Memetic Wars: cómo se orquesta, se mide y se apaga una guerra de memes

Un diplomático contra una jauría de shiba inus

Junio de 2022. Mikhail Ulyanov, representante permanente de Rusia ante las organizaciones internacionales en Viena, contesta en Twitter a una cuenta cuyo avatar es un perro shiba inu con un parche militar. Le escribe una frase torpe: "You pronounced this nonsense. Not me". En pocas horas, cientos de cuentas con el mismo perro, cada una con su variante, convierten la frase en un meme y la persiguen por todas sus respuestas. Vice tituló la crónica de aquella semana así: las cuentas de shiba inu "chased a Russian diplomat offline".

Aquellas cuentas eran NAFO, la North Atlantic Fella Organization. No es una organización: es un enjambre. Nació el 24 de mayo de 2022 de un dibujo que un polaco, Kamil Dyszewski, regalaba a quien donara a la Legión Georgiana que combatía en Ucrania. En agosto el Ministerio de Defensa ucraniano le dio las gracias en público y el ministro Reznikov se puso un perro como avatar. En 2023 Lituania condecoró a su fundador.

Seis años antes, en un edificio de San Petersburgo, más de ochenta personas trabajaban en un "proyecto traductor" dedicado a Estados Unidos dentro de una operación con un presupuesto mensual de más de 73 millones de rublos (más de 1,25 millones de dólares). Su formato estrella también era el meme.

Son dos formas opuestas de hacer lo mismo: pelear una guerra en un frente que no sale en los mapas. Esta investigación va de ese frente.

La pregunta, en cuatro piezas

"¿Funcionan los memes como arma?" es una pregunta demasiado gorda para contestarla de una vez. La partimos en cuatro:

1. ¿Qué es exactamente una guerra memética y quién la ha puesto por escrito? Doctrina, no folclore.
2. ¿Cómo se orquesta? Qué estructuras, presupuestos y formatos aparecen en los casos documentados.
3. ¿Cómo se mide si ha funcionado? Porque volumen no es impacto, y aquí está la sorpresa principal.
4. ¿Cómo se gestiona y se apaga? Qué dice la evidencia sobre detectar, contener, desmentir y retirar.

Una advertencia antes de empezar: esto es un análisis, no un manual. Describimos cómo se han organizado las campañas documentadas y cómo se detectan y se desmontan. No explicamos cómo montar una operación de engaño, porque eso no es investigación.

Qué es una guerra memética

La palabra meme la inventó Richard Dawkins en The Selfish Gene (1976), en el capítulo "Memes: the new replicators". Abrevió el griego mimeme, "cosa imitada", para que rimara con gene. Sus ejemplos eran melodías, eslóganes, modas y técnicas para construir arcos: unidades de cultura que se copian, mutan y compiten por la atención como los genes compiten por sobrevivir. Internet solo cambió la velocidad.

El salto a la literatura militar es temprano y, al principio, marginal:

• 2005–2006. El comandante Michael B. Prosser, del Cuerpo de Marines, propone en "Memetics — A Growth Industry in US Military Operations" un Meme Warfare Center con un "oficial de gestión de memes" que asesore al mando sobre "generación y transmisión" de memes.
• 2010. El teniente Brian J. Hancock publica "Memetic Warfare: The Future of War" en el Military Intelligence Professional Bulletin del Ejército de EE. UU.
• 2011. DARPA lanza el programa SMISC (Social Media in Strategic Communication, convocatoria del 14 de julio de 2011): unos 42 millones de dólares estimados en investigación básica para tres años. Su primer objetivo, literal: "detect, classify, measure and track the formation, development and spread of ideas and concepts (memes)". Su director, Rand Waltzman, calcula que acabó costando unos 50 millones en cuatro años.
• 2016. Jeff Giesea publica en la revista del Centro de Excelencia de Comunicación Estratégica de la OTAN (Riga) "It's Time to Embrace Memetic Warfare": "Trolling, it might be said, is the social media equivalent of guerrilla warfare, and memes are its currency of propaganda". Es un ensayo de opinión, no doctrina. La web del centro lo fecha el 1 de marzo de 2016, aunque se cita a menudo como de 2015.

