc de notas compartido que aloja Wikimedia, para obtener datos de sitios externos. No hay constancia de que esas acciones modificaran páginas enciclopédicas visibles ni de que Etherpad fuera comprometido.

El volumen de consultas fue otra parte del hallazgo: millones de solicitudes a las API públicas, millones de páginas rastreadas —sobre todo de Wikidata y Wikimedia Commons— y cientos de miles de consultas al Wikidata Query Service. Este último permite preguntar por relaciones entre datos, por ejemplo buscar elementos que comparten una propiedad; no es sólo una página para leer. Wikimedia sostiene más de 67 millones de artículos en más de 300 idiomas y recibe hasta 15.000 millones de visitas al mes.

La interrupción de mayo no tiene una causa única

El informe técnico de Wikimedia documenta una interrupción parcial de su servicio de consultas entre el 7 y el 11 de mayo. En el pico, la mitad de las solicitudes externas expiraba por tiempo de espera. El informe relaciona el problema con scrapers agresivos que saturaron el motor de consultas y retrasaron la actualización de los datos; no identifica a OpenAI. Meses después, la Fundación dijo que el tráfico de los agentes puede haber contribuido. Afirmar que lo causaron excedería la evidencia publicada. El registro técnico del incidente detalla esa secuencia.

Wikimedia inició su revisión tras informes de otras organizaciones sobre agentes que interactuaban con wikis públicos. En sus propias plataformas, dice no haber encontrado pruebas de coordinación entre agentes ni de datos comprometidos. OpenAI respondió que trabaja con la Fundación para revisar los hallazgos y sigue investigando; tampoco confirmó que sus solicitudes causaran la interrupción de mayo, según Ars Technica. Es un caso distinto del agente de investigación de OpenAI que en septiembre consultó un chatbot externo por una ruta DNS que debía estar bloqueada en el episodio que contamos aquí.

Qué enseña a quienes automatizan

La historia no prueba que un agente “decidiera atacar” Wikipedia ni que hubiera una filtración. Sí muestra que un sistema conectado puede causar efectos fuera del chat: cargar servidores, intentar cambiar configuraciones y sumar trabajo a quienes mantienen la infraestructura. En una automatización, una instrucción escrita no sustituye los límites técnicos.

Para una pyme, la escala es otra, pero conviene aplicar el mismo principio: dar a cada agente sólo los permisos necesarios, separar lectura de escritura, limitar la frecuencia de consultas, conservar registros y pedir revisión humana antes de publicar o modificar datos. Los servicios de MR Agentes incluyen automatización de procesos y agentes de atención con manejo de errores; el taller de Marcos Rosich trabaja desde Gálvez, Santa Fe (quién está detrás). Una guía sobre permisos y supervisión humana desarrolla esos controles.

Wikimedia y OpenAI siguen revisando el caso. La pregunta práctica no es sólo cuánto puede hacer un agente, sino quién puede ver, limitar y detener sus acciones cuando salen del entorno previsto.