El 7 de agosto de 2026, Databricks publicó un manual de gestión de costes de IA que condensa una conversación mantenida durante meses con Stripe, Coinbase, Uber y Ramp: el código generado por agentes ha mejorado “mediblemente” todas sus métricas de velocidad y, en algunos equipos, multiplicado por diez la producción, pero el gasto crece de forma exponencial y, si no se controla, terminará superando los ingresos.
La tesis central del documento es contraintuitiva: el protagonista de la factura no es el modelo, sino el harness, el software que rodea al modelo y define cómo un humano lo usa. Y se puede entender más fácilmente si tenemos en cuenta solo una cosa: quien controla el harness controla cuánto cuesta cada interacción humano-IA.
La economía de los agentes, el negocio de delegar trabajo a programas autónomos, está migrando de la licencia por asiento al cobro por uso, y saber dónde se genera el coste se ha vuelto una ventaja competitiva cuando tienes que hacer uso intensivo de la IA. Según Gartner, el mercado de agentes de codificación empresarial facturaba entre 9.800 y 11.000 millones de dólares anualizados en abril de 2026, y las proyecciones para 2030, lo ubica por encima de los 100 mil millones de dólares.
Ana Botín redefine el lujo: pasar de la IA y hacer lo que le da la gana
¿Qué es un harness? Explicado sin jerga técnica
Un modelo de lenguaje o IA es solo un «programa» que predice texto de forma probabilística: recibe una entrada de datos y devuelve una salida de datos. Solo responde y se detiene; no lee archivos, no ejecuta comandos, no corrige sus errores. Es la cosa menos inteligente que puedas imaginar, por mucho que le llamen «Inteligencia Artificial».
El «harness» es todo lo demás: la capa de software que envuelve al modelo y lo convierte en un agente capaz de hacer algo. Incluye el bucle que repite “razonar, actuar, observar” hasta terminar la tarea; las herramientas que el agente invoca (leer un archivo, ejecutar una orden, buscar en el repositorio); la gestión del contexto, que decide qué entra y qué sale de la ventana de memoria; y los mecanismos de control, como permisos y presupuestos. En palabras de la documentación de Claude Code: “Claude Code es el harness, y Claude, el modelo que hay dentro”.
Claude Code, Cursor, OpenAI Codex, Windsurf, Aider, Cline: todos estas herramientas son harnesses. La industria convergió en esta arquitectura desde abajo, al resolver el mismo problema: como hacer que un LLM edite código real, y un informe de O’Reilly de mayo de 2026, lo resume en una fórmula que circula por el sector: agente = modelo + harness.
Para nuestro lector sin conocimientos técnicos: el modelo es el motor y el harness, la caja de cambios, el chasis y el cuadro de mandos. El consumo lo decide el cuadro de mandos, no el motor.
El harness manda en la factura
La evidencia de que el harness domina el coste llega de varias direcciones en 2026. La más limpia es el The Harness Effect, un preprint de arXiv del 8 de julio de 2026, que midió 22 tareas en seis modelos, cambiando únicamente la capa de orquestación: con el mismo modelo y las mismas tarifas, el harness rediseñado redujo el coste por tarea un 41 % (de 0,21 a 0,12 dólares), los tokens un 38 % (de 14.200 a 8.800) y el tiempo un 44 %, manteniendo la calidad (0,78 a 0,81). El hallazgo más incómodo: el harness movió el coste por tarea más que la elección entre el modelo más caro y el más barato.
Databricks llegó a una conclusión similar con su benchmark interno. El mismo modelo, con dos harnesses distintos (Claude Code/Codex frente a Pi, este ultimo un harness extremadamente mínimo), costaba más del doble por tarea en algunos casos, con calidad idéntica. La diferencia estaba en cuánto contexto alimentaba cada harness en cada paso. En el manual, Databricks añade que un ajuste sencillo del harness y de la caché redujo casi un 50 % los tokens generados, sin degradación de calidad.
¿Por qué la interacción humano-IA cuesta lo que el harness decide?
