Uno de nuestros redactores nos pidió aclarar algo sobre la IA sin censura, y francamente era necesario. El término se ha convertido en un test de Rorschach: di «IA sin censura» en una sala llena de personas del sector tecnológico y la mitad oirá «libertad de información» mientras la otra mitad oirá «motor de caos sin regular». Ambos grupos se equivocan sobre lo que el otro grupo quiere decir, y al menos uno de ellos se equivoca sobre lo que es realmente la IA sin censura.
Este artículo es un ejercicio de desmitificación. No porque los miedos sean completamente infundados, sino porque el debate se ha enredado tanto que la gente habla sin entenderse, usando las mismas dos palabras para referirse a cosas completamente distintas.
Qué significa realmente la IA sin censura
Un modelo de IA sin censura es un modelo de lenguaje grande cuyo entrenamiento de alineaciónEl proceso de entrenar un modelo de IA para rechazar ciertas solicitudes y seguir valores humanos, generalmente mediante aprendizaje por refuerzo a partir de retroalimentación humana. (el proceso que enseña al modelo a rechazar ciertas solicitudes) ha sido reducido, eliminado o modificado. En la práctica, esto significa que el modelo intentará responder preguntas que un modelo comercial estándar rechazaría.
El mecanismo técnico importa aquí. Cuando empresas como OpenAI, Google o Anthropic publican modelos, aplican un proceso llamado RLHFUn proceso de aprendizaje automático donde los modelos de IA aprenden de la retroalimentación humana sobre sus salidas, enseñándoles qué respuestas priorizar o rechazar. (aprendizaje por refuerzo a partir de retroalimentación humana, o reinforcement learning from human feedback) para entrenar al modelo a rechazar ciertas categorías de solicitudes. A veces a esto se le llama «alineación», aunque esa palabra carga más peso filosófico del que el proceso suele merecer. El modelo aprende patrones como: «si un usuario pregunta sobre X, rechazar amablemente y sugerirle que consulte a un profesional».
Los modelos sin censura, la mayoría de los cuales se construyen sobre modelos de base de código abierto como la serie Llama de Meta, omiten este paso de alineación o lo revierten activamente mediante ajuste finoEntrenamiento adicional de un modelo de IA preentrenado en datos específicos para adaptar su comportamiento a un propósito particular o tarea especializada. adicional. El resultado es un modelo que trata todas las preguntas de la misma manera: como preguntas que deben responderse.
Esto no es lo mismo que un modelo diseñado para causar daño. Es un modelo que no filtra tu intención de antemano.
Qué no significa la IA sin censura
El mito más persistente es que la IA sin censura es una máquina de fabricar bombas, un consultor de armas biológicas o el mejor amigo de un criminal. Los datos no respaldan esta visión.
En enero de 2024, la RAND Corporation publicó los resultados de un estudio de tipo «red team» en el que investigadores simularon ser actores no estatales maliciosos planeando un ataque biológico. Los investigadores utilizaron tanto LLM estándar como modelos sin restricciones. El resultado: no hubo diferencia estadísticamente significativa en la viabilidad de los planes de ataque producidos con o sin asistencia de IA. Los resultados de los modelos «generalmente reflejaban información fácilmente disponible en Internet», según los autores del estudio.
Esta es la analogía de la biblioteca, y se sostiene bajo escrutinio. Una biblioteca pública contiene libros de texto de química, referencias médicas e historias de todas las atrocidades que los humanos han cometido. La información existe. Siempre ha existido. Un modelo de IA sin censura no genera nuevo conocimiento peligroso; proporciona acceso a información existente con menos fricción que un motor de búsqueda, pero más que en un foro especializado donde las personas que realmente pretenden causar daño ya se congregan.
Las personas que usarían mal las herramientas de IA ya utilizan, en su mayor parte, otras herramientas. Los foros de la dark web, los canales cifrados y las comunidades técnicas especializadas existen desde hace décadas. Un estudio de seguimiento de RAND de 2025 sí encontró que los modelos de fundación más nuevos podían proporcionar orientación técnica más específica en ciertos escenarios biológicos, pero los investigadores señalaron que la misma información estaba disponible en la literatura científica publicada. El cuello de botellaUn lugar geográfico donde el tráfico debe pasar por un pasaje estrecho o limitado, creando vulnerabilidad a la interrupción. para un ataque biológico nunca ha sido el conocimiento; ha sido la adquisición de materiales, la habilidad técnica y la seguridad operacional.
El problema del bloqueo excesivo del que nadie habla
Mientras el debate se fija en el peor caso de uso indebido, un problema más silencioso ha ido creciendo: los modelos de IA comerciales rechazan cada vez más tratar preguntas legítimas.
Haz una pregunta médica sencilla a un gran chatbot comercial y a menudo recibirás un muro de advertencias seguido de la sugerencia de «consultar a un profesional sanitario». A veces es apropiado. También es a veces absurdo. Una persona que pregunta «¿cuáles son los síntomas de la deficiencia de magnesio?» no necesita ser redirigida a un médico. Necesita una respuesta precisa, que cualquier libro de medicina o sitio web de confianza daría sin vacilar.
