SandIA (Buenos Aires, 19 de septiembre de 2026).- La reciente resolución de un histórico problema matemático por parte de la empresa OpenAI generó intensos debates globales. Diversos especialistas advirtieron sobre la posibilidad de que los modelos de inteligencia artificial absorban y utilicen de forma opaca las ideas de los usuarios.
Un hito matemático bajo la lupa
La firma que dirige Sam Altman anunció que uno de sus modelos resolvió el complejo problema de Navier-Stokes, perteneciente al Clay Institute, tras permanecer 90 años sin solución. La compañía aseguró que logró este avance en tan solo 88 horas utilizando una red de 10.000 agentes de inteligencia artificial. Sin embargo, la corporación admitió que aplicó el método formulado previamente por dos científicos españoles, lo que alimentó de inmediato las dudas sobre el origen real de la información utilizada por estas tecnologías.
La polémica aumentó cuando se sugirió que OpenAI también pudo emplear el trabajo de un investigador de Anthropic, su principal competidor en el sector. Aunque un portavoz oficial rechazó el uso directo de instrucciones o pruebas específicas del rival, admitió que no se puede descartar que los datos derivados del uso de sus productos ayudaran a mejorar los algoritmos. Este escenario expuso la falta de claridad con la que se manejan las interacciones y los datos privados de los profesionales de todo el mundo.
La opacidad en el entrenamiento de los modelos
El catedrático de la UNED, Julio Gonzalo, señaló que la compañía es muy poco transparente respecto al destino de los diálogos con los usuarios. Para entrenar los sistemas de aprendizaje profundo, se requieren enormes bases de datos, que actualmente comienzan a escasear tras consumir casi toda la información disponible en internet con versiones como GPT-4. Por ello, las empresas del sector recurren de manera habitual a las conversaciones y consultas que el público realiza diariamente en sus plataformas digitales para seguir optimizando los sistemas.
Por su parte, Álvaro Barbero, director del AI Lab en Lynx Tech y docente en Afi Global Education, sostuvo que las interacciones cotidianas constituyen un material sumamente valioso para las corporaciones tecnológicas. Aunque se presupone que no se guardan todos los diálogos por cuestiones de escala, la asimilación de estos datos en la base general resulta un hecho comprobado. El entrenamiento constante con estas fuentes alternativas genera dudas legítimas entre los investigadores dedicados a resolver dilemas complejos de forma independiente.
La viabilidad técnica de la filtración de ideas
En sintonía, Carlos Gómez Rodríguez, catedrático de la Universidad de La Coruña, afirmó que es lícito deducir la transferencia de ideas de un usuario a otro mediante el proceso de entrenamiento. No obstante, advirtió que actualmente resulta imposible rastrear estas trazas específicas debido a las modificaciones numéricas complejas dentro del sistema. Los modelos asimilan y comprimen la información de manera abstracta, lo que dificulta comprobar al 100% la reproducción directa de las formulaciones originales introducidas en la plataforma.
