Harness, scaffold y otros términos de agentes de IA que conviene entender

Hugging Face (una plataforma donde desarrolladores comparten y descargan modelos de IA ya entrenados) acaba de publicar un glosario técnico sobre agentes de IA, según informó en su blog oficial. El objetivo es poner orden en un campo donde los términos se multiplican más rápido que los consensos: palabras como "harness", "scaffold" o "agentic" aparecen en papers y comunicados, pero cada empresa o investigador las usa con matices diferentes.

El glosario distingue entre conceptos fundamentales. Un "harness" (literalmente, arnés) es un framework (un conjunto de herramientas de programación ya listas para usar) que ejecuta un modelo de lenguaje grande o LLM (un tipo de IA entrenada con cantidades masivas de texto para entender y generar lenguaje) y le permite interactuar con herramientas externas: bases de datos, APIs (interfaces que permiten que dos programas se comuniquen entre sí) o buscadores. Un "scaffold" (andamio) es una estructura más simple que organiza cómo el modelo toma decisiones, sin incluir necesariamente las herramientas en sí.

También aclara qué significa que un sistema sea "agentic" (dotado de agencia): básicamente, que el modelo pueda planificar pasos, elegir herramientas y ajustar su estrategia sin que un humano le indique cada acción. No es lo mismo que un chatbot que responde preguntas: un agente decide por su cuenta si necesita buscar información, calcular algo o llamar a una API antes de dar una respuesta.

Otros términos del glosario incluyen "orchestration" (orquestación, es decir, coordinar varios modelos o herramientas para completar una tarea compleja), "tool calling" (la capacidad del modelo de invocar funciones externas) y "ReAct" (un patrón de diseño donde el modelo razona sobre qué hacer y luego actúa, en bucle, hasta resolver el problema). Hugging Face no impone definiciones cerradas, pero sí ofrece un punto de partida común para que investigadores y desarrolladores hablen el mismo idioma.

El glosario llega en un momento clave: los agentes de IA están pasando de experimentos académicos a productos reales, y la falta de vocabulario compartido complica tanto la colaboración como la regulación. Tener claro qué es un harness o un scaffold no solo facilita el trabajo técnico, sino que ayuda a empresas y legisladores a entender qué capacidades tiene realmente un sistema antes de ponerlo en producción.