Usar las herramientas de las mismas empresas que cuestionan no es una contradicción menor: es la tensión central que define hoy la relación entre la comunidad matemática y la inteligencia artificial.

El matemático Tristan Buckmaster acusó a OpenAI de haber utilizado su trabajo sin reconocimiento para avanzar en la resolución del problema de existencia y suavidad de Navier-Stokes, uno de los siete Problemas del Milenio con una recompensa de un millón de dólares. Sin embargo, semana y media después de hacer públicas sus acusaciones, Buckmaster seguía utilizando Codex —el agente de codificación de OpenAI— para organizar sus documentos de investigación. "Estas empresas tienen un monopolio, y no hay muchas opciones", declaró. La utilidad práctica de las herramientas supera, al menos operativamente, las objeciones éticas.

El problema del crédito en matemáticas asistidas por IA

Buckmaster también ha empleado Claude, de Anthropic, en su trabajo junto al investigador Levent Alpöge. OpenAI, por su parte, desplegó miles de agentes para abordar Navier-Stokes, pero —según Buckmaster— solo después de detectar que la ecuación estaba próxima a resolverse. La empresa respondió con una investigación interna y ajustó su comunicado oficial, aclarando que las contribuciones previas de Buckmaster no influyeron en el sistema. La aclaración no disipó el debate.

El caso de Andreas Thom añade otra dimensión al problema. Thom lleva dos décadas desarrollando técnicas en teoría de grupos geométricos. Cuando OpenAI anunció que su modelo Astra había utilizado esas técnicas para abordar un problema relacionado, Thom descubrió que su trabajo no había sido considerado en la narrativa pública de OpenAI, que afirmaba que no había habido progreso en el área durante la última década. Thom usa ChatGPT en su propia investigación, pero reconoce que probablemente nunca sabrá si su trabajo influyó en los resultados del modelo.

Rastreabilidad y atribución: el riesgo sistémico

Más allá de los casos individuales, la situación expone un riesgo estructural: la inteligencia artificial podría erosionar la capacidad de rastrear contribuciones intelectuales específicas dentro de disciplinas donde la atribución es parte fundamental del contrato académico. En matemáticas, donde los avances se construyen sobre demostraciones verificables y autoría documentada, la opacidad de los modelos de lenguaje de gran escala introduce una fricción que los marcos actuales de propiedad intelectual no están diseñados para resolver.

La paradoja que enfrentan estos investigadores —depender de herramientas que potencialmente invisibilizan su trabajo— no es exclusiva de las matemáticas. Es una señal temprana de tensiones que escalarán en cualquier sector donde el conocimiento especializado sea el activo central y los modelos de IA se entrenen sobre ese mismo conocimiento sin mecanismos claros de trazabilidad ni compensación.