OpenAI y Navier–Stokes: la polémica que va más allá de las matemáticas

El 8 de septiembre, OpenAI anunció una solución al problema de Navier–Stokes. La noticia llegó acompañada de una disputa con los matemáticos Tristan Buckmaster y Levent Alpöge sobre el trabajo previo y el crédito científico. El resumen de Konsti Wohlwend en X ayuda a situar la conversación, pero para entenderla conviene acudir a las declaraciones originales.

Hay preguntas abiertas sobre los datos y versiones enfrentadas sobre las conversaciones. Convertirlas en una sentencia de plagio sería ir más allá de lo que permiten las fuentes disponibles. También sería un error ignorarlas solo porque el anuncio científico es extraordinario.

Qué anunció OpenAI

Las ecuaciones de Navier–Stokes describen el movimiento de fluidos como el agua y el aire. La dificultad está en demostrar cómo se comportan sus soluciones. El Clay Mathematics Institute incluye este reto entre sus Problemas del Milenio. Descripción de Clay.

OpenAI afirma que un sistema interno produjo una demostración de que un fluido inicialmente suave puede desarrollar una singularidad en un tiempo finito, con una fuerza externa suave. Publicó el argumento y una formalización en Lean. La empresa sostiene que su resultado satisface dos variantes de la formulación oficial. Anuncio de OpenAI, 8 de septiembre.

El reconocimiento del premio tiene un procedimiento propio: Clay exige publicación en un medio admitido por sus reglas, al menos dos años desde esa publicación y aceptación general de la comunidad matemática antes de considerar una solución. Presentar el anuncio como un premio ya concedido sería incorrecto. Reglas del Premio del Milenio.

Qué habían conseguido los matemáticos

Buckmaster y Alpöge habían presentado avances sobre tres modelos relacionados, entre ellos las ecuaciones de Euler con fuerza externa suave. Terence Tao explica que esos resultados abren una vía prometedora hacia Navier–Stokes, aunque todavía no alcanzan ese objetivo. También sitúa el origen del programa en trabajos de Diego Córdoba y Luis Martínez-Zoroa. Análisis de Terence Tao.

Esto ayuda a corregir una simplificación del debate: las dos partes no anunciaron exactamente el mismo resultado. El alcance de cada trabajo importa antes de comparar quién llegó primero.

Según Buckmaster, la colaboración con Alpöge era personal, sin acuerdo institucional de sus empleadores. Usaron tanto Claude como Codex. Por tanto, atribuir todo su trabajo a Anthropic porque Alpöge trabaja allí desfigura su explicación. Declaración de Buckmaster, PDF.

Dónde está la disputa

Buckmaster cuenta que habían introducido los borradores del proyecto en Codex. Al conocer el resultado de OpenAI, preguntó si el modelo había accedido a esas sesiones o se había entrenado con ellas. Según su relato, recibió una negativa sobre el acceso, pero no una respuesta sobre el entrenamiento. También describe una propuesta para que redactara el resultado de OpenAI sin Alpöge y conversaciones que consideró una presión. Al final del documento precisa que no sabe si se usaron sus datos. Su declaración completa.

Bubeck ofrece otra versión: niega haber pedido retirar a Alpöge como autor de su propio trabajo. Afirma que discutían una posible reescritura del resultado de OpenAI, donde veía un conflicto por su empleo en Anthropic. Reconoce la frase sobre arriesgar la carrera y se disculpa por esa elección de palabras, que dice haber retirado en el momento. Respuesta de Bubeck, 8 de septiembre.

Por su parte, OpenAI dice que ni sus investigadores ni sus agentes vieron el trabajo inédito y que no accedieron a datos específicos de usuarios para resolver el problema. Añade un matiz: considera improbable, pero no descarta, que datos desidentificados derivados del uso de sus productos contribuyeran a mejorar sus modelos. Apartado sobre el trabajo simultáneo.

Son afirmaciones de las partes. Estas declaraciones, por sí solas, no permiten determinar si los borradores influyeron en el modelo ni reconstruir de forma independiente toda la conversación.

Una prueba correcta no resuelve la autoría

Nuestra lectura es que se están mezclando preguntas diferentes. Una trata de la validez de un argumento matemático. Otra, del origen de las ideas. Y otra, de las condiciones bajo las que confiamos material inédito a una herramienta.

Una respuesta convincente a la primera no liquida automáticamente las otras dos. Del mismo modo, una disputa sobre el trato recibido no demuestra que un resultado matemático sea inválido. Evaluar cada cuestión con sus propias pruebas permite discutir el caso sin tener que elegir un bando desde el primer titular.

Tao aporta una perspectiva útil: el valor del trabajo matemático está también en desarrollar comprensión e intuición, más allá de resolver una pregunta célebre. Su reflexión sobre estos resultados.

Para nosotros, esa idea tiene recorrido fuera de la investigación. Obtener una respuesta y entender de dónde sale son capacidades distintas. Una organización necesita ambas cuando va a tomar decisiones o publicar algo bajo su nombre.

Qué nos llevamos al trabajo con IA

Una agencia, una tienda o un equipo de desarrollo probablemente no esté preparando una demostración matemática. Sí puede trabajar con propuestas inéditas, código propio o información que otra persona le ha confiado. Como criterio de trabajo, nos parecen útiles tres hábitos:

1. Decidir qué se comparte antes de compartirlo. Acordar qué información puede entrar en cada herramienta y comprobar las condiciones del servicio utilizado. Una cuenta de pago, por sí sola, no explica todas esas condiciones.
2. Conservar el recorrido del trabajo. Guardar versiones, referencias y decisiones ayuda a explicar cómo se llegó a un resultado. También permite reconocer las aportaciones de otras personas.
3. Revisar las afirmaciones que se publican. Separar datos comprobados, declaraciones de terceros y opinión propia. Si cambia la información, actualizar el contenido y hacer visible la fecha.

Nuestra posición es que incorporar IA exige criterio sobre el proceso, además de atención al resultado. La confianza se construye cuando podemos explicar qué sabemos, qué hemos comprobado y qué sigue pendiente.

Esa es la conversación que nos interesa abrir con este blog: cómo trabajar con una tecnología que cambia deprisa sin perder la responsabilidad por lo que hacemos con ella.

---

Artículo elaborado con las fuentes enlazadas y la información disponible el 9 de septiembre de 2026. Incluye nuestra interpretación editorial; las versiones de las partes se atribuyen expresamente.