25 galardonados con la Medalla Fields han publicado una declaración conjunta en la que señalan directamente una «grave divergencia de objetivos» entre las empresas que desarrollan IA y la comunidad matemática. El documento apareció el 11 de septiembre de 2026 en Le Monde y en el blog de Terence Tao; entre los firmantes se encuentran Pierre Deligne, Peter Scholze, Maryna Viazovska, Manjul Bhargava, Yu Deng y otros. La declaración surge tras los recientes anuncios de OpenAI sobre la resolución del problema de Navier-Stokes en 88 horas con la ayuda de miles de agentes y millones de mensajes.
La esencia de la queja no radica en que la IA resuelva problemas, sino en cómo lo hace exactamente y qué valores se promueven en el proceso. Tradicionalmente, las matemáticas no valoran el hecho de la resolución en sí, sino la comprensión de las estructuras, la identificación de la contribución original, la verificación rigurosa, la citación correcta y el tiempo para la reflexión. Las empresas, en cambio, optimizan en función de la velocidad y los puntos de referencia públicos: cuanto más rápido «cierra» un modelo un problema conocido, mayor es su valoración ante los inversores y usuarios. Tal aceleración, según los galardonados, destruye el «suelo fértil» para nuevas ideas y socava el proceso de formación de estudiantes e ideas.
Metodológicamente, la declaración se basa en observaciones de incidentes reales. Los matemáticos señalan que los sistemas de IA a menudo ofrecen soluciones sin una exposición escrita completa, sin destacar lo que es verdaderamente novedoso y sin tener en cuenta los trabajos previos. Esto está directamente relacionado con las recientes disputas sobre la prioridad en problemas donde OpenAI supuestamente utilizó resultados obtenidos mediante modelos de otros laboratorios sin la debida atribución de autoría. A diferencia del proceso matemático tradicional, donde una demostración pasa por la revisión por pares y el debate en la comunidad, el enfoque automatizado deja poco espacio para tal reflexión.
En comparación con enfoques anteriores para integrar herramientas computacionales en las matemáticas, la situación actual se distingue por su escala y la presión comercial. Anteriormente, los ordenadores se utilizaban para la verificación o la búsqueda de contraejemplos, pero no para la producción masiva de «soluciones» a problemas conocidos en tiempos récord. Los esfuerzos paralelos de laboratorios como DeepMind o Anthropic también se centran en los puntos de referencia; sin embargo, ha sido OpenAI la que en las últimas semanas ha promovido de manera más agresiva la narrativa del «avance» en los Millennium Prize Problems. Esto genera una dinámica competitiva donde la velocidad se convierte en la principal ventaja, en lugar de la profundidad de la comprensión.
Las consecuencias para este campo son evidentes: si la comunidad comienza a orientarse hacia las soluciones automatizadas como principal vía de progreso, el espacio para el trabajo lento pero fundamental se reducirá. Los estudiantes y jóvenes investigadores podrían perder la motivación por el estudio profundo, dado que las «respuestas» ya están disponibles en acceso abierto. Además, surge el riesgo de una dilución de la autoría y la responsabilidad: ¿quién es responsable de un error en una demostración por IA si esta ha sido ensamblada a partir de miles de fragmentos?
La declaración no niega la utilidad de la IA para las matemáticas, sino que subraya la necesidad de un debate urgente sobre las reglas de interacción. Los galardonados instan a la comunidad matemática, a los desarrolladores y a la sociedad en general a elaborar mecanismos que preserven el valor de la comprensión conceptual y la citación correcta. Sin tales mecanismos, la divergencia de objetivos no hará sino intensificarse, afectando no solo a las matemáticas, sino también a otras áreas del trabajo intelectual.
La cuestión clave que queda abierta es si la comunidad de matemáticos logrará imponer sus estándares de verificación y autoría a los desarrolladores de IA, o si la lógica comercial redefinirá definitivamente lo que se considera «progreso» en la ciencia fundamental.
