IA y matemáticas: cuando verificar cuesta más que producir

IA y matemáticas: cuando verificar cuesta más que producir

OpenAI publicó 722 manuscritos de matemáticas de golpe y los matemáticos ya no dan abasto. Su crisis muestra hacia dónde se desplaza el trabajo.

Conceptos
10 min de lectura

El 6 de octubre de 2026, OpenAI publicó en GitHub 722 manuscritos de resultados matemáticos producidos por uno de sus modelos internos. Al día siguiente, un error de signo en uno de ellos obligaba a retirar tres. Dos días después, Hugo Duminil-Copin, medalla Fields 2022, describía en la RTS, la radiotelevisión suiza, un «choque monumental»: dieciséis de los manuscritos tocaban su propio campo de investigación. Entre la IA y las matemáticas, la relación ha cambiado de naturaleza en pocas semanas.

Producir una demostración no se ha vuelto gratis. Para Navier-Stokes, OpenAI hizo funcionar unos 10.000 agentes en paralelo, por millones de dólares. Pero en relación con el resultado, es rápido y mucho más barato que el trabajo de un investigador: el repositorio de OpenAI anuncia una media de tres horas de cálculo por resultado. Lo que escasea es el tiempo de los investigadores: para verificar esas pruebas, para entenderlas y, antes, para elegir los problemas que merece la pena plantear. Al día siguiente de la publicación, solo alrededor del 42 % de los resultados principales se había verificado por ordenador.

Los matemáticos no son los primeros en vivir este vuelco. Los desarrolladores lo vivieron antes que ellos, y las profesiones de expertos, del derecho a la auditoría, les siguen. En todas partes, el valor pasa de la producción a lo que la rodea: elegir qué producir, verificar, entender, juzgar lo que se aplica. Las matemáticas son el caso más puro, porque en ellas la verificación es automatizable y el resto no.

¿Qué han anunciado realmente OpenAI y Anthropic en matemáticas?

En tres meses se sucedieron cuatro anuncios. No todos dicen lo mismo, y varios se resumieron mal en la prensa.

FechaAnuncioLo que se hizo realmente
10 de agosto de 2026Anthropic, función zeta de RiemannUna cota de la proporción de ceros de zeta elevada del 41,6 % al 67,2 %. No es una prueba de la hipótesis de Riemann.
4 de septiembre de 2026Anthropic, último teorema de FermatLa prueba humana existente traducida a Lean y verificada por ordenador. No es una nueva demostración.
8 de septiembre de 2026OpenAI, ecuaciones de Navier-StokesUn resultado de explosión en tiempo finito sobre un problema del milenio, obtenido con unos 10.000 agentes.
6 de octubre de 2026OpenAI, repositorio en GitHub722 manuscritos, 372 familias de resultados, unos 4.000 problemas planteados al modelo.

Riemann: una cota mejorada, no la hipótesis

Anthropic anunció en agosto que Claude había mejorado una antigua cota inferior: la proporción de ceros de la función zeta situados en la recta crítica pasa del 41,6 % al 67,2 %. Es un resultado real, formalizado en Lean. Nació de un intento fallido de demostrar la propia hipótesis, y Anthropic advierte: «We don't expect that the techniques Claude used will lead to proving the Riemann hypothesis.»

Fermat: una verificación, no una demostración

En septiembre, Anthropic publicó la primera prueba completa del último teorema de Fermat verificada por ordenador. Claude no descubrió ninguna demostración: reescribió en el lenguaje Lean la prueba de Andrew Wiles, en una versión simplificada por Darmon, Diamond y Taylor. El trabajo sigue siendo colosal: 13 millones de líneas de Lean en 11 días, es decir, más de cinco veces el tamaño de la biblioteca de referencia del campo, según Anthropic. Kevin Buzzard, que dirige en el Imperial College el proyecto humano de formalización de Fermat, celebra «this extraordinary autoformalization achievement», precisando con prudencia «which Anthropic researchers say only took 11 days». Su proyecto dispone de un millón de libras a cinco años, desde 2024.

Esos 11 días tampoco son gratis: Claude produjo unos seis mil millones de tokens, las unidades de texto que factura un modelo. Como el modelo es interno, no se ha publicado el coste real; a la tarifa pública de un modelo comparable, el sitio TNW lo estima, a título ilustrativo, en 300.000 dólares. El ser humano no ha desaparecido por ello. Según Anthropic, la aportación matemática humana se limitó a «occasional high-level instructions» de un investigador, que indicaba por ejemplo qué parte de la prueba tratar primero. Pocos mensajes, pero son ellos los que marcan la dirección.

