En septiembre de 2026, las matemáticas recibieron una postal del futuro. OpenAI anunció que un sistema de miles de agentes había producido una demostración sobre Navier–Stokes y, después, la había convertido en código Lean para revisar cada paso lógico. La empresa publicó tanto la exposición como el artefacto verificable. El anuncio y la formalización de Navier–Stokes
La noticia no terminó la discusión: la volvió más precisa. Desde Chile, el Centro de Modelamiento Matemático de la Universidad de Chile explicó que Lean puede certificar la cadena lógica, pero no decide por sí solo si el enunciado formal corresponde a la pregunta que la comunidad cree estar resolviendo, ni si comprendemos el mecanismo. El análisis independiente del CMM chileno Esa diferencia —validez formal frente a significado matemático— será la institución central de la próxima década.
La escala ya cambió. Días antes, Anthropic informó que Claude había producido en once días una formalización integral del último teorema de Fermat: 13 millones de líneas de Lean y 29.500 teoremas intermedios. Es una afirmación de la empresa y debe evaluarse con el repositorio abierto que acompaña el anuncio; aun así, ilustra una transición decisiva. La formalización del último teorema de Fermat
ParallaxSee mantiene la predicción inglesa, su horizonte y su 83% de confianza: antes del 31 de diciembre de 2030, los verificadores formales serán la capa normal de confianza para los resultados matemáticos importantes originados sustantivamente por IA. La predicción se resolverá a favor si al menos 25 artículos revisados por pares, repartidos en cinco campos matemáticos, declaran participación sustantiva de IA en el descubrimiento o generación del resultado y publican un certificado comprobable en Lean, Rocq, Isabelle, HOL u otro asistente; además, tres revistas o editoriales matemáticas establecidas deberán ofrecer una vía explícita para artefactos formales.
La investigación panhispánica añade algo que el relato global suele omitir. España ya enseña Lean en cursos y grados; México conserva una tradición de lógica computacional y asistentes de prueba; Argentina y Uruguay han formado generaciones en verificación de programas; Chile reúne matemáticos, centros de IA y debate público sobre atribución. No son espectadores de una carrera extranjera. Poseen una parte esencial del taller: la capacidad de traducir, auditar, enseñar y explicar.
La IA propondrá el salto. Un núcleo pequeño comprobará que el salto llega al otro lado. Y la comunidad decidirá si valía la pena saltar.
01 — Una prueba formal no es una opinión más convincente.
Una demostración ordinaria está escrita para personas. Omite pasos que una especialista considera rutinarios, cambia de notación, apela a intuiciones geométricas y confía en que el contexto rellene huecos. Esa economía hace posible leer matemáticas avanzadas. También deja espacio para errores invisibles.
Un asistente de pruebas exige otra clase de objeto. El enunciado se convierte en una expresión exacta: cuantificadores, hipótesis, tipos y definiciones sin la palabra «obvio». La demostración se transforma en un término que el sistema puede reconstruir desde axiomas declarados. El núcleo —una parte comparativamente pequeña del programa— no evalúa si el texto suena riguroso. Comprueba si el objeto tiene el tipo que afirma tener.
La documentación de Lean delimita bien la garantía: aceptar una prueba significa que el enunciado fue elaborado y que el núcleo verificó su derivación a partir de definiciones, teoremas y axiomas importados; también permite inspeccionar axiomas y revalidar objetos compilados. La guía oficial para validar pruebas en Lean
Esto no convierte a Lean en oráculo. Si una persona formaliza «existe algún objeto» cuando el artículo proclama «todo objeto», el núcleo certificará impecablemente la afirmación más débil. Si una definición excluye por accidente el caso frontera, la prueba será correcta dentro de un mundo mal especificado. El sistema garantiza derivabilidad, no intención.
Por eso el flujo de 2030 tendrá dos expedientes. El primero será el certificado: código, versiones fijadas, dependencias y resultado de compilación. El segundo será el mapa semántico: qué frase del artículo corresponde a cada definición y qué hipótesis expresa cada condición formal. La Universidad Complutense ya describía la formalización como digitalizar definiciones, resultados y demostraciones, y señalaba su carácter transversal. El curso doctoral de la UCM sobre formalización en Lean
La idea puede parecer burocrática hasta que una demostración ocupa cien páginas, depende de miles de lemas o nace de una red neuronal que no puede explicar de forma estable por qué eligió el camino. Allí el certificado deja de ser adorno. Es el instrumento que separa una propuesta fascinante de un teorema que cualquiera puede volver a comprobar.
