El harness le gana al modelo — la prueba de Nvidia

Nvidia hizo un estudio y confirmó lo que ya sabíamos los que estamos en la trinchera: la seguridad y utilidad de un agente de IA vienen de cómo lo restringes, no de qué tan inteligente es el modelo base. Ajustar los guardrails — el harness — mantiene al bicho en su carril y evita que se vaya a la locura incluso cuando el modelo de abajo es mediocre.

Lo que cambió es el enfoque. Por un tiempo la industria perseguía modelos más grandes como si fueran el único camino. Los resultados de Nvidia le dan la vuelta. El harness es la parte que sí controlás — las reglas, el formato de salida, la lógica de reintentos, los límites de lo que puede tocar. Si lo afinás, tenés confiabilidad sin el gasto de cómputo de un modelo top-tier.

La implicación es práctica: para mucho trabajo real — extracción de datos, herramientas internas, automatizar ops aburridas — no necesitás GPT-5. Necesitás un harness que mantenga al modelo en su carril. El modelo es el motor; el harness es el volante.

Por qué nos importa:
Las shops de Brown que corren side businesses y equipos chicos pueden lograr la misma confiabilidad con modelos más baratos invirtiendo en el harness — el costo real está en las reglas que escribís, no en las horas de GPU que quemás.