Carrera de matemático con IA: el trabajo que nació en 2026

En mayo de 2026, un modelo de OpenAI refutó una conjetura que Paul Erdős planteó en 1946. Nueve matemáticos publicaron un artículo confirmándolo. Dos meses después, varios sistemas de IA sacaron 42/42 perfecto en los problemas de la Olimpiada Internacional de Matemáticas en Shanghái. Ninguno de los dos hechos reemplazó a los matemáticos. Los dos les crearon trabajo. La carrera de matemático con IA consiste en decidir qué problema darle a un modelo, juzgar si lo que devolvió es un resultado o un disparate, y verificarlo lo suficiente para que otros matemáticos lo acepten. Paga como un puesto de investigación, pide posgrado, y los requisitos de entrada empiezan con cosas que un chico de 12 años puede hacer gratis este año.

Puntos clave

• El puesto existe porque la verificación se volvió el cuello de botella. Como dijo Thomas Bloom sobre las pruebas generadas por IA: “Puede estar bien. Puede ser un disparate. ¿Quién va a poder revisar esto?”.
• Sueldos de la BLS de EE. UU. para las categorías oficiales más cercanas (mayo de 2025): matemáticos, mediana de 126,710 dólares; científicos investigadores en computación e información, 140,300. Los puestos específicos de IA en laboratorios pagan bastante más, pero esas cifras son estimaciones de ofertas de trabajo, no datos oficiales.
• La demanda es chica pero crece rápido. La BLS proyecta matemáticos y estadísticos con 10% de crecimiento de 2025 a 2035 (unos 33,500 puestos en total) y científicos investigadores en computación con 22% (unos 38,600 puestos).
• El título sí importa: doctorado para los puestos de investigación, maestría para los de verificación y evaluación. A diferencia del software, aquí la entrada autodidacta es rara.
• Qué puede hacer un chico de 10 a 15 años este año, gratis: club u olimpiada de matemáticas, leer la base de datos de problemas de Erdős, y aprender Lean, un asistente de pruebas que convierte las matemáticas en código que la computadora revisa.

Qué pasó y por qué creó un trabajo

El problema de las distancias unitarias de Erdős pregunta cuántos pares de puntos, entre n puntos en un plano, pueden estar exactamente a una unidad de distancia. Erdős conjeturó un techo en 1946. El 20 de mayo de 2026, OpenAI anunció que un modelo de razonamiento encontró una familia nueva de configuraciones de puntos que supera ese techo, usando torres de cuerpos de clases infinitas de la teoría algebraica de números. Noga Alon, Thomas Bloom, W. T. Gowers, Melanie Matchett Wood y cinco más publicaron observaciones confirmando el resultado. Gowers dijo que si lo hubiera escrito un humano, lo habría recomendado para publicación sin dudar.

Después viene la parte difícil. El modelo acertó en cerca del 50% de las corridas. OpenAI no publicó tasas de falla ni tiempo de cómputo. Y, como reportó Quanta Magazine el 3 de agosto de 2026, el ritmo se aceleró: OpenAI anunció diez avances más el 1 de agosto, Google DeepMind resolvió cuatro problemas de Erdős y redescubrió nueve soluciones olvidadas, y las colaboraciones humano-IA se ocuparon de docenas. Terence Tao coescribió una. La preocupación de Bloom pasó de “¿puede la IA hacer matemáticas?” a “¿quién lee los artículos de 200 páginas?”.

Ese hueco es el trabajo. Un laboratorio que genera pruebas candidatas más rápido de lo que alguien las puede revisar necesita gente capaz de (a) elegir problemas donde un resultado importe de verdad, (b) leer con criterio una prueba escrita por una máquina, (c) formalizar los pasos clave en un asistente de pruebas para que una computadora los verifique, y (d) escribir la versión legible que otros matemáticos van a citar. Son cuatro habilidades distintas y la gente que tiene las cuatro es escasa.

Qué hace el trabajo, hora por hora

El día no se pasa demostrando teoremas a mano. Más o menos así:

Selección de problemas. Leer la literatura para encontrar preguntas abiertas, bien especificadas y con consecuencias. La base de Erdős es popular precisamente porque los problemas están planteados con nitidez y su estado se rastrea de forma independiente.

