IBM acaba de mostrar por qué un solo prompt “perfecto” pierde frente a cuatro prompts aburridos. La tarea era sencilla: emparejar artículos de comestibles faltantes con notas de mensajería, rechazar razones sin sentido como “meh” y generar un informe limpio. Un solo prompt grande seguía fallando en casos límite. No porque el modelo fuera demasiado pequeño, sino porque se le pedía extraer, juzgar, comparar y redactar al mismo tiempo. Entonces, IBM lo dividió en cuatro pasos: extracción, validación, comparación y generación. Mismo modelo. Mismos datos. Menos inteligencia requerida en cada paso. Cada fallo se vuelve visible y corregible. Esto es lo que la mayoría de los equipos malentienden sobre los agentes: la ventaja no es poner 20 personalidades de IA en un chat grupal, sino convertir una tarea vaga en decisiones estrechas y verificables. Los modelos más grandes mejoran la demostración. Los flujos de trabajo mejores sobreviven en producción.