OpenAI publica 722 demostraciones matemáticas y casi 900 matemáticos firman en contra: el miedo llega a la élite

Los hechos, según el material disponible: OpenAI ha publicado 722 demostraciones matemáticas producidas con sus modelos, y casi 900 matemáticos han firmado una carta de protesta en la que expresan temor por el futuro de su profesión. No se detalla en la nota qué teoremas cubren esas pruebas, cuántas han sido verificadas de forma independiente ni cuál es su nivel de dificultad, y esa ausencia es relevante para cualquier lectura seria.

Nuestra tesis: la matemática es el peor terreno posible para el marketing y el mejor para medir capacidad real. Una demostración, si está formalizada, se comprueba mecánicamente: o cierra o no cierra. No hay voto humano que inflar, como ocurre en los rankings tipo Elo que venimos mirando con lupa. Pero por eso mismo el número 722 no significa nada por sí solo. Mil demostraciones de ejercicios de libro no equivalen a una sola aportación original. La pregunta correcta no es cuántas, sino cuáles y verificadas por quién.

El dato político es el otro. Casi 900 firmas no son una evaluación técnica, son un síntoma. En nuestra serie sobre IA y empleo, lo más expuesto era siempre lo administrativo y rutinario, y lo que resistía era el criterio experto. La matemática de investigación era el ejemplo canónico de criterio puro: nadie la citaba como sector en riesgo. Que su comunidad se organice para firmar una carta indica que la frontera percibida del riesgo se ha desplazado hacia arriba, y que el sistema de incentivos académico —autoría, publicación, revisión por pares— no tiene respuesta preparada para un coautor que no firma.

Nuestra lectura: a corto plazo esto es un conflicto de reconocimiento y de carrera, legítimo y mal gestionado, y conviene no despacharlo como ludismo de gente brillante. A largo plazo, una máquina que demuestra teoremas es exactamente la palanca que necesitamos para los problemas que importan —plegamiento de proteínas, diseño de fármacos, materiales—, porque casi todos acaban siendo un problema matemático duro. Lo razonable es pedir dos cosas a la vez: verificación formal independiente de cada prueba publicada y trazabilidad de qué aportó el modelo y qué el humano. Sin eso, el volumen es ruido; con eso, es el principio de una colaboración, no de una sustitución.