Claude descifra 663 teoremas en los cuadernos de Gödel

Lo que estaba escondido en 1.009 páginas

1.009 páginas de taquigrafía alemana obsoleta, escritas en la década de 1940, contenían 663 teoremas que nadie había catalogado. Un equipo universitario avanzaba a una página por semana; con ayuda del modelo Claude, el mismo material quedó resumido en dos días. Para cualquier founder que tenga documentos que nadie lee completos —contratos, tickets de soporte, código legado, research de mercado— el caso de Kurt Gödel funciona como hoja de ruta.

El lógico austríaco publicó muy pocos papers después de sus resultados de los años 30, pero dejó decenas de miles de páginas sin publicar. Sus dos teoremas de incompletitud, de 1931, cambiaron la matemática y abrieron el camino a la computación moderna: inspiraron a Alan Turing su paper de 1936 que dio origen a la teoría de la computación.

Qué encontró la IA en los cuadernos de Gödel

Desde 2017, el lógico finlandés Jan von Plato lidera en la Universidad de Helsinki un proyecto para entender 16 cuadernos que Gödel escribió a comienzos de los años 40. Son los llamados workbooks: 1.009 páginas de texto denso sobre matemática y lógica, buena parte en taquigrafía Gabelsberger, un sistema que ya estaba en desuso cuando Gödel lo usaba.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Von Plato arrancó el proyecto porque enfrentaba la jubilación obligatoria. Consiguió un subsidio de 2,5 millones de euros del European Research Council, aprendió taquigrafía Gabelsberger por su cuenta —según dijo, es una de las seis personas en el mundo que puede leerla— y armó un equipo pequeño.

El cuello de botella nunca fue el interés, sino la capacidad humana de sostener 1.000 páginas en la cabeza. En agosto, en una conferencia en Francia sobre IA y demostración de teoremas, conoció a científicos de computación que le sugirieron usar Claude. Al volver a Helsinki, le pasó al modelo sus transcripciones, seis libros que había escrito antes sobre Gödel y literatura científica secundaria.

El resultado: una explicación de 650 páginas en un par de días. «Los humanos leemos una página por vez y tendemos a olvidar. Nos toma un año leer unas 50 páginas», dijo von Plato.

De una página por semana a 650 páginas en dos días

Hay un detalle del método que se pierde si uno se queda con el titular: la IA no descifró la taquigrafía. Von Plato ya había hecho las transcripciones, con años de trabajo y siendo una de las pocas personas capaces de leerlas. Lo que hizo el modelo fue otra cosa: sostener el corpus completo como una sola pieza y encontrar conexiones entre partes que un humano lee de a una.

Eso es exactamente el tipo de tarea que aparece en una startup y que casi nadie resuelve bien: no «resumir un documento», sino leer 1.000 documentos juntos y detectar patrones entre ellos. La calidad del output depende tanto del modelo como del corpus que le entregas. Von Plato no le dio páginas sueltas: le dio transcripciones propias más seis libros de contexto. Ese es el trabajo que separa un resultado útil de un resumen genérico.

El detalle que deberías copiar: quién verifica el resultado

La primera tarea que von Plato le encargó a Claude fue comprobar si en los cuadernos existía una demostración de la independencia del axioma de elección. La respuesta fue «casi»: a Gödel le faltaba un paso, tenía una definición equivocada, pero había usado la definición correcta dos años antes. Cuando el modelo presentó la demostración reconstruida, von Plato la pasó por Coq, un asistente de pruebas que valida demostraciones matemáticas, y pasó.

Después vino el número más interesante de todo el caso. Claude identificó 663 teoremas con demostración, esbozo o idea. Al pasarlos por Coq: cerca de 400 se verificaron tal como estaban, unos 200 hubo que repararlos —precisar el enunciado o agregar un supuesto— y alrededor de 50 eran falsos.

Un 7,5% de falsos no es un fracaso del modelo. Es la confirmación de que el patrón correcto es generar con IA y validar con un verificador determinista. Gödel mismo anotaba «falsch!» (incorrecto) en los márgenes cuando releía sus notas.

En una startup ese verificador no es Coq: son los tests, el linter, la validación de esquema, el doble chequeo contra la fuente o el revisor humano que aprueba. Sin esa capa, el 7,5% se convierte en tu problema de producción.

