Qué es el Harness Engineering y cómo montar un arnés para tu IA

Las grandes mejoras de la IA del último año y medio no han venido solo de modelos más potentes, sino en buena parte de mejorar el entorno donde trabajan. A ese entorno se le llama arnés, como el de un caballo: sin él, se descontrola. Un arnés es todo lo que construimos alrededor de la IA:

• Contexto: la información que ve la IA.
• Herramientas: lo que puede hacer, por ejemplo con varios MCP (conectores) a un generador de imágenes o a una base de datos.
• Memoria: archivos que la IA consulta para recordar.
• Verificación: pedirle al modelo que compruebe que lo que ha hecho está bien.

En el centro está el modelo, el cerebro: Claude, GPT o Gemini. Alrededor, el agente que usa ese modelo, como Claude Code con Claude o Codex con GPT. Y por fuera, la capa más importante y la que más puedes personalizar: tus reglas, tu memoria, tus agentes y tu verificación.

Esa capa es la que te da estabilidad. Claude ha ido cambiando de modelo cada dos o tres semanas; si dependes del modelo, tendrás que cambiar tu forma de trabajar al mismo ritmo. Con un arnés alrededor, cuando sale un modelo mejor, lo cambias y sigues trabajando.

Uno pensaría que cuantas más herramientas, reglas y contexto le das a un agente, mejor trabaja. El caso que publicó Vercel, los creadores de v0, apunta justo a lo contrario. Primero le dieron a su agente 16 herramientas muy especializadas; luego le quitaron el 80 % y el rendimiento subió:

• Fue 3,5 veces más rápido.
• Consumió un 37 % menos de tokens, algo importante ahora que los últimos modelos los gastan muy deprisa.
• La tasa de éxito llegó al 100 %, y ganó en todas las comparaciones.

La lección que saco: darle al modelo lo justo, y bien ordenado. También cuenta cuánto metes en una conversación: al acercarse al límite de la ventana de contexto el rendimiento baja, y algunos artículos dicen que ya empieza a bajar con el 40 o 50 % ocupado.

Un buen arnés son archivos bien ordenados. El principal es AGENTS.md, un archivo Markdown que la IA lee antes de ponerse a trabajar: su hoja de instrucciones. A partir de ahí puedes repartir el trabajo entre subagentes, por ejemplo uno que planifica y otro que implementa, y pedir que se verifique todo.

Mi estructura tiene un agente líder que lee AGENTS.md y pone en marcha a dos subagentes: el implementador, que hace el trabajo, y el revisor, que lo comprueba y se lo devuelve si ve un fallo, hasta que el resultado es bueno. Entonces lo aprueba y el líder te informa a ti.

Para el ejemplo construí un buscador de estudios científicos: busca artículos por tema y palabras clave, los importa de PubMed mediante un MCP, hace un resumen por temas y exporta la bibliografía a un archivo bibliografia.md. Es un arnés hecho para un problema concreto de mi día a día, no una aplicación.

• AGENTS.md: qué hace el proyecto, el protocolo a seguir, las reglas, el modo conversacional (por si le pides algo suelto, como resumir un artículo), el pipeline de investigación, los comandos de verificación antes de cerrar y un mapa del repositorio.
• CLAUDE.md: Claude a veces lee este archivo primero, así que solo le dice que use AGENTS.md como punto de entrada.
• .claude/agents: el comportamiento de cada subagente.
• docs: arquitectura, convenciones y verificación, para mantener la calidad del flujo de trabajo.
• Herramientas: el MCP de PubMed; podría ser el de tu base de datos o un generador de imágenes.
• Investigaciones: una carpeta por investigación, para que todo quede registrado.
• Progreso: las seis fases, con lo que hacen el implementador y el revisor en cada una. La fase 2 no arranca hasta que el revisor aprueba la fase 1.

Los hooks son scripts que protegen el proyecto. El guardián de secretos evita que se filtren tus claves de API del archivo .env, donde está la información sensible. Parar hasta verde impide que el modelo o un subagente siga trabajando hasta que el paso anterior esté terminado y sea correcto. Es muy importante: si se equivoca en las primeras tareas y continúa como si nada, el resultado final sale mal.

Le pregunté a Claude qué podía hacer el repositorio; leyó AGENTS.md y me dijo que era un gestor de literatura científica. Luego le pedí artículos sobre el impacto de la IA en la educación: empezó por la fase 1, usó el MCP de PubMed y, como le indica el arnés, creó una carpeta para esa investigación con el resumen, la bibliografía y un registro de los pasos. Encontró 10 artículos.

Vale, genial, vamos a crear algunos gráficos y también quiero que crees una tabla comparativa de todos los artículos que has encontrado.

Me dejó la tabla comparativa en Markdown y varios gráficos en la misma carpeta. Lo que más me gustó es que no tuve que decirle dónde guardar nada ni qué pasos seguir: ya estaba todo marcado en el arnés.

La ingeniería de arneses no es solo para quien programa. Preparé dos arneses, uno para crear aplicaciones y otro para documentación, y probé el de documentos con Claude Cowork en una carpeta real de una investigación sobre IA y salud mental: seis artículos científicos en PDF, notas y una tabla de Excel, todo un poco desordenado.

1. En Claude Cowork, elige Trabajar en un proyecto, selecciona la carpeta y pulsa Permitir siempre.
2. Arrastra dentro la carpeta del arnés de documentos.
3. Pídele que la lea e implemente el arnés en tu proyecto (abajo tienes el prompt que usé).
4. Cuando te pregunte hasta dónde llegar, elige solo instalar y dejarlo listo.

Estoy realizando una investigación sobre IA y salud mental, tengo en la carpeta diferentes artículos científicos, diferentes notas, tablas de Excel, todo un poco desordenado y lo que quiero, el objetivo, es que implementemos un arnés de IA. Tienes una carpeta dentro de esta carpeta de investigación que son diferentes archivos Markdown para implementar un arnés a nuestro proyecto. Quiero que leas esa carpeta e implementemos el arnés de forma eficiente.

Exploró la carpeta, comprobó que los seis PDF tenían texto extraíble y vio que la tabla tenía columnas vacías. Instaló el arnés en la raíz, adaptado a mis materiales, verificó que arrancaba en verde y creó una feature list (un JSON con el proyecto y sus tareas: indexar los artículos, rellenar la tabla con el hallazgo clave y escribir el resumen) a partir de una nota que yo tenía suelta. Entre los archivos nuevos hay un script de Python que comprueba que el proyecto está sano antes de empezar cualquier tarea.

Con el arnés, el agente responde más rápido gracias a los subagentes y consume muchos menos tokens, porque la información está en archivos Markdown bien ordenados y AGENTS.md le dice dónde está todo, así que no tiene que ir buscando archivo por archivo.

• Claude Code
• PubMed
• v0 de Vercel