La ingeniería de arneses es un enfoque cada vez mayor para los fabricantes y desarrolladores de IA.
getty
En la columna de hoy, examino el importante auge de la ingeniería de arneses, que es una frase de reciente tendencia que se refiere al conjunto de sistemas de andamiaje y adaptaciones tecnológicas necesarias para garantizar que la IA generativa y los modelos de lenguaje grande (LLM) sean accesibles, ejecutables y utilizables. Esto es especialmente cierto para la IA agente.
Quizás no hayas oído hablar de la ingeniería de arneses. Tiene mucho sentido, porque es un aspecto que está principalmente detrás de escena y que preocupa principalmente a los fabricantes de IA y a los especialistas en infraestructura. Es la arquitectura de subestructura clave la que mantiene a la IA en funcionamiento.
Tenga en cuenta que sin una ingeniería de cableado adecuada, es posible que la IA generativa que desea no esté disponible para usted. Es posible que la IA no sea posible. Es posible que la IA no pueda funcionar adecuadamente. Una analogía rápida sería como tener un avión pero sin aeropuerto, sin control de tráfico aéreo, sin pista y sin otros elementos esenciales que respalden el uso de aeronaves.
Menciono la ingeniería de arneses porque se está convirtiendo cada vez más en un ámbito investigado y avanzado en inteligencia artificial e ingeniería de software. Se están invirtiendo grandes cantidades de dinero en aprovechar las mejores prácticas de ingeniería. Si bien es posible que no se haya dado mucha importancia al asunto en el pasado, hoy nos damos cuenta de que sin una ingeniería de aprovechamiento adecuada y rentable, el resto del dinero de la IA podría caer en picada. Los fabricantes de IA se han dado cuenta de un simple hecho de la vida: los usuarios están contentos cuando la ingeniería de arneses se realiza correctamente, incluso si los usuarios no saben que existe. El usuario se siente bastante descontento si la ingeniería del arnés se realiza mal o falla.
Hablemos de ello.
Este análisis de los avances en IA es parte de mi reciente columna de Forbes sobre IA, que incluye la identificación y explicación de las diversas complejidades que afectan a la IA (ver enlace aquí).
Aprovechar la IA está de moda
Quizás sepas que durante la famosa Fiebre del Oro, se ganaba mucho dinero vendiendo palas, cacerolas, hachas, tiendas de campaña y todo tipo de suministros y equipos que necesitaban los mineros de oro. ¿Porqué es eso? Porque tratar de encontrar oro implicaba algo más que simplemente tropezar con pepitas de oro en el suelo y luego llevar la recompensa al banco.
En el mismo sentido, utiliza IA generativa popular como OpenAI ChatGPT y GPT-5, Anthropic Claude, Google Gemini, Microsoft CoPilot, xAI Grok y otros LLM necesitan una increíble cantidad de soporte y herramientas. El productor de IA se encarga de esto por usted. El modelo de IA en sí es sólo un engranaje de un conjunto bizantino de mecanismos. Desde la perspectiva del usuario, solo ve y se preocupa por la IA. El descanso que necesitan no les preocupa especialmente.
Ésa es una gran preocupación para los fabricantes de IA.
Una forma popular para que los fabricantes de IA se refieran a los mecanismos que deberían existir en torno a la IA es que la IA debe colocarse en un arnés adecuado. Sí, se utiliza la palabra arnés. Debes tener en cuenta que es necesario utilizar caballos. También deberían utilizarse modelos de IA. Por supuesto, eso no quiere decir que la IA esté viva o viva. No, y no sabemos si llegará a ese estado ni cuándo. Por lo tanto, utilice el arnés de forma holgada en este contexto y no antropomorfice el uso.
Ingeniería de arneses
Si vas a utilizar IA, los métodos y técnicas deben ser rigurosos. Hay mucha ingeniería involucrada. Esta área de especialidad de rápido crecimiento se conoce como ingeniería de arneses. Todavía no existe un estándar general para la ingeniería de arneses. Todavía en proceso de cambio.
He redactado mi propia definición:
- Mi borrador de definición de ingeniería de arneses en IA: “La ingeniería de arneses es una disciplina de ingeniería que sustenta el diseño, desarrollo, prueba, implementación y mantenimiento de la infraestructura circundante que permite que los modelos de IA funcionen de una manera utilizable, confiable, segura y efectiva”.