Para entender la magnitud hay que saber cómo se cobra la IA: por tokens, unidades de texto que el modelo “lee” (entrada) y “escribe” (salida). La entrada cuesta, en promedio, unas cinco veces menos por token que la salida, pero su volumen es enorme: PointFive, en su índice de julio de 2026, calcula una tarea tipo en 200.000 tokens de entrada y 30.000 de salida. La lectura, siendo barata por token, domina la factura.
Cuando un humano escribe “investiga y corrige este bug”, esa frase representa una fracción insignificante de los datos que entran en el modelo: el agente recupera el contexto del repositorio, invoca docenas de herramientas, integra conocimientos de la empresa, realiza otras tareas con herramientas si es necesario. Así, el coste real de esa interacción lo define el harness: cuánto contexto inyecta, con qué frecuencia comprime el historial, si reaprovecha caché o vuelve a facturar tokens ya vistos, cuánta “charla” genera. Al final, el usuario paga por una petición que apenas ha escrito; el harness decide cuánto vale.
Y en ese sentido, el componente más potente es la caché de prompts. Los proveedores facturan los tokens de entrada servidos desde caché alrededor del 10 % del precio de lista. Un harness disciplinado, estructura la petición en un prefijo estable en bytes (que se sirve de caché) y una cola variable por turno; el estudio “Harness Effect” midió que el 99,9 % de los tokens de entrada se sirvieron así desde caché, pagando la décima parte del precio de lista. Esa diferencia la decide exclusivamente cómo ensambla el contexto el harness: el mismo modelo y el mismo trabajo pueden costar cinco veces más o cinco veces menos.
Bitcoin Digital Objects: el estándar que le faltaba a Bitcoin
El acoplamiento modelo-harness y la trampa del bloqueo
Pero si el harness manda tanto, ¿se puede cambiar? La respuesta es: no del todo, los modelos propietarios de frontera se diseñan cada vez más junto a sus harnesses específicos. Databricks lo deja en claro: “Ciertos harnesses funcionan mejor con ciertos modelos”. Los modelos se entrenan, en parte, contra el harness con el que se venden; cambiarlos de caja puede llevar a que se desaproveche toda su capacidad.
La consecuencia económica es directa: un equipo atado a Claude Code no puede adoptar un modelo más barato de otro proveedor sin cambiar de harness. El coste de cambio es alto, y cuando supera el ahorro, el harness se convierte en un bloqueo de facto hacia una familia de modelos. La independencia de modelos, la mayor palanca de ahorro, requiere infraestructura para sostenerla.
Las empresas lo resuelven con dos estrategias. La primera: dar a los desarrolladores un menú de harnesses y pedirles que cambien para migrar el gasto a modelos más baratos; funciona, pero el coste de cambio individual es alto. La segunda, cada vez más popular, es el meta-harness: una capa que ofrece una experiencia de usuario común y despacha las peticiones a distintos harnesses subyacentes, propietarios y de código abierto.
Databricks presentó el suyo, Omnigent, un proyecto de código abierto que envuelve a Claude Code, Codex y Pi en una API uniforme, permite combinarlos con cambios de una línea y aplica políticas de coste, sin depender de que el modelo colabore.
Enrutar el trabajo al modelo correcto
El segundo gran ahorro viene de decidir qué modelo ejecuta cada tarea. Databricks lo llama perseguir la frontera de eficiencia, en lugar de la de inteligencia: la primera es el modelo más capaz; la segunda, el conjunto de modelos con el mejor precio por nivel de inteligencia dado. La mayoría del trabajo diario no exige ese nivel, y esa frontera de eficiencia avanza más rápido que la de inteligencia: cada semana aparecen modelos con mejor relación inteligencia-precio.
El manual describe tres patrones. El primero es a nivel de petición: un proxy con estado se coloca entre el harness y los modelos y envía cada petición al modelo más barato capaz de responderla. Es la idea detrás de Cursor Router, del AutoRouter de OpenRouter, del Router de Ramp y del Smart Routing de Databricks, que según sus datos reduce más de un 30 % el coste medio por tarea manteniendo la calidad del modelo más caro.
