The same technology can create a large gain or a measurable loss. Consultants working inside the tested frontier completed more tasks, moved faster and produced better work. Experienced open-source developers using early-2025 tools took 19% longer. Harness therefore needs bounded use cases and evidence before authority expands.
La misma tecnología puede producir una gran mejora o una pérdida medible. Los consultores dentro de la frontera evaluada completaron más tareas, avanzaron más rápido y produjeron mejor trabajo. Los desarrolladores experimentados de código abierto tardaron 19% más con herramientas de inicios de 2025. Por eso Harness necesita casos limitados y evidencia antes de ampliar autoridad.
Harness is not another model or chatbot. It is the proposed control layer around business workflows. MCP connects tools, Compliance as Code expresses rules, and BPM maintains durable state. RPA remains useful at legacy interfaces rather than becoming the control room.
Harness no es otro modelo ni otro chatbot. Es la capa de control propuesta alrededor de los flujos empresariales. MCP conecta herramientas, Compliance as Code expresa reglas y BPM mantiene estado durable. RPA sigue siendo útil en interfaces heredadas, no como sala de control.
Fast execution makes weak authorization more dangerous. A secondary account reported that an AI agent deleted PocketOS production data in 9 seconds in April 2026. The source is not independently corroborated here, so the incident remains a caution rather than a benchmark. Harness must make destructive actions narrow, reversible and explicitly authorized.
La ejecución rápida vuelve más peligrosa una autorización débil. Una fuente secundaria reportó que un agente de IA eliminó datos productivos de PocketOS en 9 segundos en abril de 2026. El incidente no tiene corroboración independiente aquí, por lo que funciona como advertencia y no como benchmark. Harness debe hacer que las acciones destructivas sean limitadas, reversibles y autorizadas explícitamente.
The dangerous moment comes after the demo works. Gartner forecast that at least 30% of generative AI projects would be abandoned after proof of concept by the end of 2025. This was a forecast, not a measured final outcome. Harness must prove repeatable delivery before it earns platform-scale investment.
El momento peligroso llega después de que funciona la demostración. Gartner pronosticó que al menos 30% de los proyectos de IA generativa serían abandonados tras la prueba de concepto para finales de 2025. Fue un pronóstico, no un resultado final medido. Harness deberá demostrar una entrega repetible antes de merecer una inversión a escala de plataforma.
A complete workflow can make value visible. Swedish government offices reported reducing one company-analysis process from 24 weeks to 6 while deploying more than 30 assistants. Kolmena establishes one disclosed feasibility example, but not reusable corporate performance. The next proof must come from production workflows.
Un flujo completo puede hacer visible el valor. Oficinas del Gobierno de Suecia reportaron reducir un proceso de análisis empresarial de 24 a 6 semanas mientras desplegaban más de 30 asistentes. Kolmena establece un ejemplo declarado de viabilidad, pero no desempeño corporativo reutilizable. La siguiente prueba debe venir de flujos productivos.
Government AI programs are moving beyond one-off experiments. Swedish offices reported more than 30 assistants, while Estonia counted more than 220 public-sector use cases and estimated nearly €60 million in annual impact. These are implementation reports, not comparable ROI studies. Harness should copy the discipline of scaling measured workflows, not the headline counts.
Los programas gubernamentales de IA están superando los experimentos aislados. Oficinas suecas reportaron más de 30 asistentes, mientras Estonia contabilizó más de 220 casos de uso públicos y estimó casi €60 millones de impacto anual. Son reportes de implementación, no estudios comparables de ROI. Harness debería copiar la disciplina de escalar flujos medidos, no los conteos llamativos.
Japan's Digital Agency planned to pilot Gennai with approximately 180,000 employees across ministries and agencies in fiscal 2026. That scale raises the stakes for identity, permissions, logging and support. It does not yet prove realized productivity or return. Harness should separate deployment reach from verified value.
