Monté un harness para escribir y esto aprendí
TL;DR
Un harness es todo lo que rodea a un modelo de IA: herramientas, memoria, reglas, permisos y verificación. La evidencia de 2026 muestra que explica mucho más del resultado que el propio modelo — el mismo modelo puntúa 45,9% u 55,4% según el entorno. Como el 85% de las empresas usa la IA sobre todo para escribir, montar un entorno de redacción es lo que convierte «todos usamos la IA» en «funciona».
Claves
- ◆Un harness es todo lo que rodea al modelo: herramientas, memoria, reglas, permisos y verificación; explica más del resultado que el propio modelo.
- ◆El trabajo real no es afinar prompts: es decidir qué se le prohíbe al agente, con reglas con nombre y apellido.
- ◆El flujo que funciona: datos maestros como única fuente de verdad, brief aprobado antes de redactar y revisor de solo lectura antes de la persona.
- ◆Cada fallo corregido tres veces sube a regla: los errores compran permanentes en lugar de repetirse.
- ◆Un prompt caduca con cada versión del modelo; los datos maestros, las reglas y los ejemplos aprobados sobreviven a cualquier release.
Hay un experimento que me reventó la cabeza este año. Cogieron los mismos modelos de IA. Los pasaron por tres entornos de ejecución distintos. Y midieron qué explicaba la diferencia de resultados. El entorno explicaba ocho veces más que el modelo. El mismo modelo puntuaba 45,9% en un entorno y 55,4% en otro. Nadie cambió el modelo. Cambió lo que había alrededor (Rift Dispatch, julio 2026). Ese “alrededor” tiene nombre — harness — y esta es la historia de cómo monté el mío para escribir.
Un harness es todo lo que va alrededor de un modelo: las herramientas que puede tocar, la memoria que conserva, las reglas que lo frenan y las comprobaciones que deciden si terminó bien. Sin eso, el modelo es solo texto que entra y texto que sale. No lee tus archivos. No recuerda ayer. No sabe qué hora es. Yo llevo tiempo en esto de los agentes. Tengo uno que se para en seco antes de escribir un archivo y me pide permiso. Tengo un vault donde la memoria sobrevive a las sesiones. Y aun así, cuando me senté a montar un harness para que la IA me escribiera cosas de empresa — emails, presupuestos, contenido — descubrí algo incómodo. Llevaba meses resolviendo el problema equivocado.
En mi experiencia, el instinto inicial siempre es el mismo: pensar que el trabajo consiste en elegir modelo y afinar prompts. El trabajo real resultó ser decidir qué se le prohíbe. Esa frase suena exagerada hasta que te toca escribir la primera regla con nombre y apellido.
¿Por qué un prompt no basta?
Mi primera versión era lo que hace todo el mundo: un prompt largo. Muy largo. Con el tono, con las condiciones, con “no inventes precios” en negrita. Funcionaba tres días. Al cuarto aparecía un descuento que no existía o un plazo inventado, porque el prompt no es memoria ni es fuente de verdad. Es una conversación. Y las conversaciones se olvidan.
La segunda versión empezó a parecerse a lo que el sector acababa de bautizar. En septiembre de 2025, un ingeniero de LangChain dejó la ecuación que ya no se ha podido despegar: Agente = Modelo + Harness. Y el meme que la acompaña: “si no eres el modelo, eres el harness” (LangChain, 2025). En noviembre, hasta Anthropic publicó con esa palabra en el título. Lo dijo quien vende los modelos: incluso el más capaz se queda corto si solo le das un prompt (Anthropic, noviembre 2025).
Lo que monté no tiene ciencia. Tiene una carpeta de datos maestros donde viven las tarifas con su fecha de vigencia: única fuente de precios. Si falta uno, el agente pregunta en vez de inventar. Tiene tres comandos. Uno convierte el encargo en un brief y marca lo que falta como preguntas abiertas. Otro solo redacta si el brief está aprobado. El tercero es de solo lectura: revisa cifras, reglas y voz antes de que yo lo vea. Y tiene una regla de las que no se negocian: el agente no envía nada. Todo queda pendiente de una persona. Nada de esto es tecnología exótica: son archivos de texto y tres comandos. El agente trabaja dentro de un carril que yo definí, con los datos que yo aprobé.
