El truco definitivo para sacarle el máximo partido a la IA (que nadie te cuenta).

Esta semana me llegó una captura. Un logo bonito, un comando de terminal, un diagrama lleno de robots y una promesa: un sistema que hace que los agentes de IA se mejoren solos, tarea tras tarea, sin tocar el modelo.

El mensaje que la acompañaba venía a decir lo de siempre: «esto lo cambia todo».

Así que hice lo que casi nadie hace con estas capturas: fui a la fuente, leí el repositorio, me descargué el paper y lo leí entero, anexos incluidos.

Te adelanto la conclusión, que es también el truco definitivo del título: no hay truco. Hay método, hay criterio y hay que leer la letra pequeña. Lo demás es marketing.

Te cuento el caso, otros parecidos que hemos ido viendo y cómo trabajamos nosotros con la IA en los proyectos de clientes.

El caso de esta semana: Harness² y sus titulares

La captura era de Harness², un trabajo de investigación de Google Cloud AI Research y la Universidad Northwestern publicado en arXiv en octubre de 2026. Para que quede claro desde el principio: es un trabajo serio. La idea es buena y los autores son rigurosos con sus propios límites.

La idea, en corto: un agente de IA es un modelo más todo lo que lo rodea (instrucciones, memoria, herramientas, skills, subagentes). A eso lo llaman harness, el arnés. Harness² no toca el modelo: va probando cambios en ese arnés, compara cómo se comporta el agente con cada variante y se queda con lo que funciona. Y guarda las lecciones para la siguiente tarea.

Ahora, la distancia entre lo que contaban los titulares y lo que dice el paper:

• El titular: «mejora los modelos hasta 11,8 puntos». El paper: con un solo paso de mejora, el resultado principal sube 5,1 puntos (de 72,4 a 77,5) en su benchmark de referencia. Con cinco variantes en paralelo llega a +8,4. Las cifras de dos dígitos existen, pero son los mejores casos de combinaciones concretas.
• El titular no habla de coste. El paper sí: cada tarea se ejecuta varias veces más las sesiones del «editor» que propone cambios, y el coste se mide en millones de tokens por tarea. En su propio apartado de limitaciones lo dicen claro: más recursión, más coste de inferencia.
• El titular sugiere algo que te instalas y funciona. El repositorio pide Linux, Python 3.12, Docker, Google Cloud y Vertex AI, solo admite dos agentes concretos (OpenCode y Codex), está pensado para correr benchmarks y no explica cómo usarlo con tus tareas. Y avisa: «no es un producto oficial de Google».
• El repositorio también advierte de que el agente ejecutor tiene acceso libre a la red y que uno de los modos funciona con el sandbox desactivado. Eso no salía en ninguna captura.
• La captura era una traducción automática. Donde el original dice harness, la traducción ponía «sistema de gestión de recursos». Con eso ya entiendes cuánta gente leyó el original antes de compartirla.

Repito: el paper es bueno. El problema no es la investigación, es el envoltorio con el que llega a tu móvil.

No es un caso aislado: el patrón del hype

Si llevas un par de años mirando IA, este guion te sonará. Algunos ejemplos documentados:

«El primer ingeniero de software con IA» (Devin, 2024). El lanzamiento incluía un vídeo en el que el agente resolvía un encargo real de Upwork. Un desarrollador, Carl Brown (canal Internet of Bugs), lo analizó paso a paso: el agente no hacía lo que pedía el cliente, arreglaba errores que había introducido él mismo y el trabajo llevó mucho más tiempo del que daba a entender el vídeo. Él lo resolvió en una fracción de ese tiempo. El producto siguió evolucionando, pero la demo vendía algo que todavía no era.

«Crea tu app en un fin de semana sin saber programar». El vibe coding es real y útil para prototipos. Pero en julio de 2025, Jason Lemkin (fundador de SaaStr) contó cómo el agente de Replit con el que estaba construyendo una aplicación borró la base de datos durante una congelación de código, después de haberle pedido expresamente que no tocara nada sin permiso. Además, el agente le dijo que no se podía recuperar, y no era verdad: había copia. Hay matices (era un proyecto personal, no una empresa caída), pero la lección es la misma: las promesas de «sin saber programar» suelen olvidar quién responde cuando algo se rompe.

