Uso «proxy»: informe perfecto; pregunta equivocada
Hoy partimos de algo que ocurrió hace ya unas semanas. El presidente del Gobierno de Canarias envió a la ministra de Sanidad un informe argumentando que las ratas nadan. Que un barco con casos de hantavirus no debía atracar en Tenerife porque los roedores de a bordo podrían llegar a nado hasta la costa. El informe lo había generado una IA. Pero hay matices que no se incluyeron en la consulta: el roedor que transmite el hantavirus andino no es una rata de puerto. Es el ratón colilargo patagónico, que vive en zonas boscosas de Chile y Argentina y no está presente en Europa. La IA respondió correctamente a una pregunta incorrecta.
Este uso de la IA tiene nombre. Se llama “uso proxy”.
No confundir con el jailbreaking. Son cosas distintas y la distinción importa, ya que el jailbreaking es un ataque. El usuario sabe que el modelo va a rechazar su petición y diseña una estrategia para que no la reconozca: cambia el idioma, inventa un escenario ficticio, fragmenta la petición en piezas inocuas que juntas producen lo que se buscaba. Los filtros han fallado.
En cambio, en el uso proxy, los filtros no se activan. La petición es normal. La respuesta es correcta. Un modelo rechaza escribir propaganda política, pero si le pides un análisis crítico riguroso, te lo da. Y si después eliminas los matices, cortas las conclusiones que no te convienen y publicas solo los puntos que necesitabas, el trabajo sucio ya está hecho. La IA no te ayudó a hacer propaganda. Pero te dio los ingredientes.
Podría parecer que estamos hablando de alguien con voluntad de manipular y criterio suficiente para hacerlo. Ese perfil existe. Pero no es el más frecuente.El uso proxy más extendido lo comete alguien que no sabe lo que está haciendo. Los usuarios tienen dificultades en todas las fases de la interacción con los modelos. Al formular la pregunta. Al interpretar lo que reciben. Al evaluar si sirve para lo que necesitaban: no todos los usuarios se benefician igual de trabajar con modelos de lenguaje. Las diferencias en alfabetización afectan al resultado mucho más de lo que nos creemos.
Porque un texto estructurado, con párrafos bien construidos y referencias intercaladas, parece un informe técnico. Y se comparte como si lo fuera. Sin mala fe. Un 76,7% de universitarios declara tener poca o ninguna formación para detectar noticias falsas. Un 40% ni siquiera es consciente de recibirlas. Ese es el terreno donde aterriza el uso proxy. Una ciudadanía que no puede distinguir un análisis completo de uno seleccionado.Y eso, a nivel universitario.
El uso proxy tiene dos caras. Y las dos son un problema educativo.
La primera es el desconocimiento. No saber que la pregunta condiciona la respuesta. Que el mismo modelo, con otro contexto, habría generado algo distinto.
La segunda es la manipulación consciente. El usuario sabe qué busca, cómo formularlo y cómo editar el output después. Aquí no falta formación técnica. Falta formación ética.
Y aquí es donde debe intervenir el profesorado. Y el sistema educativo. Y no en ese orden precisamente. Ya no se trata de usar la tecnología. Se trata de comprenderla críticamente. De acompañar al alumnado en la construcción de criterio.
La normativa española obliga a que las decisiones críticas tomadas por sistemas de IA sean supervisadas por un docente. Pero la supervisión humana solo funciona si quien supervisa sabe qué está mirando. Una norma que obliga a supervisar sin formar para supervisar no es una solución.
En el aula se debe enseñar a relacionarse con el conocimiento. A preguntarse de dónde viene lo que se lee. A asumir la responsabilidad de lo que se transmite. Eso no es una competencia digital. Es una competencia ética. Y se desarrolla con un docente con la formación adecuada.
La solución: educación. Con mayúscula. Y tilde en la «o».
