El harness es el producto: la lección del Agentic AI Summit 2026

El harness de agentes de IA es el nuevo foso competitivo

El Agentic AI Summit se celebró el 1 y 2 de agosto de 2026 en UC Berkeley, con una asistencia cercana a 5,000 personas —la cifra que la organización anticipaba antes del evento— y, según estimaciones de WATR, cientos de miles más siguiendo en línea. En el escenario: Amazon, OpenAI, Google DeepMind, NVIDIA, Databricks, Microsoft y el MIT, entre otros, en más de 25 charlas que WATR documentó de primera mano. El dato de fondo que enmarcó todo el evento viene de epoch.ai: la capacidad de cómputo de IA a nivel global crece 3.4 veces al año, duplicándose cada siete meses. En ese ritmo, el ciclo completo de "prototipo a producción" para agentes tomó apenas 18 meses.

Con esa velocidad como telón de fondo, el mensaje que se repitió, sesión tras sesión, no fue sobre qué modelo es mejor. Fue sobre qué se construye alrededor del modelo.

La tesis: los agentes salieron de la demo, entró el stack operativo

"Los agentes salieron de la fase de demo. La industria ahora construye su stack operativo — runtimes, ruteo, evaluaciones, capas de conocimiento, gobernanza."

Esa fue, en esencia, la tesis colectiva del summit. Durante los últimos dos años, la conversación pública sobre IA agéntica se organizó alrededor de una pregunta implícita: ¿qué modelo es más capaz? Esa pregunta ya perdió relevancia estratégica. La ventaja competitiva decisiva ahora vive en las capas que rodean al modelo — la infraestructura, la orquestación y la gobernanza que hacen que un agente sea confiable, medible y seguro a escala empresarial.

Antes, la capacidad del modelo era el foso competitivo: quien tenía acceso al modelo más potente ganaba. Ahora ese acceso es prácticamente commodity — los laboratorios líderes convergen en capacidades comparables cada pocos meses. Lo que no converge, y lo que sí determina qué organización obtiene resultados de negocio reales, es el diseño del sistema que envuelve a ese modelo. Y lo que sigue en el horizonte, según las sesiones de gobernanza del summit, es que procedencia y control de auditoría dejen de ser diferenciadores para convertirse en tabla de apuestas mínima: el costo de entrada, no la ventaja.

El mapa de las diez capas

Para entender por qué el harness importa tanto, ayuda ver el mapa completo del "agentic stack" que emergió de las sesiones de Berkeley. No es un modelo con un envoltorio; es una pila de diez capas, cada una con líderes emergentes propios:

• Gobernanza y procedencia — PolicyOS, TRACE.
• Protocolos y economía de agentes — MCP, A2A, NANDA, Circle, Kite.
• Agentes de capa de aplicación — Factory, Across, Invoca.
• Evaluaciones (evals) — ViBench, Senior SWE-Bench, evaluaciones de trayectoria.
• Capa de conocimiento — Neo4j GraphRAG, grafos de contexto.
• Frameworks y harnesses — Strands, Pydantic AI, Neuro-SAN, NVIDIA NOOA, OpenSage.
• Confiabilidad y orquestación — Temporal.
• Runtime y sandboxes — Daytona, Novita.
• Inferencia y ruteo — vLLM, DigitalOcean Plano, NVIDIA Switchyard.
• Cómputo — Lambda, AWS Trainium.

El modelo ocupa, en el mejor de los casos, una fracción de una sola capa. Las otras nueve son ingeniería de sistemas pura: diseño, no entrenamiento. Y es justo ahí donde el summit presentó la evidencia más contundente de que esa ingeniería no es un detalle de implementación, sino la variable que decide el resultado.

La evidencia: NOOA y el hallazgo de NVIDIA

NVIDIA presentó un hallazgo que resume la tesis completa en una sola cifra. Con el mismo modelo subyacente, el diseño del harness —el andamiaje de código que estructura cómo el modelo percibe el problema, ejecuta acciones y verifica resultados— movió los puntajes de benchmark en dígitos dobles.

"El diseño del harness por sí solo mueve los puntajes de benchmark en dígitos dobles — con el mismo modelo."

El caso concreto: NOOA, un agente de apenas 253 líneas de código orientado a objetos, alcanzó 82.2% en SWE-bench Verified. Eso está por encima del estado del arte publicado hasta ese momento, de 79.2%, y lo logró a aproximadamente la mitad del costo en tokens frente a harnesses comparables. No hubo un modelo nuevo ni más parámetros. Hubo mejor arquitectura de decisión: cómo se estructura el contexto, cómo se secuencian las acciones, cuándo el agente verifica su propio trabajo antes de continuar.