Navier-Stokes: un resultado y una polémica

El 8 de septiembre, OpenAI anunció un resultado sobre uno de los siete problemas del milenio. La víspera, el matemático Tristan Buckmaster publicaba resultados cercanos y se preguntaba públicamente: él y su coautor habían puesto todos sus borradores en Codex, la herramienta de programación de OpenAI. ¿Había tenido acceso el modelo? Le respondieron que no, sin responder a su pregunta sobre el entrenamiento. Buckmaster añade: «I am not accusing anyone of anything.»

Según MIT Technology Review, Sébastien Bubeck y Mark Chen, de OpenAI, explicaron que el equipo solo había llegado al resultado haciendo funcionar unos 10.000 agentes en paralelo, con un coste de varios millones de dólares. Buckmaster y su coautor, Levent Alpöge, habían trabajado casi un año en el problema con los modelos públicos, sin llegar al final. Si los modelos de OpenAI se entrenaron con sus trabajos o tuvieron acceso a ellos, señala la periodista Grace Huckins, eso sugeriría que el trabajo de los dos investigadores fue esencial para el resultado. El mismo artículo extrae una constatación más amplia: «Mathematics is quickly becoming the province of frontier AI companies».

La publicación del 6 de octubre: datos en bruto

OpenAI presenta sus 722 manuscritos como «a form of raw research data, rather than polished academic papers» y reconoce que «some of the unformalized results could have issues». AGMAI, un grupo consultivo independiente de matemáticos creado a raíz de una petición de OpenAI, resumió la situación en una frase: «This release is the beginning, not the completion, of the process of human understanding (…)». El trabajo de comprensión empieza después de la publicación, y corresponde a los humanos.

Lean, el asistente de demostración que verifica las pruebas de la IA

Un asistente de demostración es un software en el que se escribe una demostración que el ordenador verifica paso a paso. Si un razonamiento falla, rechaza la prueba, igual que un compilador rechaza un programa erróneo. Lean, uno de los más utilizados hoy en día, es un lenguaje libre con una biblioteca comunitaria, Mathlib, que contiene más de un millón de líneas de matemáticas formalizadas.

Para un desarrollador, la analogía es inmediata: Lean desempeña para una prueba el papel que desempeñan el compilador y los tests para el código. Es lo que permite a las empresas de IA publicar cientos de resultados afirmando que al menos una parte está garantizada. En el repositorio de OpenAI, la proporción se calculó el 7 de octubre: 300 resultados principales de 719 formalizados, alrededor del 42 %. El resto no estaba formalizado en Lean en el momento de su publicación.

Sin embargo, Lean tiene un límite: garantiza que una prueba es correcta, no que se entienda. La conjetura jacobiana, refutada en julio de 2026 con Claude Fable, un modelo de Anthropic, es un ejemplo. Terence Tao, uno de los matemáticos más prestigiosos del mundo, señala que el contraejemplo se verifica «by a brief calculation». Y añade: «I do not have a completely satisfactory geometric explanation for this miracle.» El resultado era correcto y estaba verificado. Entenderlo fue otro trabajo, que otros matemáticos emprendieron después.

Por qué los matemáticos reaccionan con tanta fuerza

Porque su disciplina se basa en una idea sencilla: un resultado solo vale si se entiende por qué es cierto. Matthieu Alfaro, catedrático de la Universidad de Rouen Normandie, lo resume así (traducción propia): «El día en que se demuestra que una conjetura es cierta, no es una sorpresa. Lo interesante es cómo se ha demostrado.»

Hugo Duminil-Copin habló con la RTS el 8 de octubre, dos días después de la publicación: «Incluso lloré, para serle sincero», «estamos en el día después». Ese mismo día, Cédric Villani hablaba en la radio francesa France Inter del «cambio más radical en matemáticas desde hace al menos cuatro siglos», y añadía que «ninguna universidad del mundo produce matemáticas de alto nivel a semejante ritmo».

