Claude Mythos Solves the Erdős Conjecture: AI and Mathematics

A weekend to rewrite the history of mathematics

Il 26 maggio 2026, l’ingegnere di Anthropic Sholto Douglas ha condiviso una notizia che ha immediatamente catturato l’attenzione della comunità scientifica. Il modello Claude Mythos aveva risolto la congettura sulle distanze unitarie formulata da Paul Erdős nel 1946. La soluzione era stata trovata «over the weekend», nel corso di un fine settimana. Douglas l’ha descritta come una «cute, simple proof»An elegant demonstration, not a computational brute force.

Questa notizia arriva a pochi giorni di distanza da un altro annuncio dirompente. OpenAI aveva appena confutato la stessa congettura con un approccio differente. Pertanto, due dei principali laboratori di AI al mondo hanno prodotto risultati analoghi, in modo indipendente, su uno dei problemi aperti più noti della matematica combinatoria. Il segnale è inequivocabile.

Per approfondire i dettagli tecnici dell’annuncio originale, è possibile consultare The original source on The Decoder.

Cosa dice davvero il concetto di «serious overhang»

Douglas ha utilizzato l’espressione «serious overhang» per descrivere la situazione attuale. In fisica, l’overhang indica una massa sospesa pronta a cadere. Nel contesto AI, il termine suggerisce che le capacità dei modelli superano già di molto ciò che viene applicato in produzione. In altre parole, esiste un potenziale latente ancora largamente inutilizzato.

Questo concetto ha implicazioni dirette per le aziende. Infatti, significa che i modelli disponibili oggi — e quelli in arrivo nel 2027 — possono già affrontare problemi considerati irrisolvibili fino a ieri. Tuttavia, la maggior parte delle PMI italiane non ha ancora strutturato processi interni capaci di sfruttare questo livello di ragionamento formale.

According to the analysis of McKinsey on the Global AI Index, less than 30% of medium-sized companies have integrated advanced AI models into their core decision-making processes. Consequently, the gap between early adopters and those who are waiting is widening rapidly.

Dall’astratto al concreto: il ragionamento formale nelle applicazioni PMI

La congettura di Erdős appartiene alla matematica pura. Eppure, le competenze che un modello dimostra risolvendo quel tipo di problema sono le stesse che alimentano applicazioni industriali di grande valore. In particolare, si tratta di capacità come la dimostrazione formale, la ricerca di pattern nascosti e la generazione di soluzioni non ovvie a partire da vincoli complessi.

Ecco alcuni ambiti in cui queste capacità si traducono in vantaggio competitivo concreto per le PMI:

• Logistics and supply chain optimization: Models with advanced reasoning can identify routing and storage configurations that classic algorithms do not explore.
• Code generation and review: la capacità di produrre dimostrazioni formali si riflette direttamente nella qualità del codice generato e nella riduzione dei bug strutturali.
• Contract review and compliance: il ragionamento per vincoli è alla base dell’interpretazione automatica di clausole legali complesse.
• Dynamic pricing and revenue management: Advanced models find optimal price equilibria in scenarios with many interdependent variables.

We of SHM Studio works daily to translate these advancements into operational solutions for the Italian market. Therefore, we understand the gap between the laboratory and the average SME very well.

The competition between Anthropic and OpenAI: what changes for those choosing tools

Il fatto che due laboratori abbiano risolto lo stesso problema in modo indipendente non è una coincidenza. È il segnale di una gara tecnologica che si sta intensificando. OpenAI e Anthropic stanno entrambe investendo massicciamente nel Mathematical reasoning as a benchmark for general intelligence.

Tuttavia, per le aziende che devono scegliere quale piattaforma adottare, questo scenario introduce nuove domande. Quale modello offre maggiore affidabilità nel ragionamento strutturato? Quale si integra meglio con i sistemi esistenti? Quale ha un pricing sostenibile per una PMI con budget limitato?

According to Gartner, entro il 2027 oltre il 60% delle nuove applicazioni enterprise utilizzerà modelli AI con capacità di ragionamento multi-step. Di conseguenza, la scelta del fornitore oggi avrà impatti strutturali nei prossimi anni. Non si tratta di una decisione reversibile a breve termine.

Chi desidera un supporto nella valutazione comparativa degli strumenti può fare riferimento ai SHM Studio digital consulting services, or explore our resources on blog dedicato all’innovazione digitale.

The construction site still open: what we don't know yet

È necessario mantenere un approccio critico. La notizia della risoluzione della congettura di Erdős da parte di Claude Mythos è al momento basata su una dichiarazione informale di un ingegnere Anthropic. La dimostrazione non ha ancora superato una revisione formale da parte della comunità matematica. Pertanto, occorre distinguere tra segnale promettente e risultato certificato.

Inoltre, la velocità con cui questi annunci si succedono rende difficile la valutazione oggettiva. Il rischio, per le aziende, è duplice. Da un lato, ignorare sviluppi reali per eccesso di scetticismo. Dall’altro, adottare strumenti immaturi sulla base di annunci non verificati. Dunque, la strategia più efficace è quella di monitorare con attenzione, sperimentare in ambienti controllati e scalare solo quando i risultati sono misurabili.

In questo senso, un approccio strutturato all’adozione dell’intelligenza artificiale è preferibile a una corsa all’implementazione dettata dall’entusiasmo del momento.

Outlook for 2027: what to expect in the coming quarters

Gli sviluppi di queste settimane accelerano una traiettoria già visibile. Nei prossimi 12-18 mesi, è ragionevole attendersi modelli AI capaci di affrontare in modo autonomo problemi di ottimizzazione complessa in ambito aziendale. Questo include la pianificazione finanziaria multi-scenario, la gestione predittiva della domanda e la generazione automatica di strategie di marketing basate su dati strutturati.

Per le PMI italiane, le implicazioni operative sono concrete. In primo luogo, chi investe ora nella formazione interna e nell’integrazione degli strumenti AI avrà un vantaggio strutturale. In secondo luogo, chi costruisce oggi flussi di dati puliti e processi documentati sarà in grado di sfruttare le capacità dei modelli di prossima generazione senza dover ripartire da zero.

Finally, the size of the Content and communication strategy should not be overlooked. Models with advanced reasoning will also change how companies produce B2B content, manage digital campaigns, and optimize organic presence. On these fronts, le attività SEO, digital marketing e strategic copywriting will evolve significantly.

Cosa fare ora: tre priorità operative per le PMI tech

Faced with these developments, we at SHM Studio We suggest Italian SMEs focus on three priority areas.

• Audit delle capacità AI interne: verificare quali processi aziendali potrebbero beneficiare di modelli con ragionamento avanzato. Non tutti i casi d’uso richiedono le stesse capacità. Pertanto, una mappatura precisa evita sprechi di budget.
• Guided experimentation: avviare progetti pilota su casi d’uso circoscritti, con metriche di successo definite in anticipo. Ad esempio, testare la generazione automatica di report analitici o la revisione di documenti contrattuali.
• Competitive positioning: use the tools LinkedIn Ads e Google Ads per comunicare in modo credibile la propria capacità di innovazione. Il mercato premia le aziende che dimostrano concretamente di essere al passo con i tempi.

Per approfondire questi temi o avviare una consulenza personalizzata, è possibile Contact the SHM Studio team directly.