Altman: OpenAI gastó cientos de millones en matemáticas

Altman reconoce el impacto, pero no piensa frenar

OpenAI ha gastado del orden de cientos de millones de dólares en atacar problemas matemáticos, y su CEO, Sam Altman, dejó claro que la compañía no piensa detener la avalancha de resultados que publica. "Creo que, en conjunto, el mundo merece entender cómo funciona el universo", afirmó durante un episodio del podcast Cheeky Pint publicado el jueves. "Pero sí tengo empatía por el método".

Para cualquier founder que construye con IA, la frase importa menos por lo que dice de las matemáticas y más por lo que revela del modelo de negocio: los grandes laboratorios están dispuestos a quemar capital a una escala que ninguna startup puede igualar, y lo están haciendo en territorio que hasta ahora era de la academia.

Las declaraciones de Altman son una de las primeras veces que el máximo responsable de OpenAI reconoce de forma directa el efecto de la compañía sobre la comunidad matemática. Sostuvo que el derecho del público a nuevo conocimiento científico "pesa más" que la disrupción que causan sus publicaciones, aunque admitió que la empresa necesita mejorar cómo comunica sus hallazgos. "Me siento inequívoco en este punto: la humanidad merece conocimiento fundamental, y no deberíamos estar sentados sobre un gran descubrimiento científico", dijo.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

¿Qué resultados están detrás de la polémica?

Solo en octubre, OpenAI publicó cientos de resultados matemáticos, muchos acompañados apenas de notas breves que los investigadores describen como mal escritas y difíciles de seguir. La empresa anunció tres avances importantes en matemáticas, física e informática.

Según Scientific American, esos tres resultados tocan la conjetura de Kakeya, la teoría de Yang-Mills y la Hipótesis del Tiempo Exponencial (ETH). El detalle del resultado sobre Yang-Mills —las bases matemáticas del modelo estándar de la física de partículas— no se ha hecho público.

El caso de Kakeya da la medida de lo que está en juego. El medio recuerda que los matemáticos Hong Wang y Joshua Zahl probaron la conjetura en tres dimensiones, un hito que le valió a Wang la Medalla Fields, el mayor honor de la disciplina. El problema seguía abierto en dimensiones superiores hasta que el modelo interno de OpenAI lo resolvió en todas ellas.

La paradoja: critican tanto el exceso como el silencio

OpenAI enfrenta críticas por hacer justo lo que Altman dice que no debería: guardarse hallazgos. Tras el anuncio de los tres avances, matemáticos y científicos dijeron a The Verge que están frustrados por lo que perciben como un control de acceso a la investigación. La empresa atribuye la decisión a las recomendaciones de un grupo de expertos elegidos a mano.

Según Scientific American, esas publicaciones contradicen las recomendaciones del Advisory Group on Mathematics and Artificial Intelligence (AGMAI), el panel que la propia compañía organizó tras las críticas de la comunidad. El grupo ya pidió a OpenAI que libere el paper de Yang-Mills, señalando que "no hay razón científica para retrasarlo más".

Business Insider añade otro frente: 28 ganadores de la Medalla Fields publicaron una carta abierta advirtiendo que "el impulso de las empresas de IA por resolver problemas matemáticos como benchmark es perjudicial para la ciencia de las matemáticas y para la comunidad matemática". El mismo medio reporta que OpenAI se retiró de un "math hackathon" en Caltech después de que matemáticos actuales y antiguos de esa institución advirtieran sobre sus posibles efectos destructivos.

Altman también admitió que la persecución de problemas matemáticos se le "fue de las manos" durante un periodo corto, aunque dijo que fue deliberado y necesario para explorar los límites de sus modelos. Describió un canal interno de Slack llamado "Model Name-Hold My Beer", donde los empleados lanzaban los problemas más difíciles que encontraban para ver cómo respondían los modelos.

¿Cuánto dinero está poniendo OpenAI sobre la mesa?

Altman estimó que OpenAI ha gastado del orden de cientos de millones de dólares en problemas matemáticos, incluidos unos US$10 millones —"quizás un poco más"— en su solución de Navier-Stokes, uno de los legendarios Problemas del Milenio.

El Mundo reportó que la compañía dijo haber necesitado 88 horas y millones de dólares en potencia de cómputo para descifrar ese problema, y que no reclamará el premio de US$1 millón del Clay Mathematics Institute si el hallazgo se confirma. Cada Problema del Milenio otorga ese monto, y solo uno se ha resuelto desde que la lista se publicó en el año 2000.

El gasto no es solo en cómputo. Según Euronews, OpenAI anunció una donación de US$5 millones a la Simons Foundation para ayudar a los matemáticos a examinar, comprender y desarrollar resultados producidos por IA. Esa iniciativa suma US$15 millones aportados conjuntamente por la Simons Foundation, Anthropic y OpenAI.

Preguntado en el podcast sobre si la compañía tiene más descubrimientos matemáticos que los cientos de pruebas ya publicadas, Altman respondió: "Los tenemos. Por supuesto".

¿Qué significa esto para tu startup?

El mensaje de fondo es incómodo pero útil: la investigación científica de frontera se está convirtiendo en un juego de capital intensivo. Si tu producto depende de un avance técnico profundo, competir por descubrirlo tú mismo es una apuesta que probablemente pierdas contra laboratorios que gastan cientos de millones en un solo problema.

La oportunidad está en el otro lado de la ecuación: traducir esos resultados a aplicaciones concretas. La propia crítica de los matemáticos apunta a que los resultados llegan sin contexto, sin atribución clara y sin verificación. Ese vacío es un mercado.

Tres acciones concretas para tu equipo:

Construye sobre lo publicado, no sobre lo prometido. Cuando un laboratorio anuncia un resultado sin paper público —como ocurre con el caso Yang-Mills—, trátalo como no disponible. Diseñar producto sobre un hallazgo no verificado es deuda técnica disfrazada de ventaja competitiva.
Convierte la verificación en tu diferencial. Si tu startup toca dominios técnicos regulados o de alto riesgo (salud, finanzas, ingeniería), un proceso explícito de validación de resultados asistidos por IA puede ser tu argumento de venta frente a competidores que solo pegan la salida del modelo.
Documenta la atribución desde el día uno. La crítica más repetida contra OpenAI es la falta de crédito a trabajos previos. Si usas modelos de terceros en tu pipeline, registra qué versión, qué prompts y qué fuentes humanas alimentaron cada resultado. Te protege legalmente y te da trazabilidad cuando un cliente pregunte de dónde salió un número.

El otro aprendizaje es de gestión de expectativas. Altman describió euforia, pero también "más tristeza y melancolía, y una sensación de que algo se termina". Cuando una capacidad que definía la identidad profesional de un colectivo se automatiza, la reacción no es solo racional. Los equipos que anticipan esa conversación —con clientes, con empleados, con reguladores— llegan mejor parados que los que la ignoran hasta que estalla.