Una aplicación LLM de producción es más que el modelo base. Las barreras son las capas de políticas, clasificadores e indicaciones que bloquean resultados dañinos, redactan secretos y hacen cumplir el tono de la marca. Los atacantes exploran estas capas con jailbreaks: indicaciones diseñadas para eludir las instrucciones. La defensa nunca es perfecta; el objetivo es reducir el riesgo de manera mensurable y registrar incidentes para su iteración.