Miguel Raúl Hernández Rojas
(X: @Rauuxll).
10/09/2026
En mayo de 2000, el Clay Mathematics Institute reunió siete preguntas que llevaban años resistiendo algunos de los mejores intentos de la matemática y las bautizó como los Problemas del Milenio. Reservó un millón de dólares para quien resolviera cada una. La cifra importa menos que la categoría –– aunque, claro, nadie rechaza un millón de dólares ––: el instituto escogió problemas capaces de representar algunas de las fronteras más difíciles del conocimiento matemático al comenzar el nuevo milenio. Veintiséis años después, sólo uno había abandonado oficialmente la lista de pendientes: la conjetura de Poincaré, resuelta por Grigori Perelman.
Quizá parezca una manera extraña de comenzar una columna sobre derecho, aunque deja de serlo cuando uno piensa en qué consiste buena parte de nuestro trabajo. Los abogados recibimos problemas ajenos y tratamos de convertirlos en razones capaces de convencer a alguien. Durante generaciones, una parte considerable del valor profesional estuvo precisamente ahí: investigar mejor para escribir mejor. Por eso importa tanto lo ocurrido esta semana. Si una inteligencia artificial puede entrar en una de las fronteras intelectuales más resistentes de las matemáticas, vale preguntar cuánto tiempo conservará la abogacía la forma que hoy conocemos.
OpenAI, la empresa creadora de ChatGPT, anunció el 8 de septiembre que un sistema interno de inteligencia artificial produjo una propuesta de solución al problema de existencia y suavidad de las ecuaciones de Navier-Stokes. El nombre puede espantar a quienes abandonamos cualquier aspiración matemática después de aprender la fórmula general, pero el asunto admite una explicación bastante menos cruel. Estas ecuaciones describen el movimiento de los fluidos y aparecen en problemas relacionados con aeronaves, predicción meteorológica o flujo sanguíneo. Los matemáticos conocen sus antecedentes desde el siglo XIX, aunque una pregunta fundamental permanecía abierta: bajo determinadas condiciones, ¿sus soluciones conservan siempre un comportamiento regular o pueden desarrollar una singularidad? [1]
Así, OpenAI afirma haber demostrado que una singularidad puede ocurrir en tiempo finito. Conviene conservar el verbo afirma, porque el Clay Mathematics Institute todavía mantiene Navier-Stokes entre sus problemas pendientes y sus propias reglas impiden reconocer inmediatamente cualquier propuesta de solución. Antes de que el instituto siquiera la considere, debe aparecer en una publicación que cumpla sus requisitos, tienen que transcurrir al menos dos años desde su publicación y la solución debe alcanzar aceptación general dentro de la comunidad matemática. [2]
Esa cautela tampoco debería empequeñecer el acontecimiento. Que la demostración todavía necesite años de revisión no cambia algo bastante difícil de ignorar: una inteligencia artificial produjo un argumento capaz de obligar a algunos de los mejores matemáticos del mundo a sentarse a revisarlo [3]. Hace pocos años, afirmar que una máquina podría entrar en una discusión de este nivel sonaba a ciencia ficción con exceso de entusiasmo. Hoy la discusión consiste en averiguar si realmente resolvió uno de los problemas matemáticos más difíciles de nuestro tiempo. Quizá sea buen momento para utilizar con un poco más de cuidado la frase “una máquina nunca podrá hacer eso”.
Para entender por qué, conviene aclarar qué llamamos inteligencia artificial cuando hablamos de herramientas como ChatGPT. Los grandes modelos de lenguaje trabajan con pequeñas unidades de información llamadas tokens. Una palabra puede corresponder a uno de ellos o quedar dividida entre varios; incluso los signos de puntuación forman parte de esa representación. Durante el entrenamiento, el modelo aprende patrones presentes en grandes cantidades de información y desarrolla la capacidad de generar continuaciones a partir de aquello que recibe [4]. De ahí nació aquella explicación de ChatGPT como un “autocompletado muy sofisticado”. La descripción tenía algo de razón; el problema es que cada vez describe peor todo lo que ocurre encima de ese mecanismo.
