Arquitectura Agent Harness: cómo Gamma construye un foso competitivo alrededor de agentes de IA multimodeloA fondo · digest del 29 de octubre
Fotografía macro de un diorama en miniatura del armazón modular Agent Harness con niveles de diapositivas y guías en tonos grafito y blanco cálido
A fondo7 secciones≈ 17 min

Arquitectura Agent Harness: cómo Gamma construye un foso competitivo alrededor de agentes de IA multimodelo

Seguro que recuerdas la euforia de los primeros meses tras el lanzamiento de ChatGPT: cientos de desarrolladores se lanzaron a empaquetar llamadas a APIs ajenas en interfaces web resultonas. Parecía que había llegado la edad de oro de las startups exprés. La receta era casi cómica de lo simple que resultaba: cogías la petición del usuario, le añadías un par de líneas al prompt del sistema, la mandabas a GPT-3.5 o Claude 2 y devolvías el texto al navegador. Pero aquella fiesta chocó de frente contra la realidad económica. En cuanto los modelos base aprendieron a resolver esas tareas de serie, miles de esos wrappers se quedaron sin valor de la noche a la mañana. Un negocio sin cimientos tecnológicos propios se evapora en segundos.

Hoy las reglas del juego han cambiado por completo. Si quieres levantar un producto sólido con ingresos anuales de cientos de millones de dólares, tener acceso al modelo estrella del momento no basta ni de lejos. El centro de gravedad de la ingeniería se ha desplazado de forma definitiva hacia un concepto que en la industria llaman Agent Harness: un arnés o armazón de ejecución especializado.

El ejemplo más claro de esta transformación lo mostró Jon Noronha, cofundador y director de producto de la plataforma Gamma. Empezaron en 2020 como un servicio flexible para crear documentos web y presentaciones interactivas. Cuando en 2023 conectaron las primeras funciones generativas, el crecimiento se disparó, pero sus ingenieros vieron a tiempo que las cadenas ingenuas de prompts no llevaban a ningún sitio. Durante los últimos dos años reconstruyeron la arquitectura desde cero, convirtiendo el producto en una orquesta afinada de modelos con ingresos recurrentes anuales superiores a 100 millones de dólares. Vamos a desmontar este mecanismo pieza por pieza para ver cómo funciona ese arnés para agentes por debajo del capó.

De wrappers ingenuos a armazones de sistema: por qué una sola API ya no sostiene un negocio

Hablemos claro: un modelo de lenguaje base no deja de ser un generador probabilístico de texto. Es un «cerebro en una cubeta» brillante y versátil, pero completamente aislado. Por sí sola, la red neuronal no puede entrar en tu sistema de archivos, no sabe lanzar un compilador, no ve los artefactos que produce ni tiene sensibilidad visual. Para convertir ese flujo probabilístico en un producto comercial predecible, hay que construir alrededor del modelo un esqueleto de ingeniería riguroso.

En el mundo del desarrollo quien primero lo demostró fue Claude Code de Anthropic: el agente de terminal resultó útil de verdad no porque al modelo le hubieran metido todos los lenguajes del mundo, sino gracias a su armazón. El agente obtuvo acceso al repositorio, aprendió a ejecutar linters, leer la salida de los tests y revertir por su cuenta commits rotos. En entregas anteriores ya analizamos en detalle la arquitectura de la capa de sistema y por qué una IA desnuda en producción corporativa se estrella enseguida contra un muro de fallos.

Ahora bien, si en programación la calidad del código se comprueba con rigor matemático —el compilador o genera el binario o escupe un error de sintaxis—, en tareas creativas y aplicadas todo es infinitamente más complejo. ¿Cómo mides por software si una presentación ha quedado bien? ¿Si los colores combinan con armonía? ¿Si la maquetación parece recargada y de mal gusto? Aquí las comprobaciones deterministas no sirven. Por eso, en el desarrollo de producto, un Agent Harness no es una simple colección de llamadas a funciones, sino todo un ecosistema de sandboxes aislados, validadores visuales, heurísticas de gusto y bucles de retroalimentación.

