Esta semana he leído en varios medios que un chatbot de OpenAI ha resuelto un problema matemático de Paul Erdős que llevaba 80 años abierto. Titulares en plano «la IA supera a los matemáticos», «primer hallazgo científico autónomo». Y sí, el resultado parece real: Nature lo recoge, matemáticos de primer nivel lo han revisado y OpenAI lo ha anunciado con bombo y platillo. Pero si gestionas una web, una tienda online o simplemente usas IA en el día a día del sector tech, te cuento por qué me suena más a campaña de relaciones públicas que a algo que cambie tu trabajo mañana.
El problema en cuestión es el de la distancia unitaria en el plano: colocar puntos de forma que el máximo de pares esté exactamente a una unidad de distancia. Erdős lo planteó en 1946 y durante décadas se creyó que la cuadrícula era casi óptima. OpenAI dice que su modelo ha encontrado una construcción mejor usando teoría algebraica de números. Impresionante, sin duda. Lo que me choca es como se empaqueta el mensaje.
En The Decoder explican bien la matización: no es que la IA haya «resuelto las matemáticas», sino que ha refutado una conjetura concreta. Thomas Bloom, uno de los matemáticos que revisó el trabajo, admite que su sorpresa se «enfrió un poco» al ver que era una refutación y no una solución completa del problema. Will Sawin cuantifica la mejora en torno al 1% más de pares por cada duplicación de puntos. Significativo en combinatoria, sí. Pero lejos del «la máquina ya piensa mejor que nosotros» que circula por LinkedIn.
Y aquí entra lo que en inglés llaman el timing problem. OpenAI anunció el resultado el 20 de mayo. Coincide con semanas en las que la empresa negocia una salida a bolsa valorada en cientos de miles de millones, compite con Anthropic por la corona del sector y necesita demostrar que sus modelos no son sólo chatbots que escriben emails. ¿Casualidad? Puede. ¿Me parece irrelevante? Para nada. Cuando una empresa cierra un resultado científico sin publicar el modelo concreto, sin liberar la cadena de razonamiento completa de 125 páginas y sin decir qué versión exacta lo produjo, yo guardo distancia con el relato heroico.
Lo que más me interesa del caso —y pocos titulares lo recogen— es el método. Según El Periódico, el prompt no pedía explícitamente refutar a Erdős; era una pregunta abierta sobre si la conjetura podía ser cierta o falsa. El modelo eligió un camino con herramientas de teoría de números que, según Noga Alon, «nadie había pensado en probar». Eso sí me dice algo útil: los modelos de razonamiento general pueden conectar áreas que un humano no exploraría por inercia. Pero conectar áreas en un problema acotado, con verificadores humanos de élite durante semanas, no es lo mismo que pedirle a ChatGPT que optimice tu funnel de conversión un martes por la tarde.
En foros y medios en inglés el debate va por otro carril. Unos celebran el hito como prueba de que la IA hará ciencia de verdad. Otros señalan que el 80% del trabajo posterior lo hicieron matemáticos humanos acortando y verificando la prueba. Otros más preguntan quién define qué problemas merece la pena atacar: la IA no elige la agenda científica, sólo responde a la pregunta que le formules. Y en mi experiencia con clientes del sector web, esa distinción es la que importa. No necesitas un modelo que demuestre teoremas; necesitas uno que no alucine precios en tu catálogo WooCommerce.
Tampoco ayuda que OpenAI no haya publicado el documento íntegro ni el nombre del modelo. En un contexto donde ya hay escándalos por benchmarks manipulados y demos editadas, pedir transparencia no es ser pesimista: es lo mínimo. Si el resultado aguanta revisión independiente durante meses, genial. Pero hoy, a 29 de mayo, lo que tenemos es un comunicado corporativo, un artículo de Nature basado en entrevistas y matemáticos que dicen «esto parece correcto pero aún lo estamos digiriendo». Eso no es una revolución consumada; es una hipótesis muy prometedora empaquetada para inversores.
¿Significa esto que la IA no avanzará en investigación? Claro que avanzará. De hecho creo que veremos más refutaciones de conjeturas menores en los próximos meses, sobre todo en problemas bien definidos con verificación automática parcial. Lo que no creo es que tu agencia de diseño web deba replantearse la estrategia porque Erdős perdió una apuesta de 1946. El mercado tech español sigue teniendo problemas más urgentes: cumplir el etiquetado de contenidos IA antes del 2 de agosto, vigilar que los agentes no tengan permisos de más, y dejar de confundir «autocompletar texto» con «razonamiento fiable».
Me quedo con una lección práctica. Cuando veas un anuncio de IA que suena demasiado épico, busca tres cosas: ¿hay revisión independiente?, ¿publican método y datos?, ¿el beneficio es transferible a tu caso de uso o sólo sirve para titular una ronda de financiación? En Erdős, la primera respuesta es sí, la segunda es parcial y la tercera es casi no. Y eso, para quien vende hosting o monta tiendas online, debería bastar para bajar el hype a tierra.
Si mañana tu proveedor de IA te promete «capacidades de razonamiento matemático de nivel investigación» a cambio de duplicar la cuota enterprise, pero no te enseña logs de verificación ni límites claros de lo que el modelo puede demostrar frente a lo que sólo sugiere, ¿firmarías el contrato anual o esperarías a ver la prueba completa publicada?