Los matemáticos siguen usando IA pese a los crecientes riesgos de atribución

Un informe reciente de Wired documenta que una parte importante de la comunidad matemática sigue recurriendo a grandes modelos de lenguaje para asistencia en pruebas, generación de conjeturas y verificación de código, aunque expresen inquietud sobre cómo se registran las contribuciones y se protege la privacidad de los datos.

El artículo destaca que herramientas como ChatGPT de OpenAI, Claude de Anthropic y el Codex de código abierto se utilizan en grupos de investigación de Europa y Norteamérica, a menudo para probar ideas rápidamente antes de comprometerse con una redacción formal.

Disputas de alto perfil ilustran la brecha de atribución

Tristan Buckmaster, investigador centrado en las ecuaciones de Navier‑Stokes, acusó públicamente a OpenAI de publicar resultados que replican su trabajo no publicado. OpenAI respondió que los intercambios registrados el 8 de septiembre y el pre‑print correspondiente no influyeron en la salida del modelo, subrayando la dificultad de probar vínculos causales entre notas privadas de un investigador y la sugerencia de una IA.

Andreas Thom, otro matemático, obtuvo una corrección de OpenAI después de que la empresa omitiera un artículo de 2019 que había informado directamente sus propios hallazgos. La corrección muestra cómo incluso grandes organizaciones pueden pasar por alto citas críticas al agregar material académico.

Llamados colectivos a la transparencia

En un esfuerzo coordinado, veinticinco medallistas Fields firmaron una carta abierta, reportada por Wired, instando a las empresas de IA a cerrar la brecha entre los ciclos de desarrollo comercial y el ritmo más lento y centrado en la verificación de la investigación matemática.

La carta enfatiza que, si bien la IA puede acelerar cálculos rutinarios, no puede sustituir el riguroso proceso de revisión por pares que valida cada paso lógico y reconoce cada contribución intelectual.

La Declaración de Leiden establece la agenda

La Declaración de Leiden sobre Inteligencia Artificial y Matemáticas, publicada el 2 de junio de 2026, propone medidas concretas para proteger la integridad del trabajo matemático. Exige la divulgación obligatoria de cualquier asistencia de IA en publicaciones y que los autores asuman la plena responsabilidad de las recomendaciones generadas por esas herramientas.

Según la declaración, los argumentos plausibles pero falsos producidos por IA aumentan la carga de los revisores y ponen en riesgo la verificabilidad independiente, un riesgo especialmente agudo en campos donde un solo paso erróneo puede invalidar una prueba completa.

• Exigir declaraciones explícitas de uso de IA en todas las presentaciones
• Mantener un registro reproducible de prompts y salidas del modelo
• Garantizar que cualquier afirmación generada por IA sea verificada independientemente antes de la aceptación
• Prohibir anuncios de resultados derivados de IA antes de la publicación revisada por pares
• Crear una cadena de auditoría que vincule cada resultado con sus contribuyentes humanos

La declaración también advierte contra anunciar avances derivados de IA en calendarios de marketing corporativo antes de contar con la evidencia científica necesaria, una práctica que puede crear hype prematuro y engañar a los organismos de financiación.

El objetivo general no es prohibir la IA en matemáticas, sino preservar la prueba, el crédito, la transparencia y la autonomía de los investigadores, asegurando que la comunidad continúe beneficiándose de la asistencia computacional sin sacrificar el rigor.

Perspectivas regionales

En América Latina, las universidades están diseñando protocolos específicos que incluyen la auditoría de cada interacción con modelos de lenguaje, con el fin de alinearse con la Declaración de Leiden y proteger la reputación de sus centros de investigación.

Para las instituciones de investigación hispanohablantes, el impacto práctico es claro: los departamentos deberán adoptar nuevas plantillas de reporte, capacitar al personal en el uso responsable de IA y asignar recursos para la verificación independiente de los resultados sugeridos por IA. Así podrán aprovechar la velocidad de los modelos modernos manteniendo la confianza que sustenta el descubrimiento matemático.

Desde la Universidad de Barcelona, el grupo de teoría de números ya ha implementado un registro digital de prompts que se archiva junto a cada pre‑print, una medida que, según sus coordinadores, "garantiza la trazabilidad y refuerza la credibilidad ante revistas internacionales".