La IA que hace matemáticas ya no es una promesa

El caso Gödel no está aislado. El 9 de noviembre, Anthropic presentó los modelos Claude Fable 5.2 y Mythos 5.2, orientados a tareas técnicas complejas, y mencionó un caso en el que cerca de 1.000 agentes de IA coordinados formalizaron en 30 horas una demostración del último teorema de Fermat en un lenguaje verificable por computadora, según reportó Telangana Today. Vale la precisión: Fermat ya estaba demostrado; lo que hizo la IA fue la formalización, no un teorema nuevo.

El mismo medio consignó el precio de referencia de esos modelos: 8 dólares por millón de tokens de entrada y 40 por millón de salida, con un modo rápido a 16 y 80 dólares respectivamente. Es una referencia útil para presupuestar, aunque el trabajo sobre Gödel se hizo con un modelo conversacional y no con un ejército de agentes.

Antes, en agosto de 2026, el matemático Levent Alpöge, que trabaja en Anthropic, usó Claude Fable 5 para encontrar un contraejemplo a la conjetura jacobiana, según un artículo de The Conversation difundido por ScienceDaily. Esa conjetura se remonta a 1884, la generalizó Ott-Heinrich Keller en 1939 y Stephen Smale, medallista Fields, la incluyó en su lista de problemas matemáticos para el próximo siglo publicada en 1998. El contraejemplo era tan corto que entraba en un post: la dificultad no estaba en la construcción, sino en navegar un espacio de búsqueda enorme.

Qué significa esto para tu startup

1. Elegí un corpus que hoy nadie lee completo. Si tenés 400 tickets de soporte, 80 contratos o cinco años de changelog, ese es tu equivalente a los workbooks. El trabajo previo —transcribir, ordenar, etiquetar— es el que hace que el resultado sirva. Von Plato invirtió años antes de que la IA entrara en escena.

2. Nunca aceptes el output sin un verificador. Definí de antemano qué es «correcto» y automatizalo: tests, esquemas, validación cruzada contra la base de datos, una segunda pasada con otro modelo. En el caso de Gödel, el verificador separó 400 resultados sólidos de 50 falsos. Sin él, los 663 se habrían presentado como un solo bloque de verdad.

3. Presupuestá con números reales. Con el precio de referencia de 8 dólares por millón de tokens de entrada, procesar un corpus de miles de páginas es un gasto acotado. Lo caro no es el modelo: es tu tiempo de preparar y revisar.

4. Documentá y publicá lo que descubrís. El profesor Joel David Hamkins, de la Universidad de Notre Dame, no vio la reconstrucción de Claude, pero dijo que si se sostiene «es notable e históricamente interesante». Y agregó una frase que cualquier founder debería pegar en la pared: «No recibes crédito por trabajo del que no le contás a nadie». Gödel tenía razón en 1966 cuando dijo que ya había demostrado el resultado de Paul Cohen, premiado con la medalla Fields ese año, pero no pudo reconstruir la prueba cuando sus colegas se la pidieron.

El límite que la IA no mueve

Hamkins marcó la línea con precisión: «cuánto es Claude y cuánto es Gödel es un trabajo para los historiadores». Y aclaró que encontrar cosas parecidas a la prueba de Cohen no significa que Gödel la tuviera: «muestra que estaba en el camino».

Von Plato, por su parte, sostiene que si Gödel hubiera publicado su trabajo sobre el axioma de elección habría ganado la medalla Fields de 1940. Es su interpretación, no un hecho establecido.

El aprendizaje práctico es el mismo en matemática que en un producto: la IA acelera la exploración y el hallazgo, pero el juicio, el contexto y la decisión de publicar siguen siendo humanos. El modelo conectó mil páginas en dos días; la persona que sabía qué preguntar tardó siete años en poder hacerlo.

Conclusión

El proyecto de von Plato es el mejor argumento reciente de que la IA no reemplaza al experto: lo desbloquea. Con 1.009 páginas en taquigrafía y una sola persona capaz de leerlas, la investigación avanzaba a una página por semana. Con esa misma persona más un modelo, aparecieron 663 teoremas, 14 temas de lógica sin explorar y anticipaciones de resultados que no se conocieron hasta los años 70 y 80.

Para un founder, la lección no es «usá IA para leer documentos». Es que el cuello de botella de tu negocio suele estar en un corpus que nadie puede sostener completo en la cabeza, y que el valor aparece cuando combinás tres cosas: alguien que sepa preparar ese corpus, un modelo que lo lea entero y un verificador que separe lo correcto de lo falso.