Las grandes potencias no hablan de memes en sus documentos, pero sí del terreno donde viven:

• Rusia usa informatsionnoye protivoborstvo, "confrontación informativa", más que "guerra". En los Conceptual Views de su Ministerio de Defensa (2011), la guerra de información incluye el "lavado de cerebro masivo de la población para desestabilizar la sociedad y el Estado". El famoso artículo del general Gerasimov (26 de febrero de 2013) dice que los medios no militares "han superado en muchos casos el poder de las armas". Ojo con la etiqueta, eso sí: la "doctrina Gerasimov" la acuñó el analista Mark Galeotti en su blog el 6 de julio de 2014, y él mismo se retractó en Foreign Policy en 2018: "There's one small problem. It doesn't exist".
• China fijó en diciembre de 2003, en el reglamento de trabajo político del Ejército Popular de Liberación, las "tres guerras": de opinión pública, psicológica y legal.
• La OTAN encargó en 2020 un estudio sobre guerra cognitiva (François du Cluzel, enero de 2021) que propone tratar a la persona como sexto dominio operativo. Su frase más citada: "the individual becomes the weapon". La propia OTAN advierte que el estudio no expresa su posición oficial, y el concepto formal seguía pendiente de aprobación a finales de 2025.
• Estados Unidos hizo de la información la séptima función conjunta en 2017 y publicó una doctrina específica (JP 3-04) en septiembre de 2022, sin difundirla. No hemos encontrado ninguna publicación doctrinal oficial estadounidense que use la expresión memetic warfare: los memes solo aparecen en convocatorias de investigación como SMISC.

El Centro de Excelencia de la OTAN sí ha medido memes reales. En su informe de mayo de 2016 sobre el conflicto de Ucrania analizó Facebook y VKontakte entre el 31 de diciembre de 2012 y el 1 de abril de 2014 y contó 348 memes, casi seis veces más en VKontakte. Las cifras por red que da el propio informe (52 y 289) suman 341, no 348: un descuadre del original.

Cómo se orquesta: tres modelos documentados

Los casos con documentación pública caben en tres modelos. Los llamamos fábrica, cañón de volumen y enjambre. Se diferencian en cuatro cosas: quién decide, cuánto cuesta, cuánto llega a gente real y si se puede atribuir.

La fábrica: la Internet Research Agency

La acusación del fiscal especial Mueller contra la Internet Research Agency (IRA) de San Petersburgo (16 de febrero de 2018) es el mejor documento público sobre cómo funciona una fábrica de memes por dentro:

• Presupuesto. El "Proyecto Lakhta" superaba en septiembre de 2016 los 73 millones de rublos al mes (más de 1,25 millones de dólares), con un millón de rublos en primas. Ojo: ese presupuesto cubría todo el proyecto, también audiencias rusas y de otros países, no solo EE. UU.
• Plantilla. "Cientos" de empleados. En julio de 2016, más de 80 estaban asignados al "proyecto traductor" dedicado a EE. UU.
• Salto a la calle. La operación llegó a convocar manifestaciones reales en suelo estadounidense. La cuenta @TEN_GOP superó los 100.000 seguidores.

El análisis de New Knowledge para el Comité de Inteligencia del Senado (diciembre de 2018) puso números al formato. Revisaron a mano unos 67.000 memes de Facebook y más de 100.000 de Instagram. Su conclusión: "Memes are the propaganda of the digital age". Buena parte del material eran memes populares reciclados, y la red que más rindió fue la más visual:

La cifra de alcance más citada, que 126 millones de usuarios de Facebook "pudieron ver" contenido de la IRA, es de la propia empresa (Colin Stretch ante el Senado, 31 de octubre de 2017). La directa era de 29 millones. Twitter identificó 3.841 cuentas vinculadas a la IRA. El informe del Senado (volumen 2, octubre de 2019) subraya otro dato: el grupo más atacado fueron los afroamericanos, y la página falsa Blacktivist acumuló 11,2 millones de interacciones. Después de las elecciones, la actividad de la IRA subió un 238 % en Instagram.