Un arnés típico incluye varios componentes relacionados, como:
- Avisos del sistema
- Orquestación del flujo de trabajo
- Integración de dispositivos
- Sistema de recuperación
- Sistema de memoria
- Mecanismo de seguridad
- Verificación de validación
- Sistema de monitoreo
- marco de evaluación
- Mecanismo de supervisión humana.
- Etc.
Muchos desarrolladores colocan estos componentes en diferentes capas:
- Capa la orquesta
- Capa de control
- Capa de evaluación
- Una capa de seguridad
- Y otras capas
Pensamientos sobre la ingeniería de arneses
Hagamos un resumen rápido de algunas pepitas de oro cruciales cuando se trata de ingeniería de aprovechamiento.
Uno de los objetivos es estar siempre consciente del hecho importante de que el arnés está ahí para la estrella brillante del espectáculo, que es la IA. Es fácil preocuparse por el arnés y perder de vista la IA que se supone que está en el núcleo de ensamblaje. El arnés no te será útil si la propia IA es reacia o inadecuada. Al mismo tiempo, incluso si la IA es mejor, un arnés débil o incompetente reducirá el uso de la IA y la gente pensará que es culpa de la IA y no del arnés.
Esto trae un giro extraño. Es concebible que una IA mediocre pueda superar a una IA más estelar simplemente por tener una mejor apariencia de ingeniería de arneses. La IA mediocre se fortalece al tener arneses más fuertes. Quizás esté dispuesto a pasar por alto las debilidades de la IA. Mientras tanto, una IA estelar con el arnés equivocado te molestará porque no puedes alcanzarla o parece subir y bajar; probablemente te aburrirás de la dificultad y elegirás otra IA en su lugar.
Las capas pueden ayudar
Formar componentes en capas proporciona un enfoque estructurado útil para aprovechar la ingeniería. Entre las diversas capas, los ingenieros de arneses suelen analizar en profundidad la capa de orquestación.
La capa de orquestación es responsable de garantizar un flujo de trabajo fluido en nombre de la IA. El flujo de trabajo típico es que el usuario ingresa el mensaje, la IA tokeniza el mensaje y la IA procesa el mensaje; Durante el procesamiento, la IA puede necesitar acceder a la memoria de la computadora para su procesamiento, a veces la IA llega a otras aplicaciones o sistemas durante el procesamiento, la IA produce una respuesta y la respuesta se muestra al usuario.
Aprovechar la ingeniería a través de capas de orquestación proporciona claridad y eficiencia para los flujos de trabajo esperados. Ayuda a gestionar la IA.
Me doy cuenta de que parece obvio que es necesario regular el flujo de trabajo de la IA. Ahora está en lo más alto de nuestra mente, pero no necesariamente antes. Cuando se introdujo por primera vez la IA generativa, los fabricantes de IA prestaron poca atención a la orquestación. Sin un enfoque en la orquestación, la IA puede terminar con una peor calidad de razonamiento, el uso de herramientas externas puede volverse caótico y, de lo contrario, la IA parecerá tener problemas y no ser confiable.
La IA agente impulsa la ingeniería de arneses
Muchas discusiones sobre ingeniería de arneses aparecen en el contexto de la IA agente. Los agentes de IA son el nuevo ámbito más candente de la IA. Para entender qué es la IA agente, comencemos por considerar la IA convencional.
Imagine que utiliza IA generativa convencional para planificar un viaje de vacaciones. Normalmente iniciará sesión en su cuenta de IA generativa. La planificación de su viaje será sencilla gracias a la fluidez del lenguaje natural de la IA generativa. Todo lo que tiene que hacer es explicar adónde quiere ir y luego entablar un diálogo fluido sobre los pros y los contras de dónde alojarse y las opciones de transporte disponibles.
A la hora de reservar tu viaje, es probable que necesites salir de la IA generativa y empezar a acceder a los sitios web de hoteles, parques temáticos, aerolíneas y otras áreas para comprar tu billete. Relativamente pocas de las principales IA generativas disponibles en la actualidad darán el siguiente paso por usted. Depende de usted realizar bien las tareas.
Aquí es donde entran en juego los agentes y la IA agente.
Antes, definitivamente llamarías a un agente de viajes para hacer una reserva. Si bien todavía existen agentes de viajes humanos, otra forma es utilizar agentes basados en IA que se basan en IA generativa. La IA tiene la interactividad que esperarías de la IA generativa. También está precargado con una serie de rutinas o conjuntos de tareas que respaldan el negocio del agente de viajes. Utilizando el lenguaje natural cotidiano, usted interactúa con una IA agente, que trabaja con usted en su planificación y puede continuar administrando las reservas de su plan de viaje.
