No quiero una inteligencia artificial que esté de acuerdo conmigo con elegancia. Quiero un sistema que me ayude a ver mejor, incluso cuando el problema soy yo.

TL;DR

He invertido buena parte de mis días en perfeccionar agentes de IA para obtener la mejor respuesta posible, no la más agradable. Eso exige mucho más que un buen prompt: exige contexto, memoria, skills, subagentes, herramientas, fuentes, permisos, checkpoints y validaciones. El activo no es un modelo fundacional entrenado por mí, sino un sistema personalizado y gobernado bajo el control del cliente. Un buen agente organiza datos, compara escenarios, expone premisas, incertidumbre y puntos ciegos. Puede reducir la dependencia del impulso y del ego, pero no transforma datos incompletos en certeza ni le quita al ser humano la responsabilidad por los objetivos, el riesgo, la ética y la dirección.

No solía encender el micrófono para conversar con inteligencias artificiales.

Mis experiencias anteriores con la voz no me invitaban a insistir. Según mi percepción, Siri interrumpía a menudo lo que decía o perdía el contexto. Alexa fue útil al principio, pero pronto encontré los límites de lo que quería hacer, y todavía percibo límites hoy. Es un relato de uso, no un benchmark actual de ambas plataformas.

En los últimos días empecé a usar la voz de verdad.

Los modelos mejoraron, igual que el reconocimiento del habla. Pero eso, por sí solo, no habría cambiado mi forma de trabajar. El factor decisivo fue el sistema que existe detrás de la conversación.

Construí una especie de cerebro operativo. Puedo decir pocas cosas y activar una secuencia de trabajo más amplia porque el contexto no depende solo de esa frase. El sistema tiene parámetros claros sobre la persona con la que conversa, memoria para reducir la repetición y contratos escritos y versionados sobre cómo investigar, decidir, ejecutar, validar y detenerse.

No necesito volver a enseñar toda la forma de trabajar en cada conversación. Una intervención oral breve puede iniciar una orquestación más larga porque el sistema ya sabe dónde buscar las reglas, qué herramientas puede usar y en qué puntos debe devolverme la decisión.

Percibí que la ejecución se vuelve más fluida cuando puedo externalizar el contexto hablando. Una idea lleva a otra. La duda aparece a mitad de la frase. Una salvedad que probablemente moriría entre el pensamiento y el teclado entra en la conversación. El intervalo entre percibir, explicar y empezar a organizar el trabajo disminuye.

La ganancia concreta es una interfaz con menos fricción, respaldada por contexto acumulado y reglas explícitas.

Aun así, solo me sentí cómodo para usarla de esta manera porque antes dediqué bastante tiempo a orientar el sistema para que no respondiera como una voz interesada únicamente en agradarme.

Antes de soltar la voz, tuve que gobernar la escucha.

No quiero un «sí» con puntuación impecable

Buena parte de mi día se ha invertido en perfeccionar mis agentes.

El objetivo no es hacerlos parecer más inteligentes. Tampoco es recibir elogios cada vez más personalizados, como si hubiera contratado una hinchada organizada con acceso al terminal.

Quiero respuestas que sobrevivan a la siguiente pregunta:

¿Cómo lo sabes?

Quiero fuentes cuando haya una afirmación verificable. Quiero premisas explícitas. Quiero una explicación suficiente para auditar la conclusión. Quiero que se declare la incertidumbre cuando los datos no permiten certeza. Quiero conocer el riesgo, el estado actual y el siguiente paso.

Y, cuando todavía no he conseguido explicar bien lo que pretendo hacer, no quiero que la máquina transforme la confusión en ejecución solo porque usé un verbo en imperativo.

Si el destino no está claro, acelerar es solo una forma más eficiente de llegar al lugar equivocado. Ya escribí sobre esta diferencia entre potencia y dirección al recorrer la línea desde el mainframe hasta los agentes de IA. El Ferrari sigue siendo una máquina excelente. La pared sigue sin impresionarse.

La voz mejora el flujo y aumenta la responsabilidad

Conversar por voz hace que la interacción resulte más natural. Es útil porque reduce el coste de sacar el contexto de la cabeza.

También hace más fácil olvidar lo que está ocurriendo.

Una respuesta rápida, fluida y adaptada a mi forma de hablar puede parecer más segura de lo que realmente es. La naturalidad de la interfaz no aumenta automáticamente la calidad de la fuente, la completitud de los datos ni la validez de la conclusión.

Por eso, cuanto más conversacional se vuelve el sistema, más explícitos deben ser sus límites.

Debe preguntar cuando la ambigüedad cambia el alcance. Debe señalar la hipótesis que estoy tratando como un hecho. Debe buscar evidencia contraria, no solo material para defender mi primera impresión. Debe decir «no encontré una base suficiente» sin intentar compensar la frustración con un párrafo seguro de sí mismo.