Las reacciones colectivas se habían adelantado a la publicación. El 11 de septiembre, 25 medallistas Fields publicaron una declaración, «A Severe Misalignment of AI in Mathematics», firmada desde entonces por 28 de ellos, según la cual «the goals of the AI companies and the goals of the mathematical community are severely misaligned». Desde entonces ha recibido el apoyo de más de 8.000 matemáticos, según Telos. La dirección de la Sociedad Matemática de Francia vio en el resultado sobre Navier-Stokes «sin duda» «un avance importante», al tiempo que denunciaba un «saqueo bibliográfico» y una «ausencia total de estrategia colectiva». Tras la publicación, la Association for Human Mathematics, que cuenta con más de 1.000 miembros, fue más allá: «Releasing over 700 files at once is not a demonstration of scholarship, but a demonstration of power». Pide a los matemáticos que dejen de trabajar con OpenAI.

También hay un problema de volumen, muy concreto. Según una prepublicación, los envíos de matemáticas a arXiv, la principal plataforma de prepublicación científica, aumentaron un 33,5 % entre enero y agosto de 2026 respecto a 2025. Matthieu Alfaro observa que las revistas reciben «el doble de artículos» que hace unos meses, revisados por investigadores a los que ya les costaba seguir el ritmo.

Queda la cuestión de los medios. «What is clear is that very few mathematicians will have resources of that scale», señala Javier Gómez-Serrano en MIT Technology Review, a propósito de los medios empleados por OpenAI en Navier-Stokes. Christophe Besse, director de CNRS Mathématiques, el instituto de matemáticas del centro nacional de investigación francés, ve en ello una cuestión de «independencia científica» y quiere conservar «una capacidad pública y académica para desarrollar, estudiar y utilizar estas herramientas». Es la misma cuestión de dependencia que plantea la IA soberana a las empresas.

¿Defienden su ciencia o su oficio?

La pregunta es legítima, y los hechos respaldan dos lecturas.

Primera lectura: defienden la ciencia

Las pruebas producidas en masa son a menudo ilegibles, incluso para los especialistas. Tres se retiraron al día siguiente de la publicación, y más de la mitad no estaban formalizadas en Lean. La declaración de los medallistas Fields recuerda que «the most precious resources of our profession are students and ideas», y que una producción masiva de enunciados verdaderos o falsos «could destroy fertile ground». Duminil-Copin habla de pasar a los problemas «la apisonadora»: cuando una cuestión se resuelve sin que se entienda cómo, las ideas que habrían nacido por el camino no nacen.

Segunda lectura: también defienden un oficio

Matthieu Alfaro lo dice sin rodeos: los proyectos de investigación arrasados por la IA, como los de Duminil-Copin, financian puestos de doctorandos y de posdocs. Y la competencia cambia de escala (traducción propia): «Si le digo a mi estudiante que no use la IA y a su lado hay diez que usan IA todo el día, cuando él haya hecho tres artículos, los otros habrán hecho treinta.»

Nuestra lectura

Creemos que la pregunta está en parte mal planteada. En matemáticas, la ciencia y el oficio son lo mismo: entender. La prueba útil es más bien lo que cada uno hace con un resultado correcto pero incomprensible: rechazarlo o convertirlo en materia de un nuevo trabajo. El propio Duminil-Copin no rechaza la herramienta: «La inteligencia artificial revoluciona la forma en que se descubren ideas», dice. Aboga por un uso dirigido por una comunidad que elija los problemas.

Este trabajo no se limita a verificar. MIT Technology Review recuerda que los expertos ven desde hace tiempo en el «research taste», la capacidad de elegir preguntas y líneas de investigación prometedoras, uno de los principales obstáculos para la IA. Terence Tao explica allí que, la mayoría de las veces en matemáticas puras, un problema no se plantea porque se desee desesperadamente su solución, sino porque los esfuerzos por resolverlo hacen avanzar todo el campo. Elegir los problemas, marcar la dirección, juzgar lo que sirve: es ahí hacia donde se desplaza el valor de los investigadores, tanto como hacia la verificación.

Otras voces francesas son claramente más abiertas. François Charles, director del departamento de matemáticas de la École normale supérieure, se declara «nada pesimista» en el plano científico: «Como científicos, debemos ser más ambiciosos.» Stéphane Mallat, medalla de oro del CNRS, recuerda en el mismo despacho de la AFP que «se necesitarán matemáticos, porque las matemáticas siguen estando en el centro de nuestra capacidad para entender las cosas con claridad». Y Terence Tao da la regla más útil de todo este debate, en una síntesis de sus posiciones que él mismo revisó: fiarse de la IA solo allí donde se sabe atacar y controlar lo que produce.

