Tabla de contenido
Habilidades matemáticas en la era de la IA: cuáles importan
Las habilidades matemáticas en la era de la IA que sí importan: estimar, modelar y explicar. Qué hace la IA, qué no puede hacer y qué entrenar en casa.
Las habilidades matemáticas en la era de la IA que de verdad se piden no son las que se están automatizando. En julio de 2026, dos sistemas de IA sacaron 42/42 en la Olimpiada Internacional de Matemática con corrección oficial. En mayo de 2026, un modelo refutó una conjetura que Paul Erdős planteó en 1946. Las dos cosas son reales. Ninguna toca la parte de la matemática que tu hijo va a usar.
Lo que la IA hace bien es resolver un problema bien planteado que alguien más enunció. Lo que nadie automatizó es decidir cuál problema enunciar, revisar si una respuesta es plausible, convertir una situación desordenada en un modelo y explicarle el resultado a una persona que va a tomar una decisión con él.
Puntos clave
- Estimar es la habilidad que más rinde en un mundo con IA: es cómo notas que una respuesta está mal antes de actuar con ella.
- Modelar, es decir, convertir una situación vaga en una pregunta matemática, es el paso que la IA no hace porque el problema todavía no existe.
- Explicar es un entregable. La propia OCDE lo plantea así: “la comprensión real viene de hacer el pensamiento, no de que una herramienta lo haga por uno”.
- El argumento de confiabilidad es concreto: la demostración de Erdős fue correcta en cerca de la mitad de las corridas idénticas, así que alguien tiene que poder distinguir las mitades.
- Dato de la OCDE: el 46% de los estudiantes usa chatbots cada semana, y quienes los usan para tareas específicas sacan menos en ciencias que los no usuarios.
Por qué las habilidades matemáticas en la era de la IA más útiles son las poco glamorosas
Voy a ser preciso con lo que los resultados de 2026 demostraron y lo que no.
Un problema de olimpiada llega completamente especificado: este es el planteo, esto exactamente hay que demostrar, tienes 90 minutos. Una conjetura de investigación como la distancia unitaria de Erdős también está completamente especificada, solo que es más difícil. Las dos tienen la propiedad de que el éxito es verificable por un lector competente.
Casi nada en la vida adulta llega así. “¿Nos conviene tomar el crédito?” todavía no es un problema matemático. Convertirlo en uno exige decidir qué importa, qué ignorar, en qué unidades trabajar y qué significa “conviene”. Ese paso de traducción es el trabajo, y es lo que los matemáticos llaman modelar.
El artículo de arXiv “From Solvers to Research”, publicado en julio de 2026 con 19 autores, entre ellos Terence Tao, hace el mismo planteo sobre la matemática de investigación: los matemáticos conservan “el juicio estético sobre qué problemas merecen investigación, la verificación de soluciones y demostraciones, y la dirección de la estrategia general”. Selección de problemas, verificación y dirección. Ninguna de las tres es resolver.
Habilidad por habilidad: qué hace la IA y qué tiene que hacer tu hijo
| Habilidad | Qué hace la IA | Qué tiene que hacer tu hijo | Por qué sigue importando |
|---|---|---|---|
| Cálculo aritmético | Lo hace al instante y confiable | Tener fluidez suficiente para no quedar indefenso | Libera memoria de trabajo para lo difícil |
| Manipulación algebraica | Lo hace bien | Reconocer qué significa una expresión | No puedes revisar lo que no puedes leer |
| Resolver un problema enunciado | Ahora excelente, hasta nivel olimpiada | Entender la solución para poder defenderla | En problemas difíciles acierta cerca de la mitad de las veces |
| Estimar | Mala para saber cuándo se desvió | Saber más o menos cuánto debería dar | Única defensa contra una salida segura y equivocada |
| Modelar una situación real | Necesita el problema ya planteado | Decidir qué incluir, qué ignorar y qué medir | El problema no existe hasta que alguien lo enuncia |
| Decidir qué pregunta importa | No tiene blanco objetivo que optimizar | Elegir según lo que está en juego | Criterio, no cálculo |
| Explicarle a quien decide | Produce texto fluido | Responder preguntas de seguimiento en vivo | La fluidez no es comprensión |
| Notar un supuesto malo | Hereda el encuadre que le das | Cuestionar la premisa | Basura que entra sigue siendo basura |
Las filas del medio son las que yo usaría para armar una práctica en casa. Estimar sobre todo, porque es barato de entrenar y es la única defensa en tiempo real contra una respuesta equivocada.
El caso de la estimación, con números
Estimar significa producir una respuesta aproximada rápido, con un razonamiento que puedas decir en voz alta, antes de calcular la exacta. No es adivinar.
Y acá está por qué rinde tanto ahora. Cuando un modelo produce una respuesta equivocada, la produce en el mismo registro seguro que una correcta. No hay diferencia visual. La única forma de cacharla en el momento es tener una expectativa independiente del orden de magnitud.
