OpenAI presiona a un matemático de NYU: 25 medallas Fields alertan sobre la carrera de la IA por las pruebas

Por Zendoric · 12 de septiembre de 2026.

Veinticinco matemáticos, todos ellos ganadores de la Medalla Fields —el galardón más prestigioso de las matemáticas, equivalente a un Nobel de la disciplina—, firmaron esta semana una carta abierta que acusa a los grandes laboratorios de inteligencia artificial de poner en riesgo la integridad de su campo. Según recoge TechCrunch, el detonante inmediato es la denuncia de Tristan Buckmaster, profesor de la Universidad de Nueva York (NYU): asegura que OpenAI presionó para que no acreditara a un colaborador que trabaja en Anthropic tras resolver juntos un problema matemático relevante, y se pregunta si la compañía usó ese trabajo, vía su modelo de programación Codex, para producir su propia demostración en un maratón de inferencia de un fin de semana. Esa prueba de OpenAI, señala TechCrunch, sigue sin verificarse.

El jueves, OpenAI retiró su patrocinio de un evento de matemáticas en Caltech después de que investigadores de la propia universidad criticaran a la compañía, según el mismo artículo. Son dos episodios de una misma tensión: los laboratorios de IA, apunta el artículo, pueden gastar decenas de millones de dólares en usar modelos de lenguaje para adelantarse a los investigadores originales en la resolución de un problema abierto, una dinámica que, según la fuente, incentiva el secretismo.

El argumento de fondo no es que la IA no deba resolver problemas matemáticos —la propia fuente admite que esa capacidad podría ser un beneficio para la humanidad—, sino que ese beneficio solo se materializa si las soluciones pueden ser entendidas, verificadas y transmitidas por la comunidad matemática. Su queja es de proceso: "a menudo estas soluciones se anuncian con prisa, sin tiempo para una redacción adecuada, para aislar los métodos e ideas nuevos, ni para citar el trabajo previo relevante", escriben, lo que abre "graves cuestiones de atribución y plagio", como en cualquier profesión creativa. Y el artículo apunta a un efecto de segundo orden: matemáticos que ahora dudan de si su propio uso de herramientas como Codex ha sido reutilizado para entrenar los modelos que compiten con ellos, lo que empuja a la comunidad hacia el secretismo justo cuando su cultura tradicional depende de la publicación abierta.

Esta carta no aparece de la nada: sigue a la Declaración de Leiden, publicada en junio por un grupo de trabajo de matemáticos que ya proponía recomendaciones para matemáticos, instituciones y responsables políticos ante las pruebas generadas por modelos de lenguaje. Dos documentos en tres meses, más una acusación pública con nombre y apellido, más un patrocinio retirado: la escalada del titular de TechCrunch no es retórica, es un patrón que se acumula.

Nuestra lectura es que este episodio —aparentemente un asunto gremial de una disciplina minoritaria— es en realidad un caso de estudio adelantado de un problema que va a repetirse en cualquier campo donde el prestigio se mida por ser el primero en publicar. Los propios firmantes lo dicen sin rodeos: "los problemas que enfrenta la comunidad matemática ahora... indican problemas que toda la humanidad podría enfrentar". Sustituyan "prueba matemática" por "paper biomédico", "patente" o "diagnóstico clínico" y la dinámica es idéntica: si un laboratorio puede gastar cómputo para adelantarse a un investigador humano en la línea de meta, el incentivo deja de ser compartir el trabajo en curso y pasa a ser ocultarlo hasta poder reclamarlo. Es exactamente lo contrario del ecosistema abierto que ha permitido a la ciencia acumular conocimiento durante siglos.

Aquí conviene separar dos cosas: la capacidad de un modelo para producir una demostración matemática válida —algo que, de confirmarse y verificarse, sería un paso notable hacia la tesis de fondo que defendemos en Zendoric: una IA capaz de acelerar el conocimiento humano hasta ayudar a resolver problemas que hoy tardan generaciones— y el uso de esa capacidad como arma competitiva entre laboratorios, sin someterla al escrutinio que la haría fiable. Lo primero es progreso; lo segundo, si se demuestra, es la corrupción del proceso que hace que ese progreso sea real y no solo un titular. TechCrunch lo subraya: la prueba de OpenAI "permanece sin verificar", que es la peor combinación posible: reivindicación pública sin confirmación de pares.

A corto plazo, el riesgo que describen estos 25 medallistas Fields es concreto y no debe minimizarse: erosión de la atribución académica, incentivos al secretismo, y la posibilidad —que se plantea como pregunta abierta, no como hecho probado— de que el trabajo de investigadores humanos alimente, sin su consentimiento claro, los mismos modelos que después compiten con ellos. Es una versión académica del mismo problema que ya viven programadores, escritores o diseñadores: la IA como herramienta y como rival simultáneamente. A largo plazo, si la comunidad matemática consigue lo que pide —tiempo para verificar, normas de atribución, integración cuidadosa de las ideas generadas por IA en el "canon" del conocimiento humano—, el resultado podría ser justo el que defendemos como horizonte: máquinas que ayudan a resolver problemas que llevan décadas atascados, liberando a los matemáticos para hacer lo que el artículo llama "el trabajo alrededor del trabajo": formar a la próxima generación, plantear las preguntas correctas, dar sentido a lo que se descubre. Ese equilibrio no llega solo; depende de que laboratorios como OpenAI acepten las reglas de verificación y crédito que la propia carta reclama, en lugar de tratar cada prueba como un trofeo de relaciones públicas.