Riesgos de la IA: la controversia entre OpenAI y los matemáticos por Navier-Stokes

En setiembre de 2026, un anuncio científico terminó convertido en un caso de estudio sobre los riesgos —no solo técnicos, sino también éticos y de confianza— que trae consigo el avance acelerado de la inteligencia artificial. OpenAI afirmó haber resuelto uno de los siete Problemas del Milenio del Clay Mathematics Institute: el problema de existencia y suavidad de las ecuaciones de Navier-Stokes, que describen el movimiento de los fluidos y llevan casi un siglo sin solución formal completa. La compañía indicó que la prueba fue generada por un modelo de próxima generación aún no publicado, usando miles de agentes de IA en paralelo, y que fue verificada mediante el lenguaje de demostración formal Lean.

El anuncio, sin embargo, no tardó en verse envuelto en una disputa pública entre investigadores. Horas antes, los matemáticos Tristan Buckmaster (Universidad de Nueva York) y Levent Alpöge habían difundido su propio avance sobre las ecuaciones de Euler —consideradas un paso previo hacia Navier-Stokes—, fruto de cerca de un año de trabajo. Buckmaster acusó públicamente a OpenAI de haber tenido acceso anticipado a información sobre su progreso y de haber replicado su enfoque específico, conocido como «forcing», aprovechando una capacidad de cómputo muy superior para llegar primero a una prueba formal completa.

Lo que dicen ambas partes

OpenAI negó la acusación. Su investigador Sébastien Bubeck declaró que el equipo «no utilizó los mensajes ni las pruebas de Buckmaster y Alpöge para instruir a sus modelos», y que el esfuerzo de la compañía había comenzado el 1 de setiembre, antes de conocerse los detalles del trabajo de ambos matemáticos. Otros investigadores, como el matemático Luis Silvestre (Universidad de Chicago), señalaron que, en un escenario donde los sistemas de IA generan y combinan pruebas a partir de enormes volúmenes de material público, se vuelve cada vez más difícil rastrear con certeza el origen intelectual de un resultado.

Por qué esto importa más allá de las matemáticas

Independientemente de cómo se resuelva la disputa de autoría —que a la fecha de esta publicación seguía sin un pronunciamiento definitivo—, el episodio sintetiza varios de los riesgos que distintos investigadores y comentaristas vienen señalando en redes y medios especializados sobre el desarrollo actual de la IA:

• Velocidad sin trazabilidad. Cuando un modelo puede producir en horas lo que a una persona le toma años, se pierde la posibilidad de verificar con claridad de dónde provienen las ideas centrales de un resultado.
• Incentivos desalineados entre investigación humana e industria de IA. Empresas con enorme capacidad de cómputo pueden —intencionalmente o no— capitalizar avances incipientes de investigadores individuales antes de que estos los publiquen o los protejan.
• Dependencia de la verificación formal. El uso de lenguajes como Lean para certificar pruebas generadas por IA es, a la vez, una garantía de rigor y un recordatorio de que la verificación automática no resuelve preguntas de atribución, ética o intención.
• Erosión de la confianza pública en los anuncios de IA. Cada controversia de este tipo alimenta el escepticismo —visible en foros académicos y redes sociales— sobre si los grandes anuncios de las empresas de IA reflejan avances genuinos o estrategias de posicionamiento mediático.

Como agencia que trabaja diariamente con infraestructura web, seguridad y automatización, en EDUBRIDGES.COM seguimos de cerca este tipo de casos porque anticipan el terreno regulatorio y ético en el que se moverán, en los próximos años, las herramientas de IA que ya empezamos a integrar en proyectos de negocio digital.

La controversia entre OpenAI y los matemáticos Buckmaster y Alpöge permanece abierta y sin resolución oficial al momento de esta publicación. La presentamos aquí como una síntesis informativa de fuentes especializadas, no como un veredicto sobre quién tiene la razón.

Fuentes consultadas: Scientific American, TechCrunch, NPR, OpenAI.