La experiencia de Gamma demuestra algo clave: tu foso defensivo (moat) como creador no está en los pesos del modelo —que cualquiera puede alquilar a un proveedor cloud—, sino en esa compleja infraestructura de coordinación que es prácticamente imposible copiar en un par de fines de semana.

Anatomía del pipeline de Gamma: cómo 20 modelos y 200 llamadas transforman un borrador en documento

Para entender la escala de lo que ocurre ahí dentro, sigamos el recorrido de una petición típica en Gamma. Imagina que entras en la plataforma y pegas en el cuadro de texto un bloque en bruto de notas tras una reunión de dos horas, ideas sueltas y el enlace a una hoja con métricas financieras. El objetivo: armar una presentación de 20 diapositivas para el consejo de administración.

En un wrapper ingenuo, todo ese texto volaría de golpe a un único LLM con una súplica: «Hazlo bonito». El resultado sería un muro de texto aburrido partido en párrafos aleatorios. En Gamma, en cambio, se pone en marcha una cadena multicapa:

  1. Inicialización de contexto y recogida de preferencias (Context Ingestion & Discovery) El sistema no se lanza a dibujar diapositivas a ciegas. Lo primero que hace es arrancar un agente entrevistador compacto dentro de un sandbox aislado en la nube. Analiza el material en bruto buscando lagunas lógicas y te hace apenas 2 o 3 preguntas muy concretas: quién es el público objetivo, qué tono encaja mejor (un pitch agresivo o un informe sobrio) y hasta qué nivel de detalle conviene mostrar las cifras. Si tienes integraciones corporativas con Notion, Slack o Linear, el harness extrae en paralelo los documentos de contexto relevantes usando el nombre del proyecto.
  2. Diseño narrativo y arco lógico (Narrative Outlining) Con el marco definido, toma el relevo un modelo estrella de razonamiento (reasoning model). Su misión es olvidarse por completo del diseño y centrarse en la dramaturgia del relato. Construye el arco lógico del documento: planteamiento del problema, base probatoria, comparativa de alternativas, proyecciones financieras y llamada a la acción final. A la salida entrega un manifiesto JSON estricto y estructurado, donde cada diapositiva tiene un tipo funcional claro y un conjunto de puntos clave.
  3. Selección de estilo visual y composición (Template & Style Routing) Después entra en juego un enrutador vectorial. Toma el vector semántico del contenido y lo cruza con una amplia biblioteca de temas y retículas de diseño. Si el sistema detecta que predominan las métricas financieras, elige automáticamente una pareja tipográfica sobria y una composición tabular de alto contraste. Si se trata de un manifiesto creativo, selecciona una retícula dinámica con grandes acentos visuales. En esta fase se conectan modelos multimodales que comprueban que las paletas de color encajen con el manual de marca del cliente.
  4. Generación paralela de componentes (Component Orchestration) Una vez aprobado el esqueleto, el harness estalla en hilos paralelos. La tarea se trocea en decenas de subtareas independientes repartidas entre runners especializados:
  • Micromodelos ligeros y veloces pulen los titulares, convirtiendo frases planas en tesis con gancho;
  • Runners especializados en datos estructurados transforman tablas planas en gráficos circulares interactivos, líneas de tiempo y embudos;
  • Alrededor de diez redes de difusión y generadores de imagen crean en paralelo el apartado visual: un modelo renderiza pictogramas vectoriales sobrios, otro monta una ilustración 3D isométrica del producto y un tercero genera una textura de fondo con relieve.

En total, para construir un solo documento el sistema coordina alrededor de 20 modelos distintos y realiza hasta 200 llamadas API entre servicios. Pero lo más interesante empieza justo cuando todas esas piezas se ensamblan.

