La IA no falla en tu empresa por falta de inteligencia: falla por el harness — y lo confirma un co-autor de GPT-4

Hay una escena que se repite en casi toda empresa que intentó meter IA en su operación. Pones un modelo en producción y hace algo que parecía imposible: resuelve matemática de nivel investigación, redacta en segundos, resume un contrato, escribe software. Y luego falla en algo que parecía trivial: procesar un pedido repetitivo, cerrar un caso de soporte, decidir si aprueba o rechaza, mover un dato de un sistema a otro sin que un humano revise. El reflejo automático es culpar al modelo: "le falta capacidad".

Un experto —con las credenciales exactas para desmentirlo— dice que el problema nunca fue la inteligencia. Se llama Diogo Almeida: co-autor de GPT-4, co-autor del RLHF y del paper de InstructGPT, y parte del equipo que, en sus palabras, "básicamente inventó el post-training como concepto". En su charla "What's Next After RLHF?" (AI Engineer World's Fair, julio de 2026), sostiene algo incómodo y preciso: el fallo no está en lo que el modelo sabe, sino en el objetivo con el que lo entrenamos — y ese objetivo es una propiedad del harness, no de los pesos.

El aviso de honestidad de siempre. Almeida habla desde una empresa propia (TypeSafe) que vende, precisamente, un enfoque nuevo de post-training — así que su interés es real y lo declaramos. Pero separamos con cuidado el diagnóstico (que es verificable y coincide con evidencia independiente) de el pitch (que es su producto). Además, una advertencia de alcance: esta charla es de julio; la citamos como texto, con sus marcas de tiempo, para que puedas ir a la fuente.

El recorrido: primero, la paradoja que ves todos los días. Segundo, por qué pasa —no es inteligencia, es el objetivo—. Tercero, la diferencia entre asistencia y automatización. Cuarto, la pirámide que invierte la "Bitter Lesson" y por qué es una ratificación de la tesis del harness. Quinto, qué es exactamente "el harness", traducido a tu operación. Sexto, cómo se ve integrar IA de verdad, con un marco práctico. Y séptimo, la conclusión.

1. La paradoja que ves todos los días en tu operación

Antes de citar a Almeida, midamos la escena. Si divides las tareas de tu empresa en dos columnas —lo que la IA hace sorprendentemente bien y lo que falla aunque parezca fácil— el patrón no es aleatorio. Es sistemático.

Almeida nombra esta asimetría como el estado de hecho de la industria, y su formulación es casi brutal de tan simple:

Ese es el dato crudo que cualquiera que haya puesto IA en producción reconoce. La pregunta no es si la IA es lista —lo es—. La pregunta es por qué una capacidad tan grande no se convierte en trabajo automatizado. Y la respuesta que da el arquitecto del post-training no tiene nada que ver con la frontera de capacidad.

2. No es inteligencia: es el objetivo

Aquí está el corazón del asunto, y merece que lo leas despacio. Toda la IA conversacional actual se entrena con una técnica llamada RLHF —aprendizaje por refuerzo con retroalimentación humana—. Es la receta que convirtió a un modelo que "completa texto" en un modelo que "conversa". Y Almeida, que la co-inventó, dice lo que optimiza de verdad:

Y de ahí salen las consecuencias que todos vivimos pero nadie conecta:

La frase que hay que subrayar dos veces: "el sobreprometer es una feature; es por diseño". No es que el modelo todavía no aprendió a ser honesto sobre sus límites — es que el objetivo premia lo contrario. Y aquí está la primera nota a favor del harness: si el problema es el objetivo, entonces la solución no se compra con un modelo más grande. Se diseña alrededor de la tarea.

3. Asistencia no es automatización (y "más agéntico" no es "más autónomo")

Almeida traza una línea que la mayoría de los negocios confunde todos los días:

Toda la IA que usamos hoy —y sí, incluidos los "agentes" de última generación— vive en la era de la asistencia. Almeida lo dice sin anestesia: incluso los asistentes de código más avanzados "pertenecen a la misma era", porque el objetivo debajo sigue siendo el mismo. Y cuando ese asistente se vuelve más suelto, aparece el fenómeno que todo equipo de ingeniería conoce:

"Más agéntico ≠ más autónomo." Esta es la frase que debería estar pegada en la pared de todo equipo que está poniendo agentes en producción. La intuición popular dice: "dale más herramientas, más permisos, más vueltas, y el agente será más autónomo". Almeida dice lo contrario: darle más agencia sin cambiar el objetivo no lo vuelve confiable — lo vuelve más capaz de desviarse con más confianza. Y eso, lejos de ser un detalle técnico, es exactamente la razón por la que muchas iniciativas de "automatización con IA" terminan con un humano mirando la pantalla igual que antes.

4. La pirámide que invierte la "Bitter Lesson" ⭐

Y llegamos al momento que hace toda la pieza. En la ronda de preguntas, Almeida saca un slide de una presentación anterior y dibuja una jerarquía que contradice frontalmente el dogma fundacional de la era del scale.