La fábrica 2.0: Doppelganger

En septiembre de 2022, EU DisinfoLab y Qurium documentaron Doppelganger: clones de al menos 17 medios europeos (Bild, The Guardian, 20 Minutes, Ansa…) en dominios de apariencia casi idéntica, empujados con páginas de Facebook y perfiles falsos. Dos años después, el 4 de septiembre de 2024, el Departamento de Justicia de EE. UU. incautó 32 dominios. Atribuyó la operación a las empresas Social Design Agency y Structura, que trabajaban bajo la Administración Presidencial rusa.

La declaración jurada del FBI es explícita sobre el papel de los memes. Su "Good Old U.S.A. Project" preveía la "distribución masiva de comentarios de texto y memes en hilos de Facebook y X", con mensajes para seis estados bisagra. Un documento de planificación fijaba 60.000 comentarios al mes para Francia y Alemania, y la agencia mantenía una lista de más de 2.800 influencers en 81 países. La fábrica ya no fabrica solo contenido: fabrica conversación alrededor del contenido.

El cañón de volumen: Spamouflage

La operación china conocida como Spamouflage (Dragonbridge para Google) es el contraejemplo perfecto. En agosto de 2023 Meta retiró 7.704 cuentas de Facebook, 954 páginas, 15 grupos y 15 cuentas de Instagram, con presencia en más de 50 plataformas. Ben Nimmo, entonces jefe de inteligencia de amenazas de Meta, la llamó "the largest, though unsuccessful, and most prolific covert influence operation that we know of".

Fíjate en la palabra unsuccessful. Meta no encontró "un engagement sustancial entre comunidades auténticas". Google, que la persigue en YouTube, da cifras más crudas. De los más de 57.000 canales que deshabilitó en 2023, el 80 % no tenía ni un suscriptor. De los más de 900.000 vídeos retirados, el 65 % no llegaba a 100 visualizaciones y el 30 % tenía cero. Es un cañón que dispara a un desierto.

El enjambre: NAFO, Saint Javelin y el Fantasma de Kiev

El tercer modelo no tiene sede ni presupuesto. NAFO es una red descentralizada con una estética común (el perro "fella"), un objetivo claro (ridiculizar la propaganda del Kremlin) y una vía de financiación: los avatares se regalaban a donantes. Su fundador estima que recaudaron "más de un millón de dólares", aunque nadie lleva una cuenta oficial. Saint Javelin, una tienda de pegatinas de Toronto con una Virgen sosteniendo un lanzamisiles, empezó el 16 de febrero de 2022 con el objetivo de juntar 30.000 dólares. En septiembre de 2025 decía haber superado los 2,5 millones. Ambas cifras son las de los propios organizadores.

El enjambre también fabrica mitos. El Fantasma de Kiev, un piloto que habría derribado decenas de aviones rusos en los primeros días de la invasión, corrió por todas las redes. El 30 de abril de 2022 la propia Fuerza Aérea ucraniana lo llamó "una leyenda de superhéroe creada por los ucranianos", un símbolo colectivo de sus pilotos. Funcionó como moral y como recaudación. También es, técnicamente, desinformación amable.

Los tres modelos, en una tabla

La lección de la tabla es incómoda para quien piensa en presupuestos: el volumen no compra alcance. La fábrica que funcionó lo hizo porque explotaba fracturas reales (raza, identidad) con el formato correcto (imagen, Instagram). El cañón más grande conocido casi no tuvo público.

Cuando el arma es la plataforma: Myanmar

Hay un caso en el que nadie necesitó una fábrica. La Misión de Investigación de la ONU sobre Myanmar (informe A/HRC/39/64, septiembre de 2018) escribió que Facebook "ha sido un instrumento útil para quienes buscan difundir el odio, en un contexto en el que para la mayoría de los usuarios Facebook es Internet", y que la respuesta de la empresa fue "lenta e ineficaz". Casi 725.000 rohinyás huyeron del país tras agosto de 2017. El informe que encargó la propia Facebook a BSR (noviembre de 2018) lo admitió: "we weren't doing enough". A veces el frente paralelo no lo abre un ejército, sino un ecosistema sin moderación.