El patrón se extiende mucho más allá de la medicina. Investigadores que estudian eventos históricos controvertidos informan de tropezar con muros invisibles cuando los modelos de IA se niegan a tratar temas como la mecánica de las atrocidades históricas, la química de los desastres industriales históricos o los detalles tácticos de batallas históricas. Los escritores ven su ficción saneada en medio de la generación porque el entrenamiento de alineación del modelo no puede distinguir entre un personaje que habla de violencia y un usuario que la planea. Un novelista que escribe un thriller no es una amenaza para la seguridad, pero las salvaguardas no lo saben. (El mismo patrón se da con las herramientas de detección de IA, que marcan la escritura clara como generada por máquina en lugar de identificar producciones reales de IA.)
La reducción de daños es otra área donde el bloqueo excesivo causa perjuicios reales. Activistas de la reducción de daños han documentado casos en que los chatbots de IA se negaron a proporcionar información básica de reducción de daños a personas que consumen drogas, información que las organizaciones de salud pública distribuyen libremente porque salva vidas. Cuando un modelo se niega a explicar cómo usar una sustancia de forma más segura porque ha sido entrenado para tratar todas las consultas relacionadas con las drogas como peligrosas, no protege a nadie. Retiene información que los profesionales de la salud y los trabajadores de salud pública animan activamente a compartir.
Por qué las empresas censuran (y no siempre es por seguridad)
Para entender la IA sin censura, hay que entender por qué existe la censura en los modelos comerciales. Hay tres motivaciones distintas, y confundirlas es donde vive la mayor parte de la confusión.
La primera es la seguridad genuina. Algunas restricciones existen porque el potencial de daño es real e inmediato: instrucciones detalladas para sintetizar sustancias controladas específicas, por ejemplo, o la generación de material realista de abuso sexual infantil. Estas restricciones son defendibles y, cabe señalarlo, la mayoría de las personas en la comunidad de IA sin censura no se opone a ellas.
La segunda es la protección frente a la responsabilidad legal. Las empresas restringen las salidas no porque crean que una respuesta específica causará daño, sino porque temen la exposición legal si así fuera. Este es el reflejo de «consulte a un profesional». Protege a la empresa, no al usuario. Hemos escrito antes sobre esta distinción: la seguridad genuina pregunta si una restricción reduce el daño; la seguridad corporativa pregunta si reduce la responsabilidad. Son preguntas distintas con respuestas distintas.
La tercera es la gestión de marca. Los modelos se entrenan para evitar temas controvertidos, opiniones políticas o cualquier cosa que pudiera generar cobertura de prensa negativa. Esto no es seguridad; es relaciones públicas. Cuando un modelo se niega a discutir en detalle la masacre de la plaza de Tiananmen o declina explicar por qué una determinada política podría ser perjudicial, no protege a nadie de ningún peligro. Protege a una corporación de un ciclo informativo.
Los modelos sin censura eliminan las tres capas. El debate debería girar en torno a cuáles vale la pena conservar, pero en cambio las trata a las tres como si fueran lo mismo.
La evidencia del mundo real
Los modelos de código abierto sin censura han estado disponibles públicamente desde al menos 2023. Su número en Hugging Face, el mayor repositorio de modelos de código abierto, creció de 42 en abril de 2023 a más de 870 a principios de 2025, según un estudio publicado en 2025 en la revista Future Internet. Han sido descargados millones de veces. Cualquiera con un ordenador medianamente capaz puede ejecutar uno localmente, completamente sin conexión, sin ninguna supervisión.
Si la IA sin censura fuera el riesgo catastrófico que algunos comentaristas afirman, esperaríamos ver evidencias de esa catástrofe a estas alturas. Tres años es mucho tiempo en tecnología. ¿Qué muestran realmente los datos?
Los investigadores de ciberseguridad han documentado un aumento de las menciones de herramientas de IA en foros criminales, pero las herramientas que se discuten se usan principalmente para phishing, ingeniería social y automatización de estafas, actividades que ya eran generalizadas antes de que existieran los LLM. El componente de IA hace los ataques existentes marginalmente más eficientes; no permite categorías de daño fundamentalmente nuevas.
El Informe Internacional sobre Seguridad de la IA 2026 (International AI Safety Report 2026), que se basó en más de 1.400 fuentes, incluidos estudios revisados por pares, encontró que los sistemas de IA han sido utilizados en ciberataques del mundo real, pero señaló que la preocupación principal era la amplificación de las capacidades de las amenazas existentes, no la creación de nuevas. La distinción importa: un correo de phishing más rápido no es lo mismo que un arma nueva.
Los riesgos reales, expresados con honestidad
Nada de esto significa que la IA sin censura sea libre de riesgos. La honestidad intelectual exige reconocer lo que los datos sí sugieren.