¿Y cuando el agente se equivoca? Va a un archivo que se llama errores-vistos. Cuando una corrección aparece tres veces, sube a regla. Martin Fowler le llama a esto el bucle de dirección (martinfowler.com, abril 2026): no puedes evitar que falle, pero puedes hacer que cada fallo compre una regla nueva y no se repita.
¿Qué aprendí decidiendo prohibiciones?
La parte difícil no fue técnica. Fue responder preguntas incómodas de mi propia operación. ¿Quién puede autorizar un descuento fuera de tarifa? Una persona, con nombre. ¿Puede el agente mandar un email a un cliente? No, por diseño. ¿Las cláusulas legales las redacta la IA? Tampoco — las aporta legal, el agente solo las copia.
Cada línea de esas reglas nació de un fallo concreto. Addy Osmani le llama a esto el patrón del trinquete (AddyOsmani.com, abril 2026). No diseñas el harness perfecto el primer día. Publicas la versión 0.1, miras dónde rompe y aprietas un peldaño más. Cuando lo probamos con encargos reales, los primeros días rompía por sitios distintos cada semana. Al mes, los fallos repetidos eran casi cero.
Lo que aprendimos montándolo vale más que cualquier tutorial: mi harness mejoró más con tres errores anotados que con dos semanas de prompts. Un prompt se lo come la siguiente versión del modelo. Una regla con nombre y apellido sobrevive a cualquier release. De mi análisis de esos primeros fallos salió la regla que más uso me da hoy: si un dato no está en los maestros, no existe.
¿Qué dicen los números?
No es solo mi anécdota. Los datos de 2026 pintan exactamente esta brecha entre lo que todos hacen y lo que funciona:
- El mismo modelo, mejor harness: de 53% a 67% en Terminal-Bench, de fuera del top 30 al top 5. LangChain no tocó el modelo (Decoding AI, 2026).
- Solo el 1,6% del código de Claude Code es lógica de decisión de IA. El otro 98,4% es permisos, gestión de contexto y verificación (Kumar, abril 2026).
- El 90% de los trabajadores del conocimiento usa IA para documentos al menos una vez por semana, y el 95% edita el resultado antes de poder usarlo: casi cuatro horas semanales de repaso (Templafy, agosto 2026).
- Entre las empresas que usan IA generativa, el 85,4% la usa para escribir y solo el 12,7% para programar (Census Bureau, 2026).
Ese último número es el que me interesa.
| Prompt suelto | Harness | |
|---|---|---|
| Fuente de los datos | El contexto de cada chat | Datos maestros verificados. |
| Control de envío | Confías en el modelo | Aprueba una persona. |
| Errores repetidos | Vuelven cada semana | Se convierten en regla. |
| Caducidad | Cada nueva versión del modelo | Sobrevive a cualquier release. |
Todo el mundo ya usa la IA para escribir. El problema no es escribir: es el entorno que falta detrás. La revisión manual es el síntoma: el 95% corrige a mano lo que genera la IA y dedica casi cuatro horas semanales a ello (Templafy, agosto 2026). El harness no elimina la revisión: la cambia de sitio. La parte mecánica — cifras, reglas, formato — la hace el revisor automático. La persona decide. Esa división es la que baja las horas de repaso a minutos. Y es también la que convierte un término de ingeniería en una decisión de negocio.
El lunes 16 de noviembre de 2026 doy un taller sobre exactamente esto. No sobre prompts: sobre cómo montar el entorno para que la IA escriba con tu voz, con tus tarifas y sin enviar nada por su cuenta. El taller es de LaKademIA. Y si quieres el mismo criterio aplicado a la capa de agentes con permisos, échale un ojo a la hoja de permisos: la IA propone, tú envías. También te pueden servir cómo funciona un agente de IA que pide permiso antes de tocar nada y cómo dar memoria a largo plazo a un sistema de IA con RAG.
Nos leemos. Juanjo.