El pasado 20 de mayo de 2026, OpenAI anunció que un modelo interno de razonamiento de propósito general ha refutado la conjetura de la distancia unitaria en el plano, un problema central de la geometría discreta formulado por el matemático húngaro Paul Erdős hace casi ochenta años. La demostración ha sido verificada por matemáticos de reconocido prestigio internacional, entre ellos Tim Gowers, ganador de la Medalla Fields y profesor en Cambridge, quien la calificó como un hito en las matemáticas de la IA.
Para entender lo que ha ocurrido, conviene partir del enunciado original. Erdős planteó una pregunta aparentemente sencilla: si se colocan n puntos sobre un plano, ¿cuántos pares de esos puntos pueden estar a exactamente una unidad de distancia entre sí? Durante décadas, la comunidad matemática asumió que las configuraciones en cuadrícula eran esencialmente las mejores soluciones posibles para maximizar ese número de pares. Era una creencia arraigada, respaldada por décadas de trabajo sin que nadie lograra demostrar lo contrario.
El modelo de OpenAI demostró que esa creencia estaba equivocada. Encontró una familia infinita de configuraciones geométricas que supera ese límite teórico, con una mejora de naturaleza polinómica. Y lo hizo sin ser un sistema especializado en matemáticas: corre la misma arquitectura que resume documentos, redacta textos o escribe código. La diferencia estuvo en el razonamiento: el modelo cruzó al terreno de la teoría algebraica de números, conectó ideas de campos matemáticos distantes y construyó una solución que los expertos no habían explorado.
La demostración ocupa 125 páginas y fue acompañada de un documento complementario de 19 páginas firmado por nueve matemáticos. No es una afirmación sin respaldo. Es una prueba verificada.
No es la primera vez que OpenAI hace una afirmación así
Es importante decirlo con honestidad: el historial de OpenAI en este tipo de anuncios no es impecable. En octubre de 2025, un responsable de la empresa afirmó públicamente que otro modelo había resuelto diez problemas abiertos de Erdős. En pocos días, matemáticos de todo el mundo demostraron que varias de esas soluciones ya eran conocidas o directamente incorrectas. OpenAI retiró la afirmación.
Esta vez, el anuncio está construido de forma distinta. El comunicado oficial arranca con los nombres de los verificadores externos, no con el del modelo. La comunidad matemática que en 2025 criticó a OpenAI está, en esta ocasión, respaldando el resultado. Thomas Bloom, que gestiona el repositorio de problemas de Erdős y que fue uno de los críticos más directos del episodio anterior, reconoce ahora la validez del trabajo.
Ese contraste importa porque ilustra algo esencial sobre cómo evaluar los avances de la IA: no por los titulares, sino por quién los valida y bajo qué condiciones.
Qué significa esto más allá de las matemáticas
El resultado en sí tiene valor dentro de la geometría combinatoria. Pero la lectura más relevante para quien trabaja con conocimiento profesional no está en el problema resuelto, sino en cómo se resolvió.
El modelo no llegó a la solución desde dentro de la geometría. Salió de ese campo, entró en la teoría algebraica de números, tomó herramientas de ese dominio y las aplicó a un problema que había resistido ochenta años de intentos directos. Eso no es búsqueda exhaustiva ni fuerza bruta. Es razonamiento cruzado entre disciplinas. Y es exactamente el tipo de razonamiento que hasta ahora se consideraba exclusivamente humano.
La pregunta que circula ahora entre los departamentos de matemáticas del mundo es la misma que debería circular en cualquier entorno donde el conocimiento experto sea el núcleo del negocio: si un modelo generalista puede resolver un problema abierto de estas características, ¿cuántos otros problemas similares están al alcance de la próxima generación?
Para un despacho profesional, el paralelismo no es exacto pero sí es útil. Las matemáticas tienen una ventaja que otras disciplinas no tienen: una prueba es válida o no lo es. El derecho, la fiscalidad o el asesoramiento laboral tienen mucha más ambigüedad, mucho más contexto, muchas más variables no capturables en un modelo. Pero la dirección del movimiento está clara.
La IA no está sustituyendo al experto. Por ahora está demostrando que puede hacer aportaciones originales en dominios donde la verificación es objetiva. El siguiente paso, que ya está en marcha, es extender esa capacidad a dominios donde la verificación es más compleja. Y en ese recorrido, la posición del profesional que comprende lo que hace la herramienta es radicalmente distinta a la del que no lo comprende.
La frontera entre asistente y colaborador
El año pasado, este mismo blog publicó cómo un informe independiente demostró que ChatGPT superaba a abogados con experiencia en ejercicios de investigación jurídica en condiciones controladas. En aquel momento, la discusión era sobre eficiencia. Ahora el debate ha subido un peldaño: ya no se habla solo de hacer más rápido lo que ya se hacía, sino de hacer cosas que no se habían hecho.
La distinción importa. Cuando una herramienta ayuda a redactar más deprisa, el profesional sigue siendo el origen del conocimiento. Cuando una herramienta propone soluciones que el profesional no habría alcanzado por sí solo, la relación cambia. El valor del experto ya no está solo en saber más, sino en saber qué hacer con lo que la herramienta encuentra.
Ese es el reposicionamiento que los despachos que llevan tiempo integrando IA en sus procesos ya están viviendo en la práctica. Y es la razón por la que los que aún no lo han hecho no deberían leer esta noticia como una curiosidad matemática.