Y el califato: ISIS en Twitter

Antes que nadie, el Estado Islámico entendió la red como frente. El censo de Berger y Morgan para Brookings (marzo de 2015) contó al menos 46.000 cuentas de apoyo entre septiembre y diciembre de 2014, con un techo de unas 70.000. Cada una tenía de media unos mil seguidores, y un núcleo de 500 a 2.000 cuentas hiperactivas movía la mayor parte del alcance. Tres de cada cuatro escribían en árabe.

Por qué se propagan

Que la fábrica de la IRA rindiera y el cañón chino no se explica con tres hallazgos sólidos de la literatura.

Lo falso viaja más, y no por los bots. Vosoughi, Roy y Aral analizaron en Science (2018) unas 126.000 historias difundidas por unos 3 millones de personas en Twitter entre 2006 y 2017. Las falsedades tenían un 70 % más de probabilidades de ser retuiteadas que la verdad. A la verdad le costaba unas seis veces más llegar a 1.500 personas. El dato clave es que los bots aceleraban por igual lo verdadero y lo falso: lo falso se propaga más "because humans, not robots, are more likely to spread it". Los autores apuntan a la novedad y a la sorpresa o el asco que provoca.

La emoción moral es combustible. Brady y colegas (PNAS, 2017) estudiaron 563.312 mensajes sobre temas polarizados. Cada palabra moral-emocional adicional aumentaba la difusión de un mensaje en torno a un 20 %, y el efecto era mayor dentro de cada burbuja ideológica que entre burbujas. Un meme bélico bien hecho es exactamente eso: indignación moral comprimida en una imagen.

Los memes nacen en los márgenes y saltan. Zannettou y colegas (IMC 2018) rastrearon unos 160 millones de imágenes en Twitter, Reddit, 4chan /pol/ y Gab durante trece meses de 2016–2017. Usaron hashing perceptual: una huella de 64 bits que sobrevive a recortes y retoques. /pol/ fue la mayor fábrica de memes (1,57 millones de publicaciones), pero The_Donald fue la comunidad más eficiente empujándolos hacia el resto. La siembra ocurre en nichos pequeños y radicales; la cosecha, en las plataformas grandes.

Cómo se mide el impacto

Si volumen no es impacto, hace falta otra regla. La más usada por analistas y plataformas es la Breakout Scale de Ben Nimmo (Brookings, septiembre de 2020). No mide cuántos mensajes se publican, sino cuánto sale una campaña de su nicho:

Con esta regla, el gran miedo de los últimos años, la IA generativa, queda en su sitio por ahora. En mayo de 2024 OpenAI publicó cinco operaciones que usaban sus modelos: Bad Grammar y Doppelganger (Rusia), Spamouflage (China), IUVM (Irán) y Zero Zeno, de una empresa comercial israelí. Ninguna pasó de la categoría 2: "no breakout to authentic audiences". En octubre de 2025 la cifra acumulada ya superaba las 40 redes desarticuladas desde febrero de 2024. Su conclusión: los actores añaden IA a procesos que ya tenían, en lugar de inventar otros nuevos. Microsoft (abril de 2024) apunta en la misma dirección: el contenido retocado con IA influye más que el generado por completo, y el audio falso más que el vídeo falso.

Una precaución de método: estas evaluaciones de "impacto limitado" las hacen las propias plataformas sobre lo que encuentran. Lo que no encuentran no entra en la estadística.

Cómo se detecta

Las plataformas no retiran estas redes por lo que dicen, sino por cómo se comportan. Meta llama a esto Coordinated Inauthentic Behavior (CIB): "esfuerzos coordinados para manipular el debate público con un objetivo estratégico, en los que las cuentas falsas son centrales". Ha publicado sus retiradas desde 2017. En diciembre de 2022 llevaba más de 200 redes de 68 países, y el orden de origen se mantiene estable: Rusia (39 redes en agosto de 2024), Irán (unas 30) y China (11).

