Carreras de matemáticas en 2026: qué dicen los datos de empleo

El panorama de las carreras de matemáticas en 2026 no se parece nada a lo que sugieren los titulares. Una IA refutó una conjetura abierta desde 1946. Varios sistemas sacaron 42/42 perfecto en la Olimpiada Internacional de Matemática. Y la oficina de estadísticas laborales de Estados Unidos (BLS) proyecta que el empleo de matemáticos y estadísticos crezca 10% en la década 2025 a 2035, algo que describe como “mucho más rápido que el promedio de todas las ocupaciones”, contra un 3% promedio.

Esos hechos no se contradicen. Solo se contradicen si crees que el trabajo era resolver problemas enunciados.

Puntos clave

• El BLS proyecta 10% de crecimiento para matemáticos y estadísticos entre 2025 y 2035, con unas 2.000 vacantes al año en promedio.
• Es una categoría chica: 33.500 puestos en total en 2025, con 2.200 matemáticos y 31.300 estadísticos. El salario mediano fue de 126.710 y 105.650 dólares respectivamente.
• La entrada suele pedir maestría, aunque hay algunos puestos de nivel licenciatura.
• El BLS atribuye la demanda al crecimiento de datos y a la analítica de negocios, no al desplazamiento por IA.
• El artículo de arXiv “From Solvers to Research” (julio de 2026, 19 autores, entre ellos Terence Tao) sostiene que los matemáticos conservan la selección de problemas, la verificación y la dirección de la investigación.

Qué dicen exactamente los números sobre las carreras de matemáticas en 2026

El Occupational Outlook Handbook del BLS agrupa a matemáticos y estadísticos. Este es el cuadro actual.

Empleo en 2025: 33.500 en total, repartidos en 2.200 matemáticos y 31.300 estadísticos. Esa proporción es lo primero para notar. Por cada persona empleada como matemático hay unos catorce estadísticos. El lado aplicado es donde están los puestos.

Crecimiento proyectado 2025 a 2035: 10%, descrito por el BLS como “mucho más rápido que el promedio de todas las ocupaciones”, donde el promedio es 3%. Unas 2.000 vacantes al año, contando el reemplazo de quienes se jubilan o cambian de campo.

Salario mediano en 2025: 126.710 dólares para matemáticos y 105.650 para estadísticos.

Educación típica de entrada: maestría, aunque el BLS aclara que existen algunos puestos de nivel licenciatura.

Y la razón que da el BLS para la demanda vale citarla, porque no tiene nada que ver con desplazamiento por IA: “La cantidad de datos almacenados digitalmente va a aumentar a lo largo de la década de proyección, a medida que las personas y las empresas sigan haciendo negocios en línea y usando redes sociales, teléfonos inteligentes y otros dispositivos móviles”. Agrega que “las empresas van a necesitar cada vez más estadísticos para analizar la gran cantidad de información y datos recolectados”.

Las proyecciones del BLS son modelos que se revisan periódicamente. Son la mejor estimación pública disponible, no un pronóstico con certeza.

Rol por rol: qué cambió y qué no

Esta tabla mapea roles contra lo que realmente movió la capacidad de la IA. Donde estoy extrapolando en vez de citando al BLS o un artículo publicado, lo digo.

Rol	Qué hace ahora la IA	Qué cambió para el humano	Dirección
Estadístico	Genera código, sugiere modelos, redacta resúmenes	Más tiempo en diseño del estudio e interpretación	Creciendo (BLS)
Matemático de investigación	Resuelve problemas bien planteados; produjo una construcción nueva en mayo de 2026	Selección de problemas, verificación y refinamiento siguen humanos	Campo chico, estable
Científico de datos	Escribe casi todo el código de análisis de rutina	Formular la pregunta y validar la salida	Creciendo (mi lectura de los motores del BLS)
Actuario	Corre modelos estándar	Criterio sobre supuestos y defensa regulatoria	Estable
Analista cuantitativo	Genera y prueba estrategias rápido	Decidir qué probar y qué riesgo es aceptable	Estable a creciendo
Docente de matemáticas	Puede producir explicaciones y ejercitación	Diagnosticar por qué un estudiante concreto está trabado	Demanda sostenida
Verificador o formalizador de demostraciones	Produce demostraciones más rápido de lo que alguien puede revisarlas	Escasez nueva: gente que pueda validar la salida	Emergente (mi lectura)
Analista de investigación operativa	Resuelve la optimización una vez especificada	Especificar el objetivo y las restricciones	Creciendo

La fila a la que yo apuntaría a un chico de 15 años es la penúltima. La verificación es un cuello de botella ahora mismo, y en los cuellos de botella se acumula el valor. Thomas Bloom le dijo a Quanta que están llegando artículos generados por IA de 100 a 200 páginas donde “ningún humano lo ha leído”. Esa es una necesidad sin cubrir, descrita por un matemático en actividad, en 2026.

