La retención cero era cierta. La brecha cayó en las tres excepciones.

El 9 de noviembre, Notion publicó un aviso de seguridad. Una brecha en su proveedor de IA, Fireworks AI, había expuesto transcripciones de chat de Notion AI de menos del 1 % de los espacios de trabajo de Notion. Los sistemas propios de Notion no fueron comprometidos. La empresa desconectó de Fireworks el 3 de noviembre, borró los datos alojados allí y dejó de enviarle tráfico.
Lo que eleva esto por encima de una nota de prensa es la política de retención. La documentación de Fireworks dice, en esencia, que los prompts y los datos de generación solo existen en memoria volátil mientras dura la petición. Eso es retención cero, y era cierto para los endpoints en los que piensa la mayoría de los clientes.
La misma documentación añade que unas cuantas funciones sí guardan contenido del cliente: las stored responses, los trabajos por lotes y el entrenamiento. La brecha llegó al lado que guarda.
La cronología, tal como se divulgó
Dos intrusiones distintas, y la segunda fue la que importó.
El 6 de octubre, Fireworks detectó un uso no autorizado de credenciales internas. La compañía dijo después que en ciertas cuentas afectadas se capturaron variables de entorno, incluidas claves de API y tokens guardados como secretos.
Luego entró un tercero. Un proveedor de nube que alojaba las máquinas de investigación y desarrollo de Fireworks sufrió un incidente de seguridad el 23 de octubre. El 24 de octubre, una parte no autorizada usó ese acceso para llegar a las máquinas de desarrollo de Fireworks y ejecutar una carga de trabajo no autorizada, lo que provocó un impacto adicional en datos de clientes.
Lo sustraído entre ambas cosas: metadatos de recursos, registros de facturación y pagos, un subconjunto de los conjuntos de datos de algunos clientes y pesos de modelo incompletos. Fireworks dice que no guarda números de tarjeta de los clientes, y que Inference, el SDK de Training y Nexus no se ven afectados porque tienen retención cero por defecto. La formulación del CEO añade un paréntesis que la actualización de seguridad no trae: Inference, excluyendo la inferencia por lotes.
Fireworks describe al actor como motivado económicamente, con el objetivo de vender acceso a modelos de lenguaje grandes a través de pasarelas de enrutamiento ilícitas. La práctica tiene nombre, LLMjacking, y se sumó a Palo Alto Networks Unit 42 para ayudar.
Los cuatro días de Notion
El lado de Notion es un caso de estudio de cómo se propaga un incidente de un proveedor.
La noche del 2 de noviembre, Fireworks avisó a Notion de que se había accedido a un conjunto de datos pequeño. Ese primer conjunto solo contenía datos de prueba sintéticos.

En la mañana del 3 de noviembre, Notion ya había desconectado de Fireworks, borrado los datos alojados allí y dejado de enviar tráfico. Es una reacción rápida, y no evitó la exposición posterior, porque los datos ya estaban guardados en Fireworks antes de cortar la conexión. Cortar la conexión frena el tráfico nuevo, no lo que ya está escrito en disco.
El 6 de noviembre, Fireworks dijo que los atacantes podrían haber llegado también a datos de clientes. El 8 de noviembre lo confirmó. El conjunto incluía transcripciones de Notion AI usadas por la función Insights, que muestra a los clientes cómo sus equipos usan Notion AI. Notion publicó el 9 de noviembre, empezó a contactar a los clientes afectados y el 11 de noviembre revocó las claves de API de Notion que aparecieron en los mensajes afectados.
Notion también usaba Fireworks para ejecutar modelos de pesos abiertos. Eso se detuvo. Insights está apagado mientras sigue la investigación.
El alcance es más estrecho de lo que sugerían los titulares. Menos del 1 % de los espacios de trabajo. En la gran mayoría de los espacios afectados, las transcripciones no llevaban etiqueta que identificara al autor ni al espacio, y no incluían resultados de llamadas a herramientas.
Estrecho no significa seguro. La gente pega contraseñas, claves de API y datos de clientes en los chats de IA, y ese texto es sensible llegue o no con un nombre puesto. El propio consejo de Notion es tratar los datos como expuestos y rotar todo lo que se pegara en Notion AI durante esa ventana.
Por qué la afirmación de retención y la brecha pueden ser ciertas a la vez
Esta es la parte que los equipos de seguridad deberían llevarse, y es una cuestión de alcance, no de honestidad. Las dos empresas dicen cosas que se sostienen.
La retención cero es una declaración sobre una ruta de petición. Entra un prompt, salen tokens, y el contenido vive en memoria mientras tanto. No se escribe nada en disco. Es una propiedad real y un valor por defecto francamente bueno.
El almacenamiento es otra superficie de producto. La inferencia por lotes existe porque hay trabajos demasiado grandes para resolverse en una sola petición, lo que obliga a escribir entradas y salidas en algún sitio hasta que el trabajo termina. Las stored responses existen porque los clientes pidieron poder recuperarlas después. El entrenamiento existe porque el entrenamiento es eso.
