Matemáticos jóvenes dudan de su futuro: la IA golpea primero a quienes aún no han empezado a investigar

Por Business Insider · 1 de noviembre de 2026.

Tres estudiantes afiliados al MIT han publicado esta semana una encuesta a 268 matemáticos en formación (doctorandos y postdocs). Según sus resultados, cerca del 76% dice que es cada vez menos probable que siga en la matemática académica tras terminar su título. Otro 76% afirma sentirse menos motivado para investigar «como resultado de los avances de la IA».

El sondeo se hizo con un formulario de Google, con preguntas de opción múltiple y de respuesta libre. Los propios autores lo advierten: es una fotografía de «una ventana de tiempo muy pequeña». La muestra es limitada, así que no representa necesariamente a toda la profesión. Además, el plazo de respuesta se cerró justo después de que OpenAI publicara, el 6 de octubre, cientos de soluciones a problemas abiertos desde hace mucho tiempo.

Según Business Insider, el detonante previo fue en septiembre, cuando OpenAI publicó soluciones al problema del Premio del Milenio sobre Navier-Stokes (las ecuaciones que describen el movimiento de los fluidos). No hemos podido verificar aquí el estado de esas soluciones ni su validación por la comunidad; conviene tratarlas como afirmaciones de la empresa mientras no haya revisión independiente.

El artículo recoge además una queja recurrente en las respuestas libres: la falta de liderazgo académico. Los encuestados describen a las instituciones como erráticas, mudas o ineficaces. «Sería genial que los institutos dieran orientación en lugar de tópicos», escribió uno. OpenAI y Anthropic han aportado, según el medio, 15 millones de dólares entre ambas a una fundación de apoyo a matemáticos, y OpenAI ha creado un grupo asesor para evaluar su trabajo matemático. Los estudiantes dicen que eso ha cambiado poco.

**Nuestra lectura.** Lo más relevante no es el porcentaje, sino lo que revela de la transición. Las matemáticas son el campo donde la IA ha mostrado antes una ventaja clara, porque las demostraciones se pueden verificar. Los jóvenes investigadores son el primer eslabón expuesto: invierten años de formación en un oficio cuyo valor percibido se erosiona antes de que lleguen a ejercerlo. Esa es la cara dura del corto plazo que no conviene edulcorar.

Pero la frase que más pesa, «nada del trabajo individual importará», mezcla dos cosas distintas: la utilidad de un resultado y el sentido de hacerlo. Si un sistema resuelve antes un teorema, el teorema se sabe; lo que queda en disputa es quién comprende, quién formula las preguntas y quién decide cuáles merecen la pena. En general, esas funciones (elegir problemas, interpretar, enseñar, conectar áreas) son las que más resisten, de forma análoga a lo que vemos en otros sectores donde el criterio sobrevive a la ejecución.

También hay una lección de gestión. Los fondos de 15 millones son un gesto, pero la queja de fondo es de orientación: los estudiantes piden hojas de ruta, no donaciones. Universidades y sociedades matemáticas tienen aquí una tarea concreta: rediseñar la formación doctoral hacia verificación, formalización y formulación de problemas, y decir con claridad qué carreras siguen teniendo sentido.

A largo plazo, nuestra tesis es optimista: si la IA acelera la ciencia, el beneficio (más teoremas, más aplicaciones a medicina, energía y materiales) será enorme, y una generación liberada de lo rutinario podría dedicarse a lo que realmente le apasiona. Pero ese futuro no llega solo. Entre medias hay una generación que paga el coste de la transición, y tratarla con tópicos en lugar de planes es un fallo evitable.