Los modelos actuales pueden abordar tareas complejas mediante sistemas capaces de razonar con apoyo de herramientas y operar con cierto grado de autonomía. Para Navier-Stokes, OpenAI utilizó precisamente un sistema de agentes coordinados alimentados por un modelo interno todavía en entrenamiento y que la empresa describe como significativamente más capaz que GPT-6 Astra, su versión más reciente disponible para el público. El grupo que produjo el resultado llegó a involucrar alrededor de diez mil agentes concurrentes. Dichos agentes podían ejecutar código y consultar una versión almacenada de internet; distintos grupos exploraron caminos diferentes antes de intercambiar resultados útiles [5]. Imagine, lector, algo parecido a poner a 10,000 pasantes a trabajar al mismo tiempo sobre el mismo problema.
Además, OpenAI afirma que los primeros agentes comenzaron el 1 de septiembre y que llegaron a la propuesta de solución unas 88 horas después. Solamente el trabajo sobre Navier-Stokes produjo alrededor de 2.7 millones de mensajes y 130 mil millones de tokens de salida. Después, GPT-6 Astra tardó otras 17 horas en completar la formalización y verificación en Lean, un asistente de prueba que permite expresar formalmente un argumento matemático y comprobar que sus pasos respeten las reglas del sistema. [6]
La máquina ya no estaba terminando un cuerpo de correo. Intentaba resolver una pregunta que, como problema central sobre regularidad, llevaba aproximadamente noventa años abierta.
Sin embargo, la historia no llega libre de controversia. Tristan Buckmaster, matemático de NYU, y Levent Alpöge, investigador de Anthropic que trabajaba en el proyecto a título personal, habían obtenido avances paralelos relacionados con ecuaciones de fluidos. Así, después del anuncio surgió una disputa sobre la autoría del resultado y sobre la posibilidad de que información privada vinculada con ese trabajo hubiera influido en los modelos de OpenAI. Buckmaster ha formulado acusaciones sobre las conversaciones posteriores entre los investigadores; OpenAI rechaza haber accedido específicamente a su trabajo antes de que fuera publicado y sostiene que sus investigadores y agentes no lo vieron por ningún medio. La propia empresa reconoce, sin embargo, que no puede descartar por completo que datos desidentificados derivados del uso de sus productos hubieran contribuido anteriormente a mejorar sus modelos. La controversia sigue abierta. [7]
Ahora bien, el asunto merece atención porque apunta hacia una pregunta que apenas empezamos a formular: qué significa atribuir un descubrimiento cuando un sistema aprende dentro de una infraestructura construida sobre cantidades inmensas de conocimiento humano y después produce algo nuevo con ellas. Reconocer esa discusión no reduce el alcance tecnológico del acontecimiento; simplemente recuerda que ninguna inteligencia artificial aparece intelectualmente en el vacío.
Aunque he de confesar que, para entrar de lleno en esa controversia, convendría escuchar también a quienes trabajan directamente sobre autoría e inteligencia artificial. Sin embargo, el episodio me recordó algo que hace no mucho me planteó un profesor y que entonces sonaba provocador: la inteligencia artificial ya estaba aquí y dedicar nuestros esfuerzos a resistirla tenía poco sentido; la tarea consistía en aprender a utilizarla. Para explicarlo, imaginaba un futuro en el que dos despachos llegarían a una negociación después de haber producido escritos prácticamente perfectos con ayuda de sus modelos. Cuando redactar impecablemente dejara de distinguirlos, el abogado tendría que recuperar otra parte de su oficio: negociar.
Naturalmente, mientras la conversación avanzaba, terminamos hablando de prompts. Pero ¿qué es exactamente un prompt? En términos simples, es la instrucción que una persona entrega al modelo. Con el uso cada vez más extendido de estas herramientas, mucha gente empezó a descubrir que no daba lo mismo preguntar de cualquier manera: una indicación mejor formulada podía cambiar de forma importante la calidad de la respuesta. Durante un tiempo pareció que una de las próximas grandes ventajas profesionales consistiría, precisamente, en aprender a hablarle mejor a la máquina. Quizá esa etapa termine siendo mucho más breve de lo que imaginamos.
