OpenAI divide a los matemáticos con sus breakthroughs de IA

La cronología de una conquista anunciada a toda velocidad

OpenAI sacudió a la comunidad matemática global al anunciar, en septiembre, una supuesta solución al problema de Navier-Stokes, uno de los siete Problemas del Milenio designados por el Clay Mathematics Institute en 2000, cada uno con un premio de un millón de dólares. Solo uno de esos siete problemas, la conjetura de Poincaré, había sido resuelto hasta ahora (por Grigori Perelman, reconocido por el Clay Institute en 2010).

Según reportó IBTimes citando a OpenAI, el trabajo fue ejecutado por unos 10.000 agentes de IA operando en paralelo durante 88 horas, produciendo un documento de 166 páginas con código de verificación formal escrito en Lean, el lenguaje que los matemáticos usan para auditar el rigor lógico de una demostración. El intercambio total entre agentes alcanzó 5 millones de mensajes y aproximadamente 300.000 millones de tokens de salida, de los cuales unos 2,7 millones de mensajes y 130.000 millones de tokens correspondieron específicamente al problema de Navier-Stokes. Una segunda fase, a cargo del modelo GPT-6 Astra, habría tardado unas 17 horas adicionales en formalizar la prueba.

Sébastien Bubeck, investigador de OpenAI, calificó el resultado como «una culminación espectacular del arco que hemos visto en los últimos doce meses», según recogió The New York Times.

Por qué la comunidad matemática se rebeló

El anuncio no fue celebrado. En cuestión de días, más de 1.000 matemáticos firmaron una carta abierta en la que calificaron el proceder de OpenAI como «mala conducta de investigación» (research misconduct), según reportó CryptoBriefing. La artillería pesada llegó poco después: 25 ganadores de la Medalla Fields emitieron un comunicado conjunto alertando sobre lo que denominaron una «desalineación severa» entre el desarrollo de la IA y la ética matemática. OpenAI respondió retirando su patrocinio de un hackathon matemático en Caltech.

El problema de fondo no es la prueba en sí, sino la velocidad y las formas. En matemática, un resultado trascendental se mueve a otro ritmo: preprint, seminarios, meses o años de escrutinio por pares, y luego la asimilación por parte de la comunidad. OpenAI intentó comprimir ese proceso en un comunicado de prensa con código adjunto.

Además, según The News, los matemáticos Tristan Buckmaster (NYU) y Levent Alpöge (Anthropic) denunciaron que OpenAI pudo haber construido sobre trabajo no publicado suyo tras conversaciones dentro de Codex con el propio Bubeck. Buckmaster aseguró que investigadores de OpenAI llegaron a amenazarlo con arruinar su carrera si no colaboraba. OpenAI calificó las acusaciones como «categóricamente falsas» y dijo que no accedió a borradores de los matemáticos antes de su publicación, aunque reconoció que datos desidentificados de ChatGPT y Codex se usan en el entrenamiento general y no podía descartar del todo una exposición indirecta.

El matemático Andreas Thom sumó otra denuncia en Mastodon: uno de los 10 resultados anunciados en agosto (sobre grupos no-sofic) se apoyaba fuertemente en trabajo previo suyo y de Gábor Kun, sin la atribución adecuada. El mes anterior, Scientific American había descrito la estrategia de OpenAI con esos anuncios como plagio. Steven Miller (Yeshiva University) y Francesco Fournier-Facio (Cambridge) habían hecho públicas quejas similares.

Para dimensionar el cálculo, los 10 problemas anunciados en agosto habrían costado apenas 2.000 dólares en cómputo, una cifra que en contexto abre una pregunta incómoda: ¿qué se está comprando exactamente con esa inversión? ¿capacidad nueva o conocimiento humano reorganizado a bajo costo?

El grupo asesor: ¿remedio real o cosmética?

En respuesta al tsunami, OpenAI anunció la creación del Advisory Group on Mathematics and Artificial Intelligence, un panel independiente de nueve matemáticos alojado en el Institute for Advanced Study de Princeton. Sus miembros no cobran, pueden publicar sus propias opiniones y gestionan su membresía sin intervención de OpenAI, según Digital Market Reports.

