Resumen
En mayo de 2026, un juzgado laboral de Parauapebas, Brasil, sancionó a dos abogados tras constatar que una instrucción oculta había sido insertada en un escrito judicial y dirigida a la herramienta de IA que el tribunal usa para tramitar casos. El fallo sacó la inyección de prompts del terreno teórico de la ciberseguridad y la convirtió en un riesgo procesal y operativo documentado. Cualquier empresa que deja que la IA lea documentos externos, correos o contenido web está expuesta al mismo vector.
Cuando el documento le dice a la máquina qué hacer: el fallo de Brasil sobre inyección de prompts y su empresa
En mayo de 2026, un juzgado laboral de Parauapebas, Brasil, sancionó a dos abogados tras constatar que una instrucción oculta había sido insertada en un escrito judicial y dirigida a Galileu, la herramienta de IA que el sistema de justicia laboral brasileño usa para tramitar casos.¹ El fallo sacó la inyección de prompts del terreno teórico de la ciberseguridad y la convirtió en un riesgo procesal y operativo documentado para cualquier empresa que usa IA para procesar contenido que viene de fuera de la compañía.
El escrito contenía texto disfrazado para ser invisible a las personas, pero todavía legible para el sistema de IA, que identificó la instrucción oculta durante la tramitación del caso. El tribunal trató la conducta como litigio de mala fe y remitió el asunto a revisión disciplinaria.² Lo que el fallo sancionó en una sala de audiencias es una técnica que ya apunta a las empresas todos los días. Cualquier organización que deja que la IA lea documentos externos, correos o contenido web está expuesta al mismo vector.
Cómo funciona la inyección de prompts
La inyección de prompts ocurre cuando un texto no confiable cambia el comportamiento de un sistema de IA.³ En la variante indirecta, la instrucción maliciosa queda enterrada en una fuente externa, como un documento, una página web o un archivo que el modelo procesará después. El modelo no tiene una forma confiable de distinguir qué texto es dato y qué texto es una orden, de modo que las instrucciones invisibles u ofuscadas igual se registran. Defenderse exige controles en capas, porque ninguna corrección técnica por sí sola cierra la brecha.
Por qué debería importarle a las empresas
Cualquier empresa que usa IA para leer correos de clientes, currículos, facturas, tickets, contratos o páginas web está alimentando ese sistema con contenido que la compañía no controla. Si la IA además tiene permiso para enviar correos, actualizar registros o recuperar archivos sensibles, una inyección exitosa convierte un documento de rutina en el detonante de una exposición de datos o de una acción no autorizada. La exposición crece de forma marcada cuando el modelo tiene más capacidad de actuar de la que la tarea realmente requiere.
No toda inyección de prompts llega al nivel de una violación de datos. La exposición por una violación depende de los hechos, de los datos involucrados y de la ley aplicable. La guía de la FTC sobre respuesta a violaciones de datos pone el acento en asegurar las operaciones, corregir vulnerabilidades y notificar a las partes afectadas cuando información personal pueda haber quedado expuesta.⁴ En la práctica, la inyección de prompts pertenece al registro de riesgos previsibles, junto con las demás amenazas de seguridad y privacidad.
Qué hacer ahora
Empiece por un inventario. Mapee cada sistema de IA que opera su empresa, qué se le permite leer a cada uno y qué se le permite hacer. A partir de ahí, reduzca privilegios, de modo que el modelo no pueda ejecutar acciones de alto riesgo sin un paso separado de aprobación. Aísle el contenido no confiable, valide las salidas y exija revisión humana para cualquier cosa sensible.
Una línea de base práctica hace cinco preguntas sobre cualquier sistema de IA que opere su empresa:
(a) Acceso. ¿El modelo tiene acceso solo a lo que su tarea requiere, o ha acumulado permisos que no necesita?
(b) Aislamiento. ¿El contenido no confiable se mantiene separado de las instrucciones del sistema, o comparten el mismo canal de entrada?
(c) Filtrado. ¿Las entradas y las salidas se filtran en busca de contenido riesgoso antes de que el modelo actúe sobre ellas o las devuelva?
(d) Aprobación. ¿Las acciones privilegiadas, incluido enviar correo, actualizar registros o hacer pagos, requieren aprobación humana, o el modelo puede dispararlas por su cuenta?
(e) Pruebas adversariales. ¿El sistema se ha probado contra entradas hostiles, o solo se ha validado contra el tipo de entrada que la empresa espera?
La lección jurídica
El caso de Parauapebas muestra que los tribunales tratarán la manipulación oculta de la IA como una conducta indebida cuando aparece en escritos judiciales.¹ Para las empresas fuera de la sala de audiencias, la lección se traduce de forma directa. Dejar que la IA procese contenido externo crea una nueva superficie de ataque, y merece la misma seriedad que cualquier otro control de seguridad de su operación. La inyección de prompts vive en la intersección del comportamiento del modelo, el control de acceso, la gobernanza y la respuesta a incidentes. Una respuesta que atiende solo uno de esos frentes deja los demás expuestos.
Fuentes
¹ Tribunal Regional do Trabalho da 8ª Região / 3ª Vara do Trabalho de Parauapebas, ATOrd nº 0001062-55.2025.5.08.0130, sentença de 12 maio 2026. https://www.conjur.com.br/wp-content/uploads/2026/05/sentenca-prompt-injection.pdf
² Migalhas, «Prompt injection oculto em petição inicial: O caso de Parauapebas», mayo de 2026. https://www.migalhas.com.br/depeso/455925/prompt-injection-oculto-em-peticao-inicial-o-caso-de-parauapebas
³ OWASP Foundation, «OWASP Top 10 for Large Language Model Applications, 2025 Edition: LLM01:2025 Prompt Injection», noviembre de 2024. https://genai.owasp.org/llmrisk/llm01-prompt-injection/
⁴ Comisión Federal de Comercio de EE. UU., «Data Breach Response: A Guide for Business». https://www.ftc.gov/business-guidance/resources/data-breach-response-guide-business