Rayos X visuales y autocorrección: por qué un navegador headless se convirtió en el crítico principal

En los generadores tradicionales, la maquetación final se entrega tal cual al usuario cruzando los dedos para que el algoritmo no haya fallado con las coordenadas de los bloques. En Gamma tomaron un camino radicalmente distinto e implantaron un bucle cerrado de auditoría visual (Visual QA Loop).

Primer plano macro de un ciclo cerrado de auditoría de maquetación con marcos semitransparentes y guías de revisión de diapositiva sobre fondo warm white

En cuanto una diapositiva queda maquetada en código, el harness no tiene prisa por mandarla a tu pantalla. En lugar de eso, la página se renderiza al instante en un navegador «sin cabeza» aislado (headless Chromium) en alta resolución. La captura resultante entra directamente en un modelo multimodal de visión por computador entrenado específicamente en reglas de estética visual y tipografía.

El modelo de visión pasa una inspección implacable al artefacto:

  • Comprueba el contraste del texto: verifica que una tipografía gris no se funda con una zona oscura de la imagen de fondo generada;
  • Busca solapamientos geométricos: vigila que la pastilla de una cifra no pise el titular de la columna siguiente;
  • Analiza el encuadre de las ilustraciones: comprueba que la retícula no haya cortado la cabeza de una persona en una foto ni un marcador clave en una infografía;
  • Evalúa el equilibrio del aire visual: detecta si hay huecos vacíos muertos o, al contrario, zonas saturadas que asfixian la vista.

Si el modelo de visión encuentra un fallo, no se limita a lanzar un error genérico: devuelve al harness una lista estructurada de correcciones con las coordenadas exactas del bloque problemático. El armazón redacta automáticamente un prompt correctivo para el runner de maquetación: «Reduce el cuerpo del subtítulo en 2 puntos, añade un margen inferior de 16 píxeles y desplaza la imagen de acento hacia la derecha».

El proceso se repite 2 o 3 veces en cuestión de segundos hasta que la maquetación supera el umbral de calidad. Ese bucle cerrado es el que transforma un borrador generativo en bruto en un producto de diseño cuidado que no te da reparo proyectar ante un consejo directivo.

El fenómeno «AI smell» y el dilema de los benchmarks sintéticos: cuando el gusto vale más que la nota en MMLU

Cualquiera que haya trabajado un mínimo con redes neuronales reconoce al instante el llamado «AI smell» («olor a IA»). Es ese repertorio específico de muletillas y clichés que delata sin error la generación automática y provoca una sensación inmediata de cartón piedra en quien lee con ojo crítico.

En texto son las fórmulas burocráticas de siempre: «en un mundo en constante evolución», «constituye la piedra angular», «sumerjámonos en la sinergia de la innovación». En gráficos son cerebros brillantes azul-violeta, cubos semitransparentes flotando en cristal esmerilado, engranajes cósmicos y muñequitos 3D clónicos sin rostro. En diseño de presentaciones es la repetición soporífera del mismo esquema una y otra vez: tres tarjetas idénticas con iconos redondos en todas las diapositivas seguidas.

Lo trágico es que los tests académicos sintéticos —MMLU, GSM8K o HumanEval— son completamente ciegos al «AI smell». Un modelo puede coronar el ranking mundial de razonamiento matemático y, en un producto real, escupir diapositivas desangeladas y sin pizca de gusto.

Jon Noronha lo subraya sin rodeos: en productos creativos aplicados, el criterio humano (taste) pesa más que las puntuaciones abstractas de los benchmarks. En la arquitectura de Gamma ese gusto se codifica directamente en el nivel del harness mediante heurísticas estrictas:

  • Primero, aplican filtros negativos implacables: listas de palabras prohibidas, metáforas de catálogo y frases hechas que se purgan ya en la fase de planificación;
  • Segundo, el algoritmo fuerza la variación de densidad informativa. Una buena presentación funciona como una pieza musical: después de una diapositiva densa con tres gráficos debe venir una diapositiva-respiro limpia con una sola cita potente en tipografía grande;
  • Tercero, el equipo de Gamma calibra el sistema sobre diseño humano real. Directores de arte profesionales etiquetaron manualmente cientos de miles de composiciones para enseñar a los validadores a distinguir entre el minimalismo elegante y el vacío cutre.

