El quiebre: 700 archivos y una carta de ruptura
El 6 de octubre de 2026, OpenAI publicó un repositorio con más de 700 archivos que, según la compañía, contenían soluciones a problemas matemáticos de alto perfil. Un día después, la recién formada Association for Human Mathematics (AHM) emitió su primera declaración: pidió a los matemáticos cortar la relación con la empresa y calificó la publicación como una demostración de poder, no de erudición.
No fue un arranque de furia aislado. El 11 de septiembre de 2026, 25 ganadores de la medalla Fields —el premio más alto de la disciplina— firmaron la declaración «A Severe Misalignment of AI in Mathematics», acompañada por más de 8.000 académicos según el recuento del análisis de Ray Myers que origina esta nota. Entre los firmantes está Terence Tao, considerado el matemático vivo más influyente y, hasta hace poco, uno de los mayores entusiastas de la IA aplicada a su campo.
¿Por qué debería importarle a un founder una pelea entre matemáticos y un laboratorio de IA? Porque es el mismo guion que se está aplicando a la ingeniería de software, al diseño y a cualquier profesión cuyo trabajo sirva para entrenar modelos. Y porque el argumento central de los firmantes no es que la IA no sirva, sino que así no se construye confianza.
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 díasQué pasó exactamente: la cronología del conflicto
- 8 de septiembre de 2026: OpenAI anunció que un enjambre de agentes había resuelto el problema Navier–Stokes, uno de los siete Millennium Prize Problems. CNBC reportó que la empresa habló de unos 10.000 agentes concurrentes que llegaron al resultado en 88 horas. HPCwire detalló que el sistema generó 2,7 millones de mensajes y unos 130.000 millones de tokens de salida, y que formalizar y verificar la prueba en Lean tomó otras 17 horas.
- La disputa de crédito: los matemáticos Tristan Buckmaster (NYU) y Levent Alpöge (Anthropic) trabajaban una ruta similar. Buckmaster dijo que OpenAI le ofreció un arreglo de autoría que excluía a Alpöge, algo que la empresa negó. OpenAI admitió que, aunque lo considera improbable, no puede descartar que datos anonimizados derivados del uso de sus productos por parte de los investigadores hayan ayudado a mejorar sus modelos.
- 11 de septiembre de 2026: se publica la declaración de las 25 medallas Fields.
- 21 de septiembre de 2026: OpenAI anuncia un Advisory Group on Mathematics and Artificial Intelligence independiente, alojado en el Institute for Advanced Study, según Unite.AI. La empresa afirmó además que su modelo interno resolvió más de 100 problemas abiertos.
- 6 y 7 de octubre de 2026: la descarga de más de 700 archivos y la respuesta de la AHM.
¿Son los matemáticos unos luditas? No, y la evidencia está en su historial
La acusación de miedo al cambio se cae con una sola línea de tiempo. En 2019, el matemático Kevin Buzzard daba una charla titulada «The Future of Mathematics?» defendiendo que los asistentes de pruebas se adoptaran masivamente. En octubre de 2023, Terence Tao empezó a usar ChatGPT para aprender Lean, el asistente de pruebas del proyecto Lean FRO que dirige Leonardo de Moura. Tao pasó los años siguientes enseñando métodos de formalización en su blog y en YouTube y coordinando esfuerzos colaborativos.
El propio Tao documentó después el problema real. Entre abril y mayo de 2026 describió el fenómeno de la indigestión de pruebas: de las tres fases del trabajo matemático —generar, verificar y digerir— las dos primeras se automatizaron mucho más rápido que la tercera. El resultado es un volumen enorme de pruebas correctas que nadie integra al conocimiento de la disciplina. Eso no es resistencia a la tecnología: es un diagnóstico técnico.
El problema no es el modelo, es el incentivo
La tesis del análisis de Myers es que el conflicto no es tecnológico sino de incentivos. El dato que lo ilustra: Anthropic formalizó el Último Teorema de Fermat en Lean, un trabajo que The Next Web describe como completado en 11 días y que la fuente original cifra en 13 millones de líneas de código. Buzzard había explicado años antes exactamente cómo hacerlo; simplemente no estaba financiado.
La escala de recursos explica el resto. Según el recuento de Myers, OpenAI levantó US$40.000 millones de capital de riesgo en 2025 y US$122.000 millones en 2026, mientras el presupuesto anual completo de la National Science Foundation ronda los US$8.000 millones. En paralelo, la carta abierta de matemáticos de Caltech —771 firmantes según TNW— señaló que ningún modelo razonable de investigación matemática le da a cada investigador US$20.000 en créditos de IA para probar un resultado, la cifra exacta que el Mathathon de Caltech ofrecía por equipo.
Ahí está el punto que un founder debería llevarse: cuando una empresa construye su narrativa sobre la premisa de que las personas que verifican su trabajo son un costo a eliminar, eso no es una propuesta de valor. Es un riesgo de proveedor.
Qué significa esto para tu startup
1. Tus prompts pueden ser datos de entrenamiento. OpenAI dijo explícitamente que no puede descartar que datos anonimizados de uso hayan mejorado sus modelos. Si tu equipo usa herramientas de IA sobre código propietario, contratos o investigación interna, revisa hoy la configuración de retención y el opt-out de entrenamiento de cada proveedor. No es paranoia: es la misma diligencia que harías con cualquier proveedor que toca tus datos.
2. La verificación no se delega. El caso Navier–Stokes muestra el patrón: se generan resultados a gran velocidad y la validación queda para la comunidad, sin compensación ni crédito. Si tu producto depende de output de IA en un dominio regulado o de alto riesgo, necesitas un protocolo de revisión humana documentado. Y necesitas saber quién firma esa revisión.
3. Adopta IA o quédate atrás es una técnica de venta, no un argumento técnico. Los firmantes de la carta no piden prohibir la IA: piden que se respeten las normas de atribución, que se publique con cuidado y que se consulte a la comunidad antes de anunciar. Ese es un estándar perfectamente aplicable a tu propia empresa cuando integras IA en un flujo de trabajo.
4. Evalúa a tus proveedores por cómo tratan a las comunidades de las que dependen. OpenAI retiró su patrocinio de US$1 millón del Mathathon de Caltech tras la carta abierta, según TNW; Anthropic mantuvo el suyo. Ese tipo de decisión es información útil sobre cómo cada empresa maneja la presión pública.
Conclusión
El conflicto entre OpenAI y la comunidad matemática no es una historia sobre máquinas que superan a humanos. Es una historia sobre qué pasa cuando una empresa trata a los expertos de un campo como extras de una campaña de marketing. Los matemáticos no rechazaron la IA: la adoptaron temprano, la enseñaron y documentaron sus límites con precisión. Lo que rechazan es que se use su trabajo para devaluar su trabajo.
Para un founder, la lección es operativa. La IA que funciona es la que respeta la agencia de quien la usa y la de quien verifica sus resultados. Si tu estrategia de IA depende de que nadie pregunte de dónde salieron los datos ni quién revisó el output, no tienes una estrategia: tienes deuda técnica con fecha de vencimiento.
Fuentes
- Why Math Dumped OpenAI (fuente original)
- OpenAI claims to have solved the 90-year-old Navier-Stokes math problem in 88 hours
- 25 winners of math's Nobel Prize decry the AI invasion of their discipline
- Slop mathematics: OpenAI walks away from a Caltech AI maths contest
- OpenAI Creates Independent Math Panel as It Claims 100+ Problem Solutions
- Unsolved for 90 Years, OpenAI Says AI Cracked Millennium Prize Problem in 88 Hours
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días
