Der Flaschenhals ist nicht das Modell. Es ist das Harness.
Harness Engineering: Die entstehende Disziplin, das Drumherum eines Modells so zu bauen, dass Agenten die Produktion zuverlässig und unter Einhaltung der Governance erreichen.
- Head of AI · Google Cloud LATAM
- Ex-NTT DATA
- Agentic AI
- Conversational AI
- Robotik
- Produkt
- Enterprise-Transformation
EUREKA, alle zwei Wochen in Ihrem Posteingang
KI, Agenten und Robotik — Ideen, Vorträge und Analysen für den Weg von der Demo zur realen Wirkung. Auf Englisch und Spanisch.
Sie bestätigen die Anmeldung auf Substack. Kein Spam; jederzeit abbestellbar.
Fünf Thesen, auf die ich setze
Überzeugungen, die prägen, wie ich die Entwicklungen im Bereich KI interpretiere — und wo die echten Chancen liegen.
- 01
Der Flaschenhals ist das Harness, nicht das Modell.
Die tatsächliche Leistung eines KI-Systems hängt mehr von der Umgebung des Modells ab – Tools, Kontext, Validierung, Speicher, Limits – als vom Modell selbst.
- 02
Vom Copilot zum Digital Employee.
Autonome Agenten assistieren nicht mehr nur: Sie führen komplette Prozesse End-to-End aus. Das verändert die Art und Weise, wie wir Wert, Risiko und ROI messen.
- 03
Die Robotik hat gerade ihr Gehirn gefunden.
Foundation Models sind das, worauf die Robotik vierzig Jahre gewartet hat. Embodied AI ist die nächste Grenze – industriell, wissenschaftlich und gesellschaftlich.
- 04
Die Kosten pro Ergebnis werden darüber entscheiden, welche Agenten überleben.
Token, Retries, menschliche Aufsicht: Jeder Agent hat eine eigene P&L. Der Vorteil liegt nicht darin, Agenten zu haben – sondern zu wissen, welche sich selbst tragen, und dies auch beweisen zu können.
- 05
Wenn es die Menschen nicht erreicht, ist es immer noch nur eine Demo.
Angewandte KI, die wirklich zählt = Wirtschaft + Gesellschaft + Menschen. Ohne alle drei gibt es keine echte Wirkung.
Wo Sie anfangen können
Eine Handvoll Beiträge, die das aktuelle Denken widerspiegeln — Agentic AI, Foundation Models und die Realität ihrer Bereitstellung.
The agentic enterprise needs an immune system
How to design AI agents that can act without concentrating trust: identity, least privilege, containment, oversight, and recovery.
The Stopwatch and the Exam
Static AI benchmarks did not die; they stopped being enough. A grounded look at the move from capability to agency, the harness problem, and where to put attention now. Backed by a public catalog of 69 agentic benchmarks.
Cognitive Architecture and Emergent Phenomena in Advanced AI
A synthesis of current mechanistic and behavioral research on how cognitive structures and emergent behavior arise in modern AI systems.
The next generation of AI: Self-Improvement and Autonomous Learning
Self-improvement and autonomous learning in AI — and the road to an intelligence explosion.
Worüber ich schreibe
Wiederkehrende Themen in der Bibliothek. Filtern Sie die Bibliothek nach einem beliebigen Thema.
Prototypen, Benchmarks und Tools
Interaktive Experimente zur Erforschung von KI, Agenten und komplexen Systemen — beginnend mit einem offenen Benchmark-Tracker für KI-Agenten.
Eine probabilistische Karte der Orte, an denen die Episoden der Ilias und der Odyssee stattgefunden haben könnten – jeder Ort klassifiziert als akzeptiert, plausibel, spekulativ oder mythisch, bewertet mit 0–12 Punkten anhand einer veröffentlichten Rubrik, mit Quellen, konkurrierenden Theorien und wiederverwendbarem JSON/GeoJSON.
Interaktive Sandbox: Konfigurieren Sie einen Agenten auf sechs Achsen, wählen Sie eine Bedrohung aus den OWASP LLM Top 10, schalten Sie die achtzehn Kontrollen der Agentic Control Matrix ein und aus und lesen Sie die Abdeckung ab – ausgefüllte Quadranten, leer gelassene Quadranten, beantwortete Frameworks. Bewusst ohne Restrisiko-Score.
Eine interaktive Taxonomie, die 24 KI-Agenten – von OpenAI, Anthropic, Google, Microsoft, Amazon und SpaceXAI bis hin zur Open-Source-Spitze – als Vektoren über sechs orthogonale Achsen plus einer Aktionsoberfläche kodiert, mit einer filterbaren Tabelle, einer A×T×I-Governance-Risiko-Matrix und einer maschinenlesbaren JSON-API.
Empfehlungen
Eine Handvoll Stimmen von Teams, die ich aufgebaut habe, Führungskräften, mit denen ich zusammengearbeitet habe, und Engineers, mit denen ich Projekte realisiert habe.
“During the time we worked together he demonstrated a remarkable vision to apply technology in order to solve real daily problems. His passion and proactivity makes him achieve what sometimes seems impossible. Very focused on customer needs, always a pleasure to work with Santiago!”
Agustin Aznar GabásHead of Retail (Spain, Portugal & Italy) · Executive Committee“Santi worked with me for 10 years. His ability to set up teams and his foresight in detecting new tech trends, that will disrupt the market is outstanding. He ran the product management of a set of payment products, which are successfully used today by Spanish Merchants, Banks, and Users.”
José Manuel ReyesPayment Processing Specialist“Santi is constantly surprising with innovative and disruptive products with huge potential to change the market. He is always ahead of the pack in terms of technology and how it can disrupt businesses.”
Angel Luis de la MoyaProduct Manager · Getnet Europe (a Santander Company)“I worked on Santi's team for 4 years. He has a surprising drive, he is able to break down all the barriers to launch a product. Due to his software engineering background he understands the technical challenges, which makes communication between clients and technical staff easy.”
Héctor Abraham Morillo PrietoSoftware Engineer · Automattic
Wo Sie mich finden
Gleiche Ideen, andere Formate. Wählen Sie den Kanal, der dazu passt, wie Sie lesen, zuschauen oder zuhören.
Wer dahintersteckt
Physiker von Haus aus, heute Head of AI Forward Deployed Engineers für LATAM bei Google Cloud. Ich schreibe, um den KI-Wandel zu verstehen — und um zu teilen, was funktioniert, wenn man ihn tatsächlich in die Praxis umsetzen muss.