En 2023, los sistemas de IA sacaban prácticamente un cero en los problemas de la Olimpiada Internacional de Matemáticas. En 2024, AlphaProof de DeepMind alcanzó el nivel de medalla de plata. En 2025, según se informó, Gemini Deep Think de Google llegó al oro. Es un ascenso de tres años realmente notable, y plantea una pregunta honesta para cada estudiante y cada familia: si la IA ya puede resolver matemáticas de nivel olímpico, ¿qué sigue valiendo la pena aprender por uno mismo? Este artículo da una respuesta directa, basada en lo que realmente se ha demostrado a fecha de 2 de octubre de 2026, y no en exageraciones en ningún sentido.
No toda «IA que hace matemáticas» es lo mismo
«IA» abarca varios tipos de herramientas realmente distintos, y confundirlos es donde fallan la mayoría de las afirmaciones rotundas, en un sentido y en otro.
| Herramienta | Lo que hace realmente |
|---|---|
| Calculadora | Aritmética exacta con los números que le das. Sin razonamiento y sin errores dentro de los límites de su diseño. |
| Sistema de álgebra computacional (p. ej., Mathematica, SymPy) | Manipulación simbólica exacta (derivar, factorizar, resolver ecuaciones) siguiendo algoritmos fijos y verificados. |
| Software numérico | Aproxima respuestas que a menudo no tienen forma exacta (p. ej., simular el flujo de un fluido), con cotas de error bien conocidas. |
| Modelo de lenguaje sin herramientas | Genera una respuesta paso a paso a partir de patrones aprendidos en textos. Razona con fluidez; aun así puede cometer errores aritméticos o lógicos que una calculadora nunca cometería. |
| Modelo de lenguaje con herramientas | Escribe su razonamiento y después delega cualquier cálculo real en una calculadora o un intérprete de código de verdad: combina una explicación fluida con un cálculo exacto. |
| Asistente de demostración formal (p. ej., Lean, Coq) | Comprueba cada paso lógico de una demostración frente a reglas formales estrictas. Si acepta una demostración, ese paso no puede contener realmente ningún hueco lógico. |
| IA especializada en razonamiento matemático (p. ej., AlphaProof, AlphaGeometry) | Creada y entrenada específicamente para problemas de demostración y geometría de tipo competición, a menudo combinada con un verificador formal. |
La distinción que los alumnos suelen confundir
Un modelo de lenguaje que adivina una respuesta no es lo mismo que un asistente de demostración formal que la comprueba
Lo que el oro olímpico dice, y lo que no
Consejo de examen
AlphaProof de DeepMind, junto con AlphaGeometry 2, resolvió cuatro de los seis problemas de la IMO 2024, con una puntuación dentro del rango de medalla de plata: un salto enorme desde el cero del año anterior. En 2025, según se informó, Gemini Deep Think de Google alcanzó un rendimiento de medalla de oro, resolviendo los problemas íntegramente en lenguaje natural dentro del límite de 4,5 horas de la competición. Es un resultado realmente impresionante en una prueba realmente difícil: los problemas de la IMO exigen auténtica creatividad, no solo cálculo.
La distinción que los alumnos suelen confundir
El rendimiento en olimpiadas, las matemáticas de investigación y tus deberes son tres pruebas distintas
Dónde la IA te ayuda de verdad a aprender matemáticas
- Calcular con la herramienta adecuada. Pedir aritmética o álgebra exacta a un sistema de IA que use una calculadora real o un intérprete de código es fiable, y más rápido que hacerlo a mano cuando se trata de comprobar.
- Explorar patrones. Generar rápidamente varios ejemplos resueltos de una técnica para detectar tú mismo el patrón de fondo antes de formalizarlo.
- Sugerir una estrategia. Preguntar «¿qué enfoque probarías primero?» en un problema en el que te has atascado, sin pedir la solución completa.
- Revisar tus propios pasos. Resolver primero el problema por tu cuenta y después pedir a una IA que revise específicamente tu método, no que lo rehaga desde cero.
- Apoyar el repaso. Generar ejercicios extra sobre un punto débil concreto, o pedir que te expliquen un concepto de otra manera cuando la explicación del libro no te llega.
Dónde todavía se equivoca: tres patrones reales que conviene conocer
Los tres ejemplos resueltos de abajo son ilustrativos, construidos expresamente para mostrar con claridad estos patrones de error; no son transcripciones de un sistema de IA real, pero cada uno refleja una categoría de error documentada y bien conocida.