El método académico de referencia es el de Pacheco y colegas (ICWSM 2021). Se elige una huella de comportamiento, se construye una red cuenta–huella y se proyecta sobre las cuentas: dos cuentas quedan unidas si comparten demasiadas huellas. Al final se revisan a mano los grupos. Su virtud es que detecta coordinación, no automatización, así que caza operaciones manejadas por personas que un detector de bots no ve. Esos detectores, por cierto, fallan mucho: Rauchfleisch y Kaiser (PLOS ONE, 2020) demostraron que Botometer cuenta como bots a muchos humanos, y al revés, sobre todo fuera del inglés.

Para memes, la huella natural es el hash perceptual de la imagen, el mismo que usaron Zannettou y colegas. Este es el núcleo del método, en Python sin dependencias y con datos sintéticos: 60 cuentas orgánicas publican memes al azar durante una semana y una red de 6 cuentas publica cinco oleadas del mismo meme en menos de 40 segundos.

"""Detección de comportamiento coordinado por co-publicación (datos sintéticos, solo biblioteca estándar).

Idea (Pacheco et al., ICWSM 2021): dos cuentas que publican el mismo contenido, una y otra vez,
con segundos de diferencia, rara vez lo hacen por casualidad. Se cuenta cuántas veces coincide
cada par dentro de una ventana, se queda con los pares que superan un umbral y se agrupan.
"""
import random
from collections import defaultdict

random.seed(7)
VENTANA = 60   # segundos: dos publicaciones del mismo meme más cerca que esto "coinciden"
UMBRAL = 3     # coincidencias mínimas para considerar coordinado un par de cuentas

# --- Datos sintéticos: (cuenta, hash perceptual del meme, segundo de publicación) ---
eventos = []
memes = [f"meme_{i:02d}" for i in range(30)]
for c in range(60):                                   # 60 cuentas orgánicas
    for _ in range(random.randint(3, 12)):
        eventos.append((f"user_{c:02d}", random.choice(memes), random.randint(0, 7 * 86400)))
red = [f"red_{c}" for c in range(6)]                  # 6 cuentas de una red coordinada
for oleada, meme in enumerate(["meme_03", "meme_11", "meme_17", "meme_22", "meme_29"]):
    t0 = 86400 * (oleada + 1)
    for cuenta in red:
        eventos.append((cuenta, meme, t0 + random.randint(0, 40)))   # todas en menos de 40 s

# --- 1. Coincidencias por par: mismo meme dentro de la ventana ---
por_meme = defaultdict(list)
for cuenta, meme, t in eventos:
    por_meme[meme].append((t, cuenta))
pares = defaultdict(int)
for meme, pubs in por_meme.items():
    pubs.sort()
    for i, (t1, a) in enumerate(pubs):
        for t2, b in pubs[i + 1:]:
            if t2 - t1 > VENTANA:
                break
            if a != b:
                pares[tuple(sorted((a, b)))] += 1

# --- 2. Pares por encima del umbral → grupos (unión-búsqueda) ---
padre = {}
def raiz(x):
    padre.setdefault(x, x)
    while padre[x] != x:
        padre[x] = padre[padre[x]]
        x = padre[x]
    return x
for (a, b), n in pares.items():
    if n >= UMBRAL:
        padre[raiz(a)] = raiz(b)
grupos = defaultdict(set)
for cuenta in padre:
    grupos[raiz(cuenta)].add(cuenta)

print(f"eventos: {len(eventos)} · cuentas: {len({e[0] for e in eventos})} · pares que coinciden alguna vez: {len(pares)}")
print(f"pares con >= {UMBRAL} coincidencias en {VENTANA} s: {sum(1 for n in pares.values() if n >= UMBRAL)}")
for g in sorted(grupos.values(), key=len, reverse=True):
    print(f"grupo coordinado ({len(g)} cuentas): {', '.join(sorted(g))}")

