Durante los últimos años, la conversación sobre inteligencia artificial se concentró en una pregunta aparentemente simple: ¿cuál es el mejor modelo?

Cada nueva generación prometía más parámetros, más velocidad, más contexto y mejores capacidades de razonamiento. La inteligencia parecía residir exclusivamente en el modelo. Cuanto mejor fuera el modelo, mejores serían los resultados.

Pero algo empezó a cambiar.

Los modelos siguen siendo fundamentales, pero ya no constituyen el único factor relevante. En muchos casos, ni siquiera son el principal. A medida que los sistemas se vuelven más complejos, resulta evidente que la calidad del resultado depende cada vez menos del modelo aislado y cada vez más del entorno en el que ese modelo opera.

La discusión comenzó con el prompt engineering. Más tarde aparecieron el context engineering, el tool engineering, los sistemas de memoria, la orquestación de agentes y las evaluaciones automatizadas. Cada una de estas disciplinas resolvió un problema específico, pero también reveló algo más profundo: la inteligencia efectiva es el resultado de la interacción entre múltiples componentes.

Sin embargo, todavía existe un problema.

Tenemos nombres para las piezas, pero no para el conjunto.

Un nombre para un fenómeno que ya existe

No proponemos una disciplina nueva ni pretendemos atribuirnos el descubrimiento de un campo completamente inexplorado. Lo que proponemos es una manera de describir un fenómeno que ya está ocurriendo.

Llamaremos provisionalmente ingeniería del entorno al proceso de diseñar el ecosistema completo en el que opera un agente.

Ese ecosistema incluye, entre otros elementos:

  • El modelo.
  • El contexto.
  • La memoria.
  • Las herramientas.
  • La metodología de trabajo.
  • Los mecanismos de evaluación.
  • El aprendizaje.
  • La supervisión humana.

Ninguno de estos componentes es suficiente por sí mismo. Su valor aparece cuando se relacionan entre sí.

En otras palabras, el objetivo ya no consiste únicamente en construir una herramienta, sino en diseñar el sistema que permite que esa herramienta alcance un determinado nivel de desempeño.

El problema de la excelencia

Imaginemos dos profesionales con la misma formación, la misma experiencia y el mismo nivel de conocimientos.

El primero trabaja en un entorno caracterizado por procedimientos claros, acceso al conocimiento acumulado, estándares definidos, mecanismos de revisión y una cultura de mejora continua.

El segundo desarrolla exactamente la misma tarea, pero dentro de un entorno desorganizado, sin procesos estables, sin mecanismos de control y sin una metodología consistente.

Aunque ambos posean capacidades similares, los resultados serán diferentes.

La diferencia no estará necesariamente en las personas.

La diferencia estará en el sistema.

La inteligencia artificial está haciendo visible una realidad que siempre existió: el rendimiento depende, en gran medida, de la calidad del entorno.

Del prompt al ecosistema

Podríamos representar esta evolución de la siguiente manera:

Prompt engineering
          ↓
Context engineering
          ↓
Tool engineering
          ↓
Agent engineering
          ↓
Evaluation engineering
          ↓
Harness engineering
          ↓
Ingeniería del entorno

No se trata de etapas excluyentes. Cada capa incorpora a la anterior y amplía el alcance del problema.

La pregunta deja de ser «¿qué instrucción debemos escribir?» y pasa a ser «¿cómo diseñamos el sistema completo?».

El ascenso del harness

La palabra harness suele traducirse como «arnés». En ingeniería de software se utiliza desde hace décadas para describir un entorno controlado de pruebas y ejecución.

Sin embargo, la aparición de agentes autónomos está ampliando el significado del concepto.

Un harness moderno ya no es únicamente un mecanismo de ejecución. También es una estructura que coordina herramientas, memoria, reglas, objetivos, evaluaciones, restricciones y aprendizaje.

No se limita a responder preguntas.

Define la manera en que un sistema trabaja.

Desde esta perspectiva, el modelo deja de ocupar el centro del escenario. El verdadero protagonista es el entorno.

La paradoja de la inteligencia artificial

La historia reciente de la tecnología parece conducirnos hacia una paradoja.

Construimos modelos cada vez más poderosos, pero la fuente principal de valor ya no reside únicamente en ellos.

La ventaja competitiva se desplaza hacia otro lugar:

  • La calidad del contexto.
  • La calidad de la memoria.
  • La calidad de las herramientas.
  • La calidad de las evaluaciones.
  • La calidad de la metodología.
  • La calidad del entorno.

Durante décadas, la ingeniería se concentró en construir mejores herramientas.

La próxima etapa podría consistir en construir mejores ecosistemas.

Una hipótesis de trabajo

Quizás dentro de algunos años aparezca un término más preciso y la expresión «ingeniería del entorno» quede en el camino.

O quizás ocurra exactamente lo contrario.

En cualquier caso, la pregunta seguirá siendo la misma:

¿cómo diseñamos sistemas capaces de producir excelencia de manera consistente?

Porque, al menos por ahora, la inteligencia parece depender menos del cerebro y mucho más del mundo que construimos a su alrededor.