El mismo cuello de botella, del código al derecho

Los desarrolladores lo vivieron primero

En julio de 2026, Claude escribía alrededor del 80 % del código fusionado en Anthropic. En su repositorio principal, los cambios fusionados pasaron de 2.500 a más de 30.000 al día entre mayo y septiembre, hasta el punto de que Anthropic sacó ese repositorio de git en favor de una herramienta propia, Scion. El equipo que la construyó verifica ahora la intención de cada cambio en lugar de cada línea. El equipo lo resume así: «the role of the engineers was to tell Claude "no."»

A escala de GitHub, se fusionaron 1.300 millones de pull requests en los doce meses cerrados a finales de septiembre de 2026, frente a 538 millones el año anterior, y más del 40 % las lanza ya un agente. Alguien tiene que revisarlas. Según la telemetría de Faros AI, editor de herramientas de medición, el tiempo de revisión mediano se ha multiplicado por 5, con un 28 % más de errores por pull request. En la encuesta 2026 de Stack Overflow, el 48 % de los desarrolladores dice confiar en la IA cuando puede validar fácilmente su respuesta: la confianza sigue a la verificación.

La seguridad informática vive lo mismo desde la primavera. A 2 de noviembre, Anthropic había comunicado 5.087 vulnerabilidades encontradas con sus modelos a 680 programas de software libre, y solo 629 estaban corregidas. Contamos en nuestro artículo sobre Claude Mythos cómo el cuello de botella ha pasado a ser la corrección, y ya no el descubrimiento.

Las profesiones de expertos siguen, sin Lean

El código tiene sus tests y las matemáticas tienen Lean. El derecho, la auditoría o la consultoría no tienen nada equivalente: en ellos, la verificación sigue siendo humana, lenta y cara. Cuando se salta, los daños se ven.

Damien Charlotin, jurista e investigador francés, recopila las resoluciones judiciales relacionadas con contenido inventado por una IA, como una jurisprudencia que no existe. A 12 de noviembre de 2026, su base contiene 2.292, de las cuales 912 afectan a abogados y 14 se dictaron en Francia. El 4 de junio, el tribunal administrativo de Grenoble impuso una multa de 200 euros por recurso abusivo a un recurrente cuyo escrito de más de 300 páginas estaba «manifiestamente generado con ayuda de la inteligencia artificial», con resoluciones judiciales inexistentes.

En la consultoría, en 2025, Deloitte tuvo que reembolsar 97.587 dólares australianos al Gobierno australiano, sobre un contrato de unos 440.000, por un informe plagado de referencias inexistentes. En 2026, la empresa GPTZero, que vende un detector de textos generados por IA, verificó un informe de KPMG: 5 citas exactas de 45.

En las empresas, el fenómeno es más difuso, pero medible. Según una encuesta de Workday a 3.200 empleados, casi el 40 % del tiempo ganado gracias a la IA se pierde corrigiendo, reescribiendo y verificando lo que produce. La ganancia anunciada de una herramienta de IA no es su ganancia real.

Lo que una empresa puede sacar de todo esto

Los matemáticos viven con unos meses de adelanto lo que vivirán muchas direcciones jurídicas, financieras o técnicas. Su crisis deja cinco lecciones prácticas.

  1. Situar a los expertos antes y después. Elegir las preguntas correctas, enmarcar la petición, juzgar si un resultado se aplica al caso real: es ahí donde su tiempo vale más, como las pocas indicaciones del investigador de Anthropic sobre Fermat. Producir ya no es el núcleo de su valor.
  2. Contar el tiempo de verificación en el retorno de la inversión. Una herramienta que produce un informe en diez minutos y exige dos horas de control no ahorra el tiempo que anuncia. La medida honesta es la ganancia neta, como muestra la encuesta de Workday.
  3. Preferir salidas verificables. Una respuesta que cita sus fuentes, un cálculo hecho por un programa en lugar de por un modelo, un código acompañado de tests: todo lo que vuelve mecánica la verificación reduce su coste. Es la razón por la que recomendamos usar la menor IA posible cuando basta un algoritmo clásico.
  4. Revisar según el riesgo. Revisarlo todo línea a línea ya no es viable con estos volúmenes, y no revisar nada tampoco. Vercel fusiona el 58 % de las pull requests de su mayor repositorio sin revisión humana: una IA clasifica cada cambio según criterios de riesgo fijados de antemano, y los casos sensibles los sigue revisando una persona. Un contrato, una nota para el consejo de administración o un presupuesto para un cliente pueden seguir la misma lógica.
  5. Conservar a alguien que entienda. Validar que un resultado es correcto no siempre basta: hay que poder explicarlo a un cliente, a un juez o a un auditor. Los profesionales jóvenes son los más expuestos, como los doctorandos de los que habla Alfaro, y es lo que las formaciones en IA deberían trabajar en primer lugar.