Preparar el modelo. Armarle el contexto correcto, a veces con acceso a un asistente de pruebas, y correr muchos intentos. El 50% pesa aquí: el trabajo incluye leer muchas pruebas equivocadas.

Triaje. Decidir en veinte minutos si un resultado merece dos días. Es la habilidad que define si el equipo entrega o no, y la más difícil de enseñar.

Formalización. Traducir los lemas críticos a Lean o un sistema parecido, donde la computadora revisa cada inferencia. Formalizar es lento, poco glamoroso y lo único que zanja las discusiones.

Atribución y escritura. La objeción de Wood es una tarea concreta: los modelos no citan, así que un humano tiene que rastrear de qué resultados conocidos depende la prueba. En el caso de Erdős, eso significó identificar Golod-Shafarevich, Ellenberg-Venkatesh y Hajir-Maire-Ramakrishna.

El camino de la carrera de matemático con IA, etapa por etapa

Etapa	Qué tomar o conseguir	Qué cuesta	Para qué te sirve
Secundaria y prepa	Álgebra, precálculo, cálculo si lo hay; olimpiada de matemáticas (OMM en México, OMA en Argentina, ONEM en Perú); un lenguaje de programación; un taller de demostraciones	Gratis o casi; las olimpiadas suelen ser gratuitas vía la escuela	Entrar a una buena licenciatura en matemáticas; empezar Lean por tu cuenta
Licenciatura	Matemáticas, o matemáticas con ciencias de la computación. Indispensables: análisis real, álgebra abstracta, matemáticas discretas, teoría de números, un curso de lógica o métodos formales	UNAM, UBA y Universidad de Chile son gratuitas o de costo bajo; las privadas varían mucho	Asistente de investigación, analista de datos, puestos de software cercanos a matemáticas
Certificación (opcional)	No existe licencia. La credencial más cercana son formalizaciones publicadas: aportes a la biblioteca mathlib de Lean, visibles en GitHub	Gratis	Un portafolio que un laboratorio puede inspeccionar, que pesa más que un certificado
Maestría	Maestría en matemáticas, matemáticas aplicadas o computación con enfoque en métodos formales. El IMPA de Brasil y el CIMAT de México son referencias regionales	1 a 2 años, con becas frecuentes	Ingeniero de verificación, investigador de evaluación, staff técnico en un laboratorio
Doctorado	En un área donde los modelos rinden bien: combinatoria, teoría de números, teoría de grafos, geometría discreta	4 a 6 años, casi siempre con beca	Matemático investigador en un laboratorio, universidad o instituto nacional
El día a día	Elegir problemas, preparar modelos, triaje de resultados, formalizar en Lean, atribuir, escribir	—	Publicar resultados; decidir en qué trabaja el laboratorio después

Dos aclaraciones honestas sobre esa tabla. Primera: el doctorado no es opcional para la versión de investigación, lo que es raro en IA, donde los ingenieros autodidactas les va bien. Segunda: los puestos de verificación a nivel maestría son la entrada que crece más rápido y de la que menos se habla, porque cada laboratorio que produce pruebas necesita más revisores que generadores.

Sueldo y demanda, sin hype

No existe un código ocupacional oficial para “matemático investigador en IA”, así que cualquiera que dé un sueldo preciso está estimando. Esto es lo sólido y lo que no.

Puesto	Fuente	Mediana salarial	Perspectiva
Matemáticos	BLS, mayo de 2025	126,710 dólares	+10% 2025–2035 (junto con estadísticos); ~2,200 puestos de “matemático”
Estadísticos	BLS, mayo de 2025	105,650 dólares	~31,300 puestos; maestría típica
Científicos investigadores en computación	BLS, mayo de 2025	140,300 dólares	+22% 2025–2035; ~38,600 puestos
Investigador de IA en laboratorio de frontera	Ofertas de trabajo y prensa	Bastante arriba de 200,000 dólares en compensación total	Estimación, no dato oficial; muy pocos puestos

La lectura realista: es un campo de sueldo alto y poquísimas plazas. Según la BLS hay unas 2,200 personas en EE. UU. con el título de “matemático”, y los laboratorios de frontera emplean algunas decenas en puestos explícitos de IA más matemáticas. El crecimiento de 22% en científicos investigadores es donde está el volumen. Dile a tu hijo que el campo es fascinante y competido, no que es una apuesta segura.

