La IA ya produce pruebas matemáticas que los humanos no logran leer
El matemático Francesco Maggi publicó en el blog de Terence Tao un ensayo que ordena la pregunta que hoy divide a la comunidad científica: los modelos de lenguaje ya generan pruebas matemáticas correctas, pero nadie las entiende del todo. La cifra que lo ilustra está en el propio texto: OpenAI probó su modelo contra unos 4.000 problemas y reportó éxito en algunos cientos de ellos, contados después de procesos de "agregación" y "selección".
Para un founder, esto no es una discusión académica. Es el primer caso visible de un patrón que se va a repetir en cada industria: la IA produce resultados más rápido de lo que los humanos pueden verificarlos. Y la decisión de cómo integrar esa capacidad —no la capacidad en sí— es la que define si el resultado es una era dorada o una edad oscura.
¿Qué es la "era dorada" y qué es la "edad oscura" según Maggi?
Maggi plantea dos escenarios. En el dorado, la IA acelera el descubrimiento y al mismo tiempo se preserva una comunidad científica abierta, colaborativa e intelectualmente independiente, con una nueva generación de investigadores empoderada.
¿Y esto cómo se aplica en tu negocio?
En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.
👥 Probar 7 díasEn el oscuro, la producción científica igual se dispara en el corto plazo, pero la actividad humana independiente se debilita. La producción de conocimiento se concentra en pocas manos que, además, se vuelven cada vez más incapaces de entender lo que producen. La oscuridad real no es la falta de resultados, sino que el conocimiento se vuelva ajeno a la comprensión humana.
El punto clave del ensayo es que ninguno de los dos escenarios es inevitable. Los resultados dependen de las decisiones sobre cómo se desarrollan e integran estas capacidades en las instituciones existentes.
La brecha entre la prueba formal y la comprensión humana
Maggi describe un problema técnico que funciona como metáfora de todo lo demás. Los LLMs son especialmente buenos escribiendo pruebas en Lean, un asistente de demostración que permite a una computadora verificar si un argumento formal establece una afirmación bajo definiciones y axiomas dados.
El problema: para los teoremas difíciles, esas pruebas en Lean son larguísimas, del orden de cientos de miles de líneas de código. Y aparece una tendencia: cuanto más larga la versión en Lean, más desordenada y menos fiel es su traducción automática a lenguaje natural. Resultado: la IA entrega pruebas formalmente correctas que no se pueden leer directamente, más traducciones tan complejas que requieren estudio intensivo antes de producir comprensión humana.
De ahí sale la pregunta central del ensayo: sin comprensión humana, ¿por qué nos importa estudiar matemáticas o conseguir pruebas, más allá de medir el rendimiento de los modelos?
¿Qué pasó con Navier-Stokes y con la publicación de octubre de 2026?
El contexto real es más ruidoso de lo que sugiere el ensayo. Según Scientific American, en septiembre de 2026 OpenAI publicó una solución de 166 páginas al problema de Navier-Stokes, uno de los Problemas del Milenio, producida por un "enjambre de agentes": unas 10.000 copias de su modelo que trabajaron cerca de 88 horas y 130.000 millones de tokens.
El episodio derivó en un conflicto público por crédito con el matemático Tristan Buckmaster, de NYU. El Clay Mathematics Institute mantiene el problema como "activo", no resuelto, y expertos citados por Scientific American señalan que la similitud con el trabajo humano previo es superficial.
Después llegó la publicación grande. Según el recuento de TechCrunch y The Verge, el 6 de octubre de 2026 OpenAI liberó 722 manuscritos agrupados en 372 familias de resultados, generados por un modelo interno que no está disponible al público. Al día siguiente se retiraron tres por un error de signo, dejando 719. Solo alrededor del 42% —unos 300 resultados— venían formalizados en Lean, y OpenAI compartió apenas 10 resúmenes del razonamiento del modelo.
