Un sistema de agentes de IA consiguió reidentificar cuentas pseudónimas con hasta 68% de acierto a 90% de precisión, y lo hizo por menos de 2.000 dólares en el experimento, según un estudio de ETH Zurich y Anthropic citado por The Verge (5/3/2026). Esta es la conclusión central: la combinación de modelos de lenguaje grandes y agentes automáticos puede escalar trabajos de investigación que antes eran manuales y lentos.
¿Qué hizo el estudio y qué mide?
El trabajo reunió agentes de IA capaces de recorrer la web y comparar patrones de escritura, detalles biográficos y horarios de publicación para decidir si dos cuentas pertenecen a la misma persona. En sus pruebas, el enfoque LLM alcanzó hasta 68% de recall con 90% de precisión en varios conjuntos de datos y superó ampliamente a métodos no basados en LLM (estudio de ETH Zurich y Anthropic, citado en The Verge, 5/3/2026). Los autores reportaron que el costo del experimento fue inferior a 2.000 USD y que el gasto por perfil osciló entre 1 y 4 USD, lo que cambia la ecuación económica para quien quiera automatizar búsquedas a gran escala. Además, tareas que antes tomaban horas para un investigador humano ahora se replican en minutos, según las mismas fuentes (The Verge, 5/3/2026).
¿Cómo afecta esto a usuarios argentinos y periodistas?
La amenaza es concreta para quienes dependen de seudónimos: periodistas, activistas y fuentes confidenciales. El estudio muestra que la capacidad de enlazar señales débiles —un uso repetido de una palabra, un patrón horario o referencias culturales— puede convertir publicaciones fragmentadas en perfiles identificables. En una prueba con encuestas de científicos, el sistema identificó 9 de 125 encuestados (~7%) al cruzar pistas de sus respuestas (ETH/Anthropic, citado en The Verge, 5/3/2026). Los investigadores advierten que, aunque los resultados no son uniformes y las pruebas se hicieron en datos cuidadosamente curados, la persistencia de información en la web facilita la reidentificación. Como referencia temporal, Rocher recuerda que algunos casos de anonimato extremo, como la identidad de Satoshi, siguen sin resolverse después de más de una década, pero eso no exime a los usuarios cotidianos del nuevo riesgo automático (The Verge, 5/3/2026).
Cómo protegerse: pasos prácticos y realistas
Priorizamos trazabilidad y control de datos: antes de vincular cuentas o automatizar flujos, recomendamos exportar respaldos y elegir opciones con control local. Para usuarios: mantengan cuentas separadas, no repitan biografías o enlaces entre perfiles, y eviten patrones identificables (por ejemplo, publicar siempre a la misma hora en la franja horaria local). Si publican intereses o hobbies repetidos, el estudio muestra que mencionar 10 o más ítems puede subir la probabilidad de enlace a casi 50% en sus pruebas de reddit (ETH/Anthropic, citado en The Verge, 5/3/2026). Para periodistas y activistas, seguir canales cifrados como Signal para comunicaciones sensibles y revisar las políticas de scraping de las plataformas son pasos concretos. Si esto suena complicado, la alternativa honesta es usar menos cuentas públicas y centralizar lo sensible en herramientas diseñadas para anonimato verificable.
¿Qué deben hacer las empresas y el Estado?
No debería recaer todo en el usuario. Los autores piden a los laboratorios de IA que monitoricen el uso de sus herramientas y construyan salvaguardas que dificulten flujos destinados a deanonymización. Las redes podrían limitar el scraping masivo y ofrecer controles sobre exportaciones masivas de datos; regulatoramente, conviene evaluar tasas de acceso automatizado y exigir transparencia en API públicas. La economía del problema cambió: con 1–4 USD por perfil, actores con pocos recursos pueden escalar operaciones que antes eran caras (ETH/Anthropic, citado en The Verge, 5/3/2026). Por eso recomendamos políticas que obliguen a implementar límites técnicos y auditorías, y a los usuarios que mantengan copias locales y reduzcan rastros públicos. Si llegaste hasta acá, ya tenés lo más difícil: saber que la amenaza existe y cuáles son los pasos concretos para reducirla.