Así, la ventaja de una firma puede depender menos de encontrar una instrucción ingeniosa que de la infraestructura intelectual que construya alrededor de sus modelos. Un despacho puede convertir años de expedientes en conocimiento consultable y desarrollar herramientas especializadas para las materias que trabaja. El conocimiento que hoy vive disperso entre archivos y la memoria del socio que recuerda “un asunto parecido” puede empezar a formar parte de la propia infraestructura de la firma.
Entonces cambia aquello por lo que competimos. Durante buena parte de nuestra formación jurídica aprendemos a encontrar una norma y convertirla en argumento; después practicamos durante años hasta conseguir que ese argumento sobreviva frente al escrito preparado por alguien que hizo exactamente lo mismo. Los despachos cobran muchas horas por ese proceso y construyen parte de su prestigio alrededor de la capacidad para hacerlo excepcionalmente bien. ¿Qué ocurre cuando producir un primer borrador extraordinario empieza a costar minutos?
Podemos responder que la inteligencia artificial todavía comete errores, y tendríamos razón. Un modelo puede inventar una sentencia o interpretar equivocadamente un hecho decisivo, por lo que el abogado necesita comprender el problema para detectar aquello que la máquina hizo mal. Sin embargo, confiar en que nuestra ventaja profesional sobrevivirá porque la tecnología continuará equivocándose parece una apuesta bastante poco ambiciosa, sobre todo durante la semana en que una inteligencia artificial pretende haber resuelto uno de los grandes problemas matemáticos de nuestro tiempo.
La transición, además, coincide con otro movimiento que el derecho lleva años impulsando: el regreso de la palabra hablada. El Código Nacional de Procedimientos Penales dispone expresamente que las audiencias deben desarrollarse de forma oral y ordena que los documentos no sustituyan la argumentación oral. El Código Nacional de Procedimientos Civiles y Familiares avanza en la misma dirección: reconoce la oralidad como principio y establece que el proceso debe desarrollarse mediante audiencias orales, salvo las excepciones previstas.
No hablamos únicamente de cambiar papel por voz. En materia civil y familiar, por ejemplo, una vez que el proceso entra en determinadas etapas las promociones relacionadas con el procedimiento deben formularse oralmente al inicio de la audiencia, las cuestiones debatidas tienen que resolverse ahí y las partes ni siquiera pueden limitarse a leer íntegramente sus escritos. En audiencia de juicio, el Código prevé alegatos de apertura, desahogo probatorio y alegatos de cierre antes de la resolución. [8]
Por ello, considero que las facultades de Derecho deberían mirar con atención esa coincidencia. Durante mucho tiempo, una parte importante de la educación jurídica descansó en leer y después escribir sobre lo leído. Ambas capacidades seguirán siendo indispensables, porque resulta difícil evaluar críticamente una respuesta que uno mismo sería incapaz de construir. Pero si obtener una explicación jurídicamente correcta cuesta cada vez menos, el salón de clases puede dedicar mucho más espacio a otra tarea: enseñar al estudiante a defender lo que piensa frente a alguien dispuesto a contradecirlo.
Quizá la inteligencia artificial termine acelerando un cambio que la enseñanza jurídica ya necesitaba. Una clase donde el profesor transmite información durante dos horas compite ahora con herramientas capaces de explicar un concepto cuantas veces haga falta. El aula puede aprovechar mejor aquello que ocurre cuando otra persona cuestiona una premisa y obliga a reconstruir el argumento en tiempo real. Aprender derecho también significa aprender qué hacer cuando la respuesta que habíamos preparado deja de servir.
Algo parecido ocurrirá en la práctica profesional. Durante mucho tiempo imaginamos al buen abogado inclinado sobre un escritorio, concentrado en perfeccionar un escrito hasta encontrar la palabra exacta. Esa imagen difícilmente desaparecerá, aunque probablemente deje de bastar cuando dos despachos puedan producir documentos igualmente extraordinarios y la diferencia entre ellos tenga que aparecer en otro lugar. Ahí empieza a cobrar importancia la negociación.