Ejemplo concreto. Un estudiante le pregunta a un chatbot cuánto cuesta tener prendido un calefactor de 1.200 vatios ocho horas por día durante un mes, con la electricidad a 2 pesos el kilovatio-hora. Una respuesta equivocada de 48 pesos y una correcta de 576 se ven igual de plausibles en la pantalla. Un estudiante que practicó estimación piensa: 1,2 kilovatios por 8 horas son unos 10 kilovatios-hora al día, por 30 días son 300, por 2 pesos son unos 600. Lo caza en cuatro segundos.
Eso casi no se enseña, y los datos de PISA 2025 sugieren que se está desvaneciendo junto con todo lo que requiere esfuerzo sostenido. La OCDE reporta que el promedio OCDE de matemáticas cayó 22 puntos entre 2015 y 2025, que la proporción de bajo desempeño en matemáticas subió unos nueve puntos porcentuales en la década, y que solo el 52% de los estudiantes dice terminar tareas que se volvieron aburridas. Estimar es exactamente el tipo de práctica poco glamorosa que pierde cuando cae la persistencia.
El caso del modelado, con un ejemplo de cocina
Modelar es traducir una situación a matemáticas. Es el paso que no existe en un problema de libro porque el libro ya lo hizo por ti.
Prueba esto en la cena: “Queremos pintar el living. ¿Cuánta pintura?”.
Un chico que solo hizo problemas enunciados se va a congelar, porque no le dieron números. Un chico que puede modelar empieza a preguntar: cuántas paredes, qué alto, qué ancho, cuentan las ventanas y las puertas, cuántas manos, cuánto cubre un tarro. Esas preguntas son la matemática. Una vez respondidas, la aritmética es trivial y una máquina la puede hacer.
Fíjate qué hace un chatbot con “¿cuánta pintura necesito?”. Te pide las dimensiones. No puede ir a medir la pared ni decidir si cuenta el interior del placard. El humano aporta el modelo; la máquina hace el cálculo.
PISA 2025 mide algo cercano a esto. Su definición de matemáticas es “la capacidad de los estudiantes de razonar matemáticamente y de formular, emplear e interpretar matemáticas para resolver problemas en una variedad de contextos del mundo real”. Formular es el paso de modelar, y va primero en la lista.
El caso de la explicación y por qué la fluidez engaña
Un modelo de lenguaje produce la prosa matemática más fluida que la mayoría de la gente ha leído. Ese es justamente el problema: históricamente la fluidez funcionaba como señal de comprensión, y ya no lo es.
La prueba que las separa es una pregunta de seguimiento. Pregunta: “¿por qué usaste ese paso y no el otro?”. Un estudiante que entiende puede responder. Uno que entregó texto generado, no, y el texto tampoco.
La encuesta de Common Sense Media del 18 de agosto de 2026 (1.017 adolescentes estadounidenses de 13 a 17 años) encontró que el 70% usa IA para tareas escolares, con el 25% usando la respuesta tal cual. También encontró que el 38% reporta generar menos ideas propias y el 39% siente que se pierde aprendizaje cuando hace las tareas con IA. Los propios adolescentes lo notan.
Por eso yo pondría la explicación oral como estándar de la casa. No un resumen escrito, que se puede generar. Una respuesta hablada a una pregunta no guionada.
¿Y en América Latina?
Estas tres habilidades pegan distinto acá, y creo que para mejor.
Los puntajes absolutos son duros: según la cobertura regional de Infobae y las tablas del informe, Argentina quedó en 367 en matemáticas (su peor marca histórica), México en 388, Colombia en 381 y Perú en 382, contra 463 del promedio OCDE. Con la regla de la OCDE de unos 20 puntos por año escolar, son varios años de diferencia.
Pero hay un dato que casi nadie destacó y que cambia el enfoque. En resolución de problemas computacionales, el dominio nuevo de PISA 2025, varios países de la región rindieron muy por encima de lo que su puntaje de ciencias predecía: México 453 contra 414 en ciencias, Perú 436 contra 406, Chile 466 contra 442, Uruguay 462 contra 445. Ese dominio evalúa construir, experimentar de forma sistemática, analizar datos y depurar. O sea: modelar y verificar.
La lectura práctica: hay chicos en la región que no brillan en la matemática de pizarrón y sí pueden hacer justo las cosas que la IA no hace. Modelar una situación, revisar un resultado, explicarlo. Y todo eso se entrena con lo que hay en una cocina.
Un ejemplo que funciona bien acá: pedirle a tu hijo que calcule si conviene comprar algo en 12 cuotas “sin interés” en Mercado Libre o pagarlo de una. El problema no existe hasta que él decide qué incluir (inflación, el descuento por pago contado, qué haría con la plata mientras tanto). Eso es modelar, y ninguna IA lo hace sola porque nadie le dijo qué importa.