La fluidez es una cualidad de la interfaz.

La fiabilidad es una propiedad de todo el sistema.

La agradabilidad no es calidad

Existe un nombre técnico para una parte de este problema: sycophancy, el comportamiento en el que el modelo tiende a acompañar las creencias, posiciones o expectativas del usuario incluso cuando eso compite con la corrección.

Un estudio de Sharma y sus colegas encontró este patrón en distintos asistentes y mostró que las respuestas alineadas con la visión del usuario podían verse favorecidas en datos de preferencias humanas. Esto no demuestra que todo modelo esté de acuerdo con cualquier persona ni que las empresas intenten adular deliberadamente a los usuarios. Muestra un incentivo difícil: lo que parece satisfactorio en el momento puede no ser lo que más ayuda a pensar.

En 2025, la propia OpenAI informó y revirtió una actualización de GPT-4o que había vuelto las respuestas excesivamente agradables. El caso es específico de aquel producto y aquel lanzamiento. Aun así, expone una lección más amplia: las métricas positivas y la preferencia inmediata del usuario pueden dejar pasar un mal comportamiento cuando las pruebas no lo buscan de forma explícita.

Por eso no quiero evaluar un agente preguntando únicamente si me gustó la respuesta.

También quiero preguntar:

• ¿preservó los hechos incluso cuando sugerí lo contrario?
• ¿separó observación, inferencia y decisión?
• ¿mostró lo que falta saber?
• ¿trajo el mejor contrapunto disponible?
• ¿pidió confirmación antes de una acción material?
• ¿dejó un rastro que otra persona pueda verificar?

Estar de acuerdo puede formar parte de una buena respuesta.

Pero debe ser consecuencia del análisis, no una condición para que la conversación siga siendo cómoda.

Cuando la respuesta automatizada recibe autoridad antes de merecerla

El riesgo no está solo en el comportamiento del modelo. También está en el nuestro.

El término automation bias describe la tendencia a favorecer recomendaciones automatizadas y dejar de buscar información que las contradiga. En un experimento publicado en 1999, Linda Skitka, Kathleen Mosier y Mark Burdick observaron errores de omisión y acción asociados al uso de una ayuda informática para la toma de decisiones.

El estudio no investigó los modelos de lenguaje actuales. No permite trasladar sus resultados directamente a cualquier conversación con IA. La lente, sin embargo, sigue siendo útil: una salida presentada con velocidad, estructura y seguridad verbal puede recibir una autoridad que la evidencia todavía no ha conquistado.

Este riesgo también alcanza a quien construye su propio sistema.

Después de invertir tiempo, método y expectativas en una arquitectura, es fácil querer que funcione. La organización puede confundirse con la verdad. Las reglas familiares pueden bajar la guardia de quien lee. Una mala conclusión no mejora porque llegue rodeada de fuentes, tablas y una lista muy bien diagramada de siguientes pasos.

Un agente que no adula debe estar preparado para señalar eso también.

No tener implicación emocional propia es útil. No es neutralidad

Hay una ventaja real en la asimetría entre el sistema y yo: la IA no posee una implicación emocional propia en la decisión.

Puede organizar documentos, restricciones, alternativas y evidencias sin necesitar proteger su propia imagen, defender una elección pasada o ganar una discusión. Puede rehacer una comparación con otras premisas, probar escenarios y exponer inconsistencias sin que eso se convierta en un conflicto personal.

En una empresa, esto puede ayudar a reunir información dispersa, comparar caminos, hacer explícitas las dependencias y conseguir que la decisión sea menos rehén del impulso más reciente o de la opinión más fuerte de la sala.

En la vida personal, puede ayudar a ordenar pensamientos, recuperar contexto, distinguir deseo de evidencia y formular preguntas que todavía no había conseguido hacer.

Pero la ausencia de emoción propia no significa neutralidad.

El sistema recibe datos que pueden estar incompletos, desactualizados o sesgados. Opera bajo instrucciones que también contienen decisiones. Puede usar una fuente mala con una apariencia impecable. Puede producir un intervalo de confianza sin una base estadística suficiente u omitir una variable que nadie recordó proporcionar.

Por eso, una decisión orientada por evidencias no es una decisión sin emoción.

En las decisiones personales, la emoción también es información. Puede revelar un valor, miedo, deseo, límite o vínculo. El trabajo no es eliminarla de la ecuación, sino impedir que el impulso, el ego o el malestar se disfracen de hecho objetivo.

Cuando haya datos adecuados, quiero escenarios, intervalos y sensibilidad a las premisas. Cuando no los haya, quiero incertidumbre verificable y un lenguaje proporcional. En ambos casos, los objetivos, las prioridades, la ética y la tolerancia al riesgo siguen siendo responsabilidades humanas.

