El harness del agente: el modelo propone, el sistema decide y el recibo lo demuestra

Vinoth Govindarajan, ingeniero del área de datos e infraestructura de IA en OpenAI, ha dedicado una charla a algo que no suele salir en las demos: el harness del agente, la capa que envuelve al modelo y decide qué ocurre de verdad. Su tesis de arranque es que el fallo más peligroso en producción no es la alucinación ni el cierre inesperado, sino el éxito silencioso: el sistema dice que ha hecho algo, la interfaz se lo cree y el registro duradero se queda con un agujero.

El ejemplo que pone es sencillo. Un agente confirma que va a recordar un reembolso para el siguiente turno. No hay pantalla roja, no hay excepción, el usuario ve una respuesta coherente. Pero la acción no llegó a la memoria persistente de la que dependerá el contexto futuro. El agente seguirá respondiendo con seguridad, razonando sobre un historial incompleto. Govindarajan lo compara con un accidente: un crash molesta, pero al menos marca un límite claro y permite reanudar desde el último punto bueno. Un falso positivo no avisa a nadie.

De la respuesta correcta al estado correcto

El ponente, que antes trabajó en sistemas distribuidos en Uber y Apple, sostiene que las preguntas útiles dejan de ser sobre el modelo en cuanto este puede ejecutar cosas. Un benchmark mide el comportamiento del modelo; no dice si el borde persistente y el borde visible coinciden. Cuando el agente ya puede enviar un mensaje, escribir en una base de datos o lanzar un flujo de trabajo, aparecen otras tres: quién es el dueño del estado, quién confirmó primero cuando dos eventos llegan a la vez, y quién puede demostrar qué pasó realmente.

De ahí saca tres reglas que presenta como propias de sistemas de producción, no de modelos. Un hecho necesita un único dueño y una única ruta de reproducción; si no se puede reconstruir después, no se posee. La concurrencia es aceptable, pero el entrelazado accidental no: el estado compartido necesita un único camino de escritura. Y la transcripción no es el recibo: lo que el agente dijo no prueba lo que se intentó, lo que se aprobó y lo que se confirmó en el borde visible.

El contrato

Su modelo mental es el de un coche. El modelo es el motor y importa, pero nadie compra un vehículo de producción mirando solo los caballos; también quiere dirección, frenos, salpicadero, caja de cambios y caja negra. Con los agentes pasa igual: el motor da capacidad, el harness da control. El contrato que propone cabe en una frase: el modelo propone, el harness confirma y el recibo lo demuestra. El modelo puede sugerir una llamada a herramienta, un mensaje, una edición o un plan, pero la frontera de producción no es suya. Corresponde al harness decidir si esa propuesta entra en el estado, si la mutación está ordenada, si el trabajo está acotado y si la autoridad es válida.

Govindarajan avisa de que no vende nada: usa OpenClaw como caso público porque su harness es abierto y deja ver estas costuras, y dice aplicar el mismo modelo a sistemas internos de OpenAI. El patrón no es nuevo, viene del mundo de los sistemas distribuidos, pero sí lo es aplicarlo a agentes que ejecutan acciones, y de momento cada equipo lo resuelve a su manera.