Los modelos sin censura son mediblemente menos seguros según una métrica específica: cuando se les presentan solicitudes que los modelos alineados rechazarían, los modelos sin censura las atienden a tasas significativamente más altas. Estudios que examinan modelos de código abierto modificados han encontrado que responden a solicitudes que los modelos estándar rechazan a tasas notablemente superiores. Esto significa que generarán contenido odioso, desinformación y material ofensivo con mayor facilidad.
La pregunta es si esto representa un aumento significativo del daño real, o si representa un modelo haciendo lo que también haría un motor de búsqueda (servir información sin juicio moral) con una interfaz conversacional. La respuesta depende de lo que uno crea que debería ser el papel de un modelo de IA: una herramienta que proporciona información o una herramienta que toma decisiones morales en nombre de su usuario.
También hay una preocupación legítima sobre la persuasión. El Informe Internacional sobre Seguridad de la IA 2026 encontró evidencias de que los sistemas de IA pueden cambiar lo que la gente cree, y que los modelos entrenados con mayor capacidad de cómputo son generalmente más persuasivos. Un modelo sin censura que genere desinformación convincente es una preocupación real, aunque vale la pena señalar que esta preocupación se aplica igualmente a los modelos censurados que han sido sometidos a jailbreak (lo que históricamente ha sido posible con todos ellos).
La prueba de la biblioteca
Una heurística útil para pensar en la IA sin censura: si la información está disponible en una biblioteca pública, un modelo que se niega a discutirla no está realizando una función de seguridad. Está realizando una función de protección frente a la responsabilidad.
Las bibliotecas contienen libros sobre todos los temas que incomodan a la gente: química de drogas, ingeniería de armas, ideologías extremistas, violencia explícita, procedimientos médicos detallados. Las bibliotecas no exigen que expliques por qué quieres leer un libro antes de dejártelo. Funcionan bajo el principio de que el acceso a la información es un bien público, y que restringirlo en función de una intención supuesta hace más daño que bien.
Eso no significa que las bibliotecas sean un territorio sin ley. No almacenan instrucciones para fabricar armas ilegales. No distribuyen material de explotación infantil. Tienen límites, y esos límites los fija la ley, no la suposición del bibliotecario sobre lo que podrías hacer con un libro de química.
La comunidad de IA sin censura, en sus vertientes más reflexivas, pide el mismo estándar: restricciones basadas en la ley y el daño demostrable, no en la aversión al riesgo corporativo y la especulación del peor caso. No es una posición irrazonable, aunque las voces más estridentes de la comunidad a veces lo hagan parecer.
¿Cómo sería una política sensata?
Si tomáramos los datos en serio en lugar del miedo, la política de contenidos de IA sería diferente de la que tenemos ahora.
Mantendría restricciones estrictas sobre el contenido ilegal de producir o distribuir: CSAM (material de abuso sexual infantil), instrucciones operativas específicas para armas de destrucción masiva y contenido que facilite directamente la violencia inminente. Estas categorías ya están definidas por ley en la mayoría de las jurisdicciones, y existe un amplio consenso en que deben seguir restringidas.
Eliminaría las restricciones sobre información libremente disponible en otros lugares: información médica, hechos históricos, orientación sobre reducción de daños, análisis político controvertido y ficción creativa que aborde temas difíciles. Restringir esta información en los modelos de IA mientras sigue siendo libremente accesible a través de libros, sitios web y bases de datos académicas no logra nada excepto hacer la IA menos útil.
Y sería transparente sobre qué restricciones existen y por qué. Actualmente, la mayoría de los modelos comerciales funcionan como cajas negras: los usuarios descubren las restricciones al tropezar con ellas, sin explicación del razonamiento ni mecanismo de apelación. Un modelo que dijera «No puedo hablar de este tema porque nuestro equipo legal lo ha evaluado como de alta responsabilidad» sería más honesto que uno que dice «No puedo ayudarte con eso» como si el rechazo fuera una propiedad natural de la tecnología y no una decisión comercial.
Vale la pena consultar
Si este artículo te ha despertado curiosidad por cómo es la IA sin las salvaguardas corporativas, Uncensored AI te permite mantener conversaciones sin filtro y juzgar por ti mismo qué significa «sin censura» en la práctica.
Divulgación: Art of Truth recibe una comisión por las compras que reúnan los requisitos, sin coste adicional para ti. Esto no influye en nuestro contenido editorial.
Fuentes
- RAND Corporation, «Los riesgos operacionales de la IA en ataques biológicos a gran escala: resultados de un estudio de tipo red team», 2024
- RAND Corporation, «Los modelos de IA de fundación contemporáneos aumentan el riesgo de armas biológicas», diciembre de 2025
- Informe Internacional sobre Seguridad de la IA 2026
- Sokhansanj, «IA sin censura en estado salvaje: seguimiento de los LLM disponibles públicamente y desplegables localmente», Future Internet, 2025
- ADL, «La brecha de seguridad: los modelos de IA de código abierto fallan en las salvaguardas contra el contenido antisemita y peligroso», 2025
