Por el equipo de Smili Phone
El 6 de octubre de 2026, OpenAI presentó lo que parecía un logro histórico en la investigación de IA: 722 preimpresiones publicadas en un repositorio público de GitHub, cada una afirmando avances en uno de 372 problemas matemáticos sin resolver o muy difíciles. Los manuscritos se generaron con la ayuda de un sistema interno de razonamiento matemático que la empresa nunca había anunciado.
Menos de 24 horas después, tres de esos artículos habían desaparecido. OpenAI los retiró el 7 de octubre tras encontrar un error de signo en una prueba, un error en un argumento de cancelación de traza de estabilización, que se propagó a otros dos artículos construidos sobre la misma base. Catorce manuscritos más fueron corregidos en la misma ventana. Retraction Watch dio a conocer la historia el 8 de octubre, y el episodio se convirtió en la prueba real más clara hasta ahora de una pregunta sencilla: cuánto podemos confiar en el trabajo generado por IA que parece impecable?
Qué contenía realmente el repositorio
La escala fue el titular, pero la letra pequeña importaba más. El propio repositorio de OpenAI advertía que no todos los resultados estaban completamente verificados al momento de la publicación. La colección llevaba un conteo de qué resultados se habían revisado con Lean, el asistente de pruebas de código abierto que los matemáticos usan para verificar argumentos formales con una máquina. La cobertura posterior ubicó la proporción verificada con Lean alrededor del 42 por ciento, y los distintos medios ni siquiera coincidían en cómo contarla.
El matemático de Cornell Alex Townsend dijo a Retraction Watch que OpenAI debería haber empezado con los manuscritos verificados con Lean, dada la desconfianza del campo hacia las matemáticas generadas por IA. El matemático de Rutgers Alex Kontorovich reaccionó a las pruebas con una mezcla de asombro y alarma. Ambas reacciones apuntan a la misma tensión: el volumen de avances anunciado era emocionante, pero presentar la mayoría sin verificar junto a la minoría verificada invitó exactamente el tipo de escrutinio que encontró el error en un día.
La lección para el resto de nosotros
No hace falta leer geometría algebraica para aprender algo de esto. Un error de signo es un error pequeño y mundano, del tipo que ha avergonzado a matemáticos humanos desde siempre. La IA lo presentó con total autoridad, y 722 manuscritos de prosa confiada se hicieron públicos antes de que alguien los revisara. Ese es el patrón que conviene recordar la próxima vez que un asistente de IA le entregue una respuesta perfectamente formateada en su teléfono: la confianza no es lo mismo que la corrección.
La regla práctica es sencilla. Para curiosidades y lluvia de ideas, la IA está bien por sí sola. Para lo que realmente importa, la tarea escolar, un informe de trabajo, preguntas de salud o dinero, verifique. Pídale al modelo que muestre su procedimiento y cite sus fuentes, contraste las afirmaciones clave en una fuente independiente y pase cualquier cosa crítica por un experto real. La IA es un punto de partida poderoso, no un producto terminado.
Estas herramientas son cada vez más capaces y están llegando a pequeños negocios y estudiantes en todas partes, incluyendo aquí en Escondido. Si un asistente de IA en su teléfono alguna vez le da una respuesta que le huele mal, o una app empieza a comportarse raro después de una actualización de IA, tráigalo a 1882 W El Norte Pkwy y le ayudamos a resolverlo.
Relacionado: la marca de agua invisible de OpenAI · la investigación de la FTC sobre agentes de IA
