Para mejorar tu agente de IA no cambies el modelo: cambiá lo que lo rodea
Google Research liberó HARNESS², un framework Apache 2.0 que mejora un agente editando ocho componentes a su alrededor (prompt, guardrails, memoria, herramientas, subagentes, skills, scripts y plugins) con el modelo congelado. En su paper, una sola iteración sumó hasta 11,5 puntos en WorkBuddy-Bench y 11,8 puntos porcentuales en LAB: es benchmark y no una garantía, pero cambia dónde conviene buscar mejoras.
Google Research liberó HARNESS², un framework open source con licencia Apache 2.0 que parte de una premisa simple: para mejorar un agente de IA no siempre hace falta cambiar el modelo, se puede mejorar el sistema que lo rodea. Trabaja sobre ocho componentes editables (system prompt, guardrails, memoria, guía de herramientas, subagentes, skills, scripts y plugins) y deja fijos los pesos del modelo. En los experimentos del paper, una sola iteración consiguió hasta 11,5 puntos más en WorkBuddy-Bench, 4,5 en JobBench y 11,8 puntos porcentuales en LAB.
La lectura nuestra: cuando un agente falla, el reflejo es probar un modelo más grande. Este trabajo apunta a otro lado, más barato y más tuyo: las instrucciones, la memoria y las herramientas que le diste. Son cifras de benchmark, así que sirven como dirección y no como promesa, pero la dirección es clara.
Señal 01 · Arquitectura
Qué es un harness y por qué mejorarlo puede rendir más que cambiar de modelo
HARNESS² funciona con un ciclo llamado Propose → Probe → Compose. El sistema ejecuta una tarea, propone cambios en el harness, prueba distintas variantes, compara cómo se comporta cada una y se queda con las mejoras y las lecciones que sirven para tareas futuras. Puede explorar en paralelo, con más alternativas a la vez, o de forma secuencial, refinando una solución paso a paso.
Importa porque desplaza la pregunta. En vez de averiguar qué modelo es mejor, el trabajo se hace sobre qué instrucciones recibe el agente, qué recuerda, qué herramientas entiende y cuándo tiene que frenar. Todo eso se puede escribir, probar y versionar sin reentrenar nada.
Leemos que la ganancia más barata casi nunca está en pagar por un modelo más grande, sino en dejar por escrito y a prueba cómo trabaja el agente. Y como Google lo publicó con licencia Apache 2.0, el código puede estudiarse, modificarse y usarse como base para experimentar con agentes propios.
Graphify le da al agente un mapa de tu código en vez de hacerlo releer todo
Según el hilo de RituWithAI, Graphify acumula 129.400 estrellas en GitHub, pasó por YC S26 y declara 71,5 veces menos tokens por consulta. Con un comando dentro de Claude Code, Cursor o Codex arma un grafo de conocimiento con el código, los documentos, los PDFs y los videos. El código se analiza en local con tree-sitter, sin llamadas a un modelo, y cada conexión viene marcada como EXTRACTED (leída) o INFERRED (deducida). Usa licencia MIT y corre en el dispositivo por defecto.
Importa porque ataca un desperdicio concreto: el agente que en cada sesión reabre los mismos archivos para reconstruir una arquitectura que ya había leído y olvidó. El hilo reporta 0,497 de recall@10 en LOCOMO, contra 0,048 de mem0 y 0,149 de Supermemory. Son cifras que cita el autor del hilo y no las verificamos de forma independiente, así que conviene leerlas con esa distancia.
Es el mismo patrón que HARNESS², aplicado a la memoria: si el agente no tiene que releer, gasta menos y se equivoca menos. Y la etiqueta que separa lo leído de lo deducido es un buen hábito para cualquier sistema que vayas a delegar: saber qué sabe y qué está suponiendo.
Gartner: el 63% de los CEOs apuesta a rediseñar la operación para que la IA rinda
El 20 de octubre de 2026 Gartner informó que el 44% de los CEOs tiene dificultades para demostrar retornos financieros de la IA. Entre las jugadas para acelerarlos, el 63% eligió rediseñar de raíz el modelo operativo, el 52% desplegar agentes de IA como empleados y el 47% liberar o reasignar capital mediante una reestructuración significativa.
Importa porque en esa lista casi no aparece comprar un modelo mejor. Según el comunicado, los mayores retornos van a requerir algo más que mejoras de productividad individual.
Lo leemos junto a HARNESS²: a escala de una multinacional o de una sola persona, el retorno sale del sistema alrededor de la herramienta, es decir, de cómo se define la tarea, quién revisa y qué se mide. En un equipo chico, ese rediseño se hace en una tarde y sin presupuesto de reestructuración.
Venimos registrando que el cuello de botella de un agente rara vez es el modelo. Lo vimos cuando automatizar un proceso roto lo hace más caro y cuando casi la mitad de los agentes en producción no tiene quién los audite. La guía de agentes de IA para emprendedores ordena el tema, y si ya lo entendiste y querés llevarlo a tu operación, mirá cómo se ve usar IA en tu negocio.
Si tenés un agente corriendo (el que contesta consultas, arma presupuestos o redacta borradores), elegí UNA tarea que le falle seguido y juntá sus últimas diez corridas. En cada una anotá en cuál de los ocho frentes se rompió: una instrucción ambigua, algo que ya había resuelto y no recordó, una herramienta mal descripta o la falta de una regla de cuándo frenar y preguntarte.
Cambiá un solo frente, por ejemplo reescribir la descripción de la herramienta que más usa con un ejemplo de entrada y de salida, y volvé a correr esas mismas diez tareas. Contá cuántas salen sin que tengas que corregirlas: si pasaste de 4 a 7, sirvió; si no se movió, el problema está en otro frente. Recién con ese número en la mano tiene sentido probar un modelo más caro.
La movida del día
Elegí hoy la tarea que más te falla con tu agente y corré diez veces el mismo caso. Anotá en qué frente se rompe cada vez: instrucción, memoria, herramienta o regla de freno. Cambiá solo uno y repetí la prueba antes de tocar el modelo.
¿Hace falta usar HARNESS² para mejorar un agente?
No. El framework es de código abierto con licencia Apache 2.0 y sirve de base para experimentar, pero la idea se aplica a mano: cambiar un componente del entorno del agente, repetir la misma tarea y comparar. Lo que mostró Google son resultados de benchmark, no una garantía para cualquier agente.
La edición abierta lee el mundo. La tuya lee TU mundo — tu industria, tus proyectos, tus objetivos — y llega a tu casilla cada mañana. Nadie más recibe tu edición.
