Todo modelo de guardia implementado para aplicar GDPR, HIPAA o SOX está fallando en la misma prueba: cambia la regla vigente y el veredicto apenas se mueve. Un nuevo artículo de Lexsi Labs, publicado el 17 de agosto, auditó siete sistemas de guardia implementados y trece puntos de referencia externos en 20 dominios regulatorios. El hallazgo: eliminar, permutar o sustituir la regla que un detector se supone que debe aplicar deja la precisión de detección sin cambios. Los autores llaman a este modo de falla ceguera de reglas.

La auditoría divide los guardias actuales en dos familias. Los clasificadores de taxonomía fija —Llama Guard 3 y Qwen3Guard— nunca reciben la regla vigente. Su veredicto no puede seguir cambios de reglas porque la regla no forma parte de la entrada. Los guardias condicionados por política son el caso más dañino. Latent Policy Guard (LPG) acepta un canal de política personalizada y cita la cláusula vigente en su salida, aún así cambia poco su veredicto cuando esa cláusula se reemplaza con una contraparte permisiva. El detector lee la regla; no la utiliza. WildGuard, SIREN, GLiGuard y un juez zero-shot de 8B muestran el mismo patrón.

Cuatro de siete puntos de referencia públicos de cumplimiento se pueden resolver con un modelo bag-of-words ciego para políticas. La infraestructura de evaluación existente no puede distinguir un detector condicionado por reglas de uno que ignora la regla por completo. Los equipos que validaron sus pilas de guardias contra estos puntos de referencia no tienen señal sobre ceguera de reglas. El artículo introduce un punto de referencia de reglas cruzadas —dos reglas cruzadas con dos escenarios para que ninguno por sí solo prediga la etiqueta. Bajo ese diseño, solo el razonamiento paso a paso escapa de la ceguera de reglas. Ningún detector rápido probado lo hace.

Un ejemplo resuelto aclara la exposición práctica. Una regla de limitación de almacenamiento GDPR requiere eliminación dentro de 90 días. En un escenario donde los datos se retuvieron durante 400 días, un guardia implementado marca correctamente la violación. También marca el escenario idéntico cuando la regla se reemplaza con una no relacionada o se elimina. El veredicto rastrea características de superficie, no la regla. Este patrón se mantiene en 20 dominios regulatorios: protección de datos, privacidad de salud, regulación financiera, política de contenido de plataforma.

Los autores introducen la Puntuación Interna de Cumplimiento (ICS): una lectura de activación sin capacitación calibrada a partir de 10 pares etiquetados. Lee activaciones directamente del modelo monitorizado en lugar de ejecutar una red separada y se recalibra a un modelo cambiado con costo negligible. El resultado es honesto: ICS no cumple su criterio preregistrado para superar líneas base, y un modelo bag-of-words iguala su generalización agrupada. Sí aumenta la tasa de aprobación verificada mecánicamente cuando se usa para clasificar respuestas candidatas —pero un ataque adaptativo de caja blanca elimina esa ganancia.

La contribución estructural es el protocolo contrafáctico. Al publicar el punto de referencia de reglas cruzadas y la suite de pruebas, los autores dan a los equipos una forma de falsificar afirmaciones de detección condicionadas por reglas en futuras versiones de guardias. Cualquier vendedor de guardias que afirme detección condicionada por política debe publicar precisión contrafáctica; en su ausencia, la afirmación es inverificable.

Para arquitectos que ejecutan canalizaciones de cumplimiento hoy, la capa de detector rápido no está haciendo lo que dice el informe de auditoría. El razonamiento paso a paso es el único método que escapa de la ceguera de reglas, pero conlleva costos de latencia que lo descartan para rutas de alto rendimiento. La posición práctica a corto plazo: trate los veredictos actuales de guardias como heurísticas a nivel de escenario, no como garantía específica de reglas, y ejecute el protocolo contrafáctico contra cualquier guardia antes de citar su salida en una presentación de cumplimiento.