AI lost 722 wiskundeproblemen op — wat betekent dat voor experts?

TL;DR

• Wat: OpenAI publiceerde 722 wiskundige manuscripten van een onuitgebracht AI-model en loste eerder tien openstaande problemen op voor circa $2.000 aan rekenkosten.
• Waarom relevant: als zelfs zeldzame, hoogwaardige expertise geautomatiseerd kan worden, raakt dat elke ondernemer die specialisten inhuurt of zelf specialist is.
• Wat je ermee kunt: breng in kaart welk deel van jouw kernexpertise 'antwoorden leveren' is versus 'de juiste vragen stellen' — en investeer in dat laatste.

Ik kwam een tweet tegen die meerdere recente ontwikkelingen rond AI en wiskunde samenvatte, en ik vond de kern ervan te interessant om te laten liggen. Niet vanwege de wiskunde zelf, maar vanwege de vraag die erachter schuilgaat: wat gebeurt er met de expert als schaars vakmanschap ineens goedkoop wordt?

Wat er precies is gebeurd

Er spelen twee aparte maar verwante ontwikkelingen. In augustus 2026 maakte OpenAI bekend dat een intern AI-model — Astra — tien wiskundige problemen had opgelost die meer dan tien jaar onopgelost waren gebleven. De rekenkosten: ongeveer $2.000 aan API-tarieven. Dat is wat een gemiddelde MKB-ondernemer uitgeeft aan een weekendje teamuitje. Bij elk van de tien resultaten leverde het model een formeel bewijs in Lean 4, een taal waarin een computer stap voor stap kan controleren of de redenering klopt.

Daarnaast publiceerde OpenAI 722 wiskundige manuscripten geproduceerd door een ander onuitgebracht model, georganiseerd in 372 zogenaamde resultaatfamilies. Die werden openbaar gedeeld op GitHub. Volgens OpenAI bevatten ze oplossingen voor honderden openstaande problemen — maar daar zit een belangrijk voorbehoud bij: een deel van die claims is nog niet onafhankelijk geverifieerd.

Ik vind het belangrijk om die nuance te benoemen. De tweet die ik las presenteerde het alsof er ook een "gedragsstudie" naar wiskundigen was gedaan. Dat heb ik niet kunnen bevestigen. Wat er wél is: uitgebreide journalistieke verslaggeving van het Heidelberg Laureate Forum in september 2026, waar wiskundigen openlijk spraken over hun zorgen, frustraties en verwachtingen. Dat is geen formele studie, maar het beeld is wel opvallend.

Hoe wiskundigen reageren

En dat beeld is verdeeld. Volgens IEEE Spectrum werd het Heidelberg Laureate Forum dit jaar gedomineerd door gesprekken over AI — niet over wiskundige problemen zelf. De jonge onderzoeker Ailsa Robertson zei dat AI en grote taalmodellen "de wiskundegemeenschap deze zomer in vuur en vlam hebben gezet."

Aan de ene kant staan wiskundigen die de resultaten serieus nemen. Fields-medaillewinnaar Jacob Tsimerman gaf aan dat de vooruitgang sneller gaat dan hij had verwacht. Aan de andere kant zijn er scherpe critici. Fields-medaillewinnaar Peter Scholze noemde het volgens datzelfde artikel "een soort PR-stunt." Geordie Williamson, eveneens een vooraanstaand wiskundige, zei dat OpenAI zich "buitengewoon slecht heeft gedragen" en waarschuwde dat de maatstaven voor wiskundig begrip en het aantal opgeloste problemen "heel, heel snel uit elkaar lopen."

Wat mij daar in opvalt: het gaat niet alleen over de vraag of de bewijzen kloppen, maar over wat het betekent om wiskundige te zijn als een machine het rekenwerk doet. Robertson vertelde dat ze haar promotieonderzoek heeft verlegd, weg van puur technisch werk, omdat ze geen carrière wil "waarin je LLM-output verifieert." Dat is een identiteitsvraag, geen technische vraag.