Así que un proveedor puede sostener una afirmación ZDR verdadera y aun así tener tus datos, porque los datos viven en los servicios que no son peticiones. Los avisos de brecha se leen exactamente así: el impacto fue en sistemas de almacenamiento, y las funciones de lote, dataset y response son las que escriben en almacenamiento.
Hay un segundo detalle. La política ZDR está disponible en cuentas Enterprise, y su ajuste por defecto aparece como desactivado. Para muchos clientes, la ZDR es algo que puedes encender y no algo que ya esté encendido.
Nada de eso hace raro a Fireworks. Todos los proveedores de inferencia tienen esta forma, porque los lotes y el entrenamiento son donde está el dinero, y ambos exigen persistencia. La lección está en el cuestionario. Preguntar «¿guardáis mis datos?» devuelve un sí o un no sobre una petición. Preguntar «¿qué endpoints persisten contenido, durante cuánto tiempo, en qué región y quién puede leer ese almacenamiento?» devuelve una respuesta con la que se puede actuar.
La economía detrás
El motivo explica por qué esto sigue pasando.
El LLMjacking es arbitraje y no espionaje. El acceso a inferencia robado se revende a pasarelas de enrutamiento que quieren servir tráfico de modelos sin pagarlo. El activo robado es tu presupuesto de tokens y tus límites de tasa, y el daño es una factura más lo que valieran tus datos.
Las cifras alrededor son feas. Railway reveló a finales de octubre que los atacantes descifraron variables de entorno de hasta 100.000 espacios de trabajo y generaron unos 740.000 dólares de uso fraudulento de IA. Wiz contó al menos nueve plataformas de desarrollo de IA que divulgaron incidentes en octubre, y rastreó dos claves empresariales robadas hasta un mismo proveedor, ambas con actividad no autorizada inicial idéntica dentro de los 30 minutos posteriores al acceso a credenciales reportado.
Treinta minutos. La distancia entre que una credencial aparece en los registros de alguien y alguien la gasta es ahora más corta que una pausa para comer, lo que convierte en decorativas las ventanas de detección medidas en días.
Qué hacer distinto
Cuatro cosas, en el orden en que las haría.
Inventariar la superficie que guarda. Enumera cada endpoint que llama tu producto y donde los datos persisten: trabajos por lotes, stored responses, conjuntos de datos, ajuste fino, trabajos de evaluación. Si no puedes enumerarlos, no puedes evaluar la brecha sobre la que vas a leer.
Dejar de tratar las transcripciones de chat como poco sensibles. Son el canal de secretos más denso de la mayoría de las organizaciones, porque una persona pega un archivo de configuración en una caja de chat para preguntar algo sobre él. Sea cual sea el relato de retención que aplique, la transcripción es la joya de la corona.
Rotar con la divulgación, no con la confirmación. Notion borró y desconectó el 3 de noviembre, antes de que nadie supiera si había datos reales de por medio, y revocó las claves de API el 11 de noviembre cuando el escaneo las encontró. Las dos cosas fueron correctas.
Asumir el proveedor del proveedor. La intrusión empezó en un proveedor de nube que alojaba máquinas de desarrollo. La postura de seguridad de tu proveedor de IA incluye empresas de las que nunca has oído hablar, y la única forma de meter eso en el precio es exigir la divulgación de subcontratistas y preferir a los proveedores que aceptan nombrarlos.
El resumen incómodo
Notion hizo bien casi todo, se movió en menos de doce horas, y aun así hubo transcripciones de chat expuestas. Fireworks publicó una política de retención exacta y sufrió una brecha que cayó en la parte que excluía. Las dos empresas dijeron la verdad y el resultado siguió siendo malo para un número pequeño de clientes.
Esa es la forma del riesgo de cadena de suministro en la infraestructura de IA, y es la razón de que esta historia vaya de alcance y no de deshonestidad. Una política puede ser verdadera e insuficiente al mismo tiempo. El trabajo está en preguntar a qué sustantivos aplica antes de enterarte por un aviso.
Artículos relacionados
La regla de exportación ya no apunta al chip, sino al cliente
La norma no prohíbe chips: prohíbe el anonimato. Y mueve la unidad de control del hardware a la relación con el cliente final.
La noticia de Nvidia no fue el informe: fue el comité
En nueve días el consejo produjo una investigación, una presidencia y un comité de cumplimiento. No es control del calendario: es reacción.
Nvidia tuvo que ponerle precio a su fundador
En nueve días, Nvidia cambió de CEO y de consejo sin perder un trimestre. El mercado, mientras tanto, le puso precio a lo que valía un solo hombre.
Una hoja de cálculo comunitaria de toques que apaga la publicidad de los Android chinos
No toca el sistema, no desbloquea nada, no flashea nada. Solo mueve los interruptores que los fabricantes ya dejaron a la vista. El precio es una lista que alguien tiene que seguir escribiendo.