La métrica objetivo de los ingenieros deja de ser la precisión abstracta al predecir el siguiente token y pasa a ser una acción real del usuario: si pulsó «Exportar a PDF» al momento o si pasó la siguiente media hora arrastrando bloques a mano y reescribiendo los textos generados.

La paradoja del Fast Mode: por qué desconfiamos de lo instantáneo y para qué sirve la «fricción útil»

En desarrollo de producto existe un dogma casi sagrado: cuanto más rápido responde la interfaz, mayor es la satisfacción del usuario. En el mundo de la IA generativa, cualquiera juraría que esa lógica se multiplica por dos.

Los ingenieros de Gamma decidieron llevar la velocidad al extremo. Optimizaron la infraestructura a fondo, metieron paralelismo especulativo, afinaron la caché y lanzaron el experimento «Fast Mode». Si antes el ciclo estándar tardaba entre 50 y 60 segundos, en Fast Mode una presentación completa de 20 diapositivas con todos sus gráficos e imágenes aparecía en pantalla en apenas 15 segundos.

El equipo esperaba un triunfo rotundo y un subidón en conversión. Pero cuando abrieron la analítica del test A/B se llevaron un buen susto:

  • La conversión a pago en la cohorte de Fast Mode cayó de forma visible;
  • El tiempo de lectura de los documentos creados se redujo: la gente pasaba las diapositivas por encima y cerraba la pestaña sin remordimientos;
  • La satisfacción subjetiva con la calidad bajó, aunque las presentaciones se generaban exactamente con los mismos algoritmos.

Se activó una paradoja psicológica elemental: tendemos a infravalorar por instinto el resultado que llega demasiado fácil. Si un documento estratégico complejo aparece en 15 segundos, el subconsciente susurra: «Esto es un truco barato, una plantilla montada a toda prisa, aquí no hay pensamiento detrás».

Ese golpe llevó al equipo al concepto de «Good Friction» («fricción útil»). Cuando el servicio conversa contigo, te hace un par de preguntas para afinar el objetivo del proyecto y después, durante 50 segundos, te muestra con transparencia las fases de trabajo («Analizando argumentos de competidores... Ajustando paleta de contraste para FinTech... Revisando el equilibrio en la diapositiva 12...»), la percepción da un giro de 180 grados. Ves que dentro del sistema se está desplegando un trabajo intelectual serio, comparable al de una consultora cara. El valor percibido se dispara.

En el mundo real, equilibrar bien la velocidad de la máquina con la psicología humana importa tanto como el ancho de banda de los servidores.

Agilidad arquitectónica: cambiar el modelo base en 60 minutos sin reescribir la lógica

Otra trampa mortal en la que caen muchas startups de IA es atarse en exceso a un modelo base concreto. Hay equipos que queman millones de dólares y meses de trabajo haciendo fine-tuning profundo sobre una versión específica de pesos abiertos o propietarios para su nicho. Y al día siguiente sale una nueva versión de OpenAI, Anthropic o DeepSeek que supera de serie a su modelo personalizado en todo. Toda esa inversión se esfuma.

En Gamma eligieron desde el principio la estrategia opuesta. Alrededor del 98% de toda su propiedad intelectual y valor añadido vive en el código del harness: en los metaprompts, los grafos de estado, las heurísticas de gusto y los esquemas de validación. El fine-tuning se usa de forma quirúrgica y solo para tareas utilitarias, como acelerar los clasificadores internos de tipos de diapositiva.

