La IA ya supera a los matemáticos en investigación

El aviso que llegó desde Toronto

El detonante fue una reunión cerrada en la Universidad de Toronto, cubierta por The Washington Post y recogida por 20minutos. Daniel Litt, profesor de esa universidad, planteó la pregunta incómoda: qué papel les queda a los matemáticos si la IA termina superando a los humanos en investigación de alto nivel. Litt no cree que la profesión vaya a desaparecer, pero sí advierte que la comunidad científica debería prepararse para capacidades de IA mucho mayores a las actuales.

La siguiente voz fue la de Jacob Tsimerman, también matemático en Toronto: considera que la evolución podría acelerarse y espera que la IA supere a los matemáticos humanos en un futuro próximo. Ya no hablamos de si la máquina resuelve ejercicios: hablamos de si puede generar investigación original.

La数学界 ya respondió con una declaración formal

La preocupación no quedó en comentarios aislados. El 2 de junio de 2026 se publicó la Declaración de Leiden sobre Inteligencia Artificial y Matemáticas, un documento redactado por 16 investigadores durante ocho meses tras una conferencia en la Universidad de Leiden en septiembre de 2025. Según Ars Technica, la declaración fue respaldada por la International Mathematical Union — la organización que otorga la Medalla Fields — y ya reúne más de 3.400 firmas.

🤖 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

El documento alerta de dos riesgos concretos:

Los modelos de IA pueden producir argumentos plausibles pero incorrectos, difíciles de distinguir de pruebas válidas, lo que pone contra las cuerdas a los revisores.
Hay riesgo de inundar la literatura con resultados声称 correctos que simplemente están mal, y de que esos errores se propaguen como nuevas bases.

Kevin Buzzard, matemático de Imperial College London, resumió el sentir del grupo: «Los matemáticos deberían encontrar llamativo que las tecnológicas se interesen de repente por su trabajo». Leslie Ann Goldberg, jefa de ciencias de la computación en la Universidad de Oxford, añadió que los borradores inexactos generados por IA son baratos de producir y peligrosos de revisar.

Lo que ya hizo la IA en 2026

La conversación dejó de ser teórica cuando OpenAI anunció, a través de su modelo interno Astra, 10 avances en matemáticas y ciencias de la computación que llevaban años — en algunos casos décadas — sin resolverse. Cubrieron geometría, criptografía, teoría de códigos, empaquetamiento de esferas en dimensiones altas y estructuras algebraicas conocidas como grupos no soficos.

Meses antes, en mayo de 2026, la misma OpenAI había sorprendido a la comunidad al anunciar que un modelo sin nombre resolvió una conjetura de Paul Erdős abierta durante casi un siglo. En julio, el matemático de Harvard Levent Alpöge confirmó en la red social X que Claude Fable 5, de Anthropic, desmintió la conjetura jacobiana con un contraejemplo mínimo, dando la vuelta a décadas de intentos por demostrarla.

Según The Verge, el matemático James Maynard — medalla Fields y profesor en Oxford — lleva un año haciendo un balance interno de la disciplina. La frase que resume el momento: «Muchos de los colegas con los que hablé están realmente asustados».

La otra advertencia: oficios de oficina en 18 meses

El artículo de 20minutos conecta el caso matemático con una predicción más general de Mustafa Suleyman, CEO de Microsoft AI, recogida por el Financial Times en febrero de 2026:

«El trabajo de cuello blanco, donde estás sentado frente a un ordenador, ya seas abogado, consultor, project manager o jefe de marketing, será automatizado por una IA en los próximos 12 a 18 meses».

Suleyman sostiene que los modelos alcanzarán rendimiento de nivel humano en la mayoría, si no en todas, las tareas profesionales gracias al crecimiento de la capacidad de cómputo.

La predicción caló en los consejos de administración. Una encuesta de ResumeTemplates a 933 líderes empresariales estadounidenses, recogida por CEOWORLD, encontró que 60% coincide con que la mayoría de los empleos de oficina se automatizarán por completo en 12 a 18 meses. El mismo sondeo muestra que 42% de los líderes dice que la IA ya está reduciendo su plantilla, y 24% afirma estar eliminando puestos activamente porque la IA puede выполнять el trabajo.

Los datos de despidos empiezan a cuadrar: según el informe de Challenger, Gray & Christmas de abril de 2026, la IA fue la primera causa cited de recortes por segundo mes consecutivo. En lo que va de año, 49.135 despidos están vinculados a IA, el 16% del total de recortes planeados en 2026.

¿Qué significa esto para tu startup?

La conversación ya no es ciencia-ficción: es planificación de plantilla. Lo que cambió en los últimos 12 meses es que la amenaza pasó de los white papers a los org charts.

Audita qué tareas de tu equipo son automatizables hoy, no mañana. El propio Anthropic Economic Index muestra que el 57% del uso de Claude en tareas profesionales es colaboración humano-IA, no reemplazo puro. Empieza por las tareas repetitivas de back-office: informes, conciliaciones, redacción de borradores, summaries de reuniones.
Rediseña puestos antes de eliminarlos. McKinsey reportó en su encuesta global de 2025 que 88% de las organizaciones usan IA en al menos una función, pero casi dos tercios no han empezado a escalarla. Quien rediseñe primero captura el talento que su competidor va a recortar.
Construye una capa de IA verificable, no decorativa. Si tu producto toca investigación, datos o generación de código, asume que vas a tener que explicar a tu cliente cómo auditas la salida. La Leiden Declaración entera gira sobre esto: transparencia, atribución y verificación independiente.
Repiensa tu tesis de inversión y tu runway. Si tu modelo de negocio depende de 20 horas humanas de análisis por cliente, prepárate para que en 18 meses alguien ofrezca lo mismo por una fracción del costo. Suleyman no está hablando solo.

El error más caro que puede cometer un founder en este momento es leer la noticia como titular alarmista y volver al roadmap. El coste real está en tratar la automatización como un problema de 2030 cuando los datos de Challenger muestran que ya está pasando en 2026.