OpenAI crea AGMAI: el panel de matemáticos que quiere (y no puede) frenarla

La nueva diplomacia matemática de OpenAI: nace AGMAI, con un pie afuera de OpenAI

El 21 de septiembre de 2026, OpenAI anunció la creación del Advisory Group on Mathematics and Artificial Intelligence (AGMAI), un cuerpo independiente de nueve matemáticos de élite alojado en el Institute for Advanced Study (IAS) de Princeton. La jugada nace en caliente: la propia OpenAI reconoce que su modelo interno, entrenado desde el 28 de agosto de 2026, habría resuelto más de 100 problemas abiertos en casi todas las áreas de la matemática, según reportó Unite.ai.

Lo paradójico es que el grupo asesor se pensó como un gesto de transparencia, pero terminó amplificando la confusión que pretendía resolver. The Verge recogió el testimonio de Martin Hairer (Fields Medal, profesor en Imperial College London y EPFL), miembro del grupo: "No trabajamos para OpenAI, no nos pagan y es totalmente independiente". El propio Hairer reconoció que el lanzamiento de OpenAI "no ayudó" a la percepción pública y describió los días previos como "muy frustrantes" e "intensos".

Los nueve integrantes confirmados son François Charles (ENS-PSL), Camillo De Lellis (IAS, GSSI), Timothy Gowers (Collège de France, Cambridge), Martin Hairer (EPFL, Imperial), Nikhil Srivastava (Berkeley, Simons Institute), Ulrike Tillmann (Oxford, INI), Ravi Vakil (Stanford), Edward Witten (IAS) y Melanie Matchett Wood (Harvard). Según Unite.ai, el grupo surgió a partir de contactos informales de OpenAI con algunos matemáticos, que optaron por armar un ente autónomo y ampliarlo con otros colegas.

🤖 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

Por qué OpenAI necesita asesores: el historial Navier-Stokes

El contexto inmediato es la tormenta que desató el anuncio del problema de Navier-Stokes a inicios de septiembre de 2026. OpenAI dijo haber resuelto uno de los siete Problemas del Milenio del Clay Mathematics Institute — premios de US$1 millón por problema— en apenas 88 horas, con alrededor de 10.000 "agentes" de IA trabajando en paralelo, según CNN.

El anuncio se topó con el trabajo en paralelo de Tristan Buckmaster (NYU) y Levent Alpöge (Anthropic), que llevaban casi un año sobre el mismo problema y habían usado modelos de OpenAI —entre ellos Codex— para sus borradores. Buckmaster declaró que preguntó a empleados de OpenAI si sus sesiones de Codex habían entrenado al modelo y no obtuvo respuesta, según MIT Technology Review.

La propia OpenAI terminó reconociendo que "no podemos descartar que datos desidentificados derivados del uso de nuestros productos hayan ayudado a mejorar nuestros modelos", recoge el Smithsonian Magazine. Un día después, la compañía fue más firme ante el New York Times: "Es imposible que los prompts de Buckmaster en Codex en los últimos dos meses hayan influido en el sistema de cualquier manera, incluido el entrenamiento".

Y hay una segunda capa de polémica: Scientific American reportó que varios matemáticos consideran que OpenAI resolvió la variante equivocada del problema. La solución usó una fuerza externa que Luis Silvestre (Universidad de Chicago) describe como desconectada del problema real: "El problema más importante sigue sin resolverse. El problema del Clay está cerrado, pero el problema principal de las ecuaciones de Navier-Stokes no lo está".

Lo que los matemáticos le reprochan a OpenAI (no es solo el resultado)

La formación de AGMAI llega tras una carta abierta del 11 de septiembre de 2026 titulada "A Severe Misalignment of AI in Mathematics", firmada por Fields Medalists como Artur Avila, Manjul Bhargava, Simon Donaldson, Martin Hairer, June Huh, Peter Scholze, Terence Tao y Maryna Viazovska, entre otros. La misiva argumenta que "los objetivos de las empresas de IA y los de la comunidad matemática están severamente desalineados".

