OpenAI y Navier-Stokes: la IA que desafía la ciencia y la ética

El anuncio no es un paper científico: es una declaración de capacidades. OpenAI sostiene que un modelo interno, más potente que GPT-6 Astra, encontró una demostración para el problema de Navier-Stokes, una de las preguntas abiertas más célebres de la física matemática. La hazaña, si se confirma, no debería leerse solo como una victoria académica: es una señal sobre el rumbo de la inteligencia artificial y sobre quién controla el conocimiento que define nuestro mundo.

El problema que llevó 90 años

Las ecuaciones de Navier-Stokes describen cómo se mueven fluidos como el agua o el aire. En tres dimensiones, la pregunta central es si las soluciones pueden desarrollar una singularidad: un punto donde el comportamiento matemático deja de ser regular. Durante cerca de 90 años, ningún humano pudo demostrar de manera concluyente que esas soluciones permanecen regulares o que pueden romperse. El Clay Mathematics Institute mantiene el problema en su lista de los seis desafíos del milenio aún pendientes; quien lo resuelva con una prueba formalmente verificada recibiría un millón de dólares. OpenAI dice que lo ha logrado, pero no con el método clásico de un investigador solo frente a una pizarra.

Una demostración producida por 10.000 agentes

Según la compañía, el hallazgo proviene de un sistema interno más avanzado que GPT-6 Astra, su modelo comercial más reciente. Para llegar a la demostración se desplegaron unos 10.000 agentes de IA que trabajaron en paralelo durante aproximadamente 88 horas. La prueba describe un fluido cuya velocidad crece sin límite mientras su energía permanece finita; un resultado que, si es correcto, confirmaría la posibilidad de singularidades. OpenAI no reclamará el premio y presenta el resultado como una muestra del potencial de sus modelos más poderosos, no como una contribución al fondo común del conocimiento.

Ahí empieza el problema ético. La comunidad matemática aún no ha verificado la demostración. Mientras tanto, la declaración pública ya produce efectos: modifica la percepción pública de la IA, presiona a competidores y refuerza la posición de una de las empresas más poderosas del planeta. La ciencia no suele funcionar así. Una demostración se comparte, se examina, se reproduce y, solo después, se celebra. El anuncio de OpenAI invierte ese orden: celebra antes de la validación.

Tres dilemas urgentes

Primero, la opacidad. Sin acceso a los datos, al código y al razonamiento del modelo, ningún científico independiente puede confirmar el resultado. La empresa actúa como juez y parte de su propio avance. Segundo, la concentración de poder. Si la IA capaz de resolver problemas matemáticos abiertos vive solo dentro de los laboratorios de OpenAI, el conocimiento crítico queda en manos privadas. No es un tema académico: esos modelos podrán influir en diseño de ingeniería, predicción climática, aeroespacial o seguridad energética. Tercero, la rendición de cuentas. ¿Quién responde si la demostración contiene un error sutil? ¿Qué marco legal cubre una conclusión matemática producida por 10.000 agentes autónomos? Las respuestas no existen todavía.

Para los directivos latinoamericanos, este episodio no es una nota lejana de ciencia. Es una llamada de atención sobre la asimetría en el acceso a la inteligencia artificial avanzada. Las empresas de la región probablemente no tendrán modelos con esa capacidad, pero sí dependerán de ellos para decisiones críticas. Si no desarrollamos la capacidad de evaluar críticamente los resultados de la IA, estaremos comprando conclusiones sin poder auditarlas.

La confianza es el activo en juego

El verdadero riesgo no es que una IA resuelva Navier-Stokes. Es que la sociedad aprenda a aceptar la superioridad técnica de modelos opacos antes de que existan mecanismos para verificar, explicar y controlar sus conclusiones. OpenAI decidió no cobrar el premio, pero ya cobró algo más valioso: la atención mundial y la confirmación de su liderazgo. Esa forma de hacer ciencia —anunciar primero, verificar después— puede acelerar la innovación, pero también erosiona la confianza pública.

La pregunta que deberían hacerse los líderes de la región no es si la IA puede resolver problemas que nosotros no podemos. Es si estamos dispuestos a delegar en una caja negra las decisiones que definen nuestro futuro, sin saber exactamente cómo llegó a sus respuestas. Navier-Stokes es solo el primer ejemplo. Y no habrá una segunda oportunidad para diseñar las reglas.