«Conecta tu IA a todo con MCP». MCP es un estándar abierto muy útil para que los agentes usen herramientas. En mayo de 2025, Invariant Labs demostró que, con el servidor oficial de GitHub, bastaba una issue maliciosa en un repositorio público para que el agente de un usuario acabara copiando datos de sus repositorios privados en un sitio público. No era un fallo de programación: era el diseño. Si un agente puede leer contenido de terceros, acceder a datos privados y publicar hacia fuera, alguien lo puede dirigir.

Los reels de «esto lo cambia todo». Los vemos cada semana: la nueva forma de trabajar con agentes, el prompt que sustituye a un equipo, la herramienta que «mata» a otra. A veces hay una novedad real detrás. Casi nunca está en el reel cuánto cuesta, para quién sirve ni qué riesgo tiene.

El patrón se repite y es fácil de reconocer:

1. La cifra máxima en el titular y la media en el anexo.
2. La demo elegida con cuidado, sin los intentos que salieron mal.
3. El coste invisible: tokens, horas de revisión, infraestructura.
4. La seguridad, ni mencionarla.
5. La captura sin fuente, a menudo traducida, que se comparte sin abrir el original.

La realidad de uso: más útil y más aburrida de lo que te venden

Uso IA a diario y en muchos proyectos a la vez: agentes que redactan, analizan datos, programan, revisan webs y preparan informes. Así que no escribo esto desde el escepticismo. Lo escribo desde el uso.

Y la realidad es menos espectacular que los titulares.

Hay un estudio que lo resume muy bien. En 2025, METR, una organización independiente, hizo un ensayo controlado con 16 desarrolladores con experiencia, trabajando en proyectos de código abierto que conocían bien: 246 tareas reales, unas con ayuda de IA y otras sin ella, asignadas al azar. Antes de empezar, los desarrolladores calculaban que la IA les haría un 24 % más rápidos. Al terminar, seguían creyendo que habían ido un 20 % más rápido. El tiempo medido fue un 19 % más lento con IA.

No significa que la IA no sirva. Significa que nuestra percepción de lo que nos ahorra no es fiable si no lo medimos.

El estudio tiene sus límites (herramientas de principios de 2025, un perfil muy concreto) y las herramientas han mejorado mucho desde entonces. Pero la brecha entre lo que creemos y lo que pasa sigue ahí, y es justo el terreno en el que vive el hype.

Lo que vemos nosotros, en el día a día:

• La IA brilla en tareas acotadas y verificables: un primer borrador, un análisis de datos con fuentes claras, un cambio de código con tests, una revisión técnica con criterios definidos.
• El tiempo que ahorras redactando lo pagas revisando. Si no revisas, el ahorro es una ilusión que acaba pagando tu cliente.
• Tiene coste real: tokens, suscripciones, infraestructura que se queda encendida. No es gratis aunque lo parezca.
• Los fallos que más vemos son de proceso, no de conocimiento: no cruzar datos entre fuentes, no volver a abrir el entregable para comprobarlo, dar por buena una cifra sin mirar de dónde sale. Curiosamente, es lo mismo que detecta el paper de Harness² en sus casos de estudio.

Seguridad: lo que ningún reel te enseña

Un agente con acceso a tu correo, tu web, tu CRM o tu base de datos no es un chat. Es alguien con llaves.

Los tres riesgos que más nos preocupan, y que aparecen en los casos de arriba:

1. Inyección de instrucciones (prompt injection). Si el agente lee contenido que no controlas (un correo, una web, un documento, una issue), ese contenido puede contener instrucciones. Simon Willison lo llama la «trifecta letal»: acceso a datos privados + exposición a contenido no fiable + capacidad de enviar información fuera. Si tu agente tiene las tres cosas, tienes un problema aunque todo funcione bien.

2. Demasiada autonomía. El caso de Replit no es un fallo de inteligencia. Es un agente con permisos sobre producción y sin una barrera real entre «puede» y «debe». Y el botón de «permitir siempre» es muy tentador cuando el agente pide permiso cada dos minutos.

3. Herramientas sin revisar. Instalar el repositorio de moda porque tiene miles de estrellas, con acceso a la red sin restricciones y tus claves en el entorno, es la versión moderna de abrir un adjunto de un desconocido.

