OpenAI crea comité asesor externo con 9 matemáticos de élite

El Advisory Group de Matemáticas e IA: 9 matemáticos para una misión delicada

Nueve matemáticos de Oxford, Harvard, Stanford, Princeton, Cambridge, Berkeley, EPFL y el Collège de France se han constituido como Advisory Group on Mathematics and Artificial Intelligence (Grupo Asesor de Matemáticas e Inteligencia Artificial), un comité independiente hospedado en el Institute for Advanced Study (IAS) de Princeton y con sitio público en agmai.org, según un comunicado publicado en el blog del medallista Fields Terence Tao. Su misión inmediata no es decorativa: asesorar a OpenAI sobre cómo divulgar el aluvión de nuevos resultados matemáticos que, según la propia empresa, está produciendo su modelo interno de IA.

El grupo está integrado por François Charles (ENS-PSL), Camillo De Lellis (IAS y GSSI), Timothy Gowers (Collège de France y Cambridge), Martin Hairer (EPFL e Imperial College London), Nikhil Srivastava (Berkeley y Simons Institute), Ulrike Tillmann (Oxford e INI), Ravi Vakil (Stanford), Edward Witten (IAS) y Melanie Matchett Wood (Harvard). La lista es, posiblemente, la mayor concentración de poder matemático puro reunida en torno a un problema de gobernanza tecnológica desde la creación del propio IAS. El comunicado deja claro que el grupo se formó después de que OpenAI se acercara a algunos de sus miembros para crear un consejo asesor externo y que, de común acuerdo, se optó por una estructura independiente.

Por qué este comité nace ahora: el "tsunami" matemático de OpenAI

El detonante es la velocidad con la que OpenAI asegura estar generando matemáticas nuevas. En septiembre, la empresa afirmó que un modelo interno entrenado desde el 28 de agosto resolvió un problema vinculado a las ecuaciones de Navier-Stokes, uno de los siete Millennium Prize Problems del Clay Mathematics Institute, cuyo premio de US$1 millón permanece sin reclamarse porque ninguna solución ha superado la revisión por pares exigida por las reglas. Según AFP, OpenAI dijo que la verificación en el asistente de pruebas Lean añadió otras 17 horas a un proceso que tomó unos 88 horas con 10.000 agentes trabajando en paralelo, y que el costo computacional se contó "en millones de dólares".

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Pero el anuncio de Navier-Stokes fue solo la punta. Según OfficeChai, OpenAI asegura que ese mismo modelo interno ha resuelto más de 100 problemas abiertos en la mayoría de las áreas de la matemática, un volumen que la propia empresa califica como algo que "ha sorprendido a los matemáticos dentro de OpenAI". La cronología reciente ayuda a dimensionar el salto: en mayo, un modelo interno sin nombre resolvió una conjetura de Erdős que llevaba casi un siglo abierta, y en julio, según The Verge, el modelo Claude Fable 5 de Anthropic refutó la conjetura jacobiana con un contraejemplo mínimo. Los laboratorios han pasado del teorema asistido al teorema generado, y la cadencia se acelera.

Ante ese volumen de resultados por venir, el Advisory Group asume como primer encargo, según el comunicado: "asesorar a OpenAI sobre cómo coordinar la liberación de un gran número de resultados significativos en matemáticas que, según reportan, han sido producidos por su modelo interno".

Detrás del anuncio: una crisis de confianza que la matemática no pudo ignorar

La creación del comité no ocurre en el vacío. El 2 de junio, 17 investigadores publicaron la Declaración de Leiden sobre Inteligencia Artificial y Matemáticas, respaldada por la International Mathematical Union (IMU) —la entidad que entrega la Medalla Fields— y firmada por más de 3.400 personas según The Verge. El documento identifica cinco amenazas concretas: pruebas "plausibles pero no fiables" difíciles de distinguir de las correctas, falta de atribución al trabajo humano previo, incentivos perversos para usar IA por sí misma, comunicación de resultados por comunicado de prensa en lugar de por revistas con revisión por pares, y el riesgo de que la autonomía intelectual de la disciplina termine subordinada a prioridades automatizables. El comunicado del Advisory Group llega a invocar una carta abierta reciente titulada "A Severe Misalignment of AI in Mathematics", que advierte contra el uso de problemas abiertos como marcador publicitario.