02 — El matemático artificial será un taller de especialistas.
No habrá una sola mente matemática digital. Habrá una cadena. Un modelo general explorará analogías entre campos. Un buscador recuperará teoremas y definiciones. Un traductor convertirá el argumento informal en lenguaje formal. Un modelo especializado propondrá tácticas, abrirá subproblemas y corregirá errores con la respuesta del compilador. El núcleo emitirá el veredicto.
AlphaProof mostró la potencia de entrenar dentro de ese circuito. Su red proponía tácticas y estimaba qué ramas merecían más búsqueda; Lean aceptaba o rechazaba cada movimiento; el aprendizaje por refuerzo convertía millones de intentos en experiencia formal. Junto con AlphaGeometry 2, alcanzó nivel de medalla de plata en la Olimpiada Internacional de Matemáticas de 2024. El estudio de AlphaProof publicado en Nature
AlphaGeometry había probado antes la complementariedad. Un modelo neuronal proponía construcciones auxiliares creativas —el punto o la circunferencia que el enunciado no menciona— y un motor simbólico deducía consecuencias exactas. Entrenado sobre problemas sintéticos, resolvió 25 de 30 ejercicios de geometría olímpica del conjunto evaluado. El estudio de AlphaGeometry en Nature
La memoria importa tanto como la imaginación. LeanDojo convirtió repositorios de Lean en un entorno reproducible y mostró que recuperar premisas relevantes antes de generar tácticas mejora la búsqueda. LeanDojo y la demostración aumentada por recuperación En investigación, el lema decisivo puede estar en otro campo, con otra notación y fuera de lo que el modelo recuerda con claridad.
El tamaño bruto tampoco decide todo. Goedel-Prover-V2 combinó datos sintéticos escalonados, autocorrección guiada por Lean y especialización; su versión de ocho mil millones de parámetros reportó resultados competitivos frente a modelos mucho mayores bajo presupuestos comparables. El informe técnico de Goedel-Prover-V2
La arquitectura explica el pronóstico. La creatividad puede ser probabilística porque la verificación no lo es. Se pueden generar mil rutas equivocadas si ninguna atraviesa el núcleo. El progreso vendrá de hacer barato el descarte, valiosa la recuperación y pública la prueba que sobrevive.
03 — 2026 convirtió la promesa en una crisis de escala.
La novedad de 2026 no fue que una computadora ayudara a demostrar teoremas. Eso ocurre desde hace décadas. Fue la velocidad con que sistemas generales comenzaron a proponer resultados en análisis, geometría, combinatoria, teoría de números y computación teórica, mientras otros sistemas formalizaban argumentos a una escala que habría exigido años de trabajo manual.
El Instituto de Matemáticas de la Universidad de Sevilla resumió el verano con una mezcla saludable de asombro y cautela: numerosos anuncios, formalizaciones en Lean, costes computacionales altos y una proporción todavía pequeña del conocimiento matemático total dentro de bibliotecas formales. El balance español del verano de la IA matemática
El Science Media Centre España recogió una lectura igualmente útil del director del ICMAT: verificación formal y modelos de IA permiten explorar ideas más ambiciosas, pero obligan a adaptar evaluación, atribución, publicación y formación. La reacción del ICMAT a los avances matemáticos de Astra
Aquí aparece el verdadero cuello de botella. Generar un argumento plausible se abarata. Comprobar qué enunciado expresa, reconstruir sus dependencias, descartar prioridad previa, evaluar novedad y explicar la idea siguen siendo labores difíciles. Una revista puede recibir un artefacto que compila y, aun así, no saber si el resultado es importante, si la formalización corresponde fielmente al manuscrito o si la máquina reensambló material existente sin atribución suficiente.
Los nuevos bancos de pruebas intentan separar niveles. FormalProofBench, por ejemplo, empareja problemas de posgrado en lenguaje natural con declaraciones de Lean y exige producir código aceptado por el verificador. Es un avance sobre corregir estilo con otro modelo, pero presupone que el enunciado formal ya es fiel. El preprint de FormalProofBench
En 2030, decir «la IA lo demostró» será una frase incompleta. Habrá que responder: ¿qué sistema propuso la idea?, ¿quién fijó el enunciado?, ¿qué bibliotecas usó?, ¿qué humanos revisaron la traducción?, ¿qué versión compila?, ¿qué trabajo anterior hizo posible la ruta? La formalización resolverá la lógica. La trazabilidad resolverá la confianza social.
