Terence Tao, considerado por muchos el matemático más brillante vivo, tiene una opinión sobre la inteligencia artificial que debería preocuparte —o entusiasmarte— aunque nunca hayas visto una demostración matemática en tu vida.
Su tesis: la IA hizo con las ideas lo mismo que internet hizo con la comunicación. Las abarató tanto que pasaron a ser prácticamente gratis. Y eso, en apariencia bueno, crea un problema nuevo que nadie estaba resolviendo.
¿Qué dijo Tao exactamente?
En una conferencia en el IPAM (Institute for Pure and Applied Mathematics) en marzo de 2026, Tao fue directo: “La IA ha llevado el costo de generar ideas a casi cero, de manera muy similar a cómo internet llevó el costo de la comunicación a casi cero. Es algo extraordinario, pero no crea abundancia por sí sola. Ahora el cuello de botella es diferente. Estamos en una situación donde de repente se pueden generar miles de teorías para un problema científico dado. Ahora hay que verificarlas, evaluarlas.”
IA para el Resto de Nosotros
La nueva versión de mi curso estrella para aprender a usar la IA de forma práctica, simple y útil en tu día a día. Comienza el 24 de marzo.
→ Inscríbete hoy 🚀Tao no habla desde el escepticismo ni desde el hype. Habla desde la experiencia. El ganador de la Medalla Fields que vio a modelos de IA conjieturar física que los humanos no habían visto dice que en 2024 los modelos le parecían “un estudiante de posgrado mediocre”. En 2026, los llama “listos para uso profesional” porque ya “ahorran más tiempo del que desperdician”.
El desplazamiento del trabajo, no su eliminación
Lo que describe Tao no es un mundo donde la IA trabaja y los humanos descansan. Es un mundo donde el trabajo cambió de categoría.
Antes, el cuello de botella era la exploración: buscar literatura relevante podía tomar semanas, testear si una idea fallaba de entrada requería horas de trabajo manual, hacer cálculos rutinarios consumía tiempo que podría usarse en pensar. Todo eso, según Tao, la IA ya lo hace bien. Él la usa para búsqueda de literatura, escribir código, generar gráficos, correr cálculos y testear si un enfoque vale la pena explorar.
Pero el resultado es que ahora hay más ideas sobre la mesa. Muchas más. Y verificar cuáles son correctas —cuáles de esas miles de teorías generadas en minutos realmente sostienen lo que prometen— sigue siendo trabajo humano intenso, y ahora hay mucho más de ese trabajo pendiente.
Esto tiene un paralelo directo con lo que ocurre en programación. La deuda de verificación es el costo oculto que nadie te avisa cuando adoptas IA para programar: el código generado por IA se multiplica, pero alguien tiene que revisar que funcione, que no tenga vulnerabilidades, que no rompa lo que ya existía.
La trampa de los argumentos que se ven bien
Hay una advertencia específica de Tao que merece atención: la IA puede generar argumentos que parecen pulidos y bien construidos mientras esconden el paso débil. En matemáticas, donde un error de lógica puede invalidar toda una demostración, esto es crítico.
Su solución es la verificación formal con herramientas como Lean, un asistente que verifica una prueba línea por línea y “puede mantener a la IA honesta”. No es una solución ligera —formular una demostración en Lean es trabajo adicional significativo— pero es la única forma de estar seguro cuando el generador de argumentos es tan fluente como los modelos actuales.
Fuera de las matemáticas, la misma lógica aplica. Cada vez que un modelo de IA genera un análisis convincente, una estrategia de negocio coherente, o un artículo con fuentes que suenan autoritativas, alguien necesita hacer el trabajo de verificar que lo que parece sólido realmente lo sea. La fluidez del output no es garantía de su corrección.
Lo que la IA no puede hacer (todavía)
Tao es claro sobre los límites actuales. Los modelos son útiles como asistentes, pero no como pares. Son mejores escaneando métodos conocidos, conectando un problema con la literatura relevante, y reportando qué parece más prometedor —que generando ideas profundamente originales.
La habilidad escasa que emerge de todo esto no es técnica: es la capacidad de elegir el problema correcto, diseñar el flujo de trabajo adecuado, y saber qué verificar y cómo. Eso, por ahora, sigue siendo territorio humano. Y curiosamente, eso también describe lo que diferencia a los mejores ingenieros, estrategas, y científicos en cualquier campo: no la velocidad de ejecución, sino el criterio sobre qué ejecutar.
Hay un fenómeno documentado que va en la misma dirección: estudios de Anthropic confirman que usar IA para programar baja la comprensión del código un 17%. La productividad sube, pero la comprensión baja. Lo que Tao está describiendo en matemáticas —que la IA puede producir resultados sin los “efectos secundarios valiosos” del proceso: desarrollar expertise, mapear el territorio, documentar callejones sin salida— ocurre en todos los dominios del conocimiento.
Por qué importa más allá de las matemáticas
La comparación de Tao con internet es más útil de lo que parece. Cuando internet abarató la comunicación, el cuello de botella no desapareció: se desplazó. El problema dejó de ser “cómo llego a esta persona” y pasó a ser “cómo sé que lo que me dice es verdad”, “cómo filtro lo que importa del ruido”, “cómo construyo confianza en un canal sin fricción”.
Lo mismo está pasando con las ideas. El cuello de botella no es la generación —cualquier modelo puede generar cientos de hipótesis, estrategias, propuestas, soluciones en minutos. El cuello de botella es la verificación: ¿cuál de estas ideas es correcta? ¿Cuál es aplicable? ¿Cuál está basada en evidencia sólida?
Y eso requiere exactamente lo que la IA no puede darte por sí sola: conocimiento profundo del dominio, capacidad de razonamiento crítico, y el juicio para saber cuándo un argumento fluente está escondiendo un error fundamental.
Tao espera que esto abra espacio para más colaboración y más liderazgo de matemáticos jóvenes. Es optimista con cautela: “La IA está mejorando dramáticamente en algunas direcciones, mientras sigue siendo poco confiable en otras.” No espera un camino en línea recta.
Lo que sí parece seguro: el valor ya no está en ser el que más ideas genera. Está en ser el que mejor las verifica.
