¿Qué deberíamos decir a nuestros estudiantes?

Impacto de la IA en las matemáticas como carrera

• Muchos sostienen que la IA actual y la de futuro cercano ya compite con la mayoría de los matemáticos, lo que convierte la investigación matemática en una elección profesional arriesgada.
• Varios comentaristas recomiendan: estudiar matemáticas por satisfacción personal, pero asegurarse ingresos mediante otro campo o un área afín a las matemáticas (CS, finanzas, métodos formales, docencia).
• Otros insisten en que seguirá habiendo demanda de matemáticos humanos, especialmente para elegir problemas, interpretar resultados y enseñar, pero conceden que la academia ya estaba sobredimensionada en doctorados y con escasez de puestos estables.
• Preocupa que los consejos profesionales optimistas de profesores titulares subestimen el riesgo estructural y se centren demasiado en el “hopium”.

Naturaleza del trabajo matemático bajo la IA

• Se informa de que los sistemas de IA pueden resolver rápidamente problemas que estaban planificados como proyectos de varios años, a veces sin intención de que los humanos publiquen los resultados.
• Preocupa que la investigación se convierta en “deberes con las respuestas al final del libro”: las soluciones existen en el modelo y se recuperan en vez de descubrirse, lo que podría ralentizar la acumulación genuina de conocimiento y dificultar que investigadores jóvenes encuentren problemas abiertos significativos.
• Debate sobre si la IA actual solo está recombinando ideas existentes dentro de una “envolvente convexa” o si pronto producirá conceptos verdaderamente novedosos, “alienígenas”.

Paralelismos con la ingeniería de software y otros campos

• Se traza una analogía fuerte con el software: “las matemáticas son más que escribir demostraciones”, igual que “la ingeniería de software es más que teclear código”.
• Visiones divididas sobre las herramientas de programación con IA: algunos dicen que los LLM siguen siendo poco fiables y están inflados por el hype; otros dicen que ya son centrales en el trabajo diario y que explican en parte el colapso de la contratación de nivel inicial en CS.
• Ansiedad más amplia de que muchos trabajos de cuello blanco (CPAs, desarrolladores, matemáticos) son vulnerables a medida que los agentes de IA se vuelven capaces de ejecutar flujos de trabajo completos.

Educación y uso de la IA

• Gran división sobre si los estudiantes deberían usar LLM:
  • Pro: potente ayuda para aprender, como las calculadoras o los archivos de respaldo, esencial para seguir siendo relevante.
  • Con: fomenta el “aprendizaje con clave de respuestas”, erosiona los fundamentos y exige una autodisciplina poco realista; se pide más exámenes vigilados.
• Algunos abogan por boicotear los modelos frontera (especialmente en matemáticas puras) para proteger la educación y el poder de negociación; los críticos lo llaman inútil y contraproducente.

Preocupaciones económicas y sociales más amplias

• Predicciones divergentes: desde “no habrá carreras en 40 años” hasta “los trabajos se adaptarán como siempre”.
• Debates sobre la RBU, la propiedad de la IA/robots y si un mundo de trabajo automatizado será una utopía, una distopía o una “edad oscura económica”.
• Tema recurrente: el consejo técnico es insuficiente sin cambios políticos e institucionales.