El 27 de julio de 2026, apareció un preprint con la prueba de un problema que llevaba 22 años abierto. El autor no es matemático profesional: Shanmu Jin es residente de neurocirugía en el Hospital del Peking Union Medical College, en Pekín. Se graduó en geología. Las matemáticas más allá de lo básico, según él mismo, las aprendió de forma autodidacta — empezó a estudiar por una investigación con ultrasonido transcraneal.
El argumento decisivo no salió de una conversación con ChatGPT. Salió de una ronda autónoma de cerca de 16 horas de GPT-5.6 Sol, que Jin inició y no interrumpió ni una sola vez.
Michel Crouzeix, el matemático francés que formuló la conjetura en 2004, verificó el manuscrito a fondo junto con Alex Townsend y Anne Greenbaum. Los tres consideran que la prueba es correcta.
La historia se convirtió en titular por el lado obvio — "la IA resuelve un problema que los humanos no resolvían". Pero lo que le interesa a quien usa IA para trabajar está en otro lugar: en el diseño del proceso. Y esa parte se puede copiar.
Por qué 22 años
La conjetura de Crouzeix es un problema de análisis matricial. En 2007 el propio autor demostró que una determinada constante — 11,08 — siempre funciona. En 2017, junto con Palencia, el límite bajó a 1 + √2. Demostrar que el valor exacto es 2, lo que afirma la conjetura, resistió dos décadas de intentos de especialistas a tiempo completo.
Guarda ese detalle: no era un problema oscuro a la espera de que alguien lo mirara. Era un problema conocido, atacado por gente competente, sin solución.
Qué hizo diferente: el prompt
Jin partió de un prompt que OpenAI había usado en otra conjetura, la del Cycle Double Cover, y lo adaptó. El diseño tenía cuatro decisiones que explican el resultado:
- Cortó el acceso a la web. Se prohibió al sistema consultar internet y contextos externos. Si la respuesta no se podía buscar, tenía que construirse.
- Mandó crear varios subagentes concurrentes, cada uno desarrollando una estrategia de prueba diferente, de forma independiente.
- Prohibió la convergencia prematura. La instrucción era explícita: los subagentes no podían correr todos hacia la misma idea atractiva. En un problema difícil, el camino obvio ya lo intentó todo el mundo — y falló.
- Exigió auditoría adversarial. Cada candidato a prueba era atacado hasta que uno sobrevivía a la verificación.
Fíjate en lo que no está en la lista: nada de esto tiene que ver con tener acceso a un modelo mejor. Se trata de no dejar que la IA haga lo que hace por defecto — que es producir rápido la respuesta más plausible y parar ahí.
El repositorio público incluye el prompt usado, los manuscritos sucesivos, una formalización en Lean y una auditoría de axiomas. El método se publicó junto con el resultado.
Lo que la IA no hizo
Esta parte suele desaparecer del resumen, y es la más importante para quien vaya a intentar repetir la receta.
La ronda autónoma produjo un resultado. Fue el humano quien tuvo que reconocer que ese resultado era relevante, convertirlo en una prueba coherente y firmar al final, asumiendo la responsabilidad del manuscrito. Una persona sin la base matemática que Jin construyó por su cuenta habría mirado la misma salida de 16 horas sin saber que ahí había algo.
También vale el escepticismo debido: el trabajo sigue siendo un preprint no revisado por pares. Fue examinado por especialistas de peso, incluido el autor original de la conjetura, pero todavía no pasó por el proceso formal de la comunidad matemática.
Y hay un detalle que relativiza el logro sin restarle mérito: ocho días después del preprint de Jin, Emiel Lorist y Felix Schwenninger publicaron una prueba independiente, de apenas cinco páginas y con un argumento diferente — también apoyados en ChatGPT 5.6. Es decir, el problema estaba maduro y la herramienta ayudó a más de un grupo al mismo tiempo.
Cómo llevar esto a tu empresa
Probablemente no tengas una conjetura de análisis matricial sobre la mesa. Pero tienes problemas que nadie ha resuelto: un proceso que se traba siempre en el mismo punto, una propuesta que no cierra, un sistema que nadie entiende bien.
