Autor: Alejandro Arias-Salazar, PhD | Fuente: IA Lab | Fecha: Octubre 25, 2026
Google Harness 2: Agentes que Aprenden Solos Sin Reentrenar el Modelo
InzideTech analiza Google Harness² (Harness 2), el nuevo framework open-source de Google Research que permite a los agentes de IA reprogramarse a sí mismos sin tocar ni un solo peso de la red neuronal.
El 90% de los agentes fallan en el mundo real, y la razón no está en el modelo: está en su «armadura». Harness 2 reemplaza el ajuste manual de prompts por Automated Harness Engineering.
Los 8 Componentes que el Agente Modifica en Vivo
El agente puede editar en caliente: system prompt, guardrails, memoria, tool guidance, subagentes, skills, scripts y plugins. Todo sin intervención humana.
Cómo Funciona: Ciclo Propose–Probe–Compose
Harness 2 usa un ciclo de doble recursión: Propone un cambio, Sondea el resultado, Compone la mejora. Esto permite que el agente aprenda por iteración continua, sin necesitar respuestas correctas predefinidas.
Resultados Reales
Modelos como Gemini 3.8 Flash y GLM-5 subieron hasta +11.8 puntos en benchmarks profesionales de código, ofimática y trabajo legal (JobBench, LAB, WorkBuddy).
Modos de Recursión
- Paralelo (Ancho): explora múltiples candidatos de mejora simultáneamente
- Secuencial (Profundidad): itera profundamente sobre una mejora paso a paso
⚠️ Advertencia de Seguridad
Nunca ejecutes un agente que escribe y ejecuta su propio código sin sandbox. Usa siempre Docker o una máquina virtual aislada. El agente puede acceder a red si no lo restringes.
Conclusión
Estamos pasando de la era del prompt engineering manual a la era del automated harness engineering, donde el modelo pone el potencial bruto pero es la evolución continua de su armadura la que convierte ese potencial en maestría real.


