Cuando usamos modelos de Inteligencia Artificial comerciales (como ChatGPT, Claude o Gemini) o modelos abiertos estándar (como Llama o Qwen), estamos interactuando con sistemas entrenados para ser seguros. Si les pides algo peligroso, ilegal o sensible, el modelo activa su freno interno y responde con el clásico: "Lo siento, como asistente de IA no puedo ayudarte con eso".

En los últimos meses, en repositorios abiertos como Hugging Face se han popularizado miles de versiones etiquetadas como Uncensored (sin censura) o Abliterated (descapados). A menudo se habla de ellos como si fueran modelos "rebeldes" o más inteligentes, pero la realidad técnica es mucho más sencilla, son exactamente el mismo modelo de origen al que se le ha extirpado el botón de decir "no".

Veamos qué diferencia hay entre ambos conceptos, qué ocurre realmente dentro de la IA y qué usos legítimos tienen en un entorno profesional.

1. Uncensored vs Abliterated

Aunque a simple vista parezcan lo mismo, existen dos formas muy distintas de conseguir que un modelo no rechace peticiones:

  • Modelos Uncensored (Sin censura por entrenamiento): Se toman los datos originales y se vuelve a entrenar al modelo con miles de ejemplos donde nunca se rechaza una pregunta. Es un proceso costoso, lento y que puede cambiar la personalidad o la calidad del modelo.
  • Modelos Abliterated (Descapados mediante cirugía): La investigación descubrió que la capacidad de un modelo para decir "no puedo hacer eso" reside en una ruta muy concreta dentro de sus conexiones internas. La técnica de abliteration localiza esa ruta y la desconecta directamente, sin necesidad de volver a entrenar el modelo. En apenas unos minutos, el modelo conserva todo su conocimiento, pero pierde el mecanismo de rechazo.
Un modelo abliterated no es más listo, no razona mejor ni dice más verdades que el modelo original. Tiene exactamente las mismas capacidades y los mismos fallos (alucinaciones), simplemente se le ha quitado el filtro de seguridad.
DimensiónModelo Uncensored (Fine-Tuning)Modelo Abliterated (Ablación de Pesos)
MecanismoReentrenamiento supervisado (SFT) o DPO sobre datasets sin filtros de rechazo.Cirugía directa en el espacio de activaciones mediante álgebra lineal (ortogonalización).
Coste de CómputoAlto (requiere clústeres de GPUs, horas de entrenamiento y curación de datos).Muy bajo (de 10 a 90 minutos en una sola GPU con herramientas automatizadas).
Impacto en CapacidadesPuede alterar el estilo, el tono o introducir nuevos sesgos del dataset.Mantiene intacto el razonamiento base, aunque una ablación agresiva degrada benchmarks si no se refina.
Conciencia del RiesgoSuele eliminar la noción misma de qué es peligroso.El modelo sigue sabiendo que una petición es dañina (a menudo incluye advertencias), pero pierde el freno que le impide responder.

2. Oversafety

¿Por qué dedicar tiempo a quitar estos filtros? La realidad es que los modelos comerciales a veces sufren de exceso de celo (oversafety).

Un modelo estándar puede bloquear peticiones completamente legítimas solo porque contienen palabras clave sensibles:

  • Un equipo de ciberseguridad que pide analizar un fragmento de código sospechoso para proteger su servidor y recibe una negativa.
  • Un profesional médico o farmacéutico que consulta interacciones químicas complejas y el sistema bloquea la respuesta por precaución.
  • Un guionista o escritor que necesita redactar una escena de ficción policíaca y el asistente se niega a colaborar.

3. Usos prácticos y seguros

En el ámbito de la ingeniería y el desarrollo de producto, los modelos descapados no están pensados para ofrecer un chat abierto al público, sino como herramientas de trabajo interno, auditoría y prueba:

A. Probar nuestros propios filtros de seguridad (Red-Teaming)

Si una empresa desarrolla una aplicación con IA y construye su propio cortafuegos o filtro de moderación para proteger a sus clientes, necesita ponerlo a prueba. Usar un modelo descapado detrás de ese filtro permite comprobar si nuestro sistema de seguridad es capaz de frenar respuestas inadecuadas por sí mismo, sin depender de la buena voluntad del modelo.

B. Medir falsos positivos en aplicaciones profesionales

Permiten comparar cómo responde el modelo original frente al modelo sin filtros ante consultas técnicas de nuestro sector (legal, salud, finanzas o seguridad informática). Así podemos detectar cuándo el modelo estándar está bloqueando trabajo legítimo de nuestros equipos.

C. Tareas de análisis y procesamiento en entornos cerrados

En servidores locales aislados de Internet (air-gapped), equipos de auditoría o cumplimiento normativo los utilizan para clasificar, resumir o analizar documentos internos delicados (como correos fraudulentos de phishing, registros de incidentes o denuncias) sin que el modelo interrumpa el flujo de trabajo negándose a leer el texto.

D. Investigación sobre la seguridad de la IA

Ayudan a los investigadores a entender cómo funcionan los límites éticos dentro de las redes neuronales y a diseñar protecciones futuras que no sean tan fáciles de desactivar.

4. La frontera que NO se debe cruzar

No le des ideas a la IA
El problema no es que una IA tenga una idea que nosotros no habíamos tenido. De hecho, precisamente para eso la utilizamos: para encontrar patrones, alternativas y caminos que no siempre vemos.
Diseñar el permiso
A medida que los sistemas ganan autonomía, también aumenta la necesidad de definir límites claros: cuándo pueden avanzar, cuándo necesitan confirmación, qué condiciones deben respetar y en qué momento una autorización deja de ser válida.

Tener claro para qué sirven también implica saber dónde no deben usarse jamás:

  • Nunca de cara al cliente final: Un modelo abliterated no tiene frenos. Ponerlo en un chatbot público, en atención al cliente o en una API abierta expone a la empresa a riesgos legales, reputacionales y de seguridad graves.
  • La seguridad debe estar fuera del modelo: Si una empresa necesita utilizar un modelo abierto sin restricciones para una tarea interna muy específica, las reglas de control (qué datos puede leer, qué acciones puede ejecutar y quién tiene permiso para usarlo) deben programarse en la aplicación que lo rodea, nunca confiando en el criterio del propio modelo.

Conclusión

Los modelos abliterated o sin censura no son una solución mágica ni un producto listo para salir al mercado. En manos responsables, son herramientas de laboratorio y auditoría muy útiles para entender cómo opera una IA, evaluar sus límites y construir aplicaciones empresariales más fiables.

Sin embargo, no podemos ignorar la otra cara de la moneda, esta misma técnica de desbloqueo está acelerando la ofensiva en ciberseguridad. Ya estamos viendo sus consecuencias reales en la red, con campañas automatizadas que aprovechan vulnerabilidades críticas en piezas fundamentales de nuestra infraestructura, como los recientes CVE de PHP o Apache, para generar caos a una velocidad sin precedentes.

Comprender cómo funcionan estos modelos descapados no es una mera curiosidad técnica; es una necesidad urgente para anticiparnos a unas amenazas que ya no tienen frenos ni necesitan grandes recursos para ejecutarse a escala.

Referencias:
· Uncensor any LLM with abliteration. Hugging Face Blog.
· Diseñar el permiso: Límites y autonomía en sistemas con inteligencia artificial.

Compartir es construir