Salida esperada:

eventos: 497 · cuentas: 66 · pares que coinciden alguna vez: 17
pares con >= 3 coincidencias en 60 s: 15
grupo coordinado (6 cuentas): red_0, red_1, red_2, red_3, red_4, red_5

De 17 pares que coinciden alguna vez, solo 15 lo hacen tres veces o más, y son exactamente los 15 pares posibles entre las 6 cuentas de la red. Las coincidencias casuales entre usuarios orgánicos se quedan por debajo del umbral. En datos reales nada es tan limpio: hay que calibrar ventana y umbral, pesar los memes muy populares (que coinciden por pura viralidad) y revisar cada grupo a mano antes de llamarlo red. Pero la lógica de las retiradas de plataforma es esta: el contenido puede ser legítimo; la coreografía, no.

Cómo se gestiona y se apaga

Detectar no es responder. Con la evidencia disponible, la respuesta tiene la forma de un ciclo, y la primera decisión es la más contraintuitiva:

Antes: vacunar

La inoculación psicológica o prebunking enseña la técnica de manipulación antes de que llegue el mensaje concreto. Roozenbeek, van der Linden y colegas (Science Advances, 2022) lo probaron en laboratorio y en YouTube. En el campo, 5,4 millones de usuarios estadounidenses vieron los anuncios y 22.632 respondieron una pregunta de control. Reconocer técnicas como el chivo expiatorio o el falso dilema mejoró en torno a un 5 %. Es poco por persona y mucho a escala, porque cuesta lo que un anuncio.

Google Jigsaw llevó la idea a Polonia, Chequia y Eslovaquia en otoño de 2022, contra los bulos sobre refugiados ucranianos. Sus vídeos sumaron más de 38 millones de visualizaciones, pero el efecto fue desigual: mayor en Polonia, mixto en Chequia y casi nulo en Eslovaquia, donde los vídeos estaban doblados en lugar de producidos localmente. La vacuna funciona mejor con acento propio.

Durante: contestar rápido y con gracia

Taiwán convirtió esto en política de Estado con el lema "humor over rumor". En febrero de 2020 el primer ministro respondió con un meme a un bulo que provocaba compras de pánico de papel higiénico. La regla operativa que se atribuye al gobierno, la "2-2-2", tiene varias versiones públicas: 20 minutos o 2 horas para responder, 200 palabras y 2 imágenes. No hemos encontrado un documento oficial que fije la versión exacta. Lo constante es la idea: velocidad, brevedad e imagen, las mismas armas que el meme que se contesta.

Desmentir no es contraproducente. El temido "efecto rebote" (la corrección que refuerza la creencia falsa) es raro. Wood y Porter (Political Behavior, 2019) hicieron 5 experimentos con más de 10.100 personas sobre 52 temas: ninguna corrección produjo rebote.

Las notas de contexto funcionan, pero llegan tarde. Las Community Notes de X son el experimento natural más grande. Sobre el post concreto, el efecto es fuerte. En toda la plataforma, modesto, porque la nota aparece cuando lo viral ya ha pasado:

Después: retirar, y medir la migración

La retirada de redes (CIB) es la herramienta más contundente de las plataformas y la que mejor deja huella pública. Twitter abrió en 2018 un archivo de operaciones estatales con las 3.841 cuentas de la IRA y 770 de Irán. En 2019 ya pasaba de 30 millones de tuits.

La expulsión de personas (deplatforming) tiene evidencia más fuerte de lo que suele creerse, con un matiz:

• McCabe y colegas (Nature, 2024) estudiaron la expulsión de 70.000 cuentas difusoras de desinformación tras el 6 de enero de 2021, con un panel de más de 500.000 usuarios. La circulación de desinformación bajó, tanto la de los expulsados como la de sus seguidores. Los autores no pueden aislar el tamaño exacto del efecto, porque coincidió con el asalto al Capitolio.
• Jhaver y colegas (2021) midieron en 49 millones de tuits la expulsión de Alex Jones, Milo Yiannopoulos y Owen Benjamin: la conversación sobre ellos cayó con fuerza y la toxicidad de sus seguidores también.
• El matiz: quien migra a su propia plataforma pierde audiencia, pero puede radicalizarse. Horta Ribeiro y colegas (2021) lo vieron en r/The_Donald.