La Agencia Digital de Japón probará su entorno gubernamental de IA Gennai con aproximadamente 180.000 empleados de todos los ministerios y agencias durante el año fiscal 2026. Esa escala eleva la importancia de identidad, permisos, registros y soporte. Todavía no demuestra productividad ni retorno realizados. Harness debería separar alcance de despliegue y valor verificado.
Compliance automation can make activity easy to count. It can produce more evidence, checks and reports without proving that incidents or losses decline. Harness must connect policy execution with operational outcomes. Otherwise Compliance as Code becomes faster documentation rather than better control.
La automatización del cumplimiento puede facilitar el conteo de actividad. Puede producir más evidencia, controles y reportes sin demostrar que disminuyan incidentes o pérdidas. Harness debe conectar la ejecución de políticas con resultados operativos. De lo contrario, Compliance as Code se convierte en documentación más rápida y no en mejor control.
Governance artifacts matter only when they translate into demonstrable operational control.
Los artefactos de gobernanza solo importan cuando se traducen en un control operativo demostrable.
A control plane needs more than logs. Candidate selection must consider pain, volume, rules, cross-functional reach, data readiness, return and political feasibility. Process evidence adds variants, waiting time, rework and bottlenecks. Data contracts and technical telemetry then make execution understandable and reproducible.
Un plano de control necesita más que logs. La selección de candidatos debe considerar dolor, volumen, reglas, alcance transversal, datos, retorno y viabilidad política. La evidencia de procesos añade variantes, tiempos de espera, retrabajo y cuellos de botella. Los contratos de datos y la telemetría técnica hacen después que la ejecución sea comprensible y reproducible.
RPA looked ready for rapid expansion. A systematic review still identified governance, process selection, brittle interfaces and organizational change as recurring scaling problems. Connecticut spent about $1.1 million on SNAP RPA, and quantified worker-time benefits did not exceed costs. GSA's inspector general separately found weak evidence for claimed savings.
RPA parecía lista para una rápida expansión. Una revisión sistemática identificó gobierno, selección de procesos, interfaces frágiles y cambio organizacional como problemas recurrentes de escalamiento. Connecticut gastó cerca de US$1,1 millones en RPA para SNAP y los beneficios cuantificados de tiempo laboral no superaron los costos. El inspector general de GSA también encontró evidencia débil para los ahorros declarados.
More distribution does not automatically create more reliability or lower cost. Prime Video reported a 90% cost reduction after replacing one distributed monitoring design with a simpler monolithic architecture. This is one workload, not a universal rule. It is strong evidence against treating architecture as doctrine.
Más distribución no crea automáticamente mayor confiabilidad ni menor costo. Prime Video reportó una reducción de 90% después de reemplazar un diseño distribuido de monitoreo por una arquitectura monolítica más simple. Es un solo caso, no una regla universal. Es evidencia fuerte contra tratar la arquitectura como dogma.
Software-agent capability improved sharply over a short period. Approximate SWE-bench resolution rose from about 2% in 2023 to roughly 49% for leading verified systems in late 2024. That makes experimentation more valuable. It also makes versioning and repeated evaluation necessary because the underlying tools change quickly.
La capacidad de los agentes de software mejoró con rapidez. La resolución aproximada en SWE-bench subió de cerca de 2% en 2023 a aproximadamente 49% para sistemas verificados líderes a finales de 2024. Eso vuelve más valiosa la experimentación. También hace necesarios el versionamiento y la evaluación repetida porque las herramientas cambian rápidamente.
The Eurostat measure for Swedish enterprises increased between 2024 and 2025. That establishes movement in organizational adoption, not the value of any one platform. As adoption spreads, shared identity, evaluation and telemetry become more useful. Harness should respond to proven reuse needs rather than assume them in advance.
La medida de Eurostat para empresas suecas aumentó entre 2024 y 2025. Eso demuestra movimiento en la adopción organizacional, no el valor de una plataforma específica. A medida que la adopción se extiende, identidad, evaluación y telemetría compartidas se vuelven más útiles. Harness debería responder a necesidades demostradas de reutilización y no asumirlas por adelantado.
Cloud availability does not translate automatically into AI adoption, so Harness must prove workflow value rather than assume infrastructure readiness will pull demand.
