En la reciente conferencia Build de Microsoft, su CEO Satya Nadella anunció un cambio de paradigma hacia una IA agentica que no requiere la interacción directa del usuario para funcionar. Este cambio está sustentado por una nueva capa tecnológica ejemplificada en OpenClaw, un proyecto open source que ahora corre nativamente en los contenedores de ejecución de Windows. Sobre esta base, Microsoft ha desarrollado Scout, un agente empresarial siempre activo integrado con sus herramientas como Teams y Outlook, evidenciando cómo la infraestructura de agentes automáticos está empezando a consolidarse en entornos profesionales.
Desde otra perspectiva, Nvidia defendió en su conferencia GTC el concepto de OpenClaw como «el sistema operativo para la IA personal», comparando el propósito de un agente con el de un sistema operativo que gestiona un procesador. Un agente operando sobre un harness como OpenClaw puede responder preguntas de forma autónoma, mantener el estado entre tareas y activar herramientas para ejecutarlas.
Este año se han potenciado dos proyectos abiertos que construyen esta capa de agentes con enfoques distintos. OpenClaw prioriza la puerta de enlace que conecta al agente con múltiples canales de comunicación como WhatsApp, Slack o Discord, facilitando la expansión y compatibilidad. Por otro lado, Hermes Agent, de Nous Research, se centra en la memoria persistente del agente para que pueda aprender y mejorar en el trabajo del desarrollador con el que colabora, manteniendo el contexto y afinando sus habilidades. 
¿Qué es un agent harness?
En términos simples, un agent harness es el software que convierte un modelo de lenguaje en un sistema autónomo. Incorpora un runtime que mantiene el agente activo entre tareas, una puerta de enlace que maneja la comunicación exterior y una memoria que persiste entre sesiones. Sobre esta base se suman herramientas de acción, identidad con la que opera, habilidades que puede ampliar y mecanismos de política y observabilidad que regulan su acceso y control de actividades.
A diferencia de asistentes de codificación que operan solo dentro de una sesión activa (como Claude Code o Codex), el harness garantiza que el agente pueda funcionar sin supervisión constante, conservando su contexto y respetando normativas definidas por las organizaciones.
Un harness mantiene el runtime, la memoria y la gobernanza para que el agente funcione de forma autónoma.
Aunque ambos proyectos coinciden en esta arquitectura básica, divergen en qué componente consideran el núcleo del control: OpenClaw defiende la puerta de enlace como piedra angular para facilitar el acceso amplio y multi-canal, mientras Hermes prioriza la memoria para profundizar en el aprendizaje continuo y personalizado.
OpenClaw: enfoque en la conectividad y gobernanza centralizada
OpenClaw fue creado por Peter Steinberger, reconocido por su trabajo anterior con herramientas PDF, y lanzado en una versión inicial en 2025, momento en que fue renombrado hasta consolidar su actual denominación. La propuesta de OpenClaw se basa en su amplia puerta de enlace central que conecta al agente con decenas de canales de mensajería y cuenta con un mercado público de habilidades, ClawHub, que contiene miles de herramientas aportadas por la comunidad para extender las capacidades del agente.
Su impacto se refleja en más de 380.000 estrellas en GitHub a finales de junio de 2026, aunque estas cifras reflejan popularidad y no necesariamente uso en producción. Más relevante aún es la adopción: Steinberger se incorporó a OpenAI y el proyecto pasó a integrarse en una fundación independiente, con el respaldo de OpenAI, sin que esta controlase el proyecto directamente.
En la conferencia GTC, Nvidia lanzó NemoClaw, un runtime derivado de OpenClaw que añade un entorno sandbox para aislar agentes y aplicar políticas de seguridad desde fuera del propio agente. Más tarde, Microsoft integró OpenClaw en su ecosistema con Scout, que añade identidad Entra y enlaces con herramientas corporativas, poniendo énfasis en la gobernanza y la seguridad.
Los equipos de seguridad ahora pueden delimitar qué carpetas puede acceder un agente, reduciendo riesgos de exposiciones amplias que existían en las primeras implementaciones de OpenClaw.
Esto transforma la ecuación para las empresas: pueden ofrecer agentes gobernados, accesibles desde las herramientas habituales de trabajo, lo que asegura mayor control y facilidades de adopción masiva.