Por encima: reglas y Estado

• Unión Europea. La Ley de Servicios Digitales obliga desde el 25 de agosto de 2023 a las grandes plataformas a evaluar y mitigar riesgos sistémicos para el debate cívico. Su primer procedimiento formal fue contra X, el 18 de diciembre de 2023, tras la avalancha de desinformación sobre la guerra entre Israel y Hamás; la multa máxima es el 6 % de la facturación mundial. El Código de Buenas Prácticas contra la Desinformación se convirtió en código de conducta de esa ley el 1 de julio de 2025.
• Los ataques medidos. La base de datos EUvsDisinfo supera los 18.000 casos. Los informes del Servicio Europeo de Acción Exterior sobre manipulación extranjera contaron 100 incidentes en 2022 (Rusia, en 88), 750 en 2023 y 505 en 2024.
• Sanciones. La UE suspendió RT y Sputnik el 1 de marzo de 2022. EE. UU. combinó la incautación de dominios de Doppelganger con sanciones a 10 personas y 2 entidades el mismo día.
• Y también se apaga la defensa. El Global Engagement Center del Departamento de Estado, la oficina estadounidense dedicada a contrarrestar la propaganda extranjera, cerró el 23 de diciembre de 2024. Su sucesora, R/FIMI, se cerró el 16 de abril de 2025. Apagar una guerra memética también depende de que alguien siga dispuesto a pelearla.

Y la contrainformación de uniforme

El Ejército británico tiene una unidad para esto, la 77.ª Brigada, que se define como híbrida, para "combatir nuevas formas de guerra en el entorno de la información". Las peticiones de transparencia revelaron que vigiló tendencias de desinformación en las redes británicas durante la COVID. Es el recordatorio de que las herramientas de defensa también pueden apuntar hacia dentro.

Nota de método: lo que esto es y lo que no es

• Es una síntesis de fuentes primarias: documentos judiciales, informes de plataformas, informes parlamentarios y de la ONU, y artículos con revisión por pares. Cada cifra va con su fuente.
• No es una medición propia del impacto. La mayoría de cifras de alcance son de las propias plataformas (Meta, Google, Twitter/X, OpenAI), y los análisis independientes, como el de New Knowledge, trabajaron con datos que esas mismas plataformas entregaron. Lo que no detectan no aparece.
• No es un manual. Describimos cómo se organizaron las campañas documentadas y cómo se detectan. No damos instrucciones para crear perfiles falsos ni para evadir la detección.
• Hay cifras autodeclaradas que no hemos podido auditar (lo recaudado por NAFO y Saint Javelin) y reglas sin documento oficial (la "2-2-2" de Taiwán). Lo decimos donde aparecen.
• El código es un ejemplo didáctico con datos sintéticos, no un detector listo para producción.

Lo que nos llevamos

• El volumen no compra alcance. La mayor operación conocida, Spamouflage, apenas tuvo público. La que funcionó, la IRA, explotaba fracturas reales con el formato adecuado. Mide la ruptura (categorías 1–6), no los mensajes.
• Los memes los empujan las personas, no los bots. Lo falso viaja un 70 % más por novedad y emoción moral, y los bots no cambian eso. La defensa tiene que hablar a personas.
• Se detecta la coreografía, no la opinión. Las retiradas que se sostienen se basan en comportamiento coordinado, no en el contenido. Por eso son defendibles en una democracia.
• Para apagarlo, la velocidad manda. Vacunar antes (prebunking), contestar rápido y con humor, anotar pronto y retirar la red. Una nota que llega tarde reduce el 46 % de lo que queda, pero solo el 12 % del total.