La disponibilidad de la nube no se traduce automáticamente en adopción de IA, por lo que Harness debe demostrar valor en los flujos en vez de asumir que la preparación de infraestructura generará demanda.
AgentBench found substantial performance variation across eight environments. Georgetown-led work documented four experiments translating public-benefit policy into code. NIST and OWASP separately identify material risks including confabulation, privacy, excessive agency and insecure tool use. Harness needs task-specific tests, adversarial tests and monitored outcomes before authority expands.
AgentBench encontró variación considerable de desempeño en ocho entornos. Un trabajo liderado por Georgetown documentó cuatro experimentos para traducir políticas de beneficios públicos a código. NIST y OWASP identifican por separado riesgos como confabulación, privacidad, agencia excesiva y uso inseguro de herramientas. Harness necesita pruebas específicas, pruebas adversariales y resultados supervisados antes de ampliar autoridad.
Anthropic introduced MCP with host, client and server roles. OAuth defines a separate authorization structure, while NIST and the EU organize risk governance through their own functions and treatment groups. These layers solve different problems. Harness should keep protocol compatibility separate from identity, permission and business accountability.
Anthropic presentó MCP con roles de host, cliente y servidor. OAuth define una estructura separada de autorización, mientras NIST y la UE organizan el gobierno de riesgos mediante sus propias funciones y grupos de tratamiento. Estas capas resuelven problemas distintos. Harness debería separar compatibilidad de protocolo de identidad, permisos y responsabilidad empresarial.
Google, Microsoft and Amazon offered managed enterprise agent platforms by 2024. Salesforce, ServiceNow and Microsoft also announced branded enterprise agents during 2024. Microsoft maintained at least three overlapping building surfaces, while NVIDIA covered four portfolio layers. Harness needs a stable vendor-neutral boundary because the surrounding product market remains fluid.
Google, Microsoft y Amazon ofrecían plataformas empresariales administradas de agentes para 2024. Salesforce, ServiceNow y Microsoft también anunciaron agentes empresariales durante 2024. Microsoft mantuvo al menos tres superficies superpuestas de construcción, mientras NVIDIA cubría cuatro capas de portafolio. Harness necesita una frontera estable y neutral porque el mercado de productos sigue cambiando.
OpenAI moved through three documented product generations from 2023 to 2025. During the same broad period, EU AI Act obligations began phasing across 2025, 2026 and 2027. Vendor interfaces can change faster than corporate control obligations. Harness should therefore version adapters, policies and evidence independently.
OpenAI avanzó por tres generaciones documentadas de productos entre 2023 y 2025. Durante el mismo período amplio, las obligaciones de la Ley de IA de la UE comenzaron a implementarse entre 2025, 2026 y 2027. Las interfaces de proveedores pueden cambiar más rápido que las obligaciones corporativas de control. Harness debería versionar adaptadores, políticas y evidencia de forma independiente.
DORA applied from 17 January 2025 to twenty types of regulated financial entities plus their ICT providers. That broad reach makes reusable control evidence attractive. The source supplied here is secondary, so exact applicability requires legal confirmation. Compliance as Code should encode validated obligations, not summaries copied from commentary.
DORA rige desde el 17 de enero de 2025 para veinte tipos de entidades financieras reguladas y sus proveedores de TIC. Ese alcance vuelve atractiva la evidencia reutilizable de control. La fuente suministrada es secundaria, por lo que la aplicabilidad exacta requiere confirmación jurídica. Compliance as Code debería codificar obligaciones validadas, no resúmenes copiados de comentarios.
Palantir is a relevant example of an ontology-centered enterprise platform. Its reported customer count rose from 139 in 2020 to 497 in 2023, while revenue approximately doubled. That demonstrates market traction. It does not isolate whether the architecture itself caused customer outcomes.
Palantir es un ejemplo relevante de plataforma empresarial centrada en ontologías. Su número reportado de clientes aumentó de 139 en 2020 a 497 en 2023, mientras los ingresos aproximadamente se duplicaron. Eso demuestra tracción comercial. No permite aislar si la arquitectura causó resultados para los clientes.
