La publicación de más de 700 artículos de investigación por parte de OpenAI en octubre de 2026 marcó un momento decisivo en la historia de las matemáticas, demostrando que la IA es ahora capaz de realizar contribuciones innovadoras en muchas áreas del campo. Este desarrollo ha desatado un debate dentro de la comunidad matemática sobre el 'vaciado' de la materia. Algunos matemáticos expresan preocupación por el desprecio de la IA hacia las expectativas tradicionales de la comunidad en cuanto a la atribución y el potencial de la IA para resolver problemas abiertos importantes con un nivel de indiferencia que se siente como un ataque a la artesanía de la profesión. Sin embargo, el núcleo del cambio reside en la cambiante economía de lo que constituye una contribución matemática sustancial.
Para comprender esta transición, se puede observar el precedente histórico de la clasificación de los grupos simples finitos. Cuando se anunció la clasificación en 1983, fue un éxito masivo que simultáneamente 'enfrió' el interés en ese problema específico, lo que llevó a los matemáticos a dirigir su atención a otros lugares. El cambio actual de la IA es comparable: si bien la IA puede resolver problemas existentes, no 'resuelve' las matemáticas de la misma manera que la tabla periódica 'resolvió' la química. En cambio, reduce las barreras para explorar problemas anteriormente 'intocables', direcciones complejas que antes eran inaccesibles debido a la enorme cantidad de antecedentes técnicos necesarios para formularlas. El papel del matemático está evolucionando de un explorador 'heroico' que escala una sola cima a un piloto que dirige flotas de aviones, donde las habilidades principales implican elegir qué terreno vale la pena explorar y explicar esos hallazgos al mundo.
Adaptarse a esta nueva realidad requiere cambios estructurales en la forma en que opera la profesión. Debido a que la IA ahora puede producir pruebas novedosas en una escala de tiempo comprimida, la comunidad puede necesitar repensar la contratación, avanzando hacia interacciones más personales en lugar de simplemente evaluar archivos de artículos. También hay un llamado a cambiar la educación de posgrado hacia un mayor énfasis en la amplitud y la comprensión estructural en lugar de una experiencia técnica estrecha. En este nuevo orden, una contribución sustancial puede definirse por la capacidad de elegir un problema que valga la pena, usar la IA para obtener una prueba y luego usar ese resultado para desarrollar nuevas direcciones interesantes. El objetivo es ir más allá de la 'camisa de fuerza' de estar limitado por la primera conjetura natural que uno no puede probar, utilizando la IA como una herramienta para perseguir planes de investigación más audaces y ambiciosos.