A dónde se movió el trabajo humano

El relato más específico de este cambio está en el artículo de arXiv “From Solvers to Research”, publicado en julio de 2026 con 19 autores, entre ellos Terence Tao, Amit Sahai, Nanyun Peng y Andrea Bertozzi, de UCLA. Su argumento es que el cambio va de usar la IA como herramienta de resolución a usarla como colaboradora de investigación, y que los matemáticos conservan tres cosas: “el juicio estético sobre qué problemas merecen investigación, la verificación de soluciones y demostraciones, y la dirección de la estrategia general de investigación”.

Tres ilustraciones concretas de 2026:

Selección de problemas. Quedan cerca de 652 problemas de Erdős abiertos. Nada en un modelo te dice cuáles importan ni cuáles desbloquearían trabajo adyacente si se resuelven. Noga Alon le dijo a Quanta, sobre los que la IA ya rompió: “Una vez que la IA empezó a resolverlos, ya no tiene sentido”. Decidir hacia dónde apuntar la herramienta es el trabajo.

Verificación. La demostración de la distancia unitaria fue revisada por matemáticos humanos que escribieron un artículo acompañante explicando su relevancia. La prueba que aplicó Bloom fue si el resultado enseñaba algo: “¿nos enseñó esto algo nuevo sobre el problema?”. Su respuesta, “un sí moderado”, es un juicio humano que ningún benchmark captura.

Refinamiento. La demostración original de la IA no daba un valor explícito para el exponente δ. Will Sawin, de Princeton, mostró después que δ = 0,014. Eso es trabajo humano hecho después de que la máquina terminó.

Suma la restricción de confiabilidad y el argumento se afila. OpenAI reportó que el modelo produjo soluciones correctas en cerca del 50% de las corridas idénticas. Una herramienta con ese perfil no reemplaza al experto: sube el valor de cualquiera que pueda distinguir las dos mitades. La mecánica está en qué enseña una tasa de éxito del 50%.

¿Y en América Latina?

Acá los números del BLS no aplican directo, y conviene ser honesto con eso. Pero hay tres cosas que sí se pueden decir.

Primero, la demanda regional de perfiles cuantitativos es real y visible: bancos, fintech, retail, agro, salud pública. Mercado Libre, Rappi, Nubank y las áreas de riesgo de la banca contratan gente que sepa estadística aplicada. No hay una serie oficial regional comparable al BLS, así que ahí no voy a inventar cifras.

Segundo, el punto de partida escolar es duro. Según PISA 2025, Argentina quedó en 367 puntos en matemáticas, su peor marca histórica; México en 388, el nivel más bajo desde 2006; Colombia en 381 y Perú en 382, contra 463 del promedio OCDE. Y entre el 41% y el 49% de los estudiantes de esos países tiene bajo desempeño en las tres áreas evaluadas.

Tercero, y esto es lo que me parece más útil: el dominio nuevo de PISA 2025, resolución de problemas computacional, es el que la región rindió mejor de lo esperado. México sacó 453 contra 414 en ciencias, Chile 466 contra 442, Uruguay 462 contra 445, Perú 436 contra 406. Ese dominio evalúa construir, experimentar de forma sistemática, analizar datos y depurar, que es exactamente el perfil de un estadístico aplicado o un científico de datos.

O sea: la base matemática tradicional es débil, pero el perfil de habilidad que más demanda el mercado no es el de matemático puro. Es el de alguien que modela una situación, corre el análisis y revisa si el resultado tiene sentido.

Las reservas honestas

No quiero dejarte un relato tranquilizador sin contracara, así que acá van las partes que cortan para el otro lado.

Las proyecciones van atrás. El BLS construye modelos con relaciones históricas. Si la IA cambia la demanda de análisis de nivel inicial más rápido de lo que anticipa el modelo, ese 10% se va a revisar.

El trabajo de entrada es el más expuesto. Las tareas de un analista junior (limpiar datos, correr modelos estándar, redactar resúmenes) son justo lo que las herramientas actuales hacen bien. Eso comprime el primer escalón aunque la demanda agregada crezca. No vi una medición publicada de ese efecto específicamente en matemáticas, así que lo marco como preocupación y no como hallazgo.

