722 papers de OpenAI: el ensayo que incomoda a la ciencia

Un ensayo irónico en el blog de Terence Tao pone el foco en la IA científica

El blog del matemático Terence Tao publicó un ensayo invitado del físico teórico Rikab Gambhir que, en tono deliberadamente irónico, plantea una pregunta incómoda para todo el sector: si un modelo de IA puede producir investigación más rápido de lo que cualquier humano puede entenderla, ¿qué queda del trabajo científico? El texto aparece apenas unos días después de que OpenAI publicara 722 manuscritos matemáticos generados por un modelo interno que la empresa no ha liberado, de los cuales tres fueron retirados al día siguiente por un error de signo.

Para un founder que construye con IA, el ensayo no es una discusión académica lejana. Es la versión más filosófica de un problema que ya vive dentro de su producto: la IA genera mucho más de lo que cualquiera puede verificar.

¿Qué dice exactamente el ensayo de Rikab Gambhir?

Gambhir, físico teórico de partículas, escribe desde la ironía. Se burla de la idea de que el propósito de la ciencia sea acumular "factoides potencialmente verdaderos" en un repositorio que nadie leerá, y compara la promesa de OpenAI con la Biblioteca de Babel que Jorge Luis Borges imaginó en 1941: un lugar que contiene todos los libros posibles, incluidos los incorrectos y los incomprensibles.

El argumento central del texto es una inversión: la IA no eliminó el trabajo científico, lo externalizó. El modelo produce resultados plausibles y la comunidad queda a cargo de la parte tediosa, poco prestigiosa y poco rentable: determinar si algo es correcto y, sobre todo, entenderlo. El autor lo describe como un cuello de botella que se movió de lugar, no que desapareció.

También menciona, de pasada, que la comunidad de física generó recientemente unos 2.500 write-ups propios, una cifra que usa para mostrar que el problema de escala no es exclusivo de OpenAI. Un detalle no menor: el propio ensayo fue escrito en otro formato y convertido con IA, según aclara Tao al inicio.

¿Por qué 722 papers generados por IA generaron tanto rechazo?

Los números del episodio ayudan a entender la reacción. Según la cobertura de TechCrunch recogida por Online Tech Tips, OpenAI publicó el 6 de octubre de 2026 un lote de 722 manuscritos agrupados en 372 familias de resultados, producidos por un modelo interno no liberado. Al día siguiente retiró tres por un error de signo que invalidaba un argumento central y las construcciones de dos trabajos derivados, y revisó otros catorce. El catálogo quedó en 719 manuscritos.

Otros datos del mismo episodio:

• Solo alrededor de 300 de los 719 resultados principales (cerca del 42%) contaban con formalización en Lean, el lenguaje que permite a una computadora verificar una demostración paso a paso, según TechCrunch.
• OpenAI compartió apenas 10 resúmenes del razonamiento del modelo, de acuerdo con el mismo medio.
• Cada resultado consumió, en promedio, unas tres horas de cómputo equivalente a ChatGPT Pro, según el reporte de Fortune citado por Online Tech Tips.
• El modelo partió de un catálogo de aproximadamente 4.000 problemas abiertos, de los cuales se publicaron las 372 familias más sólidas bajo licencia Apache 2.0, según Quo.

El punto clave: publicado no es lo mismo que verificado. Y en matemáticas, un solo paso en falso rompe toda la demostración.

¿Qué dice la comunidad matemática sobre los resultados?

La reacción fue dura y está documentada. El matemático Scott Aaronson, de la Universidad de Texas en Austin, escribió en su blog que "aparentemente ningún humano ha comprendido todavía ni una sola de estas demostraciones", según recogió Quo. Melanie Wood, de Harvard, señaló a TechCrunch que al momento del lanzamiento "no hay comprensión humana de los resultados, y ahora empieza el trabajo".

Kevin Buzzard, del Imperial College de Londres, revisó treinta manuscritos de su especialidad, teoría de números: solo siete le parecieron relevantes y apenas uno estaba formalmente verificado en Lean, según New Scientist, citado por Infobae. Álvaro Lozano-Robledo, de la Universidad de Connecticut, dijo a The Verge, según recogió Infobae, que incluso repasar la lista completa de resúmenes resulta abrumador.