La reacción de la comunidad fue mixta. Terence Tao, citado por TechCrunch y Fortune, sostuvo que "los problemas están siendo resueltos de forma autónoma por personas que los promptean y no tienen interés en el campo más amplio". Melanie Wood, de Harvard, señaló que al momento de la publicación "no hay comprensión humana de los resultados, y ahora empieza el trabajo".
El riesgo que Maggi señala y que casi nadie discute
El punto más incómodo del ensayo no es técnico, es estructural. Maggi advierte sobre la asimetría creciente entre las capacidades científicas de un puñado de empresas frontera y las accesibles a universidades e instituciones públicas.
El problema se agrava cuando esas empresas compiten en descubrimientos científicos usando sistemas propietarios, mientras los investigadores académicos dependen de esos mismos sistemas para poder contribuir. Permitir que intereses privados definan qué preguntas reciben las mejores herramientas, quién puede usarlas y cuándo se publican los hallazgos concentraría la influencia científica a un nivel sin precedentes.
Maggi aclara que esto no requiere asumir malas intenciones: simplemente, los incentivos comerciales, las prioridades científicas y el interés público no siempre coinciden.
Hay un segundo efecto que golpea directo a la cultura abierta de la investigación. Si una idea original se le ocurre a un matemático y la escribe en un chat, esa idea puede terminar en manos de otra persona con un modelo más avanzado, que la convierta en prueba sin reconocer su origen. El resultado es que la gente usa los modelos menos de lo que quisiera. Maggi extiende la preocupación a la seguridad del material de investigación almacenado, citando casos documentados de agentes que obtuvieron acceso no autorizado a sistemas de terceros.
¿Qué significa esto para tu startup?
El ensayo es sobre matemáticas, pero el patrón aplica a cualquier negocio que use IA para producir trabajo que alguien tiene que validar.
- Construye la capa de verificación antes de escalar la generación. Si tu equipo usa IA para generar código, contratos, análisis financieros o contenido técnico, el cuello de botella se mueve de producir a revisar. Define quién firma la validación, con qué criterio y con qué trazabilidad. La lección de los tres manuscritos retirados por un solo error de signo es que un output pulido puede ser incorrecto.
- No delegues el aprendizaje, solo la ejecución. Maggi pregunta cómo usar LLMs para amplificar capacidades sin delegar las actividades cognitivas a través de las cuales se adquiere experiencia. En la práctica: usa la IA para acelerar tareas repetitivas, pero mantén a tu equipo haciendo el razonamiento que construye criterio. Un equipo que no entiende lo que su IA produce no puede detectar cuándo está mal.
- Documenta qué datos entran a los modelos. La confidencialidad es un riesgo operativo real, no teórico. Si tu ventaja competitiva está en documentos internos, propuestas o investigación no publicada, define políticas explícitas sobre qué se puede pegar en una herramienta de terceros.
- Diversifica tu dependencia de proveedores. La asimetría que Maggi describe para la ciencia se replica en el mercado: si toda tu operación depende de un solo modelo propietario, quedas expuesto a sus precios, sus límites y sus decisiones de acceso.
Conclusión
Maggi no es un pesimista. Su conclusión es que la era dorada es alcanzable, pero requiere decisiones concretas: acceso de los investigadores a modelos frontera, estándares de reproducibilidad y divulgación para el trabajo generado por IA, recursos para entender y difundir esos resultados, y financiamiento sostenido en infraestructura de modelos gobernada públicamente.
Para un founder, la traducción es simple. La capacidad de generar ya es un commodity. La ventaja competitiva se está moviendo hacia la capacidad de verificar, entender y decidir qué vale la pena. Quien construya esa capa primero, gana.
Fuentes
- Will it be a golden age or a dark age for mathematics (and science)? (fuente original)
- OpenAI's blockbuster math proof isn't what you think it is
- OpenAI Math Release: What's Real in the 722 AI Manuscripts
- Mathematicians are combing through OpenAI's AI-generated results on over 300 problems
- OpenAI's Navier-Stokes proof sparks disputes over credit, role of AI in math
¿Y esto cómo se aplica en tu negocio?
En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.
👥 Probar 7 días