04 — El mundo hispanohablante ya tiene los cimientos.
La formalización no llega a un desierto. En España, la Universidad de Sevilla mantiene materiales completos de demostración asistida con Lean para razonamiento automático: ejercicios, código editable, tácticas y estilos de prueba. El curso abierto de demostración asistida con Lean La Universidad de Zaragoza introdujo Lean en asignaturas iniciales de conjuntos y topología, con retroalimentación directa del sistema como parte de la enseñanza. El proyecto docente de la Universidad de Zaragoza
México aporta otra tradición. La UNAM enseña asistentes de prueba y verificación formal dentro de métodos formales, con Coq como entorno para demostraciones y programación certificada. La conferencia de la UNAM sobre asistentes de prueba Esa base importa más que dominar una marca concreta: Lean, Rocq y sucesores comparten la disciplina de expresar exactamente qué se pretende demostrar.
Argentina muestra el puente hacia sistemas reales. Una tesis de la Universidad Nacional de Córdoba formalizó en Coq miles de líneas de especificaciones y pruebas para un compilador, explicando cómo las demostraciones grandes se construyen de forma incremental y modular. La investigación de FaMAF sobre compilación certificada
Uruguay sostiene una línea equivalente. La Facultad de Ingeniería de la Universidad de la República ofrece formación en teoría de tipos, Coq, verificación y derivación formal de programas. El curso abierto de Construcción Formal de Programas La Universidad ORT ha trabajado con Dafny en enseñanza de especificación, invariantes y demostración semiautomática para estudiantes. El proyecto uruguayo de verificación formal con Dafny
Chile añade la conexión entre matemática avanzada e IA. La Pontificia Universidad Católica convocó para septiembre de 2026 una conferencia dedicada a fundamentos, casos, ética y futuro de la IA en la práctica matemática, con participación de UC, CENIA, Universidad de Chile, Universidad de Talca, Berkeley y DeepMind. El programa de IAPMat 2026 en Chile
La oportunidad regional es concreta: crear corpus y cursos en español; formalizar resultados producidos en universidades locales; formar perfiles híbridos que entiendan un campo matemático y un asistente; y construir equipos de auditoría independientes. El capital decisivo no será solo computación. Será gente capaz de detectar que una hipótesis cambió al traducirse.
05 — La biblioteca será más valiosa que el modelo de moda.
Un modelo envejece rápido. Una definición bien diseñada y un teorema incorporado a una biblioteca pueden servir durante décadas. Cada formalización convierte un documento en infraestructura: fija hipótesis, expone dependencias y permite que otro resultado lo reutilice sin volver a confiar en una lectura informal.
Mathlib, la gran biblioteca comunitaria de Lean, crece mediante contribuciones revisadas y ofrece estadísticas vivas de archivos, líneas, declaraciones y colaboradores. Las estadísticas actuales de Mathlib Su valor no reside solo en acumular teoremas. Mantiene definiciones canónicas y una interfaz coherente entre álgebra, análisis, topología, probabilidad y computación.
La matemática condensada ofrece un caso revelador. Un artículo en The Journal of Symbolic Logic describe resultados formalizados en Lean e incorporados a Mathlib; explica que las decisiones de diseño de la biblioteca influyeron en el nivel de generalidad y que las contribuciones atraviesan una revisión semejante a la revisión por pares. La publicación sobre fundamentos formalizados de matemática condensada
El formato editorial también está tomando forma. Un trabajo depositado en Cambridge Open Engage acompaña el manuscrito con un inventario legible por máquina, versiones fijadas de Lean y Mathlib, un repositorio de 382 archivos y límites explícitos de lo que permanece condicionado a resultados externos. El paquete formal y de auditoría en Cambridge Open Engage
Ese paquete anticipa el artículo matemático de 2030. Tendrá un texto para comprender, código para comprobar, un mapa entre ambos y un manifiesto de procedencia. Una universidad sin acceso al modelo que descubrió el resultado podrá descargar el certificado y ejecutar un verificador abierto. La autoridad del modelo deja de importar una vez que entrega un objeto público.
Para la comunidad hispanohablante, esta estructura reduce una barrera y crea otra. Reduce la dependencia del idioma: las expresiones formales son explícitas y las bibliotecas pueden conectar trabajos escritos en lenguas distintas. Crea una barrera de ingeniería: mantener versiones, revisar contribuciones y traducir conocimiento informal cuesta tiempo especializado. Invertir en bibliotecarios formales será tan estratégico como financiar más horas de cómputo.