Qué hacer en casa
Estimar antes de calcular, siempre
Que sea regla para cualquier cálculo que importe: decir la respuesta aproximada en voz alta primero, después verificar. Diez segundos cada vez, y construye la única defensa en tiempo real que existe contra una salida equivocada.
Dale problemas sin números
“¿Cuánta agua usa nuestra familia en una semana?” no tiene valores dados, y ese es el punto. El trabajo es decidir qué medir. Uno por semana y tu hijo va a estar haciendo algo que casi ningún currículo cubre.
Haz una pregunta de seguimiento por cada respuesta
No “¿está bien?” sino “¿por qué ese paso?”. Cuesta treinta segundos y es la única prueba que distingue comprensión de texto fluido.
Mantén suficiente fluidez aritmética para estar libre
No estoy defendiendo la ejercitación como fin. Pero un chico que no puede multiplicar sin herramienta gasta toda su memoria de trabajo en ejecutar y no le queda nada para modelar ni estimar. La fluidez es infraestructura, no el destino.
Lo que no conviene hacer
No le digas a tu hijo que las matemáticas están a salvo de la IA porque las computadoras no piensan. Ya resolvieron un problema abierto desde 1946, y decir lo contrario te cuesta credibilidad la próxima vez que caiga un titular. La versión precisa, que la IA resuelve problemas enunciados y los humanos los enuncian, los revisan y actúan con ellos, es cierta y más útil.
Qué observar en los próximos 3 meses
- Semana 4: tu hijo estima antes de calcular al menos una vez sin que se lo pidas.
- Señales de alerta en el mes 2: aceptar una respuesta equivocada por un factor de diez. Ese es el hueco de estimación, y es lo más fácil de arreglar de esta lista. La mecánica está en qué enseña una tasa de éxito del 50%.
- Autoevaluación del mes 3: ¿puede tomar una pregunta cotidiana sin números y convertirla en algo calculable? Eso es modelar, y es la habilidad con la vida útil más larga. El contexto de los puntajes está en PISA 2025 en América Latina.
Preguntas frecuentes
Si la IA saca 42/42 en la olimpiada, ¿para qué aprender matemáticas?
Porque los problemas de olimpiada llegan completamente especificados y verificables, y casi nada en la vida llega así. Lo que queda es elegir qué pregunta hacer, estimar si una respuesta es plausible, modelar una situación desordenada y explicar un resultado. Las cuatro cosas requieren saber la matemática.
¿Cuál es la habilidad matemática más útil ahora?
Estimar. Cuando un modelo produce una respuesta equivocada, se ve exactamente igual que una correcta. Tener una noción independiente del orden de magnitud es la única defensa disponible en el momento, y se aplica en segundos.
¿Mi hijo debería dejar de usar calculadora o chatbot?
No, pero el orden importa. Estimar primero, después calcular con la herramienta, después comparar la respuesta de la herramienta con la estimación. Ese orden deja el pensamiento en el estudiante y la aritmética en la máquina.
¿La fluidez aritmética sigue importando?
Sí, como infraestructura. Un estudiante que no puede calcular sin ayuda gasta su atención en ejecutar y no le queda nada para modelar ni estimar. La fluidez no es la meta, pero su ausencia limita todo lo que está arriba.
¿Cómo sé si mi hijo entendió o solo entregó salida de IA?
Hazle una pregunta de seguimiento no guionada sobre un paso del medio, en voz alta. La comprensión sobrevive eso; el texto generado no. El trabajo escrito lo puede producir un modelo; una respuesta en vivo a “¿por qué ese paso?”, no.
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
- Jiang, E., Liang, X., et al. (con Tao, T.). (2026, julio). “From Solvers to Research: Large Language Model-Driven Formal Mathematics at the Research Frontier.” arXiv:2607.07779. https://arxiv.org/pdf/2607.07779
- OECD. (2026). “PISA 2025 Results (Volume I): Future-Ready Students.” OECD Publishing. https://www.oecd.org/en/publications/pisa-2025-results-volume-i_73451bc5-en.html
- Common Sense Media. (2026, 18 de agosto). “Teens in the AI Era: Schoolwork and Skills That Matter.” https://www.commonsensemedia.org/research/teens-in-the-ai-era-schoolwork-and-skills-that-matter
- International Mathematical Olympiad. (2026). “IMO 2026, Shanghái: resultados.” https://www.imo-official.org/editions/2026/
- OpenAI. (2026, 20 de mayo). “An OpenAI model has disproved a central conjecture in discrete geometry.” https://openai.com/index/model-disproves-discrete-geometry-conjecture/
- Infobae. (2026, 8 de septiembre). “Pruebas PISA: los países de América Latina profundizan su retroceso educativo.” https://www.infobae.com/america/america-latina/2026/09/08/pruebas-pisa-los-paises-de-america-latina-profundizan-su-retroceso-educativo/
- Hulick, K. (2026, 8 de junio). “AI guardrails and the Erdős math problem.” Science News. https://www.sciencenews.org/article/ai-guardrails-erdos-math-problem