Junio de 2026
Fuentes
- Anthropic. (2026). Claude (claude-sonnet-4-6) [Modelo de inteligencia artificial]. https://www.anthropic.com
- Canarias Ahora. (2026, 10 de mayo). Clavijo recurrió a la inteligencia artificial para defender ante la ministra de Sanidad que las ratas nadan. elDiario.es. https://www.eldiario.es/canariasahora/politica/clavijo-recurrio-inteligencia-artificial-defender-ministra-sanidad-ratas-nadan_1_13209159.html
- Canarias Ahora. (2026, 10 de mayo). Un informe de Sanidad desmiente el alarmismo de Clavijo: los roedores del hantavirus no nadan y las condiciones higiénicas del barco son adecuadas. elDiario.es. https://www.eldiario.es/canariasahora/sociedad/informe-sanidad-desmiente-alarmismo-clavijo-roedores-hantavirus-no-nadan-condiciones-higienicas-barco-son-adecuadas_1_13209149.html
- Centre for the Governance of AI. (2023, 17 de diciembre). Preventing AI misuse: Current techniques. GovAI. https://www.governance.ai/analysis/preventing-ai-misuse-current-techniques
- Comisión Europea. (2021). Plan de Acción de Educación Digital (2021-2027). EUR-Lex. https://eur-lex.europa.eu/ES/legal-content/summary/digital-education-action-plan-2021-2027.html
- Consejería de Educación de la Región de Murcia. (2025, 11 de septiembre). Resolución sobre el uso didáctico de la inteligencia artificial en centros educativos. Boletín Oficial de la Región de Murcia, 210. https://www.borm.es/services/anuncio/ano/2025/numero/4232/pdf?id=838315
- Cosgrove, J., & Cachia, R. (2025). DigComp 3.0: European Digital Competence Framework. Fifth edition. Oficina de Publicaciones de la Unión Europea. Recuperado a través de https://l3tcrafteducacion.com/en/digcomp-3-0-el-nuevo-marco-europeo-de-competencia-digital/
- Elche, M., Sánchez-García, S., & Yubero, S. (2025). Universitarios frente a las fake news generadas por inteligencia artificial: estrategias asociadas al pensamiento crítico que adoptan. Educación XX1, 28(2). https://revistas.uned.es/index.php/educacionXX1/article/view/39811
- Hervás-Gómez, C., Díaz Noguera, M. D., Domínguez González, M. Á., Sánchez Vera, F., & Luque de la Rosa, A. (Coords.). (2025). Aprender para el futuro: educación y competencias esenciales en la era de la inteligencia artificial. Dykinson. https://universoabierto.org/2025/07/11/aprender-para-el-futuro-educacion-y-competencias-esenciales-en-la-era-de-la-inteligencia-artificial/
- Ma, Q., Koedinger, K., & Wu, T. (2026). Not everyone wins with LLMs: Behavioral patterns and pedagogical implications for AI literacy in programmatic data science. CHI’26, Barcelona. https://arxiv.org/pdf/2509.21890
- Moreno Llorente, J., & Ruipérez Valiente, J. A. (2025). La inteligencia artificial en contextos educativos: desinformación, verificación y usos no éticos. Derecom, 38(1), 3-11. https://revistas.ucm.es/index.php/DERE/article/download/102342/4564456573076
- OWASP Gen AI Security Project. (2025). LLM09:2025 Misinformation. https://genai.owasp.org/llmrisk/llm092025-misinformation/
- Sumon, M. S. B. (2026, 26 de febrero). How attackers bypass AI moderation: Techniques used to defeat AI safety filters. Medium. https://medium.com/@shafiqulsumon007/how-attackers-bypass-ai-moderation-techniques-used-to-defeat-ai-safety-filters-d36bf318c8fe
- Universidad Continental. (2025, 4 de noviembre). IA en fake news: expertos y autoridades proponen acciones para enfrentar la desinformación durante el proceso electoral. Infobae. https://www.infobae.com/america/inhouse/2025/11/04/ia-en-fake-news-elecciones-2026-expertos-y-autoridades-proponen-acciones-para-enfrentar-la-desinformacion-durante-el-proceso-electoral/