Los recientes avances de la inteligencia artificial han sacudido el mundo de las matemáticas: los sistemas anuncian ahora soluciones a problemas que llevaban mucho tiempo sin resolverse. Pero esta aceleración no vuelve inútiles a los investigadores. Más bien plantea nuevas preguntas sobre la verificación de las demostraciones, la organización de la investigación, la formación y el lugar del razonamiento humano en una disciplina que no se reduce al cálculo.
Anuncios que sacuden a la comunidad
Desde hace varios meses, los anuncios de resultados matemáticos obtenidos con ayuda de la IA se suceden a un ritmo inusual. Para los especialistas, algunos tienen el efecto de un impacto: se refieren a problemas considerados especialmente difíciles, a veces abiertos desde hace mucho tiempo, y parecen poner en entredicho líneas de investigación seguidas durante años.
El malestar también refleja una preocupación más profunda por el futuro de la profesión. El matemático Hugo Duminil-Copin, galardonado con la medalla Fields en 2022, expresó la sensación de ver cómo varios de sus ámbitos de trabajo quedaban de repente superados por estos avances. La publicación reciente de cientos de documentos que reivindican soluciones a problemas abiertos ha reforzado aún más esta impresión de aceleración.
Sin embargo, estos anuncios deben examinarse con prudencia. Que algo se presente como una solución no significa automáticamente que sea una demostración correcta, completa y comprensible para la comunidad. Los matemáticos deben poder comprobar cada paso, detectar posibles errores y determinar si el resultado responde con precisión a la pregunta planteada.
Una demostración no basta para definir la investigación
La validez de una demostración es esencial, pero no resume todo el proceso matemático. A los investigadores también les interesan las ideas que permiten alcanzar un resultado, las conexiones que revela con otros campos y los métodos que hace posibles. Comprender por qué funciona una demostración puede ser tan importante como conocer su conclusión.
Stéphane Mallat, medalla de oro 2025 del CNRS, destaca que las matemáticas son mucho más que una actividad de cálculo. Constituyen una manera de estructurar el pensamiento, aclarar un problema y comprender fenómenos complejos. Aunque una IA sea capaz de producir demostraciones, la necesidad de interpretar, evaluar y contextualizar los resultados sigue siendo fundamental.
Esta distinción ayuda a comprender por qué automatizar una parte del trabajo no significa que la disciplina vaya a desaparecer. Un sistema puede proponer una línea de investigación o analizar rápidamente un gran número de posibilidades; sigue siendo necesario decidir qué preguntas merece la pena plantear, juzgar el alcance de un resultado y explicar qué cambia respecto a los conocimientos existentes.
La verificación de los resultados, un nuevo reto
Evaluar las demostraciones producidas por los sistemas
Ante el creciente volumen de resultados generados o asistidos por la IA, cobra cada vez más importancia una tarea: establecer métodos fiables para examinarlos. En particular, hay que distinguir las demostraciones sólidas de los resultados incompletos, documentar las herramientas utilizadas y establecer reglas compartidas sobre cómo presentar una demostración obtenida con ayuda de un modelo.
En Estados Unidos, la Simons Foundation anunció un programa dotado con 15 millones de dólares, cofinanciado por OpenAI y Anthropic. Su objetivo es apoyar talleres dedicados a evaluar los resultados matemáticos producidos por la IA y a elaborar normas de uso. Esta iniciativa ilustra la aparición de nuevas necesidades: los especialistas no solo deben crear conocimientos, sino también organizar su validación en la era de las herramientas automatizadas.
La cuestión también está relacionada con la confianza depositada en los sistemas. Esta no debería basarse en lo convincente que parezca una respuesta ni en la cantidad de resultados anunciados. En matemáticas, las exigencias de precisión son elevadas: cada paso debe poder verificarse y las condiciones de aplicación de un resultado deben explicitarse.
La investigación matemática también puede abrir nuevas vías
Superar algunos bloqueos
No todos los investigadores consideran los avances actuales una amenaza para la ciencia. François Charles, director del Departamento de Matemáticas y Aplicaciones de la École normale supérieure, distingue entre las incertidumbres sobre la organización de las profesiones y las posibilidades científicas que abren estas herramientas. Algunos problemas que hasta ahora eran difíciles de abordar podrían volverse más accesibles, mientras que de la colaboración entre humanos y máquinas surgirían nuevas preguntas.
