Supongamos que una teoría solo la comprende una persona. Decimos que «la humanidad» posee ese conocimiento. Imaginemos que una IA permite aplicarla y ampliarla, pero nadie logra dominar íntegramente sus desarrollos posteriores. ¿Habríamos retrocedido? Para casi todos, la comprensión profunda ya era inaccesible. Ahora podrían beneficiarse de ella. La pérdida de centralidad de sus conocedores no equivale necesariamente a una pérdida colectiva.
El 11 de septiembre de 2026, veinticinco medallistas Fields publicaron A Severe Misalignment of AI in Mathematics. Critican la carrera empresarial por resolver problemas como indicador de progreso y defienden la comprensión conceptual como finalidad principal de las matemáticas. Advierten de riesgos para la formación y la transmisión del conocimiento, reclaman una atribución adecuada y reconocen el potencial de la IA.
Comparto esas preocupaciones. Pero el documento no demuestra que los costes señalados superen los beneficios, ni que preservar la organización actual de la comprensión experta maximice el bienestar social.
Un matemático puede valorar especialmente la elegancia de una demostración; otros ciudadanos, las aplicaciones que permite. Ambas preferencias cuentan. Incluso dentro de la profesión hay discrepancias: Timothy Gowers explica su decisión de no firmar apelando a la diversidad entre quienes buscan comprensión para resolver problemas y quienes resuelven problemas para comprender. El ideal de excelencia de una profesión no basta para decidir qué transformación tecnológica conviene a la sociedad en su conjunto.
Además, cuando hablamos de comprensión, debemos precisar su sujeto. La ciencia ya funciona mediante una división del conocimiento que ninguna persona domina por completo. Si sistemas artificiales llegaran a verificar resultados, relacionarlos y utilizarlos para descubrir otros, la ausencia de una reconstrucción humana íntegra no demostraría esterilidad científica.
La comprensión humana tiene valor, pero su profundidad máxima no describe cómo se distribuyen sus beneficios. Podemos perder dominio autónomo de ciertos procedimientos y ganar capacidad para resolver problemas con asistencia. También podemos difundir conocimientos y profundizarlos simultáneamente: la excelencia y el acceso no son necesariamente rivales.
Existe evidencia acotada de esa difusión. En Generative AI at Work, Brynjolfsson, Li y Raymond encuentran mayores ganancias de productividad entre trabajadores de atención al cliente menos experimentados o inicialmente menos capacitados. El resultado no demuestra aprendizaje profundo ni permite generalizar a la investigación matemática. Sí muestra que la asistencia puede reducir algunas diferencias de desempeño.
Tampoco cabe declarar insignificante la disappearance de un experto porque afecte a una sola persona: sus aportaciones pueden beneficiar a millones. Debemos identificar qué funciones se perderían y cuáles quedarían cubiertas. «La humanidad sabe» informa de la existencia de conocedores, pero apenas dice cuánto cuesta acceder a ellos o quién queda excluido.
Aquí aparecen los peajes. Las instituciones del conocimiento forman, verifican y certifican; también distribuyen autoridad y exclusividad. La IA puede reducir la necesidad de recurrir a ciertos intermediarios. Su pérdida de ingresos puede corresponder, en parte, a un ahorro para los usuarios, no a una destrucción equivalente de recursos sociales.
No toda remuneración experta es una renta. El peaje cuestionable aparece cuando se preservan barreras de acceso cuyo coste supera su contribución social. Una credencial o una autorización pueden proteger la calidad, pero su utilidad debe reevaluarse cuando cambian las alternativas. Haber desempeñado una función necesaria no garantiza que toda forma de ejercerla siga siéndolo.
Esto no atribuye intenciones a los firmantes. Un experto puede defender intereses propios y advertir correctamente de un peligro. Señala una asimetría política: las pérdidas concentradas encuentran portavoces prestigiosos; las ganancias dispersas de muchos usuarios pueden quedar infrarrepresentadas. Evaluar solo lo que pierde la profesión sesgaría el balance.
Henry Cohn plantea una objeción importante: una solución correcta pero mal explicada puede generar «deuda técnica», porque otros deberán invertir trabajo en hacerla utilizable. Ese coste es real. Sin embargo, la abundancia no obliga a asimilar humanamente toda la producción. Exige seleccionar, mejorar la verificación y concentrar recursos en los resultados de mayor valor esperado. La saturación de un procedimiento puede justificar su reforma.
El criterio económico es el valor actual neto social de las alternativas: comparar beneficios y costes, presentes y futuros, considerando incertidumbre y distribución. Cuentan los descubrimientos adelantados, los recursos consumidos, los errores y la formación. También el valor cultural de comprender y el coste de perder autonomía. Ninguna partida decide el resultado por sí sola.
El contrafactual importa. Quien no podía pagar asesoramiento experto puede comparar la IA con seguir sin ayuda, no con disponer gratuitamente del mejor especialista. Retrasar la adopción también tiene costes. Y conservar experiencia humana puede ser una inversión excelente si permite auditar, detectar fallos excepcionales o mantener capacidades futuras. Son funciones que deben valorarse, no derechos automáticos a conservar toda intermediación.
La discusión admite pruebas: medir resultados, costes y aprendizaje sin asistencia; comprobar cuándo los usuarios detectan errores; estudiar si el apoyo profesional cambia con la remuneración o el control, manteniendo constantes las funciones y la fiabilidad. El balance podría confirmar unas críticas y refutar otras.
La metáfora obliga, además, a preguntar quién cobra el nuevo peaje. Una plataforma puede abaratar el acceso mientras concentra el poder de fijar precios y retirar servicios. La capacidad de utilizar conocimiento puede difundirse al mismo tiempo que se concentra su infraestructura. La competencia, la verificación independiente y la posibilidad de cambiar de proveedor forman parte del balance.
Las carreteras del conocimiento necesitan mantenimiento y controles de calidad. Quien los proporciona merece reconocimiento y recursos. Pero la conveniencia de una nueva ruta no puede decidirse únicamente desde las cabinas de peaje de la antigua.