1. Restricciones de dominio que se pierden
Pregunta tipo examen
Simplifica (x² − 1) / (x − 1). [2 puntos]
Mostrar respuesta modelo y desglose de puntos
- Factoriza el numerador: x² − 1 = (x − 1)(x + 1) (1 punto)
- Simplifica el factor común (x − 1): (x − 1)(x + 1) / (x − 1) = x + 1, siempre que x ≠ 1 (1 punto)
Lo que valora el examinador: la forma simplificada x + 1 y la expresión original no son funciones idénticas: en x = 1, la expresión original no está definida (0/0), mientras que x + 1 vale 2. La respuesta correcta debe conservar la restricción: x + 1, x ≠ 1.
Error frecuente: Una respuesta que suena bien pero está incompleta: solo «x + 1», perdiendo en silencio la restricción x ≠ 1. Es un fallo muy habitual de la IA (y de los estudiantes): el álgebra es correcta, pero la expresión simplificada describe técnicamente una función ligeramente distinta de la del enunciado si no se indica la restricción.
2. Generalizar a partir de una racha de ejemplos correctos
La expresión n² + n + 41 da un número primo para todos los enteros n desde 0 hasta 39: cuarenta primos consecutivos. Esa racha parece una prueba abrumadora de un patrón. Prueba el control de abajo.
Pruébalo tú mismo: ¿n² + n + 41 da siempre un número primo?
n = 10
| n | n² + n + 41 | ¿Primo? |
|---|---|---|
| 6 | 83 | Sí |
| 7 | 97 | Sí |
| 8 | 113 | Sí |
| 9 | 131 | Sí |
| 10 | 151 | Sí |
| 11 | 173 | Sí |
| 12 | 197 | Sí |
| 13 | 223 | Sí |
| 14 | 251 | Sí |
n² + n + 41 (una fórmula que estudió Euler) da un número primo para todo n de 0 a 39: cuarenta primos seguidos, lo que parece abrumador. Desliza el control hasta n = 40: la fórmula da 1681 = 41², que no es primo en absoluto. Cuarenta ejemplos correctos seguidos siguen sin ser una demostración, y el caso número cuarenta y uno es justo donde falla.
Un sistema de IA (o un estudiante) que extrapolara solo a partir de n = 0 a 39 tendría todos los motivos para suponer que esta fórmula siempre da un primo, y se equivocaría en n = 40.
Es exactamente el tipo de error al que está expuesto un sistema que razona solo a partir de patrones, en lugar de demostrar una regla general, tanto si ese sistema es una IA como si es una persona. Cuarenta casos correctos parecen concluyentes; no lo son.
3. Aplicar una regla sin la comprensión que hay detrás
Nuestro artículo sobre derivadas plantea esto a propósito de los estudiantes, y se aplica igual de directamente a lo que produce la IA. Aplicar mecánicamente la regla de la potencia para derivar x³ da correctamente 3x². Pero ese mismo reconocimiento mecánico de patrones, aplicado a una función construida encadenando varias reglas (por ejemplo, el producto de dos funciones, o una función dentro de otra función), puede aplicar en silencio la regla equivocada, o aplicar la regla correcta a la parte equivocada, y aun así dar una respuesta errónea con apariencia segura y fluida. Un sistema (o un estudiante) que entiende por qué existe la regla de la cadena (un cambio que se propaga a través de cantidades conectadas) puede comprobar si una respuesta tiene sentido. Uno que solo ha imitado los pasos mecánicos no puede.
La distinción que los alumnos suelen confundir
Esto no significa «la IA solo reconoce patrones, y punto»
Comprueba lo que has entendido
Una herramienta de IA simplifica (x² − 1)/(x − 1) y escribe solo «x + 1», sin indicar ninguna restricción. ¿Cuál es el siguiente paso más útil?
Un método de trabajo práctico
Usada así, la IA refuerza tus matemáticas en lugar de sustituirlas:
- Intenta primero el problema por tu cuenta, aunque sea en parte: pelearse de forma productiva con él forma parte de cómo se construye la comprensión.
- Pide una pista, no la respuesta, si te atascas: «¿qué debería probar primero?» en lugar de «resuelve esto».
- Vuelve a explicar el método con tus propias palabras: si no puedes, todavía no lo dominas, venga de donde venga.
- Revisa de forma explícita las hipótesis y las restricciones de dominio: es el lugar más habitual en el que una respuesta de aspecto fluido se equivoca sin hacer ruido.
- Verifica de forma independiente: con otro método, una estimación de control o un caso particular conocido.