Un expediente cuenta hechos, pero rara vez explica por completo qué necesita una persona para aceptar un acuerdo. Una demanda puede mostrar cuánto reclama una empresa, aunque difícilmente revela hasta dónde está dispuesta a ceder cuando cerrar el conflicto vale más que ganar dentro de cuatro años. El abogado tendrá que aprender a llegar a esa parte, escuchar lo que la contraparte realmente ofrece y reconocer cuándo el argumento jurídicamente perfecto deja de representar la mejor estrategia para su cliente.
La oralidad plantea una exigencia parecida. Una inteligencia artificial puede ayudar a preparar una audiencia y anticipar posibles argumentos antes de entrar a la sala. Dentro, en cambio, el litigante enfrenta una conversación cuyo rumbo cambia con cada intervención. Un testigo puede responder algo inesperado y el juez puede plantear una pregunta que obligue a reorganizar el caso ahí mismo. El conocimiento jurídico importa, pero empieza a importar también la capacidad para convertirlo en una decisión bajo circunstancias que nadie controla por completo.
Ahora bien, nada de esto demuestra que exista una frontera donde la inteligencia artificial jamás podrá entrar. Probablemente sería ingenuo construir toda una defensa de la profesión alrededor de esa esperanza. La tecnología también puede mejorar en negociación y en preparación de intervenciones orales. La cuestión relevante radica en cómo cambia, mientras tanto, el valor relativo de las distintas capacidades del abogado. Si escribir jurídicamente bien deja de ser escaso, tendremos que preguntarnos qué queremos que siga distinguiendo a un buen abogado.
Ese cambio también trae un problema menos visible. Durante generaciones, el abogado joven aprendió redactando borradores imperfectos que alguien con mayor experiencia corregía. El primer escrito podía servir poco al cliente, pero muchísimo al asociado: cada tachadura revelaba un hecho ignorado o una inferencia mal construida. Ahora aparece una tentación bastante comprensible. Si una máquina puede producir desde el principio un documento superior, ¿para qué pagar las horas necesarias para que un joven escriba una versión peor?
El despacho ahorra tiempo, pero corre el riesgo de eliminar el lugar donde aquel abogado aprendía a pensar. Incorporar inteligencia artificial a la profesión exigirá, por eso, algo bastante más complejo que comprar licencias y enseñar prompts. Tendremos que decidir cuándo conviene utilizar la respuesta de la máquina y cuándo todavía vale la pena permitir que alguien haga el trabajo con mayor lentitud porque precisamente ahí ocurre su formación.
Tal vez la respuesta pase por trasladar parte de ese aprendizaje hacia espacios que durante mucho tiempo tratamos como complementarios. Más negociación dentro de las facultades y más audiencias simuladas pueden preparar abogados para un oficio donde escribir seguirá siendo necesario, aunque escribir deje de explicar por sí solo quién es extraordinario.
Todo esto nos devuelve al punto de partida. La discusión sobre cómo formamos abogados y qué capacidades deberían distinguirlos ya no pertenece únicamente a un futuro hipotético. Esta semana una inteligencia artificial presentó una solución a uno de los problemas que la humanidad escogió, literalmente, para representar algunos de los desafíos matemáticos más profundos del nuevo milenio. Puede que la demostración sobreviva al escrutinio o que algún matemático encuentre el punto exacto donde falla. OpenAI incluso ha aclarado que no pretende reclamar el Premio del Milenio por este resultado. Pero cualquiera de esos desenlaces deja intacta la pregunta que importa para nuestra profesión.
Los abogados deberíamos mirar cualquiera de esos escenarios con atención porque la pregunta que tenemos enfrente no depende del millón de dólares. Si una máquina ya puede entrar en una conversación intelectual de ese nivel, resulta difícil creer que nuestra profesión conservará intacta una organización construida alrededor de investigar documentos para producir otros documentos. La inteligencia artificial no necesita reemplazar al abogado para transformar aquello por lo que vale la pena contratar a uno. Cuando todos podamos llegar a la mesa con el escrito perfecto, quizá tengamos que volver a hacer algo bastante antiguo: hablar entre nosotros.
