ORISA: Georgia Tech recupera chats de IA borrados

Un asistente borrado que recordaba más que antes de borrarse

ORISA recuperó 26 datos de una conversación de IA que el usuario ya había eliminado. El detalle incómodo: el propio asistente, antes del borrado, solo podía acceder a 14 de esos datos, porque el resto se había salido de su ventana de contexto. La herramienta no solo rescató información; reconstruyó más memoria de la que el modelo tenía disponible en vivo.

El hallazgo viene del Georgia Tech, donde un equipo del Cyber Forensics Innovation Laboratory desarrolló ORISA, un sistema forense capaz de localizar fragmentos de conversaciones eliminadas en la memoria de trabajo de teléfonos Android. La investigación se presentó en el 2026 IEEE Symposium on Security and Privacy, según reportó Knowridge.

Para cualquier founder que construye con IA —y sobre todo para quien apuesta a modelos que corren en el dispositivo— esto deja de ser una curiosidad académica y pasa a ser un dato de arquitectura.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Cómo lograron recuperar conversaciones eliminadas con IA

El experimento fue deliberadamente simple, y ahí está su fuerza. Los investigadores usaron ChatterUI, una app de código abierto que funciona como interfaz para modelos LLM ejecutados en modo local, y crearon un asistente ficticio llamado Project Note Keeper.

El procedimiento, tal como lo describen Android Authority y Digital Trends:

Alimentaron al asistente con 100 datos ficticios sobre un supuesto proyecto.
Borraron la conversación completa desde la interfaz de la app.
ORISA buscó los restos en la memoria y armó una sesión nueva, interactiva, que al ser consultada devolvió 26 datos.

La prueba no se limitó a un caso. El equipo evaluó la herramienta en 10 aplicaciones de Android, tres modelos de IA distintos y un total de 60 configuraciones. En todas ellas ORISA recuperó información de conversaciones que seguía presente en la memoria del teléfono.

Lo que hace la diferencia es el tipo de memoria: no el almacenamiento permanente, sino la memoria de trabajo que la app usa mientras está corriendo. Es el equivalente a limpiar una conversación de la pantalla sin borrar cada rastro por debajo.

¿Por qué borrar un chat no lo elimina del teléfono?

Los asistentes de IA que corren localmente procesan la conversación en el propio dispositivo. Su gran argumento comercial es justamente ese: nada sale del móvil, nada viaja a un servidor remoto. Es la promesa que sostiene buena parte del discurso de la IA on-device.

El problema es que esa misma arquitectura deja material en un espacio que el usuario no ve ni controla. Cuando eliminas un chat, la interfaz borra la conversación visible, pero no necesariamente cada copia temporal de su contenido en la memoria de trabajo.

Hay que ser precisos en el alcance del hallazgo, porque es donde suelen exagerarse este tipo de noticias:

La investigación no afirma que toda conversación borrada sea siempre recuperable.
La recuperación se vuelve más difícil a medida que otra actividad sobrescribe o degrada esa memoria.
Los resultados corresponden a los sistemas Android locales probados y no se estableció que los chatbots que operan en la nube sean recuperables de la misma forma, según Android Authority y Knowridge.

Es decir: el riesgo no es universal, pero tampoco es teórico. Es una condición concreta de cómo funcionan los modelos que viven en tu teléfono.

Privacidad y forense: las dos caras de ORISA

ORISA no está pensada para el público general. Es una herramienta forense que requiere acceso a una copia de la memoria y el almacenamiento del dispositivo, y está dirigida a investigadores. Ese detalle cambia por completo el análisis de riesgo para un producto comercial: el escenario realista no es un usuario espiando a otro, sino un peritaje con acceso físico al equipo.

Digital Trends recoge dos usos que los investigadores destacan. El primero es el valor forense puro: reconstruir qué le contó alguien a su asistente y qué respuesta recibió, incluso después de borrar el historial. El segundo es más delicado: investigar casos donde el consejo de un chatbot pudo haber causado un daño —por ejemplo, en contextos de salud— y donde esas conversaciones nunca llegaron a un profesional.

Del otro lado está la consecuencia para cualquiera que use IA on-device pensando que el borrado es definitivo. La investigación muestra que la eliminación visible y la eliminación real son dos cosas distintas. Y esa brecha es exactamente el tipo de afirmación que un equipo de producto no debería dar por sentada.

Qué significa esto para tu startup

Si en tu roadmap hay IA local, o si estás construyendo sobre SDKs que corren modelos en el dispositivo, este paper es material de trabajo, no una nota de color. Estas son las acciones concretas:

Audita qué queda en memoria, no solo qué queda en la base de datos. Si tu producto promete que los datos del usuario se borran al eliminar una conversación, verifica esa afirmación a nivel de memoria de trabajo. Una promesa de privacidad que la propia arquitectura contradice es un pasivo legal y reputacional, no un detalle técnico.
Diseña una política de retención explícita para el dispositivo. Define cuánto tiempo vive cada fragmento de contexto en memoria, qué se limpia al cerrar sesión y qué pasa cuando el usuario elimina un chat. Si manejas información sensible —salud, legal, financiera—, el cifrado en reposo y una rutina de limpieza real dejan de ser opcionales.
Anticipa las preguntas de tus clientes enterprise. Cualquier empresa que compre tu producto y opere en mercados regulados va a preguntar por retención, borrado y forense. Tener una respuesta documentada, basada en cómo funciona tu stack y no en supuestos, acelera el cierre y evita sorpresas en la due diligence técnica.

Para un founder del ecosistema hispanohablante el cálculo es el mismo en Ciudad de México, Bogotá o Madrid: la IA on-device es una ventaja competitiva enorme por costo e independencia de la nube, pero traslada el problema de privacidad desde el proveedor del modelo hacia tu propio código. Si tu pitch dice "tus datos nunca salen del teléfono", mejor asegurarte de que también diga, con precisión, cuándo dejan de estar ahí.

Conclusión

ORISA demuestra que en los sistemas de IA local el borrado es una operación de interfaz, no una garantía de destrucción de datos. La investigación tiene límites claros —no aplica a chatbots en la nube ni garantiza recuperación universal— y no está disponible como herramienta pública. Pero el mensaje para quien construye es directo: la promesa de privacidad de la IA on-device hay que diseñarla y verificarla, no solo declararla. Los equipos que documenten retención y borrado a nivel de memoria van a estar mejor parados, tanto frente a sus usuarios como frente a sus clientes corporativos.