Lo que dibuja es una pirámide de relevancia —y fíjate que pone arriba lo que la industria pone abajo—:

Lee la tabla de nuevo, porque es la ratificación exacta de la tesis que venimos construyendo. Si los tres niveles inferiores (algoritmo, cómputo, datos) son la maquinaria —que es exactamente lo que compras cuando compras "un mejor modelo"—, y el nivel de arriba (hacer la tarea correcta) es el harness… entonces la conclusión se escribe sola:

Y Almeida no se queda ahí: suelta, casi al pasar, la frase que en cualquier otra boca sería una bomba. Cuando anuncia su próximo tuit, deja la pista: "las scaling laws originales eran incorrectas". Y en la pantalla de su charla, su etiqueta personal es "compute skeptic". Traducido: quien construyó la maquinaria del scale está diciendo, en público, que la maquinaria no era la ventaja.

Esto tiene una consecuencia directa para cualquier empresa —y es incómoda para quien compró la narrativa del "modelo más grande":

• El modelo se está volviendo un commodity. Si la palanca está un nivel arriba, entonces la diferencia entre modelos empieza a importar menos que lo que construyes alrededor.
• Tu ventaja no la puedes comprar; la tienes que diseñar. No hay un proveedor que te venda "el harness de tu operación". Sale de entender tu tarea mejor que nadie.
• El trabajo se muda de "elegir modelo" a "formular la tarea". Y formular la tarea es trabajo de negocio, no de benchmark.

5. Entonces, ¿qué es exactamente "el harness"?

Si el harness es la palanca, conviene definirlo sin misticismo. El harness es todo lo que rodea al modelo y decide cómo se usa: el contexto que le das, las herramientas que puede llamar, la memoria que acumula, los pasos en que se descompone la tarea, cómo se verifica el resultado y qué límites no puede cruzar. El modelo es el motor; el harness es el resto del auto —y en una operación real, el resto del auto es lo que te lleva o te estrella.

Fíjate en un detalle revelador: casi toda esta tabla es software que tú escribes, no un modelo que compras. Es memoria persistente, es un verificador, son permisos, es un registro de auditoría. Es, en el fondo, el mismo tipo de ingeniería que ya haces en tu operación —sistemas, contabilidad, control—. De ahí la frase que resume la charla de Almeida para quien construye: el problema no es "cómo lo desenterramos", y desenterrar es exactamente construir el harness.

6. Cómo se ve integrar IA en la operación real (playbook)

Si la jerarquía es tarea > datos > cómputo > algoritmo, entonces el orden correcto de las decisiones se invierte respecto a lo que la industria suele hacer. Aquí está el playbook, en cinco movimientos que se derivan directo de la charla:

1) Empieza por la tarea, no por el modelo. La unidad de trabajo no es "un empleado entero" —es lo que Almeida llama trabajo rote: algo tan simple que puedes explicárselo a otra persona y que podría repetirse sin fallar. Formúlalo, escríbelo, defínelo. Todo lo demás viene después.

2) Diseña para la decisión, no para el chat. El objetivo correcto no es "responder bonito", es decidir bien y con calibración —que el sistema sepa cuándo es confiable y cuándo no—. Almeida lo llama "decisiones calibradas": la meta es que el software pueda usarlas sin supervisión continua.

3) Deja al humano donde hay stakes. Si el objetivo del sistema es "complacer", el patrón tóxico —que él describe sin rodeos— es poner todos los costos del lado del usuario y ninguno del negocio. La versión seria: el humano se queda en las decisiones con dinero, riesgo o reputación en juego; el harness se encarga de todo lo demás.

4) Invierte en confiabilidad, no en capacidades. Verificación, permisos, memoria, auditoría. La ingeniería de evaluación —no el shopping de modelos— es donde está el trabajo. Es menos glamoroso y es exactamente lo que decide si el sistema aguanta un lunes a las 9 a.m.

5) Mide lo que importa: la automatización real. No "cuántas respuestas generadas", sino cuánto trabajo de verdad dejó de necesitar un humano. Almeida lo dice con la frase que debería ser KPI de todo proyecto: hoy "la automatización real es un error de redondeo, a pesar de la inteligencia del LLM". Cerrar esa brecha es el objetivo.

7. Conclusión: el modelo se commoditizó; el harness es tu ventaja

La charla de Almeida es, leída con calma, el acta de defunción de una idea: la de que integrar IA en una empresa es un problema de conseguir el mejor modelo. Quien co-inventó la técnica que hizo posible la IA conversacional dice, en público, que esa técnica fue "un desvío raro" —no porque no sirviera, sino porque resolvió el problema equivocado: aprendió a agradar, no a ejecutar.

Y su pirámide —tarea > datos > cómputo > algoritmo— no es un detalle: es la inversión de la "Bitter Lesson" que sostuvo toda una década de gasto en scale. Si esa jerarquía es cierta, entonces las empresas que ganen con IA no serán las que compren el modelo más grande, sino las que construyan el mejor harness para su tarea. La buena noticia: ese harness no se compra, se construye —y se construye entendiendo tu propia operación, que es algo que nadie más tiene.

Por eso, para nosotros, la IA no se mira como un actor con intenciones que hay que creer: se mira el sistema completo —el objetivo, las herramientas, los permisos, la verificación, la memoria— porque eso es lo que de verdad decide el comportamiento. La charla de Almeida no cambió esa tesis. La ratificó desde el otro lado del mostrador.