La nueva guerra rusa se libra dentro del modelo de IA

La desinformación, como herramienta de influencia geopolítica, ha sido una constante histórica, pero su naturaleza y alcance se han transformado radicalmente con la llegada de la inteligencia artificial (IA) generativa.

La aparición de grandes modelos de lenguaje (LLM), como ChatGPT o Gemini, redefinió el campo de batalla de la información, desplazando el foco de la manipulación de la audiencia humana a la contaminación de los propios sistemas algorítmicos.

Una avalancha de contenido pro-Kremlin

Este texto aborda esta mutación analizando el fenómeno conocido como preparación de LLM, una estrategia de influencia atribuida a actores estatales, en particular la Federación de Rusia, que busca infiltrar narrativas sesgadas directamente en conjuntos de datos de entrenamiento de IA.

Esta maniobra consiste en inundar deliberadamente la web con cantidades masivas de contenido de baja calidad o narrativas manipuladas, diseñadas específicamente para ser recogidas por modelos de IA.

El objetivo principal es que estos textos, que replican la visión pro-Kremlin, se integren en conjuntos de datos de capacitación LLM o fuentes de información en tiempo real que estos modelos utilizan para generar respuestas.

El motor de preparación LLM busca cambiar la base cognitiva de los sistemas automatizados. Cuando un usuario interactúa con LLM para obtener información sobre temas delicados (como la guerra en Ucrania, la expansión de la OTAN o los procesos electorales occidentales), el modelo ofrece respuestas que ya incorporan sutilmente narrativas diseñadas por Moscú.

Este proceso no sólo busca influir en la opinión pública humana, sino que también sesga los resultados generados por los sistemas de inteligencia artificial, convirtiéndolos en vectores involuntarios de propaganda.

La efectividad de esta táctica radica en la propia arquitectura de los LLM, que dependen de la abundancia y variedad de datos para su funcionamiento, haciendo de la saturación intencional de fuentes sesgadas un método de contaminación altamente escalable.

Portal de Kombat en África

Un ejemplo paradigmático de esta estrategia es la operación Portal Kombat, documentada en febrero de 2024 por la agencia francesa VIGI-NUM/SGDSN.

Este informe reveló una red coordinada de al menos 193 portales web. La peculiaridad de esta red es que no produce contenidos originales, sino que se dedica a la reproducción masiva y automatizada de publicaciones de medios rusos y figuras influyentes pro-Kremlin. El propósito es claro: influir en los países occidentales mediante la amplificación artificial de contenidos.

Portal Kombat Network utiliza optimización avanzada de motores de búsqueda (SEO) y técnicas de extensión multilingüe para garantizar que sus dominios estén indexados por motores de búsqueda, motores de búsqueda y agregadores de noticias, que, a su vez, son las fuentes principales de LLM.

Esta integración automática convierte los modelos de IA en un vector de influencia invisible para la mayoría de los usuarios. Además, esta táctica se está exportando a regiones geopolíticamente sensibles, como el continente africano, donde las campañas rusas de manipulación e interferencia de la información extranjera (FIMI) encuentran ecosistemas de información con menos resistencia institucional.

En estos contextos, la guerra de la información muta: el objetivo ya no es sólo inundar las redes sociales, sino infectar una infraestructura algorítmica que se percibe erróneamente como neutral.

Este patrón también se extiende al ámbito electoral. Estudios recientes, como el realizado por el Centro para la Innovación en Gobernanza Internacional (CIGI) sobre la intromisión rusa en las elecciones estadounidenses, indican un cambio de enfoque: la manipulación tiene como objetivo “contaminar” los LLM en lugar de centrarse únicamente en los votantes humanos.

En la práctica, cuando un sistema de IA genera resúmenes, predicciones o análisis, la narrativa manipulada ya está incorporada, lo que permite que los modelos actúen como generadores de propaganda sin que el usuario final revele la fuente del sesgo.

¿Qué pasa?

La amenaza de la preparación del LLM presenta una doble dimensión crítica. Primero, el volumen de información: la insaciable necesidad de LLM de datos de entrenamiento significa que inyectar contenido prorruso cambia la base del modelo hacia un sesgo estructural.

En segundo lugar, escalabilidad y automatización: al implementar redes de replicación optimizadas para navegadores (un programa informático que escanea automáticamente Internet, sigue enlaces para recopilar y analizar el contenido de las páginas web), Rusia reduce drásticamente el costo de producir propaganda, multiplicando el alcance de su “fábrica de ruido” de información y dirigiéndola al algoritmo en lugar del consumidor final.

Para las democracias y los medios de comunicación, esto presenta desafíos sin precedentes:

Fragmentación de la autoridad cognitiva: el debate de la verdad pasa de lo que consumen los humanos a lo que la IA ofrece como referencia. Si los sistemas generativos legitiman narrativas manipuladas, la capacidad de la sociedad para etiquetar propaganda se erosiona.

Opacidad y trazabilidad del impacto: el seguimiento de la contaminación requiere auditar cadenas de capacitación de LLM complejas y a menudo opacas, incluidos motores de búsqueda, agregadores de datos e indexación web.

Erosión ética y política de la memoria social: La dependencia de “cajas negras” de IA que replican la manipulación socava la confianza fundamental en la información digital y, de manera similar al concepto orwelliano de manipulación de la memoria social, debilita la capacidad de resistencia política al fragmentar la realidad compartida.

Ante esta realidad, las líneas de acción deben combinar estrategias clásicas (verificación, alfabetización mediática) con una urgente adaptación regulatoria.

En conclusión, la guerra de información rusa no esperó a que la IA madure antes de atacarla: la crea a partir de su base de datos. La estrategia de preparación del LLM abre un frente silencioso pero decisivo, donde el adversario busca contaminar el algoritmo que define lo que la sociedad percibe como verdad.