06 — Las revistas deberán revisar cuatro cosas diferentes.
Una prueba comprobable no sustituye la revisión por pares; la divide en trabajos más claros.
Derivabilidad. El núcleo confirma que la conclusión sigue de los supuestos formales.
Fidelidad. Especialistas verifican que el teorema codificado sea el que el artículo proclama y que no esconda una hipótesis decisiva.
Novedad y atribución. La comunidad rastrea antecedentes, distingue redescubrimiento de avance y reconoce a quienes produjeron las ideas y los datos de entrenamiento relevantes.
Significado. Matemáticos explican por qué funciona, qué herramienta conceptual es reutilizable y qué preguntas abre.
La Declaración de Leiden sobre IA y matemáticas, publicada en 2026, pide transparencia sobre herramientas y recursos, responsabilidad humana, referencias precisas, pruebas formales cuando sean apropiadas y prácticas de ciencia abierta. La Declaración de Leiden La Unión Matemática Internacional la respaldó, y entre los apoyos institucionales posteriores aparece la Sociedad Matemática Mexicana. Las adhesiones y novedades de la Declaración
La ciencia abierta ofrece el marco mayor. La recomendación de la UNESCO reconoce diferencias regionales y pide reducir brechas digitales, tecnológicas y de conocimiento, especialmente para países en desarrollo. La Recomendación de la UNESCO sobre Ciencia Abierta En matemática asistida por IA, eso implica que la prueba no debe quedar encerrada en un servicio privado: repositorio, versiones, dependencias y licencia tienen que acompañar la publicación.
También hará falta un registro. Palomar propone estándares mínimos para matemáticas verificadas con Lean y advierte que comunicados empresariales o mensajes sociales no bastan para establecer hechos matemáticos. La declaración del registro Palomar
El umbral de esta predicción —tres revistas o editoriales con una vía explícita— es exigente a propósito. Aceptar un archivo suplementario no basta. La vía deberá indicar cómo se entrega, reconstruye, vincula y conserva el artefacto; quién revisa la correspondencia semántica; qué axiomas se admiten; y qué sucede si una actualización rompe la compilación. Cuando esas preguntas pasen del entusiasmo individual a las instrucciones para autores, la formalización se habrá convertido en institución.
07 — La abundancia de pruebas hará más valioso el criterio humano.
Si una máquina puede ensayar miles de rutas y el verificador descarta las incorrectas, producir teoremas válidos será más barato. Eso no significa que toda salida merezca publicarse. Una biblioteca puede llenarse de lemas ciertos, diminutos y desconectados que nadie necesita. La escasez se desplazará desde la validez hacia la atención.
El modelo general será útil precisamente porque puede cruzar fronteras. OpenAI informó en agosto de 2026 diez avances en campos que iban de geometría y teoría de grupos a complejidad y juegos cuánticos, y dijo que produjo certificados Lean para los resultados. Son afirmaciones de la compañía, no equivalentes todavía a veinticinco artículos revisados por pares; sirven como señal de la amplitud que ya busca la industria. Los diez avances matemáticos anunciados por OpenAI
La pregunta humana será: ¿qué merece semanas de cómputo y años de comprensión? Elegir una conjetura importante, formular una definición fértil y reconocer una conexión explicativa son actividades distintas de cerrar una cadena lógica. También lo es decidir si el coste energético y económico está justificado.
Aquí las instituciones panhispánicas pueden evitar dos errores. El primero es imitar solo los grandes anuncios y abandonar problemas locales: optimización de redes de agua, epidemiología, transporte, criptografía pública o modelización climática regional. El segundo es refugiarse en una oposición romántica que entregue toda la infraestructura a otros. La respuesta fuerte consiste en seleccionar preguntas propias y exigir estándares más altos de apertura.
La formación cambiará. Un estudiante seguirá necesitando demostrar a mano para aprender a construir significado. Después usará Lean para descubrir qué hipótesis omitió y un agente para explorar alternativas. La evaluación no premiará pegar un término que compila, sino explicar la arquitectura de la prueba, modificarla ante un cambio y justificar la correspondencia entre código e idea.
La IA no vaciará las matemáticas si la comunidad conserva el derecho a decidir qué cuenta como comprensión. Al contrario: al delegar la inspección mecánica de miles de pasos, puede liberar tiempo para leer la estructura. El certificado será el suelo, no el techo.
