Actualmente, una herramienta de inteligencia artificial (IA) puede resolver en muy poco tiempo una ecuación, elaborar un gráfico, analizar datos e incluso apoyar en la toma de decisiones. Frente a estas posibilidades, surge una pregunta plausible: si las máquinas realizan los cálculos, ¿sigue siendo necesario aprender matemática?
La respuesta nos obliga a revisar qué entendemos por formación matemática, ya que su enseñanza se ha asociado principalmente con la ejecución de procedimientos: aplicar una fórmula, desarrollar una operación o encontrar el valor de una incógnita, habilidades que continúan siendo necesarias, pero ya no son suficientes. En la era de la IA, el mayor aporte de las matemáticas se encuentra en las competencias intelectuales que permiten formular problemas, interpretar resultados y tomar decisiones fundamentadas.
La primera de estas competencias es saber formular una buena pregunta. Antes de pedirle una respuesta a una herramienta tecnológica, debemos identificar qué problema queremos resolver, cuáles son sus variables relevantes y qué información necesitamos. La IA puede procesar con enorme rapidez una instrucción, pero eso no garantiza que represente correctamente el problema que nos interesa. Una pregunta mal planteada puede recibir una respuesta técnicamente impecable y, al mismo tiempo, completamente inútil.
Una segunda competencia es la capacidad de interpretar. Vivimos rodeados de gráficos, porcentajes, indicadores, estimaciones y predicciones. Comprenderlos requiere mucho más que saber efectuar cálculos. Exige reconocer qué muestran los datos, de dónde provienen, qué supuestos se utilizaron, qué conclusiones pueden obtenerse y cuáles no pueden obtenerse a partir de ellos. También supone comprender que una predicción no es una certeza y que todo modelo contiene algún grado de error e incertidumbre. Esto es especialmente relevante en ámbitos como los negocios, la economía y las políticas públicas. Las decisiones sobre créditos, inversiones, precios, pensiones, demanda o asignación de recursos se apoyan cada vez más en modelos y algoritmos. Un profesional puede introducir datos en un programa y obtener una respuesta, pero eso no significa necesariamente que comprenda su sentido. Si no puede reconocer los límites del modelo, evaluar si el resultado es razonable o advertir la presencia de información insuficiente, corre el riesgo de transformarse en un usuario eficiente de una tecnología que no está en condiciones de cuestionar.
Allí aparece la tercera competencia: decidir con fundamento. Las matemáticas no eliminan la incertidumbre ni reemplazan el juicio humano, pero ayudan a comparar alternativas, evaluar riesgos y justificar una elección mediante evidencia, lo que es indispensable en una sociedad que delega cada vez más tareas en sistemas automatizados. La IA puede dar recomendaciones, pero la responsabilidad por sus consecuencias continúa perteneciendo a las personas e instituciones que las utilizan.
El desafío educativo, por tanto, no consiste en preparar a los estudiantes para competir con una máquina y demostrar quién calcula más rápido. Está en enseñar a pensar con rigor, detectar inconsistencias, reconocer supuestos y distinguir una conclusión fundamentada de otra que solo parece convincente. En este punto cobra mucho sentido la frase del matemático Henri Poincaré: “dudar de todo o creerlo todo son dos soluciones igualmente cómodas; ambas nos dispensan de reflexionar”.
Carlos Figueroa Moreno
