Verificar las matemáticas: un ritual semanal para revisar la IA

En mayo de 2026, un modelo de OpenAI refutó una conjetura que Paul Erdős planteó en 1946. Resultado real, revisado por matemáticos con nombre y apellido. Después el investigador de OpenAI Sébastien Bubeck le dijo a Science News algo que debería estar pegado en la pared de cada salón: el equipo “corrió su prompt sobre la conjetura de Erdős por el mismo modelo varias veces, y produjo la solución correcta en el 50 por ciento de esos intentos”. Cincuenta por ciento. Eso es la frontera. Así que cuando tu hijo pregunte si hace falta verificar las respuestas de matemáticas de la IA, la respuesta es sí, y aquí va un ritual semanal de veinte minutos que lo vuelve automático.

Puntos clave

• El modelo de OpenAI refutó la conjetura de distancias unitarias de Erdős en mayo de 2026, pero Bubeck confirmó que la solución correcta apareció en “el 50 por ciento de esos intentos” al repetir el prompt.
• La afirmación anterior de que GPT-5 había “resuelto 10 problemas de Erdős sin resolver” fue retirada después de que el matemático Thomas Bloom la llamó “una tergiversación dramática”; las soluciones ya existían en la literatura.
• Bloom señaló que la prueba del modelo “resultó relativamente fácil de verificar para un experto humano” en este caso, y planteó la pregunta de fondo: “Podría estar bien. Podría ser un sinsentido. ¿Quién va a poder revisar esto?”
• Los métodos de verificación no son iguales. Sustituir la respuesta en el problema original le gana a volver a preguntarle a la IA, que es el método al que los chicos van por defecto.
• Roediger y Karpicke (2006) hallaron que evaluarse le gana a releer para la retención, y que los estudiantes se sienten más seguros después de releer aunque funcione peor. Verificar es también práctica de recuperación.

El número 50% y qué significa en realidad

El 20 de mayo de 2026, OpenAI anunció que uno de sus modelos había refutado una conjetura sobre distancias unitarias que Erdős planteó en 1946. Según el encuadre de OpenAI, “durante casi 80 años los matemáticos creyeron que las mejores soluciones posibles se parecían más o menos a rejillas cuadradas”, y el modelo “refutó esa creencia, descubriendo una familia de construcciones completamente nueva que rinde mejor”. La empresa consiguió declaraciones de respaldo de matemáticos como Noga Alon, Melanie Wood y Thomas Bloom, que mantiene el sitio de los problemas de Erdős.

Esa parte es genuinamente impresionante, y la prueba pasó de las cien páginas.

Pero Science News reportó el 8 de junio de 2026 que Bubeck dijo que el equipo volvió a correr el mismo prompt por el mismo modelo varias veces y “produjo la solución correcta en el 50 por ciento de esos intentos”. Mismo prompt. Mismo modelo. Volado de moneda.

Hay un contexto que lo vuelve aún más instructivo. En octubre de 2025, un ejecutivo de OpenAI afirmó que “GPT-5 encontró soluciones a 10 (!) problemas de Erdős previamente sin resolver e hizo avances en otros 11”. Era falso. Las “soluciones” ya existían en literatura publicada. Bloom lo llamó “una tergiversación dramática” y la publicación se borró.

Y la evaluación que hizo Bloom del resultado real contiene la advertencia. Señaló que la prueba “resultó relativamente fácil de verificar para un experto humano” en este caso particular, y después hizo la pregunta que se generaliza hasta la tarea de tu hijo: “Podría estar bien. Podría ser un sinsentido. ¿Quién va a poder revisar esto?”

Si una tasa de acierto de 50% es aceptable en la frontera de la investigación porque los expertos verifican el resultado, entonces verificar no es un extra opcional del uso de IA. Es la parte que vuelve legítimo el uso.

Qué métodos de revisión funcionan de verdad

No toda verificación es verificación. Los chicos van por defecto al método más débil, que es preguntarle a la IA si está segura.