Gracias a esa modularidad, la plataforma conserva una agilidad de ingeniería envidiable. Cuando sale un nuevo modelo estrella —sea Claude 3.7 Sonnet, GPT-5 o el chino Kimi K3.1 Pro—, Gamma es capaz de integrarlo por completo en producción en menos de 60 minutos.

¿Cómo funciona en la práctica?

  1. Un ingeniero conecta el nuevo endpoint de la API en el nodo correspondiente del orquestador;
  2. Un pipeline automático de pruebas pasa por la configuración actualizada un lote de 500 presentaciones de referencia;
  3. Los modelos validadores comparan métricas de coherencia textual, respeto de límites de tokens y estética de maquetación frente a la línea base histórica;
  4. Si la novedad ofrece mejor relación entre coste, velocidad y calidad, el tráfico se redirige hacia ella de forma gradual y en tiempo real.

La startup no intenta competir con los gigantes tecnológicos quemando cientos de millones en entrenar pesos. Al revés: cada rebaja o mejora de modelos en el mercado abierto hace que el producto de Gamma sea al instante mejor, más barato y más rápido.

Dónde construir arneses verticales en 2026: gamedev personal, interiorismo y mundo físico

La experiencia de Gamma construyendo un harness creativo marca una brújula clara para toda la industria durante los próximos años. La era de los chatbots genéricos «para todo y para nada» ha quedado atrás. Los nichos más rentables y defendibles para equipos independientes están en la creación de armazones verticales especializados.

Jon Noronha y el emprendedor Greg Eisenberg señalan cuatro terrenos donde un buen harness puede levantar negocios multimillonarios:

  1. Desarrollo de videojuegos personal para creadores no técnicos: Imagina un armazón que absorbe toda la fontanería de cuadrar sprites, físicas de cuerpos rígidos, bucles de juego y efectos de sonido. Tú describes el escenario y las reglas en lenguaje natural, y el harness compila un proyecto en Three.js o Godot mientras prueba automáticamente el equilibrio de dificultad. Ya vimos cómo avanzan estas ideas al analizar los principios de construcción de armazones agénticos autónomos para tareas aplicadas.
  2. Comercio electrónico espacial para interiorismo: Hoy comprar muebles online es una lotería agotadora con el metro en la mano. Un harness vertical para retail puede tomar la foto de un salón, reconstruir al píxel su geometría 3D, probar un sofá con medidas exactas (distinguiendo con rigor entre 58 y 68 pulgadas), comprobar si las texturas de la tapicería encajan con la luz de la sala y dejar listo el carrito conectado al inventario real de fábrica.
  3. Agentes personales de comunicación para directivos: Un asistente para Slack y correo electrónico integrado hasta la médula en el contexto operativo de la empresa. No se limita a redactar respuestas educadas de compromiso: consulta por su cuenta bases de datos de proyectos, recoge el estado de las tareas en los trackers, contrasta datos y prepara borradores concisos escritos exactamente en el tono propio de ese fundador.
  4. Integración con servicios físicos y equipamiento real: La unión de runners de lenguaje con cuadrillas técnicas de campo, supervisión de obra y logística, donde un agente inteligente valida planos en tiempo real, coteja presupuestos y emite órdenes de trabajo para los operarios sobre el terreno.

La regla de oro de la inteligencia artificial aplicada en 2026 suena pragmática hasta la médula: «Cásate con un nicho concreto y un problema real del cliente; con los modelos y las redes neuronales, solo sal a tomar algo». Las herramientas van y vienen, los pesos cambian cada mes, pero un sistema de coordinación bien pensado que domina los matices de un oficio real se convierte en una fortaleza inexpugnable frente a cualquier competidor.

Quiero un análisis detalladoLos votos ayudan a elegir qué analizar a fondo. Este material tiene 0 votos.
Fuentes · 3