Fuentes y enlaces

Doctrina e historia

• Dawkins, R. (1976). The Selfish Gene, cap. 11, "Memes: the new replicators". Oxford University Press.
• Hancock, B. J. (2010). "Memetic Warfare: The Future of War". Military Intelligence Professional Bulletin 36(2). irp.fas.org
• DARPA (2011). Social Media in Strategic Communication (DARPA-BAA-11-64). darpa.mil
• Giesea, J. (2016). "It's Time to Embrace Memetic Warfare". Defence Strategic Communications 1. NATO StratCom COE. stratcomcoe.org
• Galeotti, M. (2018). "I'm Sorry for Creating the 'Gerasimov Doctrine'". Foreign Policy. foreignpolicy.com
• Ministerio de Defensa de Rusia (2011). Conceptual Views Regarding the Activities of the Armed Forces of the Russian Federation in the Information Space. nsarchive.gwu.edu
• du Cluzel, F. (2021). Cognitive Warfare. NATO ACT Innovation Hub. innovationhub-act.org
• NATO StratCom COE (2016). Framing of the Ukraine–Russia Conflict in Online and Social Media. stratcomcoe.org

Casos

• United States v. Internet Research Agency et al. (2018), acusación. justice.gov
• New Knowledge (2018). The Tactics & Tropes of the Internet Research Agency. law.shu.edu
• EU DisinfoLab y Qurium (2022). Doppelganger. nsarchive.gwu.edu
• Departamento de Justicia de EE. UU. (2024). Declaración jurada sobre Doppelganger. justice.gov
• Google TAG (2024). Dragonbridge. blog.google
• Misión Internacional Independiente de Investigación sobre Myanmar (2018). A/HRC/39/64. ecoi.net
• Berger, J. M. y Morgan, J. (2015). The ISIS Twitter Census. Brookings. brookings.edu
• Kyiv Post (2023). Entrevista con el fundador de NAFO. kyivpost.com

Mecánica, medición y detección

• Vosoughi, S., Roy, D. y Aral, S. (2018). "The spread of true and false news online". Science 359(6380). doi:10.1126/science.aap9559
• Brady, W. J. et al. (2017). "Emotion shapes the diffusion of moralized content in social networks". PNAS 114(28). doi:10.1073/pnas.1618923114
• Zannettou, S. et al. (2018). "On the Origins of Memes by Means of Fringe Web Communities". IMC. arxiv.org
• Nimmo, B. (2020). "The Breakout Scale". Brookings. brookings.edu
• Pacheco, D. et al. (2021). "Uncovering Coordinated Networks on Social Media". ICWSM. ojs.aaai.org
• Rauchfleisch, A. y Kaiser, J. (2020). "The False Positive Problem of Automatic Bot Detection in Social Science Research". PLOS ONE. doi:10.1371/journal.pone.0241045
• OpenAI (2024). AI and Covert Influence Operations: Latest Trends. openai.com
• DISARM Foundation. Marco abierto para describir operaciones de influencia. disarm.foundation

Respuesta

• Roozenbeek, J. et al. (2022). "Psychological inoculation improves resilience against misinformation on social media". Science Advances. cam.ac.uk
• Wood, T. y Porter, E. (2019). "The Elusive Backfire Effect". Political Behavior 41. doi:10.1007/s11109-018-9443-y
• Slaughter, I. et al. (2025). Efecto de las Community Notes. PNAS. pmc.ncbi.nlm.nih.gov
• McCabe, S. D. et al. (2024). "Post-January 6th deplatforming reduced the reach of misinformation on Twitter". Nature 630. doi:10.1038/s41586-024-07524-8
• Jhaver, S. et al. (2021). "Evaluating the Effectiveness of Deplatforming as a Moderation Strategy on Twitter". Proc. ACM HCI. doi:10.1145/3479525
• Comisión Europea. Código de Buenas Prácticas contra la Desinformación. digital-strategy.ec.europa.eu
• SEAE (2024). 2nd EEAS Report on Foreign Information Manipulation and Interference Threats. eeas.europa.eu