Los puntos de fricción, según The Verge:

Manifiestos mal escritos y con poca interacción con la literatura previa, lo que dificulta entender la relevancia real de cada resultado.
Ediciones silenciosas de documentos después de publicados: Hairer lo calificó como cambios "a escondidas" y "muy malos y descuidados".
Cultura de teasers: mensajes como "hemos avanzado sustancialmente" en otro Problema del Milenio o "casi resuelto" sin precisar cuál, son práctica común en otras comunidades pero "ningún matemático saldría a decirlo así", según Álvaro Lozano-Robledo (Universidad de Connecticut).
El "burden" de los resultados sueltos: "La carga es que están produciendo una solución", dice Lozano-Robledo, porque la solución sin la comprensión que la rodea no avanza la disciplina.

Lo que AGMAI puede y no puede hacer

El mandato del grupo es estrecho y eso es, en parte, el problema. Según Unite.ai y la propia web de AGMAI:

Sí puede: asesorar sobre la revisión y comunicación de resultados, evaluar la relevancia de hallazgos, coordinar su diseminación y publicar recomendaciones.
No puede: decidir el ritmo de avance interno de OpenAI. La propia compañía aclara que el grupo "no será responsable de asesorarnos sobre cómo dosificar nuestro progreso interno en matemáticas".
No recibe pago de OpenAI, no tiene NDA más allá de confidencialidad estándar para acceder a investigación adelantada, y puede criticar a la empresa públicamente.

AGMAI abrió un formulario público en su sitio para recibir input de la comunidad matemática antes de publicar recomendaciones. La primera tarea operativa: coordinar la liberación de los más de 100 resultados que OpenAI dice tener listos.

Cómo está reaccionando la gente que hace matemática hoy

La incertidumbre ya modificó rutinas de trabajo. Colva Roney-Dougal (Universidad de St Andrews, Escocia) lo resumió así ante The Verge: "Es un poco agónico saber que un 'gran número' de resultados se anunciarán pronto. Cuantos más haya, más probable es que mi trabajo en curso, o el de mis estudiantes, se vuelva irrelevante de repente".

El dilema práctico que describe: "No sé si debería tratar de sacar el máximo de papers rápido, esperar pasivamente a ver qué son esos resultados, o seguir como siempre".

Terence Tao, Medalla Fields y anfitrión del blog donde se anunció AGMAI, ya había advertido en Mastodon: "Resolver prematuramente el problema por métodos puramente de IA, particularmente sin transparencia total del proceso de solución, puede contaminar este proceso hasta el punto de convertirse en un negativo neto para el progreso de la matemática como un todo", recoge MIT Technology Review.

El propio Tao usó una metáfora que se ha vuelto citada: "Es un poco como ir al cine y saltar de los primeros diez minutos a los últimos diez: técnicamente, todas las líneas argumentales se resuelven, pero la mayor parte del valor de la experiencia se perdió".

Qué significa esto para tu startup

Si construyes productos de IA, esta pelea de OpenAI no es lejana: define las reglas de cómo tu modelo se relaciona con el trabajo de terceros, cómo comunica hallazgos y cómo construye (o destruye) confianza en una comunidad técnica.

Diseña un proceso de atribución auditable desde el día uno. El caso Navier-Stokes giró en torno a si datos de usuario de Codex pudieron entrenar al modelo. Documenta qué entra a tu pipeline, qué se usa para fine-tuning y qué se excluye; no porque sea un requisito legal, sino porque en mercados técnicos la próxima crisis de credibilidad puede ser tuya. OpenAI tuvo que publicar dos declaraciones (una ambigua, otra tajante) para intentar cerrar la duda —y no lo logró del todo.
Separa "logro técnico" de "comunicación del logro". OpenAI resolvió un problema real, pero su propio PR convirtió el anuncio en motivo de queja. Crea en tu equipo una función explícita de "traducción técnica" que piense en citación, preprints y crédito antes de apretar el botón de publicar. La forma de anunciar importa tanto como lo que anuncias, sobre todo en mercados de expertise (legal, salud, ciencia, finanzas).
No subestimes el costo de no tener un consejo asesor externo. AGMAI nació porque OpenAI no tenía un canal formal con la comunidad matemática. Si tu producto entra a un vertical regulado o sensible (medtech, edtech, legaltech, biotech), arma un advisory board con voz vinculante y presupuesto real. No alcanza con un blog post de "principios de IA responsable" una vez al año.