Por qué la IA falla en matemáticas simples (y cómo evitarlo)

Le pides a ChatGPT que multiplique dos números de cuatro cifras y, a veces, falla. No es un fallo raro ni un mal día del modelo: es una limitación conocida y bien documentada de cómo funcionan estos sistemas por dentro. Entender por qué pasa te ayuda a saber cuándo fiarte y cuándo no.

Revisado en septiembre de 2026.

La IA no calcula, predice

Un modelo de lenguaje no tiene una calculadora integrada en su forma de “pensar” por defecto. Genera texto prediciendo la palabra (o el número) más probable que viene a continuación, basándose en patrones que ha visto millones de veces durante su entrenamiento. Para “2 + 2 = 4” el patrón es tan frecuente y tan simple que casi nunca falla. Para “4.837 × 6.219”, ese patrón exacto probablemente no apareció nunca en sus datos de entrenamiento, así que el modelo no lo recuerda, lo estima.

El problema de fondo: cómo se “leen” los números

Antes de procesar cualquier texto, un modelo lo divide en fragmentos llamados tokens. Con palabras normales esto funciona razonablemente bien, pero con números el problema es que el tokenizador no entiende que son números: puede partir “4.837” en fragmentos como “48” y “37”, o tratarlo de forma distinta a como trataría “48.37” o “4837”, según cómo se haya dividido ese texto en concreto. Esa fragmentación rompe la relación matemática real entre las cifras: el modelo ya no está viendo “un número de cuatro dígitos”, está viendo trozos de texto sueltos que tiene que recomponer prediciendo, no calculando.

Los datos: cuánto falla exactamente

No es una sensación subjetiva, hay medidas concretas. En estudios publicados sobre el tema, modelos de la generación GPT-4 bajaban de menos del 30 % de aciertos en multiplicaciones de cuatro cifras o más, mientras que en operaciones de una o dos cifras el acierto es prácticamente total. El patrón es claro: cuantas más cifras, y cuantos más pasos intermedios requiere la operación, más se degrada la precisión, porque cada paso es una nueva oportunidad de que la predicción se desvíe del cálculo real.

Por qué unos modelos aciertan más que otros

Aquí está la buena noticia: esto se puede mitigar, y los modelos más recientes lo hacen de dos formas:

• Modo de razonamiento: en vez de responder de un tirón, el modelo genera pasos intermedios explícitos (como harías tú en un examen, escribiendo la cuenta) antes de dar el resultado final. Descomponer el problema en pasos más simples reduce mucho el margen de error, aunque no lo elimina del todo.
• Herramientas externas (calculadora o código): los asistentes más avanzados, cuando detectan una operación compleja, pueden ejecutar código real (por ejemplo, un script de Python que hace la cuenta con precisión exacta) en vez de “adivinar” la respuesta con el modelo de lenguaje. Aquí ya no predice: calcula de verdad, con la misma fiabilidad que una calculadora.

La diferencia entre un acierto y un fallo, muchas veces, es si el modelo usó una de estas dos estrategias o si respondió “de memoria” en una sola pasada.

El mismo problema, disfrazado: contar letras

Seguro que has visto el ejemplo de pedirle a una IA que cuente cuántas veces aparece una letra concreta en una palabra, y que falle en algo que a ti te lleva dos segundos. Es el mismo problema de fondo: el modelo no “ve” la palabra letra por letra, la ve como uno o varios tokens que representan la palabra entera o fragmentos de ella, no cada carácter por separado. Pedirle que cuente letras es, para su forma de procesar el texto, un poco como pedirte a ti que cuentes las letras de una palabra mirando solo su silueta general en vez de leerla despacio. Por eso ayuda pedirle explícitamente: “separa la palabra letra por letra y cuenta una por una” — obligarlo a descomponer el problema, igual que con los números, mejora mucho el resultado.

Cómo conseguir que la IA calcule bien

1. Pide explícitamente el paso a paso: “resuelve esta operación mostrando cada paso intermedio, no solo el resultado final”. Forzar los pasos intermedios reduce errores incluso sin herramientas externas.
2. Pide que use código si la herramienta lo permite: en ChatGPT, algo como “usa el intérprete de código para calcular esto con precisión” activa un cálculo real, no una predicción.
3. Desconfía más cuantas más cifras tenga la operación y cuantos más pasos intermedios lleve (por ejemplo, un cálculo financiero con varias operaciones encadenadas).
4. Para cualquier cifra que vayas a usar de verdad (una factura, un presupuesto, una nota de examen), verifica con una calculadora real o una hoja de cálculo. No hay atajo seguro para esto.
5. Divide tú el problema en pasos simples si puedes: pedir “calcula A” y luego “con ese resultado, calcula B” suele dar mejor resultado que pedir todo de golpe en una operación compleja.

Esto no es un caso aislado

Este mismo mecanismo —predecir en vez de “saber”— es la misma raíz de por qué la IA se inventa respuestas en otros contextos: el modelo genera lo estadísticamente más probable, y con las matemáticas eso significa que puede sonar seguro dando un resultado que ni siquiera está cerca del correcto. La diferencia con las matemáticas es que aquí puedes comprobarlo tú mismo en segundos con cualquier calculadora, así que no hay motivo para arriesgarte con un dato numérico importante.

Qué hacer con cualquier cifra que te importe

La IA falla en matemáticas porque no calcula, predice: los números se le fragmentan en trozos de texto (tokens) que no reflejan bien su valor real, y cuantas más cifras y pasos intermedios tiene una operación, más se acumula el error. Los modelos con razonamiento explícito o acceso a una calculadora real aciertan mucho más. Y para cualquier cifra que te importe de verdad, la regla sigue siendo la misma: verifícala tú con una calculadora.