Hermes: enfoque en memoria persistente y autonomía operativa
Hermes Agent, desarrollado por Nous Research y publicado bajo licencia MIT en febrero de 2026, adopta un diseño basado en la memoria como núcleo. Escrito en Python y destinado a correr en infraestructuras propias (ya sean VPS, servidores domésticos o portátiles), su valor diferencial es mantener memoria persistente entre sesiones, aprendiendo y mejorando habilidades constantemente. Además, desarrolla un perfil del desarrollador para contextualizar y enriquecer cada nueva interacción.
Las habilidades funcionan siguiendo el estándar agentskills.io, lo que garantiza portabilidad y evita la dependencia exclusiva de un solo agente. Esta profundidad ha generado un uso notable: Hermes superó los 100.000 estrellas en GitHub a mediados de mayo y alcanzó unos 160.000 a finales del mismo mes, además de liderar el ranking diario de tokens en OpenRouter con cifras que alcanzaron los 22 billones de tokens totales a finales de junio.
Además, Hermes permite migrar fácilmente configuraciones, memorias, habilidades y llaves desde OpenClaw, combinando la profundidad de memoria con la amplitud de conectividad. El coste está en la operación, pues quienes usan Hermes deben encargarse de la seguridad y mantenimiento de la infraestructura.
Comparativa: amplitud versus profundidad
La elección entre OpenClaw y Hermes recuerda al clásico dilema de servicios gestionados versus infraestructuras autogestionadas. Los servicios gestionados ofrecen comodidad y regulación por parte del proveedor, mientras que la infraestructura propia da control total con responsabilidades operativas añadidas.
Muchas organizaciones acabarán combinando ambas soluciones según sus necesidades específicas. Ambos proyectos están evolucionando y no se limitan estrictamente a un solo enfoque, sino que coexisten con funcionalidades compartidas.
| Escenario | Elección más adecuada | Razón y compensación |
|---|---|---|
| Empresa regulada que necesita auditoría y control de políticas | OpenClaw con NemoClaw o Microsoft Scout | Gobernanza e identidad gestionadas por Nvidia o Microsoft, aunque implica dependencia del ecosistema del proveedor |
| Desarrollador que busca un agente que aprenda y sea portable | Hermes | Memoria persistente y habilidades que mejoran, a cambio de gestionar infraestructura propia |
| Equipo que necesita llegar a usuarios en múltiples plataformas de chat | OpenClaw | Gran mercado de skills y conectividad incomparable, con variabilidades en calidad y riesgos en la cadena de suministros |
| Organización que se estandariza en una nube de un solo proveedor | Scout dentro de Microsoft 365 | Máxima integración dentro del ecosistema Microsoft con poca portabilidad fuera de él |
En el terreno real, no se impondrá un único enfoque. Nvidia ya ofrece NemoClaw para ejecutar tanto Hermes como OpenClaw bajo OpenShell, apuntando a una capa de gobernanza común para múltiples agentes.
La importancia de la capa harness
Antes de desplegar agentes en entornos productivos, las empresas deben resolver dos cuestiones fundamentales: la responsabilidad sobre los cambios en el comportamiento del agente cuando modifica su memoria y habilidades entre sesiones, y la propiedad de la gobernanza y la identidad, que en las soluciones de plataforma suelen estar en manos del proveedor y no del equipo que opera el agente.
Nvidia y Microsoft compiten por ofrecer la gobernanza, identidad y observabilidad del agente elegido por el cliente.
Para los grandes proveedores de plataforma, la capa de runtime y gobierno es la pieza clave que sobrevivirá más allá de cualquier modelo de IA específico. Así, Nvidia y Microsoft buscan posicionarse como los guardianes de esos agentes, independientemente del motor de IA que utilicen.
En materia de seguridad, las auditorías sobre OpenClaw han identificado cientos de habilidades maliciosas y miles de instancias expuestas, indicando la necesidad crítica de entornos gobernados y controlados que aseguren la producción fiable.
Perspectivas futuras
El mercado de agentes de IA avanza más allá de la simple elección del modelo para centrarse en capas de ejecución, memoria y gobernanza. OpenClaw ha demostrado que una pasarela amplia y un ecosistema de habilidades pueden atraer a gigantes como OpenAI, Nvidia y Microsoft. Hermes ha resaltado la importancia de la memoria persistente y crecimiento autónomo sin necesitar ese respaldo de plataforma.
El futuro inmediato estará marcado por la gestión de la propiedad y control de la información acumulada por los agentes, la regulación de las herramientas que pueden operar y la titularidad del entorno de ejecución. La memoria persistente crea una alta barrera para cambiar de sistema, más allá de la mera capacidad de conectarse a muchas aplicaciones, lo que convierte esas capas en el campo principal de competencia entre los proveedores.