Otra advertencia que vale decir en voz alta a un adolescente: el campo está en movimiento. La reacción de Alon a que la IA resolviera problemas de Erdős fue “una vez que la IA empezó a resolverlos, ya no tiene sentido”. Es un matemático en activo diciendo que un programa de investigación que le importaba perdió su sentido. Quien entre a este campo está firmando para una década donde la descripción del puesto cambia más de una vez.

¿Y en América Latina?

La región tiene una base más fuerte de lo que se cree. El IMPA de Río de Janeiro es uno de los centros de matemáticas más reconocidos del mundo y fue la casa de Artur Ávila, el primer latinoamericano en ganar la Medalla Fields, en 2014. El CIMAT en Guanajuato, el Departamento de Matemática de la UBA, el de la Universidad de Chile y la Facultad de Ciencias de la UNAM producen doctorados que terminan en laboratorios internacionales.

También hay circuito de competencias: la Olimpiada Mexicana de Matemáticas, la Olimpiada Matemática Argentina, la ONEM en Perú, la Olimpiada de Mayo y la Iberoamericana. Son gratuitas o muy baratas y son el camino de entrada más directo que existe. Un chico en Medellín, Rosario o Arequipa puede competir este año sin pagar nada.

El contrapeso: en PISA 2025, Argentina tuvo su peor resultado en matemáticas desde 2006 (367 puntos), México su más bajo desde 2006 (388) y Colombia bajó a 381, según el análisis de Infobae. O sea: la región tiene cumbres buenísimas y un promedio débil. Si tu hijo tiene talento matemático, la olimpiada y el club le van a dar más que su escuela promedio, y eso no es una crítica a su maestra, es una descripción del sistema.

Qué puede hacer este año un chico de 10 a 15 años, gratis

Entrar a un club u olimpiada de matemáticas

Los problemas de competencia son lo más parecido a la investigación que puede tocar un chico de 12: desconocidos, sin plantilla, y hay que inventar el enfoque. Busca la olimpiada nacional de tu país; casi todas tienen fase escolar abierta.

Aprender Lean, en serio

Lean es un asistente de pruebas: escribes matemáticas como código y la computadora se niega a aceptar un paso equivocado. Hay un juego interactivo gratis (el Natural Number Game) que enseña lo básico en un fin de semana, y la biblioteca mathlib es código abierto en GitHub. Un chico de 14 que aporte un lema pequeño a mathlib tiene un artefacto público que un reclutador puede leer.

Leer la base de datos de problemas de Erdős

La base de Bloom lista problemas abiertos con su estado y su historia. Casi todos están muy lejos del alcance de un adolescente. No importa: leer veinte enunciados enseña qué significa “pregunta abierta bien especificada”, que es la primera habilidad del puesto.

Revisarle las matemáticas a una IA, a propósito

Dale a un chatbot un problema de competencia cuya respuesta ya conoces y califica su trabajo. Después hazlo diez veces con el mismo problema y cuenta cuántas veces acierta. Tu hijo va a descubrir el fenómeno del 50% por su cuenta, y eso vale más que cualquier charla sobre confiabilidad. Nuestra guía sobre cómo enseñar a los niños a evaluar lo que dice la IA tiene el ejercicio completo.

Lo que no hay que hacer

No empujes a un chico a las competencias si odia competir. La matemática de investigación y las competencias cronometradas están correlacionadas, pero no son lo mismo, y muchos matemáticos fuertes fueron competidores mediocres. Leer pruebas, escribir pruebas y ser terco con un solo problema durante un mes importan más que la velocidad contra el reloj. Nuestro artículo sobre cuándo acelerar en matemáticas y cuándo profundizar explica la diferencia.

