2 de julio de 2026
Agentes de IA en tu propia infraestructura
Los agentes son útiles cuando pueden tocar tus sistemas. Justo por eso necesitan un harness — y a veces un modelo local.
Un agente de IA que solo puede chatear es una demo. Un agente que puede consultar tu base de datos, abrir un ticket, generar un informe y reiniciar un proceso es un empleado. La diferencia — y el riesgo — es el acceso.
El harness
Nunca conectamos un modelo directamente a sistemas de producción. Los agentes funcionan dentro de un harness: una capa que decide qué puede tocar el agente, registra todo lo que hace e inserta puntos de control humanos donde el coste de un error es real.
En concreto, el harness te da:
- Acceso acotado. El agente ve las herramientas que necesita para su trabajo y nada más.
- Registros completos. Cada acción, cada entrada, cada salida — auditable a posteriori.
- Puntos de control. Las acciones reversibles se ejecutan de forma autónoma; las irreversibles esperan un clic humano.
Con esa estructura, los agentes pueden operar con seguridad partes reales de una empresa: clasificar buzones, conciliar datos, redactar el informe semanal, vigilar pipelines y escalar solo cuando algo se rompe.
Cuando los datos no pueden salir del edificio
Para la mayoría de las cargas de trabajo, un modelo frontera vía API es la opción correcta: máxima capacidad, cero mantenimiento. Pero hay datos que de verdad no pueden salir de tus instalaciones: historiales de pacientes, operaciones en curso, cualquier cosa bajo un régimen de cumplimiento estricto.
Para esos casos desplegamos un modelo local — actualmente GLM 5.2 — en tu propio hardware. Sacrifica algo de capacidad bruta a cambio de una garantía dura: ni el prompt ni los datos cruzan tu firewall. El harness es idéntico, así que las cargas pueden moverse entre API y despliegue local según la sensibilidad lo requiera.
Primero aburrido, luego inteligente
La verdad incómoda tras más de cinco años automatizando flujos de trabajo: la mayoría de los «problemas de IA» son problemas de cron disfrazados. Añadimos el agente donde el criterio hace falta de verdad — y un simple trabajo programado en todo lo demás. Esa suele ser la diferencia entre un sistema que luce en una demo y uno que funciona durante años.