La categoría de matemático puro es diminuta. 2.200 puestos en Estados Unidos. La mayoría de la gente con formación matemática fuerte trabaja con otros títulos. No es nuevo, pero “ser matemático” nunca fue una carrera de volumen.

El acceso a las herramientas puede concentrar ventaja. Bloom lo planteó en Science News: si las mejores herramientas matemáticas son caras y privadas, la matemática se vuelve menos democrática. Para la región, eso es un riesgo estructural concreto.

Qué hacer en casa

Empuja hacia estadística y trabajo aplicado, no solo matemática pura

La proporción de 31.300 a 2.200 es la señal más clara de los datos. Si a tu hijo le gustan las matemáticas y quiere trabajar en eso, el lado aplicado y estadístico es donde está el empleo.

Construye el hábito de verificar temprano

La habilidad escasa que nombran los matemáticos en actividad en 2026 es revisar. Practíquenla: cuando tu hijo obtenga una respuesta de cualquier herramienta, que encuentre un paso que pueda confirmar por su cuenta.

Trata la escritura como parte de la matemática

Todos los roles de esa tabla que siguieron humanos implican explicarle algo a alguien que va a actuar con eso. Un estudiante que hace la matemática pero no puede escribir un párrafo claro sobre ella está a medio equipar.

No armes una carrera alrededor de un solo titular

Entre 2024 y 2026 la IA pasó de plata de olimpiada a puntaje perfecto. Cualquiera que te diga con seguridad cómo será el trabajo matemático en 2036 está adivinando. La estrategia defendible es profundidad en algo más fluidez suficiente para dirigir y revisar las herramientas.

Lo que no conviene hacer

No le digas a tu hijo que las matemáticas son una carrera segura porque la IA no puede hacer matemáticas. Ya puede hacer un tipo específico e importante. Y no le digas que es un callejón sin salida, porque el BLS proyecta 10% de crecimiento y el cuello de botella de verificación es real y está sin cubrir.

Qué observar en los próximos 3 meses

• Semana 4: el BLS actualiza sus proyecciones periódicamente. Fíjate si ese 10% para matemáticos y estadísticos se mantiene en la próxima revisión.
• Señales de alerta en el mes 2: consejos de carrera que citan capacidad de IA sin citar datos laborales. Son dos preguntas distintas.
• Autoevaluación del mes 3: sigue si mejora la formalización automática. Si traducir demostraciones a Lean se vuelve barato, el cuello de botella de verificación se cierra y ese rol emergente cambia de forma rápido. El contexto regional está en PISA 2025 en América Latina.

Preguntas frecuentes

¿Sigue siendo viable ser matemático en 2026?

Según los datos de empleo, sí. El BLS proyecta 10% de crecimiento para matemáticos y estadísticos entre 2025 y 2035, mucho más que el 3% promedio, con unas 2.000 vacantes al año. Pero la categoría es chica, 33.500 puestos en total, y la mayoría son estadísticos más que matemáticos.

¿Cuánto gana un matemático?

El BLS reporta un salario mediano en 2025 de 126.710 dólares para matemáticos y 105.650 para estadísticos. La entrada suele pedir maestría, aunque existen algunos puestos de nivel licenciatura.

¿La IA redujo la cantidad de puestos de matemáticas?

No hay evidencia publicada de eso en estas cifras. El BLS atribuye la demanda proyectada al crecimiento de datos almacenados digitalmente y a las necesidades de analítica de negocios, no al desplazamiento por IA.

¿Qué trabajo matemático no absorbió la IA?

Elegir en qué problema trabajar, verificar resultados, refinarlos y explicárselos a alguien que va a actuar con la respuesta. El artículo “From Solvers to Research” nombra la selección de problemas, la verificación de demostraciones y la dirección de la estrategia de investigación como lo que sigue siendo humano.

¿Qué debería estudiar mi hijo si quiere trabajar en esto desde la región?

Estadística y matemática aplicada tienen muchos más puestos que la matemática pura, y la demanda regional está en bancos, fintech, retail y salud pública. Suma programación suficiente para usar y auditar herramientas, y escritura suficiente para explicar resultados.

---

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. Bureau of Labor Statistics. “Mathematicians and Statisticians.” Occupational Outlook Handbook, Departamento de Trabajo de EE.UU. https://www.bls.gov/ooh/math/mathematicians-and-statisticians.htm
2. 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
3. Kakaes, K. (2026, 3 de agosto). “Why the legendary Erdős problems are falling to AI.” Quanta Magazine. https://www.quantamagazine.org/why-the-legendary-erdos-problems-are-falling-to-ai-20260803/
4. 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/
5. 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
6. 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
7. 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/