Qué observar en los próximos 3 meses

• Semana 4: Tu hijo escribió una prueba en Lean, así sea trivial, y puede explicar por qué es útil, y no molesto, que una computadora le rechace un paso.
• Señales de alerta en el mes 2: Trata las matemáticas de un chatbot como autoridad. Quiere la respuesta y no el argumento. Abandona un problema antes de los diez minutos. La tercera es la más importante: la tolerancia a estar trabado es el rasgo que esta carrera selecciona.
• Autochequeo del mes 3: Pídele que explique la diferencia entre “la IA encontró una prueba” y “la prueba fue verificada”. Si puede, entiende el trabajo mejor que la mayoría de los titulares.

Preguntas frecuentes

¿La IA va a eliminar esta carrera antes de que mi hijo llegue?

Por ahora la está reconfigurando, no eliminando. Cada resultado matemático con IA en 2026 necesitó humanos para elegir el problema, revisar el resultado, formalizar los pasos y atribuir las ideas. La respuesta honesta es que nadie sabe cómo se ve el puesto en 2036, y esa incertidumbre aplica a casi todas las carreras técnicas hoy.

¿Mi hijo tiene que ser un prodigio?

No, pero tiene que ser genuinamente terco. El rasgo que distingue a los matemáticos de investigación es la tolerancia a sentarse con un problema sin resolver durante semanas. La velocidad ayuda en las competencias y pesa menos después.

¿Y si ama las matemáticas pero odia programar?

Formalizar en Lean es programar, así que algo de código es inevitable en la versión de esta carrera ligada a la IA. Pero la matemática pura sigue existiendo como carrera, y el camino universitario es el mismo para las dos hasta terminar la licenciatura. Que lo descubra a los 19, no a los 13.

¿Qué tan competido es en realidad?

Muy. La BLS cuenta unas 2,200 plazas de “matemático” en EE. UU., y los equipos de IA y matemáticas en laboratorios de frontera son chicos. El campo amplio, científicos investigadores en computación con 38,600 puestos y 22% de crecimiento, es donde aterriza la mayoría con esta formación, con una mediana de 140,300 dólares. Si tu hijo quiere números y no le convence el doctorado, mira carreras en ciencia de datos.

¿Qué materias de licenciatura pesan más?

Análisis real y álgebra abstracta, porque enseñan disciplina de demostración. Después matemáticas discretas, teoría de números y combinatoria, porque son las áreas donde los modelos rinden mejor hoy. Agrega un curso de lógica o métodos formales, que es donde vive la verificación estilo Lean.

---

Sobre el autor

Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.

---

Fuentes

1. OpenAI. (2026). “Model disproves discrete geometry conjecture.” 20 de mayo de 2026. https://openai.com/index/model-disproves-discrete-geometry-conjecture/
2. Alon, N., Bloom, T. F., Gowers, W. T., Litt, D., Sawin, W., Shankar, A., Tsimerman, J., Wang, V. y Wood, M. M. (2026). “Remarks on the disproof of the unit distance conjecture.” arXiv 2605.20695. https://arxiv.org/pdf/2605.20695
3. Quanta Magazine. (2026). “Why the legendary Erdős problems are falling to AI.” 3 de agosto de 2026. https://www.quantamagazine.org/why-the-legendary-erdos-problems-are-falling-to-ai-20260803/
4. Bureau of Labor Statistics. (2026). “Mathematicians and Statisticians.” Occupational Outlook Handbook, datos de mayo de 2025. https://www.bls.gov/ooh/math/mathematicians-and-statisticians.htm
5. Bureau of Labor Statistics. (2026). “Computer and Information Research Scientists.” Occupational Outlook Handbook, datos de mayo de 2025. https://www.bls.gov/ooh/computer-and-information-technology/computer-and-information-research-scientists.htm
6. Science News. (2026). “Mathematicians want guardrails on AI after it cracked an Erdős problem.” https://www.sciencenews.org/article/ai-guardrails-erdos-math-problem
7. Infobae. (2026). “Pruebas PISA: los países de América Latina profundizan su retroceso educativo.” 8 de septiembre de 2026. https://www.infobae.com/america/america-latina/2026/09/08/pruebas-pisa-los-paises-de-america-latina-profundizan-su-retroceso-educativo/
8. Lean FRO. Documentación de Lean y de mathlib. https://lean-lang.org/