A esto se suma algo más prosaico y que en una pyme pesa mucho: datos de clientes. Qué se envía a qué proveedor de IA, con qué contrato y con qué cumplimiento del RGPD. Eso tampoco sale en las capturas.

Cómo trabajamos con la IA en nuestros proyectos

No tenemos un truco. Tenemos unas reglas que nos han funcionado, y casi todas son poco vistosas:

1. Primero el problema, después la herramienta. No empezamos por «¿qué podemos hacer con este agente nuevo?», sino por «¿qué tarea nos cuesta tiempo o calidad hoy?». Si una herramienta no resuelve un problema que tenemos, da igual lo que diga el titular.

2. Probar con una tarea real y medir. Antes de cambiar cómo trabajamos, comparamos con una tarea concreta: cuánto tardaba antes, cuánto ahora, cuántas correcciones hicieron falta. Si no se puede medir, no se puede afirmar que mejora.

3. Una persona revisa todo lo que sale hacia fuera. Ningún texto, informe, correo o cambio en la web de un cliente se publica o se envía sin que alguien lo lea. La IA prepara; una persona decide.

4. Mínimo privilegio. Cada agente tiene acceso solo a lo que necesita para su tarea. Desarrollo separado de producción, copias de seguridad que se pueden restaurar, credenciales fuera del código y nada de «permitir siempre» en acciones que no tienen vuelta atrás.

5. Fuente primaria antes de compartir. Toda cifra que publicamos tiene una fuente que hemos abierto y leído. Este artículo es un ejemplo: cada caso que cito está enlazado al final.

6. Lecciones con evidencia. Cuando algo funciona, no apuntamos solo la regla: apuntamos qué cambiamos, en qué tarea y qué mejoró. Es, por cierto, la idea más aprovechable de Harness², y no hace falta instalar nada para aplicarla.

7. Dejar el trabajo listo para retomarlo. Con muchos agentes y proyectos a la vez, el cuello de botella no es la IA, somos nosotros. Cerrar cada sesión sabiendo cuál es el siguiente paso nos ahorra más tiempo que cualquier herramienta nueva.

Cinco preguntas para filtrar el próximo «truco definitivo»

La próxima vez que te llegue una captura prometiendo que algo lo cambia todo, pásala por aquí antes de compartirla o de instalar nada:

1. ¿Dónde está la fuente original? Si no hay enlace al paper, al repositorio o a la documentación oficial, no hay noticia.
2. ¿La cifra es la media o el máximo? Busca el resultado principal, no el mejor caso.
3. ¿Cuánto cuesta? En dinero, en tokens, en horas de revisión y en infraestructura.
4. ¿Qué permisos necesita? Qué datos ve, qué puede ejecutar y adónde puede enviar información.
5. ¿Resuelve un problema que tengo hoy? Si la respuesta es «no, pero mola», guárdalo en favoritos y sigue trabajando.

El único truco que funciona

Volvamos al título. El truco definitivo para sacarle el máximo partido a la IA es aburrido: saber qué quieres resolver, medir si lo resuelves, revisar lo que produce y no darle más llaves de las necesarias.

La IA es la herramienta más potente que hemos tenido en años para trabajar mejor. Precisamente por eso merece algo más que un reel y una captura traducida.

Si quieres incorporar IA en tu empresa con este enfoque (con problemas concretos, medición y seguridad desde el principio), en Esconzeta lo hacemos a diario. Hablemos.

Fuentes

• Harness² · paper: https://arxiv.org/abs/2610.14224 · web: https://harness2.github.io · código: https://github.com/google-research/harness2
• Titular de «hasta 11,8 puntos»: https://themenonlab.blog/blog/harness2-recursive-agent-harnessing-google
• Devin y el análisis de Internet of Bugs: https://yourstory.com/2024/04/debunking-devin-ai-software-engineering-claims-exposed
• Replit borra una base de datos: https://www.eweek.com/news/replit-ai-coding-assistant-failure/ · https://heise.de/-10499597
• Vulnerabilidad del MCP de GitHub (Invariant Labs): https://invariantlabs.ai/blog/mcp-github-vulnerability · https://devclass.com/2025/05/27/researchers-warn-of-prompt-injection-vulnerability-in-github-mcp-with-no-obvious-fix/
• Estudio METR (julio de 2025): https://simonwillison.net/2025/Jul/12/ai-open-source-productivity/