El segundo es a nivel de tarea, y lo hace el propio meta-harness: un despachador evalúa la complejidad de la petición y delega la tarea entera al harness adecuado. El tercero son los patrones de escalado con dos modelos: en el Advisor de Claude, el barato dirige y escala a uno caro cuando lo necesita; en Devin Fusion, de Cognition, ocurre lo contrario, el caro dirige y subcontrata al barato.
Los modelos más nuevos y potentes no siempre merecen la pena
El modelo más nuevo y potente no es automáticamente el más eficiente. Stripe comprobó que Opus 4.7 no mejoraba la calidad frente a Opus 4.6 y costaba más; no lo ofrecieron internamente. Databricks observó regresiones similares al comparar Opus 5.0 con 4.8 y, tras evaluar un benchmark propio, encontró que los modelos GLM ofrecían una relación precio/rendimiento muy competitiva y los desplegó.
La lección no es que un proveedor sea mejor que otro, sino que la evaluación automatizada sobre tareas reales, no los benchmarks públicos, es el filtro necesario para capturar la frontera de eficiencia. Y esa captura se pierde si la infraestructura no permite cambiar de modelo con fluidez; quien no puede, se queda pagando la factura del pasado.
CLARITY: el último cartucho de la industria cripto para recuperar el negocio perdido
Gobernanza del gasto: fricción progresiva en lugar de topes
Por otro lado, DataBricks en su estudio dedica una sección entera a un hallazgo que contradice el instinto: los presupuestos duros no funcionan. Cortar el acceso a un desarrollador que ha superado su tope paraliza la productividad, y los mayores gastadores suelen ser quienes más valor extraen de la IA.
En su lugar, las empresas convergen en una escalera de fricción progresiva. Primero, visibilidad: cada empresa muestra al usuario su gasto en tiempo casi real, a menudo con consejos sobre modelos más baratos.
Segundo, puertas de gasto: advertencias auto-despejables cuando el consumo sube, que no requieren aprobación y frenan gastos accidentales, y puertas superiores que exigen aprobación explícita. Tercero, downshifting: si un desarrollador supera una puerta, se le baja a un modelo más barato en lugar de suspenderlo, para que siga trabajando a coste drásticamente menor. Cuarto, y solo como último recurso, la suspensión temporal del acceso a la IA.
Databricks lo aplica en su propio Unity AI Gateway, con dos presupuestos acoplados: uno diario, pequeño, que atrapa fugas de gasto y se auto-amplía con un clic de reconocimiento, y uno mensual, que exige aprobación de un mánager, está ligado a un proyecto y expira con él. Los límites se mueven en escalones para que cada subida sea una conversación real sobre valor; la clave es que todo el tráfico de agentes pasa por un único punto de control: el gateway.
La aproximación no es exclusiva de Databricks. Cerver relata que Uber probó el enfoque contrario, un tope duro de 1.500 dólares por ingeniero al mes, y el resultado de esa decisión fue gastarse todo el presupuesto anual de IA, en solo 4 meses.
Una nueva era económica para los agentes de IA
Juntando las piezas, la economía de los agentes pasa de una pregunta de modelos a una pregunta de infraestructura. La migración del cobro por asiento al cobro por consumo es un hecho: GitHub Copilot pasó a créditos de IA basados en uso el 1 de junio de 2026, y Claude Code, Codex y Devin acumulan tokens sobre el asiento. EY describe el primer semestre de 2026 como una “SaaSpocalypse”: la licencia por asiento se rompe cuando el trabajo lo hacen agentes autónomos que no descansan, y los precios se dirigen a un esquema por capas.
En ese mundo, el coste por tarea resuelta se convierte en la unidad económica básica, y la evidencia de julio de 2026 dice que esa unidad la gobierna el harness. La dirección del sector lo confirma: los SDK de agentes (Claude Agent SDK, Codex SDK, OpenAI Agents SDK) empaquetan cada vez más la infraestructura del harness como servicio, y las consultoras apuntan a la capa de orquestación como el “control point” donde se concentrará el valor. Puede que el harness ganador sea el que derroche menos inferencia: más caché, mejor compresión y enrutamiento inteligente.