- Prueba un problema muy parecido sin ninguna ayuda: es la verdadera prueba de si la comprensión se ha transferido.
Para seguir explorando
Si te interesó la idea de «indicios frente a demostración» del ejemplo n² + n + 41, nuestro artículo sobre los problemas del milenio y el centro de misterios matemáticos sin resolver están llenos de ejemplos reales, todavía abiertos, de exactamente esta brecha, en lo más alto de la disciplina.
Fuentes y lecturas adicionales
- AI achieves silver-medal standard solving International Mathematical Olympiad problems — Google DeepMind — AlphaProof + AlphaGeometry 2, IMO 2024
- Olympiad-level formal mathematical reasoning with reinforcement learning — Nature
- From Silver to Gold: A Technical Look into AI's Conquest of the IMO — resultados de nivel de medalla de oro en 2025
- Live from ICM 2026: What Is Math For in the Age of AI? — Quanta Magazine
Última revisión: 2 de octubre de 2026. Las capacidades de la IA avanzan deprisa; consulta las fuentes anteriores para conocer los resultados más recientes.
Preguntas frecuentes
Entonces, ¿puedo dejar sin más que la IA me haga los deberes de matemáticas?
Para revisar tu propio trabajo, explorar variaciones del tipo «¿y si…?» o desatascarte en un paso, sí: usada así es una herramienta de estudio realmente útil. Para producir una respuesta que luego entregas sin entenderla, no: pierdes la habilidad que necesitarás en el examen (donde no se permite la IA). Además, el razonamiento de la IA, por bueno que sea, todavía se equivoca con bastante frecuencia, y de formas no siempre evidentes. Por eso, un resultado sin verificar es un riesgo real.
¿No ha ganado ya la IA el oro en la Olimpiada Internacional de Matemáticas?
Sí. Según se informó, Gemini Deep Think de Google logró una puntuación equivalente a una medalla de oro en la IMO 2025, trabajando íntegramente en lenguaje natural y dentro del tiempo habitual: un resultado de gran calado, un año después de que AlphaProof de DeepMind alcanzara el nivel de medalla de plata en la IMO 2024. Aun así, los problemas de olimpiada son un tipo concreto de matemáticas, famosamente difícil pero bien definido; un gran rendimiento en olimpiadas no se traslada automáticamente a cualquier tipo de trabajo matemático (consulta «Lo que el oro olímpico dice, y lo que no» más abajo).
¿Por qué la IA a veces se equivoca en cálculos sencillos si es capaz de resolver problemas de olimpiada?
Un modelo de lenguaje de uso general genera su respuesta token a token a partir de patrones aprendidos, que es un proceso distinto de ejecutar mecánicamente una operación aritmética; por eso el mismo sistema puede producir un razonamiento elegante y correcto de nivel olímpico y equivocarse en una multiplicación de varias cifras en la misma conversación. Los sistemas que delegan la aritmética en una calculadora real o en un intérprete de código evitan este fallo concreto; un modelo de lenguaje «puro», que responde solo a partir de texto, no.
¿Seguirá importando entender las matemáticas cuando la IA sea aún mejor?
Si acaso, más, no menos. Cuanto más se automatice el cálculo rutinario, más se convierte la habilidad realmente humana en la parte que nadie puede subcontratar. Esa habilidad es saber qué pregunta hacer, detectar cuándo una respuesta segura de la IA es en realidad errónea y entender un resultado lo bastante bien como para aplicarlo a una situación nueva. Es exactamente el argumento de nuestro artículo sobre derivadas sobre aprender el «porqué» antes que el «cómo», y aquí se aplica de forma todavía más directa.
Valoraciones y reseñas de lectores
Valore este artículo en varios aspectos — su opinión ayuda a otros lectores, y nos ayuda a mejorar.
¿Le ha resultado útil este artículo?
Cuéntenos qué le parece — una corrección, una pregunta sin responder, o un tema que le gustaría ver tratado a continuación.
¿Prefiere hablarlo? Reserve una videollamada gratuita cuando le convenga: 15 minutos para una pregunta rápida, 30 para todo lo demás. Los horarios aparecen en su zona horaria.
Sobre el autor
Sudershan Soni
Fundador y tutor principal en Mostak Services — tutor de matemáticas, ciencias, informática y STEM titulado con máster, con más de 20 años de experiencia profesional, enseñando a alumnos desde el 11+ y el GCSE hasta el A-Level y más allá, en línea en todo el mundo.
Leer el perfil completo