El grupo asesorará sobre cómo presentar y liberar resultados generados por IA, pero tiene una limitación clave: no tiene poder de decisión dentro de OpenAI ni de otros laboratorios, y OpenAI ya aclaró que no consultará al panel sobre la velocidad de su propia investigación matemática. Solo uno de sus nueve miembros, el profesor Camillo De Lellis, firmó también la carta de los 25 medallistas Fields.

La primera tarea del panel es hercúlea: coordinar la liberación de más de 100 problemas abiertos adicionales que el mismo modelo detrás del resultado de Navier-Stokes asegura haber resuelto. La comunidad observa con una mezcla de curiosidad y preocupación lo que The Verge describió como un «tsunami de breakthroughs» pendiente de publicación.

¿Qué significa esto para tu startup?

El caso OpenAI-matemáticas no es una curiosidad académica: es un caso de estudio sobre cómo una empresa tecnológica choca con un campo que lleva décadas perfeccionando sus propios códigos de conducta, y qué pasa cuando intenta importar la velocidad de Silicon Valley a sistemas que no la admiten.

1. Audita el ritmo de tus anuncios científicos o técnicos. Si tu startup toca áreas donde la verificación por pares importa (salud, energía, materiales, finanzas, regulación), aprende de la lección: anunciar antes de validar destruye credibilidad y abre litigios. Invierte en revisión externa antes de comunicar.

2. La atribución es infraestructura, no cortesía. Las acusaciones de OpenAI no fueron sobre la corrección de sus resultados, sino sobre a quién se le reconoce el crédito. Para founders que construyen sobre APIs, datasets o papers de terceros: documenta cada dependencia desde el día uno. Cuando escale, esa trazabilidad vale más que el marketing del lanzamiento.

3. Construye puentes con tu comunidad antes de necesitarlos. El grupo asesor de OpenAI nació como reacción a un incendio, no como planificación. Si tu producto se apoya en una comunidad de usuarios, investigadores o desarrolladores, crea canales formales de consulta antes de que llegue la crisis. Un panel asesor temprano cuesta poco y blinda tu reputación cuando la presión suba.

4. Piensa en la verificación formal como ventaja competitiva. Herramientas como Lean, que OpenAI usó para su prueba, están dejando de ser nicho académico. Startups en legaltech, fintech, biotech o auditoría pueden explorar verificación automatizada como diferencial de producto: demostrar que tu código cumple una especificación formal ya es un argumento de venta serio en 2026.

El matemático Terence Tao (UCLA) lo resumió así, según recogió ETV Bharat: «Estas preguntas son faros. Son grandes puntos de enfoque que atraen el esfuerzo de los científicos humanos». El valor de OpenAI no será si su prueba de Navier-Stokes resiste, sino si la comunidad matemática decide que el método valió el costo reputacional de haberlo intentado así.

Fuentes

• All the drama around AI’s takeover of mathematics – The Verge
• OpenAI claims substantial progress on second Millennium Prize problem, faces math community pushback – CryptoBriefing
• OpenAI Says AI Agents Solved $1M Navier-Stokes Math Problem In 88 Hours, Sparking Skepticism Among Experts – IBTimes AU
• OpenAI’s Navier-Stokes math breakthrough sparks dispute over who gets credit – The News
• OpenAI Creates Independent Math Advisory Group After Backlash Over AI-Generated Proofs – Digital Market Reports
• OpenAI faces backlash over controversial math discovery announcement – CryptoBriefing

Artículos relacionados:

OpenAI resuelve Navier-Stokes con 10.000 agentes de IA OpenAI afirma resolver Navier-Stokes con 10.000 agentes en 88h ¿ChatGPT resolvió Navier-Stokes? IA aplicada y comunidad OpenAI asegura resolver Navier-Stokes con 10.000 agentes de IA Bubeck se disculpa por Navier-Stokes; Buckmaster sostiene que mintió