La cifra importa porque contradice la intuición dominante de los últimos dos años, según la cual el progreso en agentes depende sobre todo de modelos más grandes o más recientes. NOOA demuestra lo contrario: en igualdad de modelo, el harness es la variable con mayor apalancamiento sobre el resultado final —y también sobre el costo operativo, que en producción es tan crítico como la precisión.

La fórmula de Google Cloud: insight y control

Google Cloud llevó la misma idea al terreno organizacional con su práctica de "Harness Engineering". Su fórmula de delegación es simple de enunciar y difícil de ejecutar: las personas escriben la estrategia, los agentes ejecutan el cómputo.

Para que esa delegación escale sin degradar la calidad ni la seguridad, el harness necesita construir dos propiedades específicas:

• Insight — la capacidad de ver más allá del código hacia el negocio: que el agente entienda el impacto de sus acciones en el sistema real, no solo en el repositorio.
• Control — la capacidad de operar sistemas vivos, no solo editar archivos: permisos, límites, puntos de verificación y reversibilidad diseñados en el harness, no improvisados después.

Ninguna de las dos propiedades es un atributo del modelo. Son decisiones de ingeniería sobre el sistema que lo envuelve.

Implicaciones para el negocio

Para una empresa que hoy evalúa o construye agentes, la conclusión práctica es incómoda pero clara: apostar la estrategia de IA al modelo es apostar al activo menos defendible. Los modelos se comoditizan cada ciclo de lanzamiento; el harness que una organización construye alrededor de ellos —su capa de evaluación, su gobernanza, su orquestación, su manejo del contexto— es acumulativo y no se puede comprar en una API.

Esto tiene tres consecuencias directas:

• El presupuesto de ingeniería debe moverse hacia el sistema, no solo hacia el acceso al modelo. El caso NOOA muestra que la mitad del costo en tokens y una mejora de tres puntos porcentuales sobre el estado del arte vinieron del diseño del harness, no de un modelo superior.
• Las evaluaciones dejan de ser un checklist de QA y se vuelven infraestructura permanente. Sin una capa de evals seria —trayectoria, no solo resultado final— es imposible saber si un cambio de harness mejora o degrada el sistema en producción.
• La gobernanza y la procedencia hay que construirlas ahora, no después. El summit fue explícito en que esta capa pasará de diferenciador a requisito mínimo. Las organizaciones que la traten como opcional hoy pagarán el costo de reconstrucción después, bajo presión regulatoria o de auditoría.

El riesgo estratégico más grande no es elegir el modelo equivocado. Es construir una capa delgada de prompt sobre un modelo comercial y llamarla "agente", sin invertir en las nueve capas restantes del stack. Ese enfoque funciona en demo y falla en producción, exactamente en el punto donde el negocio necesita que funcione.

Recomendaciones y próximos pasos

Para organizaciones que están definiendo o revisando su estrategia de agentes, el summit sugiere una hoja de ruta concreta:

• Auditar el harness actual antes de cambiar de modelo. Si el desempeño de un agente decepciona, la primera hipótesis no debería ser "necesitamos un modelo mejor", sino "¿cómo está estructurado el harness que lo rodea?". El caso NOOA sugiere que ahí suele estar el mayor margen de mejora.
• Invertir en una capa de evaluaciones propia, no genérica. Los benchmarks públicos miden capacidad del modelo; las evals de trayectoria, específicas al caso de uso, miden si el sistema completo —harness incluido— cumple con el estándar operativo del negocio.
• Diseñar insight y control desde el inicio, no como parche. Cada agente que se libera a un flujo de negocio real necesita visibilidad sobre su impacto (insight) y mecanismos de límite y reversión (control) definidos en la arquitectura, no añadidos tras el primer incidente.
• Mapear en qué capas del stack agéntico participa la organización hoy, y en cuáles depende de terceros. Runtime, ruteo de inferencia, orquestación, conocimiento, gobernanza: cada capa dependiente de un proveedor externo es una capa donde no se acumula ventaja propia.
• Tratar la gobernanza y la procedencia como infraestructura, no como cumplimiento tardío. Construirlas mientras el sistema es simple es mucho más barato que reconstruirlas cuando ya está en producción crítica.

El modelo seguirá mejorando cada trimestre, y seguirá siendo, en gran medida, intercambiable. El harness que una empresa construye a su alrededor —su capacidad de delegar con insight y control, medir con rigor y gobernar con procedencia— es lo que no se puede replicar con una llamada de API. Esa es, según la evidencia presentada en Berkeley, la definición operativa de ventaja competitiva en la era de los agentes.