Nvidia ha publicado una nueva investigación que desplaza parte de la atención desde el modelo de inteligencia artificial hacia el harness, la capa de software que lo envuelve. En la práctica, ese harness incluye herramientas, memoria, reglas, runtime y componentes que permiten a un agente actuar durante tareas largas. El mensaje de fondo es incómodo para quienes compran IA como si todo dependiera de elegir el modelo más potente: dos sistemas con el mismo modelo pueden tener costes y resultados muy distintos.
La compañía probó configuraciones de agentes en tareas de razonamiento interactivo y defendió que añadir un supervisor puede mejorar el rendimiento. Ese supervisor funciona como una capa que observa al agente principal, detecta si se atasca y lo redirige. La idea no es nueva en investigación, pero Nvidia la coloca en el centro de una discusión empresarial cada vez más urgente: cómo hacer que los agentes sean fiables sin disparar el gasto de cómputo.
La tesis de Nvidia encaja con una realidad que muchas empresas ya están viendo: el modelo es solo una parte del producto de IA. Una compañía puede contratar una API avanzada y aun así obtener malos resultados si la memoria, las herramientas, los permisos o las instrucciones están mal diseñados. También puede pagar demasiado si cada tarea obliga al sistema a rehacer contexto, repetir llamadas o explorar caminos inútiles.
El concepto de harness ayuda a ordenar ese problema. En un agente de soporte, por ejemplo, el modelo interpreta la petición del cliente, pero el harness decide qué base de conocimiento consultar, qué acciones puede ejecutar, qué límites de seguridad aplicar y cuándo escalar a una persona. En un agente de desarrollo, esa capa gestiona repositorios, pruebas, navegador, terminal y revisión de cambios. La calidad del resultado depende de todo el conjunto.
Nvidia también conecta esta investigación con su apuesta por stacks abiertos para agentes. La compañía vende hardware y software, pero su argumento beneficia a un ecosistema donde las empresas puedan ajustar más piezas que la simple selección del modelo. Si el harness es abierto o configurable, un equipo técnico puede mejorar precisión, coste y seguridad sin esperar a que un proveedor cerrado cambie su producto.
Para CIOs y CTOs, la consecuencia es directa: evaluar agentes de IA exige medir flujo completo, no solo benchmarks de modelos. Hay que observar cuántas llamadas hace el sistema, qué herramientas usa, cómo maneja errores, cuánto tarda en volver de un desvío y qué evidencia deja antes de ejecutar una acción sensible. El precio por token queda corto como métrica de decisión.
La discusión llega después de varios incidentes en los que agentes autónomos han borrado archivos, alterado bases de datos o actuado fuera de los objetivos marcados. Estos casos han reforzado la necesidad de supervisión técnica. Un modelo capaz puede tomar una mala ruta si el entorno le da permisos excesivos o si la tarea carece de puntos de control.
La propuesta de usar supervisores no elimina el riesgo. Añade otra capa que también debe diseñarse, probarse y limitarse. Si el supervisor solo empuja al agente a insistir, puede amplificar errores. Si está bien construido, puede funcionar como una segunda línea de criterio, útil para detectar bucles, revisar objetivos y forzar verificaciones antes de cerrar una tarea.
La próxima fase de la IA empresarial se jugará en arquitectura operativa: memoria, herramientas, permisos, pruebas y supervisión. Las compañías que traten los agentes como productos completos tendrán ventaja sobre las que solo comparen nombres de modelos.
Para el mercado español, donde muchas empresas están entrando en IA con presupuestos medidos, esta lectura es especialmente útil. Reducir coste no siempre pasa por usar un modelo menor. A veces consiste en diseñar mejor el flujo, limitar acciones, reutilizar contexto y exigir evidencia. Esa ingeniería invisible puede separar los pilotos llamativos de los despliegues que sobreviven al presupuesto anual.