Método	Cómo funciona	Confiabilidad	Tiempo	Mejor para
Sustituir de vuelta	Meter la respuesta en la ecuación o condición original	Alta. O cumple la condición o no	30 segundos	Álgebra, ecuaciones, problemas con condición verificable
Estimar primero y comparar	Adivinar el orden de magnitud antes de mirar, y comparar	Alta para atrapar errores gruesos	20 segundos	Todo lo que tenga unidades; atrapa desastres de decimales
Ir al revés	Partir de la respuesta y reconstruir la pregunta	Media-alta	2 minutos	Problemas de varios pasos, geometría
Resolver por otro camino	Otro método, mismo problema	La más alta, y la más lenta	5 minutos o más	Lo que de verdad importa, como preparar un examen
Revisar unidades	¿Las unidades salen bien?	Alta en física y química; atrapa errores de planteo	15 segundos	Problemas de ciencias
Preguntarle a otra IA	Hacer la misma pregunta a un modelo distinto	Baja-media. Dos modelos pueden compartir el mismo error	1 minuto	Un desempate, nunca un veredicto
Preguntarle “¿estás seguro?”	Pedirle que se confirme a sí misma	Muy baja. Los modelos se dan la razón o se retractan por presión	10 segundos	Nada. Enséñale que esto no es verificar

Esa última fila vale marcarla. Cuando un modelo dice “tienes razón, me disculpo, la respuesta en realidad es 12”, no verificó nada: respondió a presión social. Enseñarle a un chico que “¿estás seguro?” no es una revisión es una de las cosas más durables que le puedes entregar.

Cómo enseñarle esto a tu hijo

De 5 a 8 años: el juego de estimar

Antes de cualquier cálculo, adivinen. “¿Más o menos cuántos?” Después calculen. Después comparen. Háganlo con el total del supermercado, los minutos que faltan para la cena, cuántos bloques tiene la torre. Estás construyendo el instinto de que una respuesta debería sentirse del tamaño correcto, que es el reflejo para atrapar errores más útil que existe. Cuando eventualmente use una calculadora o un chatbot, el reflejo se dispara solo y atrapa los desastres de punto decimal.

De 9 a 12 años: el hábito de sustituir

Toma cualquier problema de tarea con ecuación. Después de obtener una respuesta, de donde sea, métanla de vuelta y muestren que los dos lados coinciden. Háganlo en voz alta: “si x es 5, entonces 3 por 5 es 15, más 7 es 22. Cuadra”. Diez repeticiones y se vuelve automático. Después introduce el giro: dale a propósito una respuesta equivocada y deja que la atrape sustituyendo. La sensación de atrapar un error es lo que fija el hábito.

De 13 en adelante: el experimento del 50%

Este le pega fuerte a los adolescentes. Que le haga a una IA la misma pregunta de matemáticas no trivial en cinco chats nuevos por separado, y después compare las cinco respuestas. En problemas de verdad difíciles, no van a coincidir todas. Que registre los resultados en una tabla: pregunta, cinco respuestas, cuáles coincidieron, cuál estaba bien. Ese es el hallazgo de Bubeck, reproducido en tu mesa de cocina con una cuenta gratis, y convence más que cualquier sermón sobre las limitaciones de la IA.

La pregunta que debes hacer: “Ya tienes una respuesta. ¿Qué tendría que ser cierto para que estuviera mal?”

El ritual semanal de veinte minutos

El mismo horario cada semana. Veinte minutos. Cuatro pasos.

Minutos 0 a 5: elijan un problema de la semana. Que lo elija él, de tarea real, idealmente uno en el que usó IA. Sin juicio sobre el uso: de eso no se trata esto.

Minutos 5 a 10: verifíquenlo con un método nombrado. Que elija de la tabla y diga en voz alta cuál va a usar. Sustituir, estimar, unidades, o resolver por otro camino. Nombrarlo importa: convierte un “revisa tu trabajo” difuso en un procedimiento concreto.

