Il matematico, il chatbot e la clausola che nessuno legge

Due ricercatori passano un anno a dimostrare un problema del Millennio, caricando ogni bozza del proprio lavoro in Codex. Pochi giorni prima della pubblicazione, OpenAI presenta una soluzione sovrapponibile ottenuta con un modello interno. Interpellata, l'azienda non esclude che le sessioni dei due matematici abbiano contribuito. Non è un furto: è la clausola che chiunque usi un prodotto AI consumer ha probabilmente accettato senza saperlo.

Tristan Buckmaster (NYU) e Levent Alpöge (Harvard) hanno passato quasi un anno ad attaccare uno dei problemi di blow-up in tempo finito della famiglia Navier-Stokes — le equazioni di Eulero 3D e Boussinesq forzate — uno dei sette Problemi del Millennio del Clay Mathematics Institute, premio da un milione di dollari. Hanno lavorato con più modelli AI in parallelo: Claude, Codex, GPT-5.6 Sol e Astra. Ogni bozza del progetto, per loro stessa ammissione, è passata dalle sessioni Codex.

Il 15 agosto 2026 avevano un risultato di blow-up per Boussinesq e Eulero 3D; il 22 agosto una dimostrazione verificata in Lean. Prima che il lavoro venisse pubblicato, OpenAI ha presentato dieci "advances in mathematics and theoretical computer science", tra cui una soluzione sullo stesso problema, attribuita a una versione interna del proprio modello Astra.

Interpellata sulla possibilità che le sessioni Codex dei due matematici avessero contribuito al training del modello che ha prodotto il risultato concorrente, OpenAI ha risposto — secondo quanto riportato da Fortune e VentureBeat — di non poter escludere che dati "de-identificati, derivati dall'uso dei propri prodotti" abbiano contribuito a migliorare i modelli.

Al 1° settembre 2026 nessuno dei dieci risultati OpenAI ha superato la peer review accademica tradizionale, ed è aperta una disputa sulla paternità tra le parti. Questo articolo non entra nel merito matematico di chi abbia ragione: il punto interessante, per chiunque si occupi di governance AI, comincia da qui.

Perché non è (tecnicamente) un furto

Le sessioni Codex consumer sono training data di default.Non è un bug, non è un accesso abusivo: è il modello di business dichiarato nei termini di servizio. Chi usa Codex (o qualunque prodotto consumer equivalente) senza attivare l'opt-out, o senza un piano enterprise che lo esclude contrattualmente, ha acconsentito — cliccando "accetto" — a che le proprie conversazioni possano contribuire al miglioramento dei modelli.

Buckmaster non ha (necessariamente) subito un data breach. Ha scoperto, nel modo più duro possibile, la differenza tra due frasi che suonano identiche a chi non legge i contratti:

• "Non alleniamo i modelli sui tuoi dati" — vera per i piani enterprise/API con clausole di non-training esplicite, spesso a pagamento extra.
• "Potresti aver acconsentito a diventare training data" — vera per la maggior parte degli account consumer, gratuiti o pro, salvo opt-out esplicito.

Sono due prodotti diversi, due contratti diversi, due livelli di rischio diversi — venduti sotto lo stesso brand, spesso con un'interfaccia identica.

Il problema che nessun controllo esterno può risolvere

Il punto più scomodo del caso non è se OpenAI abbia "rubato" un'idea. È che non esiste modo tecnico indipendente di verificarlo, né per Buckmaster né per OpenAI stessa in senso probante. Un modello linguistico non conserva un log leggibile di "quale documento ha influenzato quale output": l'evidenza è statistica, indiziaria, mai dimostrativa in senso stretto. Anche l'azienda più in buona fede non può, tecnicamente, fornire una prova negativa ("non abbiamo usato quei dati") che regga a uno scrutinio esterno.

Questo è precisamente il tipo di rischio che la funzione compliance/AI governance di un'organizzazione deve trattare prima di firmare un contratto con un vendor AI, non dopo aver scoperto un problema:

• Leggere la clausola di training, non il marketing. "Enterprise-grade" e "non alleniamo sui tuoi dati" non sono sinonimi automatici: vanno verificati riga per riga nel DPA, non nella pagina prodotto.
• Distinguere i piani per finalità d'uso. Se in azienda circolano bozze, prototipi, contratti, perizie o proprietà intellettuale non ancora depositata, l'accesso consumer/free è probabilmente il piano sbagliato — indipendentemente da quanto sia comodo.
• Trattare l'assenza di prova come rischio residuo, non come rassicurazione. Se un vendor non può dimostrare tecnicamente di non aver usato i tuoi dati, quel rischio va gestito (contrattualmente, organizzativamente), non ignorato perché "improbabile".
• La stessa logica vale al contrario. Chi fa training o fine-tuning di modelli propri con dati di terzi (clienti, partner, dipendenti) è esposto allo stesso tipo di domanda che oggi imbarazza OpenAI — e l'AI Act e il GDPR non distinguono tra "l'ho fatto apposta" e "non potevo escluderlo".

La domanda giusta

Non è "OpenAI ha rubato la dimostrazione di due matematici". È: quanti contratti AI attivi nella tua organizzazione in questo momento non ti permetterebbero, se richiesto, di escludere con certezza che i tuoi dati stiano contribuendo al training di un modello che userà anche un tuo concorrente?

Se la risposta richiede di andare a rileggere un DPA, il lavoro da fare comincia da lì — prima che la scoperta arrivi nel modo in cui è arrivata a Buckmaster: a cose fatte, e in pubblico.

Fonti

• Jeremy Kahn, "OpenAI says it cracked Navier-Stokes, one of math's grand challenges", Fortune, 8 settembre 2026.
• "OpenAI solves longstanding math problem with 10,000-agent swarm — but can't rule out benefitting from a researcher's private Codex data", VentureBeat.
• OpenAI, "Ten advances in mathematics and theoretical computer science".
• "OpenAI's millennium proof dispute raises the question of whether researchers can trust AI labs", The Decoder.
• "NYU Professor Challenges Origin Of OpenAI's AI Proof", Dataconomy, 9 settembre 2026.
• "A Mathematician Working On The Navier-Stokes Millennium Prize Problem Now Wonders If OpenAI Stole His Notes That He Stored In Codex", WCCFTech.
• "OpenAI ha risolto uno dei problemi matematici del millennio. Polemica nella comunità scientifica", Open, 9 settembre 2026.