El activo no es el modelo

No entrené desde cero un modelo fundacional propietario. Y esa ni siquiera es la parte más interesante de lo que estoy construyendo.

El modelo es un componente sustituible dentro de una arquitectura mayor.

Una referencia de ingeniería de Anthropic describe el bloque básico de los sistemas agénticos como un modelo ampliado con capacidades como recuperación de información, herramientas y memoria. Esta descripción ayuda a salir de la fantasía del prompt mágico: el comportamiento útil nace de la combinación entre modelo, entorno y forma de trabajo.

Lo que llamo harness es ese sistema que rodea al agente. Es la infraestructura que transforma intención y criterio en condiciones operativas:

• contexto para que el agente entienda el problema sin depender de una conversación perdida;
• memoria para preservar decisiones, historial y aprendizajes con un origen identificable;
• skills para enseñar procedimientos reutilizables y sus límites;
• subagentes para dividir el trabajo e introducir una revisión especializada;
• herramientas para investigar, leer, ejecutar, medir y producir artefactos;
• fuentes para que las afirmaciones importantes no aparezcan por generación espontánea;
• permisos para limitar lo que puede verse, modificarse o publicarse;
• checkpoints para devolver las decisiones materiales al ser humano adecuado;
• validaciones para probar la entrega en lugar de confiar en su elocuencia.

Un relato de ingeniería de OpenAI sobre harness engineering con Codex describe una dirección parecida: hacer que el contexto, las herramientas, la documentación y los ciclos de feedback sean legibles y ejecutables para los agentes. Es un caso específico de la propia OpenAI, no una receta universal. El valor de la referencia está en mostrar que la capacidad del modelo y la calidad del entorno son problemas distintos.

Por lo tanto, el activo no es una personalidad digital que conoce mi nombre.

Es criterio transformado en infraestructura reutilizable.

La gobernanza no es el freno que se instala después

Cuando la IA entra en una operación, la gobernanza no puede aparecer únicamente después de que algo salga mal.

El AI Risk Management Framework del NIST organiza el trabajo sobre el riesgo en funciones como gobernar, mapear, medir y gestionar. El framework es voluntario y amplio; no certifica mi sistema, no garantiza la seguridad y no sustituye controles específicos del contexto. Sin embargo, refuerza un principio importante: el riesgo debe formar parte del ciclo de vida, no de la nota al pie.

Para mí, esto significa diseñar el sistema preguntando desde el principio:

• ¿de quién son los datos?
• ¿qué fuente puede respaldar esta conclusión?
• ¿quién puede autorizar esta acción?
• ¿qué debe quedar registrado?
• ¿qué fallo es aceptable?
• ¿cómo se interrumpe, corrige o revierte?
• ¿en qué momento debe detenerse el agente y pedir dirección?

Un sistema personalizado y gobernado bajo el control del cliente no significa control absoluto. Las plataformas externas, los modelos de terceros y las integraciones siguen introduciendo dependencias. Significa hacer visibles esas dependencias, limitar su alcance y preservar todo lo posible el contexto, las políticas, los datos, los logs y las decisiones bajo la gobernanza de la organización.

Es menos cinematográfico que anunciar una inteligencia propietaria.

También es mucho más útil cuando llega el lunes.

La dirección viene antes que la aceleración

No mando ejecutar a ciegas aquello que todavía no está claro.

Cuando una solicitud contiene una decisión ambigua, el mejor siguiente paso puede ser una pregunta. Cuando implica un riesgo material, puede ser un checkpoint. Cuando depende de una fuente externa, puede ser una investigación. Cuando la respuesta está bien escrita pero la evidencia es débil, puede ser descartarla.

Esta postura no reduce la agencia. Evita confundir movimiento con progreso.

En «Nací en 1986 y sobreviví al menos a nueve fines del mundo», defendí el método, el backup y el siguiente paso verificable como antídotos tanto contra el pánico como contra la euforia. Aquí vale la misma regla: la IA acelera capacidades, procesos y tendencias; no elige por sí sola una dirección mejor.

Y, como exploré en «La previsibilidad seductora de la IA», una respuesta cómoda puede ser útil sin merecer el lugar de árbitro. El sistema debe aumentar mi capacidad de actuar en el mundo, no crear un entorno donde todas mis premisas regresen con una voz más bonita.

Dónde toca esto a i-9.ai

En esta frontera es donde puedo entregar el trabajo de i-9.ai.

No como la promesa de un modelo secreto que lo sabe todo. No como una automatización genérica pegada sobre procesos que nadie entendió. Y no como la retirada silenciosa de las personas de decisiones por las que seguirán respondiendo.

La dirección que me interesa es otra: entender la operación, organizar el contexto, descubrir dónde existe un apalancamiento real y construir un sistema personalizado que combine agentes, automatizaciones, software, datos, infraestructura, seguridad y gobernanza.