Minutos 10 a 15: encuentren un error, en cualquier parte. En su trabajo, en el de la IA, en el libro. Casi siempre hay uno. Si la semana no produjo errores, la próxima toman un problema más difícil. Este paso es lo que evita que el ritual se vuelva puro trámite.

Minutos 15 a 20: una pregunta de recuperación, sin dispositivo. No sobre este problema. Sobre el concepto. “¿Cuál es la regla para cuándo se puede dividir de los dos lados?” Roediger y Karpicke (2006, Psychological Science) hallaron que la evaluación repetida produjo “una retención sustancialmente mayor que estudiar”, y que los estudiantes se sentían más seguros después de releer aunque evaluarse funcionara mejor. Cinco minutos de recuperación es la actividad de estudio con mejor respaldo de todo el ritual.

Que sea sobre la máquina, no sobre tu hijo

El encuadre que mantiene a los chicos enganchados es “a ver si la atrapamos”. Verificar apuntando a la IA se siente como un juego. Verificar apuntando al chico se siente como una auditoría. Misma actividad, tasa de participación completamente distinta.

Usa la pregunta oral como cierre

La estrategia de IA de la Facultad de Derecho de la Universidad de Chicago, del 9 de julio de 2026, reemplazó el software de detección por defensas orales obligatorias, donde los estudiantes responden preguntas que sondean “el razonamiento del trabajo y las implicaciones del argumento”. La versión de dos minutos, “explícame por qué este paso se puede hacer”, es la revisión más confiable que existe y no requiere ninguna herramienta.

Lo que no debes hacer

No uses esto como investigación de trampas. En el momento en que el ritual se vuelve un interrogatorio sobre si usó IA, se terminó. El caso de Wake County es instructivo sobre el costo de acusar primero: una estudiante de primer año de Green Hope High School fue acusada de usar IA después de que una maestra pasó su trabajo por tres detectores que arrojaron 62%, 75% y 87%; otra maestra revisó el historial de versiones y confirmó que no la había usado. Weber-Wulff y colegas (2023) probaron 14 herramientas de detección y las hallaron “ni precisas ni confiables”.

¿Y en América Latina?

El ritual funciona igual, pero hay un ajuste que lo hace más potente en la región. En PISA 2025, los países latinoamericanos quedaron entre los de mayor uso de IA y menor desempeño en matemáticas: Argentina registró 367 puntos, su peor resultado histórico desde 2006, y solo 24% de sus estudiantes alcanzó la competencia mínima en matemáticas contra 65% del promedio OCDE, según Infobae. México cayó a 388 y Colombia a 381. Perú reportó que 54% de los estudiantes usa chatbots para aprender al menos una vez por semana.

O sea: el uso ya está. Lo que falta es la revisión. Y ahí hay una ventaja cultural poco aprovechada: en muchas casas latinoamericanas la conversación de sobremesa es larga y multigeneracional, y este ritual cabe ahí sin agregar tiempo. Los veinte minutos pueden ser los veinte minutos que ya pasan en la mesa después de comer, con el abuelo o la tía metiéndose a estimar. El paso de “encuentren un error en cualquier parte” funciona especialmente bien en grupo, porque a los chicos les encanta corregir a los adultos.

Un segundo ajuste práctico: si la respuesta vino del grupo de WhatsApp del curso y no de la IA directamente, el ritual aplica igual. Nadie en ese grupo verificó nada, y eso es exactamente el punto.

Qué observar en los próximos 3 meses

• Semana 4: ¿Tu hijo nombra el método de verificación antes de usarlo? Nombrarlo es la señal de que se está volviendo procedimiento en vez de vaguedad.
• Señales de alerta del mes 2: La verificación se derrumbó a preguntarle a la IA “¿estás seguro?”. Ese es el modo de falla por defecto y necesita corrección directa.
• Autoevaluación del mes 3: Dale una respuesta equivocada de IA sin decirle que está mal. ¿La atrapa? Esa es toda la habilidad en un solo examen.

Preguntas frecuentes

¿Con qué frecuencia se equivoca la IA en matemáticas?