La crítica más citada no es sobre la calidad de las matemáticas, sino sobre el reparto de costos. La Asociación de Matemáticas Humanas describió la publicación como "una demostración de poder, no de rigor académico", según Quo. Y el propio Terence Tao —anfitrión del blog donde se publicó el ensayo— sostuvo, según TechCrunch y Fortune, que "los problemas están siendo resueltos de forma autónoma por prompters de IA que no tienen interés en el campo en general".

El antecedente inmediato fue el anuncio del 8 de septiembre de 2026 sobre las ecuaciones de Navier-Stokes, uno de los Problemas del Milenio. Ese anuncio reunió más de 8.000 firmas de matemáticos que cuestionaron la falta de citas al trabajo previo, según Retraction Watch vía Infobae. El Clay Mathematics Institute mantiene el problema como "activo", no resuelto.

La asimetría que tu startup ya está viviendo

Este episodio es la versión académica de un problema de producto. Generar contenido, código o análisis con IA es hoy casi gratis; verificarlo sigue costando tiempo humano. Si tu producto automatiza la generación sin diseñar el camino de verificación, no estás escalando: estás moviendo el trabajo hacia tu usuario.

Hay tres señales concretas en el caso de OpenAI que se traducen directo a cualquier equipo que use IA:

• Formalización parcial: solo el 42% de los resultados tenía verificación automática. Si tu pipeline no tiene un chequeo mecánico (tests, validadores, reglas), dependes de revisión manual.
• Errores que se propagan: un signo mal puesto tumbó tres manuscritos porque dos dependían del primero. En software, eso es una dependencia mal aislada.
• Costo de verificación externalizado: la comunidad matemática quedó a cargo de revisar el lote. En tu producto, ese rol lo termina jugando el cliente.

¿Qué significa esto para tu startup?

1. Diseña la verificación antes que la generación. Antes de sumar un agente que produce más output, define qué chequeo automático va a pasar ese output. Si no puedes escribir el test, no puedes escalar la función.

2. Mide la tasa de verificación, no la de generación. Un panel que muestre "cuántos resultados se generaron" es marketing. El que importa es "qué porcentaje pasó la validación sin intervención humana". En el caso de OpenAI, ese número era del 42% y no se comunicó como titular.

3. Etiqueta el nivel de confianza de cada salida. OpenAI reconoció que el lote incluía "resultados en distintas etapas de verificación". Traducido a producto: si tu IA puede equivocarse, el usuario tiene que saber cuánto confiar en cada respuesta. Un indicador de confianza vale más que un descargo legal.

4. Presupuesta el costo humano de revisar. El Simons Foundation lidera una iniciativa de 15 millones de dólares para ayudar a los matemáticos a procesar la investigación generada por IA, con 5 millones aportados por OpenAI y participación de Anthropic, según The Verge. Si el sector necesita un fondo para pagar la verificación, tu equipo también necesita horas asignadas a esa tarea.

Conclusión

El ensayo de Rikab Gambhir es una sátira, pero su diagnóstico es literal: la IA resolvió el problema de producir y dejó intacto el de entender. Para la ciencia, eso abre un debate sobre qué significa conocer. Para una startup, es una advertencia operativa mucho más simple: cada unidad de output automatizado que agregas trae una unidad de verificación que alguien tiene que pagar.

La pregunta del título —"¿por qué estamos haciendo todo esto?"— no es solo para los matemáticos. Es la pregunta que todo equipo debería hacerse antes de sumar otro agente a la cadena.

Fuentes

• Why are we even doing all this? (fuente original)
• OpenAI Math Release: What's Real in the 722 AI Manuscripts
• All the drama around AI's takeover of mathematics
• Un error obliga a OpenAI a retirar tres estudios matemáticos hechos con IA
• ¿El fin de las matemáticas? Qué es el matepocalípsis que ha provocado la IA