Amit Sahai: la IA exige más matemáticos, no menos

La advertencia de un criptógrafo de UCLA: la IA hará falta más matemáticos, no menos

Amit Sahai, profesor de ciencias de la computación y matemáticas en UCLA, publicó esta semana una invitación a repensar el papel de los matemáticos en la era de la inteligencia artificial. Su tesis, contenida en un ensayo como invitado en el blog de su colega Terence Tao, es contraintuitiva: cuando las máquinas descubran teoremas y diseñen reactores, la humanidad necesitará más matemáticos, no menos.

Y no es una opinión aislada. Una encuesta recogida por Deseret News muestra que 8 de cada 10 matemáticos anticipan que la IA se convertirá en un socio colaborativo, no en un reemplazo; 7 de cada 10 reportan ya ganancias de productividad "moderadas" gracias a estas herramientas.

La IA ya está produciendo ideas que nadie había concebido

Sahai, que trabaja en criptografía y ciencia de la computación teórica, ha sido testigo directo de cómo los sistemas de IA generan "ideas nuevas y bellas" que van mucho más allá de cálculos veloces. "Los sistemas de IA con los que he trabajado ya están produciendo ideas nuevas y bellas", escribe. "Están haciendo mucho más que cálculos impresionantes".

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Los datos respaldan su observación. En mayo de 2026, según reporta The Verge, OpenAI anunció que un modelo interno había resuelto una conjetura de Paul Erdős abierta durante casi un siglo. En julio, el matemático de Harvard Levent Alpöge reportó que Claude Fable 5, de Anthropic, había refutado la conjetura jacobiana con un contraejemplo mínimo, echando por tierra décadas de intentos por demostrarla verdadera.

Y el mes pasado, la misma OpenAI presentó 10 avances en matemáticas y ciencias de la computación logrados con un modelo aún no liberado llamado Astra, que abarcan geometría, criptografía y teoría de códigos, según reportó Phys.org. Uno de esos resultados resolvió una pregunta abierta durante décadas sobre si existen los grupos no sofic, estructuras infinitas que, en términos simples, no pueden aproximarse mediante estructuras finitas.

Una crisis espiritual para una disciplina milenaria

La velocidad del cambio ha cogido desprevenidos a muchos investigadores. James Maynard, medallista Fields de la Universidad de Oxford, confesó a The Verge haber pasado gran parte del último año "buscándose a sí mismo" profesionalmente. 25 medallistas Fields firmaron un comunicado en el que califican el uso actual de la IA en matemáticas como una "amenaza general al trabajo intelectual", según Deseret News.

En junio, más de 3.400 matemáticos firmaron la Declaración de Leiden, un conjunto de principios para el uso responsable de la IA en la disciplina, respaldado por la Unión Matemática Internacional. El documento urge a policymakers y medios a no comprar "el hype" de empresas que "sobrestiman las capacidades de sus productos".

Pero Sahai propone ir más allá del miedo. Recuerda a sus compañeros de universidad que abandonaron la carrera porque sentían que nunca alcanzarían el ritmo de los mejores. "¿Cuándo sintamos que no podemos seguir el ritmo, tomaremos eso como una razón para dejar la investigación matemática, como hicieron aquellos estudiantes?", pregunta.

El reactor de un teravatio: por qué la humanidad necesita entender

El argumento central de Sahai no es abstracto. Imagina un sistema de IA futuro que propone el diseño radical de una planta de fusión nuclear de un teravatio (1.000 gigavatios, una cantidad "insana" de potencia eléctrica). Los robots están listos para fabricar los componentes y construir la planta. ¿Aprobamos?

"No", responde Sahai. Antes de aprobar la construcción, escribe, "querría que comunidades humanas entendieran por qué el diseño funciona y qué justifica la confianza en su seguridad". La propia novedad que hace la propuesta emocionante impide heredar la confianza de décadas operando plantas similares.

Un teorema, explica, solo existe dentro de un modelo. Entender la garantía implica entender el modelo, la evidencia experimental y nuestras incertidumbres sobre su precisión. "Esto es trabajo exigente, y debe haber personas con sofisticación matemática disponibles para comprometerse con él", argumenta.

Para Sahai, dejar que las máquinas también decidan si construir la planta es una posición seria, pero implica aceptar "un futuro en el que decisiones de consecuencia enorme descansen sobre razones que ninguna comunidad humana entiende". "No quiero que lleguemos a ese futuro simplemente porque no invertimos en nuestra propia capacidad de entender", advierte.

Una "reserva intelectual desplegable"

Para asumir esta responsabilidad, Sahai propone ampliar la noción de qué puede aportar un matemático. Piensa en algo parecido a una "reserva intelectual desplegable": comunidades de personas con formación matemática a las que la humanidad pueda convocar para ayudar a entender avances significativos habilitados por IA.

El precedente institucional ya existe. Sahai es coinvestigador del proyecto ALPHA (Accelerated Formal Proof Synthesis with Neuro-Symbolic Automation) en UCLA, que recibió un contrato de US$5M de la agencia DARPA para desarrollar herramientas de IA que automaticen el razonamiento matemático. El equipo es liderado por Wei Wang e incluye, además de Sahai, a Andrea Bertozzi, Kai-Wei Chang, Nanyun Peng y el propio Terence Tao. Es uno de los 13 equipos seleccionados para el programa expMATH de DARPA, dedicado a "exponenciar las matemáticas", según el comunicado de la Universidad de California.

ALPHA trabaja con asistentes de prueba de código abierto como Lean e Isabelle, los mismos sistemas que OpenAI usó para certificar formalmente sus 10 resultados con Astra. El mismo enfoque que, según investigadores citados por The Verge, podría convertirse en el patrón estándar para validar teoremas generados por IA.

Qué significa esto para founders y profesionales tech

La lección de Sahai trasciende las matemáticas. Tres ideas concretas que cualquier founder puede aplicar:

El valor no está solo en producir, sino en entender. Automatizar tareas no elimina la necesidad de quien pueda auditar, contextualizar y explicar el resultado. En sectores como legal, salud o ingeniería, "entender el modelo" será una habilidad tan cotizada como programar hoy.
Las skills de dominio se encarecen cuando las máquinas producen más. El ensayo describe matemáticos que pasan "un semestre o un año" intentando comprender ideas extraordinarias. En tu industria, busca los roles que requieren criterio sobre los outputs de IA: revisores, validadores, traductores entre lo técnico y lo regulatorio.
Prepárate para la asimetría entre velocidad y comprensión. Una encuesta de Gallup recogida por Deseret News muestra que 27% de los estadounidenses temen que la tecnología haga obsoleto su trabajo, el doble que hace una década; entre los trabajadores de 18 a 44 años, sube a 1 de cada 3. La forma de blindarse no es competir con la máquina en velocidad, sino cultivar profundidad que las máquinas no pueden certificar por sí solas.

Sahai cierra su ensayo con una frase que debería resonar más allá del mundo académico: "Vamos a necesitar muchos más matemáticos". O, llevado a cada industria: vamos a necesitar muchas más personas capaces de entender, en profundidad, lo que las máquinas ya están decidiendo por nosotros.