La IA puede contribuir a explorar hipótesis, detectar estructuras o acelerar ciertas etapas de cálculo. El reto consiste entonces en utilizarla para ampliar el campo de investigación, sin confundir rapidez de producción con comprensión. Si se superan obstáculos, los matemáticos también pueden verse impulsados a plantearse problemas más ambiciosos y explorar campos que hasta ahora se habían dejado de lado.
Esta evolución forma parte de una transformación más amplia de las actividades profesionales. Los debates sobre la IA afectan tanto a los mercados financieros, como muestra este artículo sobre las inquietudes relacionadas con la inteligencia artificial en Wall Street, como a la distribución de los recursos públicos, abordada en el análisis sobre el presupuesto de 2027 y sus nuevos ajustes en torno a la IA.
Enseñar matemáticas en la era de la IA
Preservar las ganas de aprender
La enseñanza plantea un reto distinto al de la investigación. Si los alumnos tienen la impresión de que las máquinas pueden resolver los problemas por ellos, corren el riesgo de dudar del interés de aprender matemáticas. Esta percepción sería reduccionista: saber razonar, comprender una demostración y formular correctamente una pregunta son competencias que no se confunden con obtener una respuesta automática.
Así, los programas escolares podrían destacar más el papel del razonamiento, la formulación de problemas y la interpretación de los resultados. La IA puede convertirse en objeto de estudio y herramienta pedagógica, siempre que los alumnos aprendan a examinar sus resultados en lugar de aceptarlos sin cuestionarlos. La capacidad de detectar un error o explicar un método sigue siendo un componente esencial de la cultura matemática.
Esta reflexión coincide con las preguntas que suscita la IA en otros ámbitos de formación y trabajo. El debate sobre cómo redefinir las competencias y el valor del trabajo humano está presente, en particular, en las conversaciones sobre el valor añadido de los profesionales del derecho frente a la inteligencia artificial.
Profesiones en transformación, no una desaparición anunciada
La mecanización como punto de comparación
Para arrojar luz sobre la transformación actual, Stéphane Mallat compara la llegada de la IA a las matemáticas con los cambios provocados por la mecanización agrícola. La introducción de nuevas máquinas modificó profundamente las profesiones y los modos de vida, y obligó a algunas personas a reconvertirse. Esta comparación recuerda que las innovaciones pueden transformar el empleo y las competencias requeridas, sin por ello volver inútiles todos los conocimientos de un sector.
Además, los matemáticos cuentan con competencias transferibles: abstracción, lógica, modelización y análisis de problemas complejos. Pueden aplicarse en numerosos campos, incluidos aquellos en los que se desarrollan o evalúan sistemas de IA. Por tanto, la evolución de las herramientas podría modificar las tareas cotidianas, los itinerarios formativos o las primeras etapas de una carrera científica, sin eliminar la necesidad de especialistas capaces de comprender los fundamentos de los métodos utilizados.
Sin embargo, las incertidumbres afectan a la organización de la comunidad. La manera de incorporarse a la profesión, preparar un doctorado o lograr que se reconozca una contribución puede cambiar cuando las herramientas automatizadas se hacen cargo de ciertas tareas. En particular, los centros de investigación deberán determinar cómo distinguir la aportación propia de los investigadores, la contribución de los sistemas y el trabajo colectivo necesario para validar los resultados.
Una transformación que va más allá de los laboratorios
Cuestiones económicas, políticas y medioambientales
El lugar de la IA en las matemáticas no puede desligarse de sus consecuencias más amplias. El desarrollo y el uso de sistemas avanzados requieren infraestructuras, presupuestos y recursos materiales. Las preguntas sobre su coste medioambiental se abordan en este artículo dedicado a la posible evolución de la huella ecológica de la inteligencia artificial.
Las decisiones tecnológicas también influyen en las decisiones colectivas y en la distribución del poder. Los debates sobre la gobernanza de estas herramientas se hacen eco de las reflexiones sobre la manera en que la IA transforma los desafíos políticos. En el ámbito de la investigación matemática, estas cuestiones llevan a preguntarse quiénes desarrollan las herramientas, cuáles son las condiciones de acceso a sus capacidades y según qué principios se controlarán sus resultados.
A medida que los sistemas se vuelven más eficaces, el reto no se limita a saber si pueden resolver un problema. También se trata de determinar qué preguntas confiarles, cómo hacer verificables sus procedimientos y qué lugar otorgar a la intuición, la explicación y la comprensión. Desde esta perspectiva, el resultado final solo constituye una parte de la actividad matemática: el camino que conduce a él también sigue siendo objeto de investigación y transmisión.