Los agentes tienden a aprovechar
Pensemos por un momento en la complejidad asociada a la IA agente. Varios entresijos tienden a mejorar el juego cuando se trata de infraestructura y andamiaje asociados con la IA agente en comparación con la IA generativa convencional.
Por ejemplo, es posible que un agente de IA acabe interactuando con algún otro agente de IA. En las reservas de vacaciones, puede haber agentes de IA para hoteles, agentes de IA para vuelos, agentes de IA para alquiler de automóviles, etc. Cada uno de esos agentes de IA tiene especializaciones. Necesitan interactuar entre sí para producir un orden general sensato.
La coordinación entre múltiples agentes definitivamente mejora si se cuenta con el tipo de arnés adecuado. El elemento de arnés ayudará a cada agente de IA a conectarse con otros agentes de IA según sea necesario. El enrutamiento dinámico del modelo puede ocurrir a través del arnés. El arnés puede incluir verificación de errores y garantizar que si un agente falla, se notificará a los demás.
Investigación en ingeniería de arneses
Anteriormente había señalado que la ingeniería de arneses es un área en crecimiento. Los investigadores están tratando de descubrir qué constituye un arnés y una ingeniería de arnés. El ámbito de la IA necesita ese tipo de claridad.
En un estudio de investigación publicado recientemente titulado “Qué hace que un arnés sea un arnés: condiciones necesarias y suficientes para un arnés de agente” por Sanderson Oliveira de Macedo, arXivEl 10 de junio de 2026, se plantearon los siguientes puntos importantes (extractos):
- “El término arnés de agente ahora está circulando ampliamente en la ingeniería de software con inteligencia artificial generativa. Es el nombre de la capa que envuelve el modelo de lenguaje y se convierte en un agente de codificación que puede funcionar en el repositorio”.
- “El uso es vago y polisémico”.
- “A veces, el término representa el producto completo (Claude Code, Codex CLI); a veces representa el andamio de evaluación que ejecuta el agente frente a la tarea (aproveche SWE-bench); a veces se combina con el marco del agente, un SDK, un complemento IDE o un orquestador”.
- “Reconstruimos la genealogía de los términos, desde herraduras hasta arneses de prueba clásicos, arneses de evaluación de aprendizaje automático y, finalmente, arneses de agentes”.
- Luego proponemos una definición constitutiva que establece las condiciones necesarias y suficientes para que el sistema se convierta en agente; lo ponemos en práctica como una prueba de inclusión y exclusión, y trazamos límites conceptuales contra marcos de agentes, SDK de agentes, complementos IDE, arneses de evaluación y orquestadores.
Este estudio de investigación enfatiza específicamente que el dominio todavía es vago y que incluso la simple definición de la ingeniería del arnés es un desastre ahora.
En este ejemplo, este estudio opta por definir la ingeniería de arnés en el contexto de arnés, según esta útil definición: “Arnés de arnés es una capa de ingeniería de tiempo de ejecución que envuelve uno o más modelos de lenguaje y los convierte en un agente capaz de completar tareas a través de un entorno externo, acoplando al modelo: (i) bucle de agente que entrelaza razonamiento, acción y) un modelo de observación; entorno; (iii) gestión de contexto que decide qué entra y sale de la ventana del modelo; y (iv) control de mecanismo, es decir, limitaciones, verificación y acciones deterministas, que hacen que la implementación sea más confiable, auditable y contenida.
La fiebre del oro de la IA necesita una buena infraestructura
No hay duda de que las noticias y las redes sociales se concentran en los matices de la IA generativa y los agentes de IA, y rara vez dedican titulares a la importancia de los arneses y la ingeniería de arneses. Supongo que la misma posibilidad ocurrió en los días de la fiebre del oro. Pocos prestan atención a las tiendas y proveedores que brindan los aspectos circundantes para hacer posible la extracción de oro y mantener contentos a los mineros.
A medida que se acumulen los avances en la IA, aumentará en consecuencia la necesidad de ingeniería de arneses. La IA debe guiarse, monitorearse, validarse, limitarse y aprovecharse adecuadamente. De hecho, hay oro en el futuro, especialmente cuando se trata de desarrollar y promover el papel y las capacidades de la ingeniería de arneses.