Preguntas frecuentes

¿Ha demostrado la IA el último teorema de Fermat?

No. En septiembre de 2026, Anthropic publicó la primera prueba completa del teorema de Fermat verificada por ordenador. Claude tradujo al lenguaje Lean, en 11 días según la empresa, la demostración humana de Andrew Wiles en una versión simplificada por Darmon, Diamond y Taylor. Es una formalización, es decir, la verificación automática de una prueba que ya existía, y no una demostración nueva.

¿Qué es Lean en matemáticas?

Lean es un asistente de demostración libre: un software en el que se escribe una demostración que el ordenador verifica paso a paso, igual que un compilador verifica un programa. Su biblioteca comunitaria, Mathlib, contiene más de un millón de líneas de matemáticas formalizadas. Las empresas de IA lo utilizan para garantizar que las pruebas de sus modelos son correctas, sin que eso las haga comprensibles.

¿Cuántos resultados matemáticos ha publicado OpenAI?

El 6 de octubre de 2026, OpenAI publicó en GitHub 722 manuscritos agrupados en 372 familias de resultados, procedentes de unos 4.000 problemas planteados a un modelo interno. Tres manuscritos se retiraron al día siguiente tras descubrirse un error de signo, lo que dejaba el total en 719, y después se añadieron dos el 26 de octubre (721). El 7 de octubre, alrededor del 42 % de los resultados principales estaba verificado en Lean. La cifra de 377, citada a menudo, es el número de la última familia, no un recuento.

¿Va a sustituir la IA a los matemáticos?

No, según los matemáticos que se han pronunciado, incluidos los más preocupados. Stéphane Mallat recuerda que harán falta matemáticos para entender, y François Charles considera que quizá se superen algunos bloqueos. Lo que cambia es el oficio: menos tiempo para demostrar y más para elegir los problemas y las líneas de investigación, verificar, clasificar y entender resultados producidos por máquinas. Matthieu Alfaro ya describe una investigación a varias velocidades, entre quienes usan la IA todo el día y quienes la rechazan.

¿Por qué critican los matemáticos a OpenAI?

Reprochan a OpenAI que publique resultados en masa, más rápido de lo que la comunidad puede verificarlos y entenderlos. La Association for Human Mathematics ve en ello «una demostración de poder» más que de saber. El matemático Tristan Buckmaster también se preguntó públicamente si los borradores de su equipo, almacenados en la herramienta Codex de OpenAI, habían servido al modelo. Le respondieron que el modelo no había consultado datos de usuarios, sin responder sobre el entrenamiento.


Las matemáticas tienen una ventaja que la mayoría de los oficios no tiene: una herramienta, Lean, que dice sin ambigüedad si una prueba es correcta. Incluso con ella, la comunidad se ve desbordada, porque verificar no basta para entender. En un despacho, una dirección financiera o un servicio jurídico, no hay Lean. Antes de desplegar una herramienta que produce más rápido, hay por tanto dos preguntas que van antes que todo lo demás: quién decidirá lo que debe producir y quién verificará lo que produce, y en cuánto tiempo.

Partager :

Artículos relacionados

Elige un número del 1 al 10: por qué la IA dice 7Conceptos

Elige un número del 1 al 10: por qué la IA dice 7

Pedimos 14.000 veces un número del 1 al 10 a siete IA. Cinco responden 7 casi siempre, sea cual sea la temperatura. ¿De dónde viene este sesgo de la IA?

9 min
Destilación de modelos: acusan a China, pero todos destilanConceptos

Destilación de modelos: acusan a China, pero todos destilan

OpenAI y Anthropic acusan a los laboratorios chinos de destilar sus modelos. Pero Meta, Google, Mistral e incluso xAI también destilan. Lo que se sabe.

12 min
IA open source en la empresa: licencias y ahorro realConceptos

IA open source en la empresa: licencias y ahorro real

IA open source en la empresa: lo que permite cada licencia de modelo abierto, cuánto ahorra frente a las API y por qué sus reglas se van a endurecer.

11 min

¿Te interesan nuestras soluciones?

Mira cómo Ask This Guy puede acelerar tus proyectos de IA

Reservar una demo