Depende por completo de la dificultad. En aritmética y álgebra de rutina, los modelos modernos casi siempre aciertan. En la frontera de la investigación, el investigador de OpenAI Sébastien Bubeck dijo que el modelo que refutó una conjetura de Erdős produjo la solución correcta en “el 50 por ciento” de los intentos repetidos con el mismo prompt.

¿Cuál es la forma más rápida de revisar una respuesta de matemáticas de la IA?

Sustituirla de vuelta en el problema original. Si la respuesta cumple la ecuación o la condición, funciona; si no, no. Treinta segundos, y no requiere herramientas ni confianza adicional. Estimar el orden de magnitud primero es un segundo lugar muy cercano.

¿Preguntarle a la IA “¿estás seguro?” es una revisión real?

No, y esto vale enseñarlo explícitamente. Los modelos muchas veces se dan la razón a sí mismos o se retractan por presión social, y ninguna de las dos cosas es verificación. Sustituir de vuelta, revisar unidades o resolver por otro camino sí son revisiones.

¿Puedo usar otra IA para revisar a la primera?

Es un desempate débil, no un veredicto. Dos modelos pueden compartir el mismo razonamiento erróneo, sobre todo en problemas donde el enfoque común está equivocado. Úsalo para detectar desacuerdo y después verifica bien.

¿No es cierto que la IA ya resolvió varios problemas famosos de matemáticas?

Esa afirmación fue retirada. En octubre de 2025, un ejecutivo de OpenAI dijo que GPT-5 había resuelto 10 problemas de Erdős sin resolver; el matemático Thomas Bloom lo llamó “una tergiversación dramática” porque las soluciones ya existían en la literatura, y la publicación se borró. El resultado de distancias unitarias de mayo de 2026 sí fue real.

¿Verificar no toma demasiado tiempo para la tarea diaria?

El ritual semanal son veinte minutos en total, sobre un problema. La verificación diaria debería ser la versión de treinta segundos: sustituir de vuelta, o estimar y comparar. El punto no es verificar todo; es volver la verificación lo bastante automática como para que ocurra cuando importa.

---

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. Science News. (8 jun 2026). “AI guardrails and the Erdős math problem.” https://www.sciencenews.org/article/ai-guardrails-erdos-math-problem
2. TechCrunch. (20 may 2026). “OpenAI claims it solved an 80-year-old math problem, for real this time.” https://techcrunch.com/2026/05/20/openai-claims-it-solved-an-80-year-old-math-problem-for-real-this-time/
3. OpenAI. (20 may 2026). “A model disproves a discrete geometry conjecture.” https://openai.com/index/model-disproves-discrete-geometry-conjecture/
4. Quanta Magazine. (3 ago 2026). “Why the legendary Erdős problems are falling to AI.” https://www.quantamagazine.org/why-the-legendary-erdos-problems-are-falling-to-ai-20260803/
5. Roediger, H. L., III, & Karpicke, J. D. (2006). “Test-enhanced learning: Taking memory tests improves long-term retention.” Psychological Science, 17(3). https://doi.org/10.1111/j.1467-9280.2006.01693.x
6. Weber-Wulff, D., Anohina-Naumeca, A., Bjelobaba, S., et al. (2023). “Testing of detection tools for AI-generated text.” International Journal for Educational Integrity, 19(26). https://doi.org/10.1007/s40979-023-00146-z
7. WRAL. (5 may 2026). “Wake County student says clear AI policies needed after being accused of cheating.” https://www.wral.com/news/education/wake-county-student-says-ai-policies-needed-after-cheating-accusation-may-2026/
8. Infobae. (8 sep 2026). “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/
9. University of Chicago Law School. (9 jul 2026). “Rethinking Legal Education in the AI Era.” https://www.law.uchicago.edu/news/ai-strategy-statement

Lecturas relacionadas: estrategias de estudio que sí funcionan, repetición espaciada: la técnica de estudio que se queda y modo estudio vs. modo respuesta.