Ya tengo una base reutilizable. Algunas automatizaciones están lo bastante maduras como para replicarlas prácticamente, con ajustes de integración, permisos y contexto. Otras partes deben nacer de la operación de cada cliente, porque ninguna empresa debería recibir una copia ciega de la forma de trabajar de otra.

Siempre que el problema lo permita, prefiero el código abierto, la infraestructura privada y la soberanía sobre los datos, las políticas y la operación. Esto no significa prometer aislamiento absoluto ni rechazar todo servicio externo. Significa evitar dependencias innecesarias, hacer visibles las inevitables y preservar vías reales de control, auditoría y cambio.

El principio de la entrega es que el cliente no reciba solo una caja de respuestas. Cuando esta arquitectura tenga sentido para el problema, debe transformar criterios en ejecución de forma explícita, permitir la verificación de las entregas y preservar el control sobre las decisiones importantes.

Si esta forma de trabajar tiene sentido para un problema que tu empresa necesita resolver, ponte en contacto. No necesitas llegar con la arquitectura o la herramienta elegida. La conversación puede empezar por el problema, los criterios y lo que debe cambiar en la operación.

La prueba que me interesa

Después de perfeccionar un agente, no quiero limitarme a sentir que la conversación mejoró.

Quiero observar si el sistema:

• hace mejores preguntas antes de actuar;
• encuentra y declara vacíos de contexto;
• distingue hecho, hipótesis, preferencia y decisión;
• organiza escenarios sin fabricar certeza;
• discrepa cuando la evidencia exige discrepancia;
• respeta permisos y checkpoints;
• produce algo verificable, reutilizable y corregible;
• devuelve al ser humano la decisión que sigue siendo humana.

Si la respuesta me agrada y además pasa por todo eso, perfecto.

Si no me agrada, pero revela el punto ciego que evitará una mala decisión, quizá sea todavía mejor.

Para eso empecé a encender el micrófono.

No para oír a una máquina hablar como una persona.

Para poder pensar en voz alta sin contratar una adulación automática que edite mi punto de vista.

Sigue leyendo

• La previsibilidad seductora de la IA: por qué la validación, la disponibilidad y la personalización pueden ayudar o convertirse en una fuga de la alteridad humana.
• ChatGPT ya sabe mucho sobre ti. Antes de confiar, pídele que lo demuestre: cómo convertí contexto acumulado en hipótesis verificables y contratos para el harness.
• Tu empresa no necesita descubrir dónde poner IA: una guía práctica para empezar por el cuello de botella, no por la herramienta.
• Evolución de la tecnología: del mainframe al juego de palabras infame en tiempo real: cómo el contexto, las herramientas y el humor mejoran la interfaz sin convertir la personalización en un masaje al ego.
• Nací en 1986 y sobreviví al menos a nueve fines del mundo: una defensa del método, el backup y el siguiente paso verificable ante la transformación real y la profecía fácil.

Referencias y límites de uso

Las fuentes siguientes respaldan mecanismos y prácticas específicos. Ninguna de ellas demuestra, por sí sola, que un determinado harness elimine errores, garantice buenas decisiones o produzca una ventaja empresarial.

• Sharma et al., “Towards Understanding Sycophancy in Language Models” (2023): encuentra comportamiento de sycophancy en cinco asistentes e investiga el papel de las preferencias humanas; no representa todos los modelos, versiones o contextos de uso.
• Skitka, Mosier y Burdick, “Does Automation Bias Decision-Making?” (1999): experimento sobre errores asociados a una ayuda automatizada para la toma de decisiones; es anterior a los modelos de lenguaje y se usa aquí como lente, no como equivalencia directa.
• OpenAI, “Expanding on What We Missed with Sycophancy” (2025) (consultado el 26 de agosto de 2026): relato oficial de un lanzamiento, rollback y cambios de evaluación; es una fuente de la propia empresa sobre un caso específico, no demuestra una intención general ni resuelve el problema para otros sistemas.
• NIST, “Artificial Intelligence Risk Management Framework 1.0” (2023): framework voluntario para gobernar, mapear, medir y gestionar riesgos de IA; no es una certificación, auditoría ni garantía de seguridad de este trabajo.
• Anthropic, “Building Effective Agents” (2024) (consultado el 26 de agosto de 2026): referencia de ingeniería sobre modelos ampliados con recuperación, herramientas y memoria; refleja la experiencia y las decisiones de la propia empresa.
• OpenAI, “Harness Engineering: Leveraging Codex in an Agent-First World” (2026) (consultado el 26 de agosto de 2026): relato de ingeniería sobre contexto legible, herramientas y ciclos de feedback en un proyecto con Codex; no demuestra que la misma arquitectura funcione en todas las organizaciones.

La imagen de portada es una ilustración editorial sintética creada a partir de referencias visuales autorizadas del autor.