La forma en que casi todo el mundo usa la IA para esto es pedir la respuesta y aceptar la primera que llegue. El método que funcionó aquí es el opuesto:
- Pide caminos diferentes, no la mejor respuesta. "Dame cuatro enfoques que no se parezcan entre sí" rinde más que "cuál es la mejor forma de hacer esto".
- Bloquea el atajo. Si el problema tiene una respuesta estándar que ya falló en tu empresa, dilo y prohíbe a la IA proponerla.
- Manda atacar su propia respuesta. "Ahora encuentra los tres motivos por los que esto va a fallar" separa la idea buena de la idea bonita.
- Dale tiempo al proceso. Dieciséis horas de exploración no es lo mismo que dieciséis preguntas. Una ronda larga y sin interrupciones es un formato diferente de uso.
- Mantén a alguien que entienda del tema al final de la línea. Sin esa persona, no distingues el resultado bueno del texto convincente — y ahí es donde se pierde la mayoría de los proyectos de IA en las empresas.
El resumen honesto
Lo que ocurrió no fue que "la IA se volvió más inteligente". El modelo estaba disponible para cualquier suscriptor. Lo que cambió el resultado fue que un médico autodidacta diseñara un proceso que obligó a la máquina a discrepar consigo misma durante 16 horas, y tuviera conocimiento suficiente para reconocer lo que volvió.
La parte replicable de esta historia no es el problema resuelto. Es el método — y está publicado.
Hechos verificados a partir del ensayo de Alex Townsend para SIAM News, la cobertura de South China Morning Post, de Yicai y las noticias de tecnología de agosto de 2026. El manuscrito de Jin permanece como preprint no revisado por pares.
Perguntas frequentes
¿Qué fue la conjetura de Crouzeix y por qué era difícil?
Es un problema de análisis matricial formulado por Michel Crouzeix en 2004. El propio autor probó en 2007 que una constante de 11,08 siempre funciona y, en 2017, junto con Palencia, redujo el límite a 1 + √2. Probar que el valor exacto es 2 resistió 22 años de intentos de especialistas a tiempo completo: no era un problema oscuro, era un problema conocido y atacado.
¿La inteligencia artificial resolvió el problema sola?
No. La ejecución autónoma de unas 16 horas del GPT-5.6 Sol produjo el resultado clave, pero fue el humano quien tuvo que reconocer que ese resultado era relevante, convertirlo en una prueba coherente y asumir la responsabilidad del manuscrito. Sin la base matemática que Shanmu Jin construyó por su cuenta, esa misma salida habría pasado desapercibida.
¿Quién es Shanmu Jin?
Es investigador postdoctoral y residente de neurocirugía en el Hospital del Peking Union Medical College, en Pekín. Se graduó en geología y afirma que su formación matemática más allá de lo básico fue autodidacta, motivada por una investigación con ultrasonido transcraneal.
¿Cómo era el prompt que produjo la prueba?
Fue adaptado de un prompt que OpenAI había usado en otra conjetura y tenía cuatro decisiones centrales: negar el acceso a la web y a contextos externos, crear varios subagentes competidores con estrategias distintas, prohibir que convergieran pronto hacia la misma idea atractiva, y exigir auditorías adversariales hasta que una prueba sobreviviera a la verificación. El prompt está publicado en el repositorio junto con los manuscritos, una formalización en Lean y una auditoría de axiomas.
¿La prueba ya fue confirmada oficialmente?
Michel Crouzeix, autor de la conjetura, verificó el manuscrito a fondo junto con Alex Townsend y Anne Greenbaum, y los tres lo consideran correcto. Aun así, el trabajo sigue siendo un preprint no revisado por pares: todavía no pasó por el proceso formal de la comunidad matemática. Ocho días después, Emiel Lorist y Felix Schwenninger publicaron una prueba independiente de cinco páginas, con un argumento diferente, también apoyada en IA.
¿Cómo aplicar ese método en mi empresa?
Pide caminos diferentes en vez de la mejor respuesta; bloquea explícitamente la solución estándar que ya falló antes; ordena a la IA atacar su propia propuesta y listar por qué fallaría; usa ejecuciones largas de exploración en lugar de muchas preguntas cortas; y mantén a alguien que entienda del tema para evaluar el resultado. Sin ese último punto no se distingue un buen resultado de un texto convincente.