JPMorgan Chase described annual technology investment rising from approximately $15.3 billion in 2022 toward about $17 billion in 2024. The scale shows the sustained funding behind regulated technology operations. It does not define an appropriate Harness budget. Harness should grow through measured value gates rather than imitate absolute spending.
JPMorgan Chase describió un aumento de la inversión tecnológica anual desde aproximadamente US$15,3 mil millones en 2022 hacia cerca de US$17 mil millones en 2024. La escala muestra el financiamiento sostenido detrás de operaciones tecnológicas reguladas. No define un presupuesto apropiado para Harness. Harness debería crecer mediante umbrales de valor medidos y no imitar un gasto absoluto.
The complete Eurostat series place the computed ratio in context. Sweden reported 27.96 in 2025, while Germany reported 13.7 in 2021, producing a 2.04x ratio. The years differ, so this is not a synchronized country ranking. It shows why platform adoption begins from different infrastructure baselines.
Las series completas de Eurostat ponen la razón calculada en contexto. Suecia reportó 27,96 en 2025, mientras Alemania reportó 13,7 en 2021, lo que produce una razón de 2,04 veces. Los años son distintos, por lo que no es una clasificación sincronizada entre países. Muestra por qué la adopción de plataformas comienza desde bases de infraestructura diferentes.
Start with a deliberately small control plane and one valuable end-to-end workflow. Add a second and third flow only when shared components reduce marginal delivery effort. Evaluate before deployment, during operation and after material changes. DORA's platform research supports a product orientation but warns that excessive standardization can reduce developer effectiveness.
Comience con un plano de control deliberadamente pequeño y un flujo End-to-End valioso. Añada un segundo y un tercer flujo solo cuando los componentes compartidos reduzcan el esfuerzo marginal de entrega. Evalúe antes del despliegue, durante la operación y después de cambios materiales. La investigación de DORA respalda una orientación a producto, pero advierte que la estandarización excesiva puede reducir la efectividad de los desarrolladores.
The evidence rejects both extremes. Simpler architecture can cut cost, bounded AI workflows can compress cycle time, and measured AI use can slow experienced developers. Start with narrow authority and measurable outcomes. Expand Harness only when reuse and reliability improve across successive production flows.
La evidencia rechaza ambos extremos. Una arquitectura más simple puede reducir costos, los flujos limitados de IA pueden acortar los ciclos y el uso medido de IA puede ralentizar a desarrolladores experimentados. Comience con autoridad estrecha y resultados medibles. Expanda Harness solo cuando reutilización y confiabilidad mejoren en flujos productivos sucesivos.
AI can accelerate work inside its capability frontier and slow experts outside it, so aggregate adoption cannot substitute for workflow-level evaluation.
La IA puede acelerar el trabajo dentro de su frontera de capacidad y ralentizar a expertos fuera de ella, por lo que la adopción agregada no sustituye la evaluación de cada flujo.
AI value depends on the task, user and operating boundary. Harness separates workflow control from models, tools and business systems.
Key findings
A 2025 METR randomized study reported experienced open-source developers completed assigned tasks 19% slower when allowed to use early-2025 AI tools. Model Evaluation and Threat Research
Google reported Borg managing billions of container tasks weekly across clusters with tens of thousands of machines. Association for Computing Machinery
Amazon Prime Video reported a 90% infrastructure-cost reduction after replacing one distributed monitoring architecture with a simpler monolithic design. Amazon Web Services
In a field experiment with 758 consultants, AI users completed 12.2% more tasks, worked 25.1% faster and produced over 40% higher-quality results within the frontier. Harvard Business School
An AI agent deleted PocketOS’s production database in nine seconds in late April 2026. aakashsharan.com
Connecticut’s SNAP RPA cost approximately $1.1 million, and a cost-benefit analysis found that costs exceeded quantified worker-time benefits. fns-prod.azureedge.us
Gartner forecast that at least 30% of generative AI projects would be abandoned after proof of concept by the end of 2025. Gartner
LinkedIn reported Kafka handling more than 7 trillion messages daily, establishing event-platform scale but not business-process suitability. linkedin.com
Approximate SWE-bench results rose from about 2% in 2023 to roughly 49% for leading verified systems by late 2024. Princeton University
OWASP guidance identifies excessive agency, prompt injection, sensitive-information disclosure and insecure tool use as material agent risks. Open Worldwide Application Security Project
Long-context experiments found a U-shaped pattern, with performance often lower when relevant information appeared in the middle. Association for Computational Linguistics
JPMorgan Chase described annual technology investment rising from approximately $15.3 billion in 2022 toward about $17 billion in 2024. JPMorgan Chase & Co.