De $2.000-vraag voor ondernemers

Kun je je voorstellen wat dit principe betekent buiten de wiskunde? Stel dat je als ondernemer een specialist inhuurt — een fiscalist, een ingenieur, een data-analist — en het technische deel van dat werk kan straks voor een fractie van de kosten door een AI worden gedaan. Niet perfect, niet altijd betrouwbaar, maar goed genoeg om het speelveld te veranderen.

De $2.000 die OpenAI noemt voor tien opgeloste problemen is natuurlijk een specifiek getal in een specifieke context. Ik denk niet dat je dat één-op-één kunt vertalen naar jouw bedrijf. Maar het patroon is herkenbaar: wat vroeger schaars en duur was, wordt goedkoper en breder beschikbaar.

Voor een MKB-ondernemer roept dat ten minste twee vragen op:

Waar zit jouw waarde?

Als je bedrijf draait op het leveren van technische antwoorden — juridische analyses, financiële berekeningen, technische ontwerpen — dan is het de moeite waard om eerlijk te kijken naar welk deel daarvan op termijn geautomatiseerd kan worden. Niet morgen, maar ook niet pas over twintig jaar.

Waar zit jouw onvervangbaarheid?

Geordie Williamson maakte een opmerking die ik interessant vind voor ondernemers: de vaardigheid om problemen op te lossen en het vermogen om te begrijpen waarom iets werkt, lopen uit elkaar. Een AI kan een antwoord genereren zonder het te begrijpen. De expert die dat antwoord kan beoordelen, in context plaatsen en er iets mee kan doen — die blijft waardevol. Maar dan moet je wel investeren in die rol.

Wat er nog niet vaststaat

Ik wil eerlijk zijn over wat we nog niet weten. Een flink deel van de 722 manuscripten is niet onafhankelijk gecontroleerd. Onderzoekers rond Terence Tao bekijken de claims kritisch. Een academische survey op arXiv merkte op dat de labels "opgelost" in veel gevallen door het AI-model zelf zijn toegekend, niet door onafhankelijke wiskundigen.

Ook het meest spectaculaire claim — dat OpenAI het Navier-Stokes Millennium Prize-probleem zou hebben opgelost — is omstreden. Quanta Magazine rapporteerde dat het bewijs betrekking heeft op een vereenvoudigde versie van het probleem, niet op de volledige formulering. Het Clay Mathematics Institute heeft het probleem niet als opgelost gemarkeerd.

Dat is geen onbelangrijk detail. Het laat zien dat er een verschil is tussen "een AI zegt dat het opgelost is" en "de vakgemeenschap accepteert de oplossing." Voor ondernemers die nadenken over AI-integratie is dat een nuttige parallel: een AI-output is niet automatisch een betrouwbaar eindresultaat.

De bredere beweging

Wat ik vooral opvallend vind, is de snelheid waarmee dit debat zich verplaatst van "kan AI dit?" naar "wat betekent dit voor onze beroepsgroep?" Wiskundigen hebben in juni 2026 de zogenaamde Leiden-verklaring opgesteld, waarin volgens verslaggeving wordt gesteld dat wiskunde "een diep menselijke onderneming" moet blijven. De International Mathematical Union zou de verklaring hebben onderschreven, al heb ik dat niet via een primaire bron kunnen verifiëren.

Er is ook een meer praktische zorg die The Washington Post beschreef: als het publiek gelooft dat AI wiskundigen kan vervangen, kan dat leiden tot bezuinigingen op onderzoeksbudgetten. Dat mechanisme — de perceptie loopt vooruit op de realiteit, en de budgetten volgen de perceptie — is iets dat ik herken uit het bedrijfsleven.

Afsluiting

Voor mij is dit vooral een signaal dat de impact van AI op kenniswerk niet abstract blijft. Het raakt echte mensen, echte carrières en echte identiteitsvragen — zelfs bij de meest gespecialiseerde experts ter wereld. Als wiskundigen met een Fields-medaille zich afvragen wat hun rol straks is, dan is het voor ondernemers in elk geval geen overbodige luxe om diezelfde vraag eens rustig voor jezelf te stellen.