08 — La desigualdad decisiva será quién puede explorar y quién solo puede verificar.
Hay una asimetría poderosa en este futuro. Descubrir un resultado puede exigir centros de datos, agentes paralelos y semanas de inferencia. Comprobar el artefacto final puede requerir una computadora corriente y un núcleo abierto. Es una buena noticia para la certeza y una mala noticia para la distribución del poder científico.
Si las universidades de América Latina y España solo reciben certificados terminados, podrán validar el destino pero no elegir las rutas. Si además construyen bibliotecas, conjuntos de problemas, infraestructura de recuperación y equipos de formalización, podrán orientar la exploración aunque no posean el modelo más grande.
Tres políticas harían la diferencia. Primero, financiar personal permanente para mantener bibliotecas y no únicamente proyectos breves. Segundo, reconocer una formalización bien diseñada como producción académica, porque traducir cien años de teoría a una interfaz reutilizable es investigación e infraestructura. Tercero, federar recursos: un centro mexicano puede aportar lógica, uno argentino compiladores certificados, uno uruguayo teoría de tipos, uno chileno matemática e IA, y uno español bibliotecas y formación.
El español también importa. La literatura avanzada seguirá circulando en inglés, pero la enseñanza inicial, la deliberación ética y la explicación pública ganan profundidad en la lengua que domina cada comunidad. Materiales abiertos en español amplían el grupo capaz de revisar una formalización, no solo de admirarla.
El criterio de éxito regional no será tener una empresa que anuncie el próximo problema del milenio. Será poder auditar de forma independiente un resultado importante; producir formalizaciones que otros reutilicen; formar estudiantes que entiendan el núcleo y el campo matemático; y publicar investigación local con el mismo paquete de trazabilidad que se exigirá a los laboratorios globales.
Esta es una de las pocas revoluciones de IA donde la capa de confianza puede ser más pequeña, abierta y barata que la capa de generación. Conviene defender esa arquitectura. Permite que la imaginación se concentre sin convertir la verdad en un servicio por suscripción.
09 — En 2030, el veredicto tendrá forma de repositorio.
La predicción no exige que una IA sustituya a matemáticos ni que todo artículo tenga código. Exige una práctica concreta para el subconjunto más delicado: resultados importantes cuya idea, búsqueda o demostración fue generada sustantivamente por IA.
Para resolverla, ParallaxSee contará artículos revisados por pares publicados hasta el 31 de diciembre de 2030. Cada uno deberá identificar la participación de IA en el descubrimiento o generación del resultado, pertenecer a uno de al menos cinco campos matemáticos y ofrecer públicamente un certificado que un asistente de pruebas pueda comprobar. Harán falta 25 artículos. Además, tres revistas o editoriales matemáticas establecidas deberán publicar un procedimiento explícito para recibir y revisar artefactos formales.
No contarán preprints sin revisión, ejercicios olímpicos, demostraciones solo en lenguaje natural, uso de IA limitado a estilo o traducción, ni certificados encerrados en una plataforma privada. Un repositorio que no fija versiones o que contiene huecos admitidos sin declararlos tampoco servirá como prueba plena.
El estándar será alto porque «compila» no agota «es matemáticamente correcto». Un expediente convincente incluirá el enunciado formal, el código completo, dependencias fijadas, lista de axiomas, instrucciones de reconstrucción, mapa hacia el manuscrito, declaración de herramientas, antecedentes y responsables humanos. La revisión independiente podrá repetir el chequeo y cuestionar la fidelidad semántica.
La trayectoria favorece el sí. En 2026 ya existen sistemas que producen pruebas formales, bibliotecas maduras, cursos universitarios en varios países hispanohablantes, artículos que integran Lean, registros de auditoría y una declaración internacional respaldada por la comunidad. Falta convertir iniciativas dispersas en flujo editorial repetible.
La confianza del 83% reconoce un riesgo: las empresas pueden avanzar más rápido que las revistas, mientras la comunidad se resiste a estandarizar artefactos costosos de revisar. Pero esa misma avalancha crea la necesidad. Cuanto más fácil sea generar una demostración extensa y persuasiva, menos sostenible será pedir a un revisor que la crea por inspección manual.
En 2030, una gran prueba originada por IA llegará como dos invitaciones. El artículo dirá: «entiende esta idea». El repositorio dirá: «comprueba que no falta ningún paso». La primera seguirá siendo profundamente humana. La segunda será demasiado importante para dejarla a la confianza.