The argument
An AI agent reportedly deleted PocketOS production data in 9 seconds.
At least 30% of generative AI projects were forecast to be abandoned.
Complete workflows expose value that isolated demonstrations cannot.
Scale is possible, but only workflow outcomes establish value.
Japan planned to pilot Gennai with approximately 180,000 government employees.
More evidence collection does not prove lower operational risk.
This research is published in English and Spanish. Ver en español
La investigación detrás de esta presentación
El valor de la IA depende de la tarea, el usuario y el límite operativo. Harness separa el control del flujo de modelos, herramientas y sistemas empresariales.
Hallazgos clave
Un estudio aleatorizado de METR de 2025 reportó que desarrolladores experimentados completaron tareas 19% más lentamente al usar herramientas de IA de inicios de 2025. Model Evaluation and Threat Research
Google reportó que Borg gestionaba miles de millones de tareas semanales en clústeres con decenas de miles de máquinas. Association for Computing Machinery
Amazon Prime Video reportó una reducción de 90% en costo de infraestructura tras reemplazar una arquitectura distribuida de monitoreo por un diseño monolítico más simple. Amazon Web Services
En un experimento con 758 consultores, usuarios de IA completaron 12,2% más tareas, trabajaron 25,1% más rápido y produjeron resultados de calidad más de 40% superior dentro de la frontera. Harvard Business School
Un agente de IA eliminó la base de datos de producción de PocketOS en nueve segundos a finales de abril de 2026. aakashsharan.com
La automatización RPA de SNAP en Connecticut costó aproximadamente US$1,1 millones, y el análisis costo-beneficio concluyó que los costos superaron los beneficios cuantificados por tiempo laboral ahorrado. fns-prod.azureedge.us
Gartner pronosticó que al menos 30% de los proyectos de IA generativa serían abandonados tras la prueba de concepto para finales de 2025. Gartner
LinkedIn reportó que Kafka manejaba más de 7 billones de mensajes diarios, demostrando escala de eventos pero no idoneidad para procesos empresariales. linkedin.com
Resultados aproximados de SWE-bench aumentaron desde cerca de 2% en 2023 hasta aproximadamente 49% para sistemas verificados líderes a finales de 2024. Princeton University
La guía OWASP identifica agencia excesiva, inyección de prompts, divulgación sensible y uso inseguro de herramientas como riesgos materiales. Open Worldwide Application Security Project
Experimentos de contexto largo encontraron un patrón en U, con desempeño frecuentemente menor cuando la información relevante aparecía en el centro. Association for Computational Linguistics
JPMorgan Chase describió inversión tecnológica anual aumentando desde aproximadamente US$15,3 mil millones en 2022 hacia cerca de US$17 mil millones en 2024. JPMorgan Chase & Co.
El argumento
Un agente de IA habría eliminado datos productivos de PocketOS en 9 segundos.
Se pronosticó que al menos 30% de los proyectos de IA generativa serían abandonados.
Los flujos completos revelan valor que las demostraciones aisladas no muestran.
La escala es posible, pero solo los resultados de los flujos demuestran valor.
La Agencia Digital de Japón probará Gennai con aproximadamente 180.000 empleados gubernamentales.
Recolectar más evidencia no demuestra menor riesgo operativo.
Esta investigación se publica en inglés y español. Read in English