Y las grietas ya eran visibles. En el resultado sobre grupos no sofic, The Verge reportó que el matemático Gábor Kun encontró "más bien cómica" la redacción original del anuncio de OpenAI, que minimizaba los trabajos previos de Andreas Thom y el propio Kun (de 2016 y 2019). OpenAI terminó modificando el lenguaje tras ser contactada, pero sin nota de corrección. En paralelo, según Unite.AI, Tristan Buckmaster (NYU) y Levent Alpöge (Anthropic) habían pasado casi un año trabajando con IA en variantes de las ecuaciones de Euler y anunciaron sus propios resultados apenas horas antes del comunicado de OpenAI. El propio grupo reconoce que parte de su trabajo actual es lidiar con esa madeja de prioridades concurrentes y de atribuciones cruzadas.

Qué puede y qué no puede hacer el Advisory Group

El grupo dejó por escrito tres garantías de independencia: no aceptará pago de OpenAI ni de ninguna otra empresa de IA; publicará sus recomendaciones en agmai.org, sean o no solicitadas; y aunque asesorará, no tiene poder de decisión dentro de OpenAI — la responsabilidad final de qué se publica, cómo y cuándo seguirá siendo de la empresa. También abrió la puerta a asesorar a cualquier otra compañía cuyos modelos tengan "un impacto significativo en matemáticas", lo que convierte al comité en una especie de interface sectorial, no en un órgano de OpenAI.

En la práctica, ese diseño intenta desactivar la lectura obvia: que el comité es una simple cortina de humo. Pero deja sin resolver la pregunta más espinosa: ¿qué ocurre si OpenAI decide ignorar una recomendación del Advisory Group y publica un resultado controvertido de todos modos? El comunicado no prevé ningún mecanismo de enforcement. El grupo podrá señalarlo públicamente, pero no vetarlo. Es gobernanza blanda en un momento en el que la disciplina pidió, en Leiden, algo mucho más duro.

Qué significa esto para tu startup

El caso es un espejo incómodo para cualquier founder que esté integrando IA en producto. Si una disciplina milenaria con herramientas formales de verificación como Lean necesita montar un comité externo para evaluar los resultados de una IA, tu empresa también necesita procesos equivalentes cuando tus modelos toquen decisiones críticas.

Diseña verificación externa para tus outputs críticos. Si tu producto usa IA para redactar contratos, asistir diagnósticos o fijar precios, identifica un tercero independiente (académico, asociación sectorial, auditor) que pueda revisar tus resultados antes de cada lanzamiento importante. La matemática está optando por la verificación formal con Lean; tú puedes hacer lo propio con métricas públicas, revisión humana o partnerships académicos.
Documenta la procedencia, no solo el resultado. La Declaración de Leiden advierte que los modelos no atribuyen el trabajo humano en el que se apoyan. Tu prompt, tu pipeline y tus datos de entrenamiento merecen la misma trazabilidad que una bibliografía: ¿qué parte del output la generó el modelo, qué parte vino de un humano y qué ideas previas estás reutilizando? Si no puedes responder eso en una reunión con un cliente enterprise, no estás listo para venderle.
No conviertas tus benchmarks en marketing. El comité nace, en parte, porque OpenAI usó problemas abiertos como "scoreboard" de su modelo. Si tu SaaS presume de superar benchmarks públicos, asegúrate de que esos números sobreviven al escrutinio de un tercero. Los founders hispanohablantes que vendemos a mercados enterprise en Europa lo sabemos bien: un cliente de banca o salud auditará cada cifra antes de firmar el contrato.

El Advisory Group no resolverá por sí solo la crisis de confianza entre la matemática y la IA. Pero su propia existencia —y el hecho de que figuras como Edward Witten o Timothy Gowers hayan aceptado participar— marca un precedente: cuando una disciplina entera siente que la velocidad de un laboratorio supera su capacidad de evaluación, la respuesta ya no es esperar, sino gobernarse. Esa lección aplica también a cualquier founder que esté escalando IA más rápido que su propia capacidad de explicarla.