HTML vs. Markdown: ¿Qué formato hace realmente más útiles a los agentes de IA?

Markdown es el lenguaje universal de los agentes de IA. Sin embargo, también es, cada vez más, la razón por la que nadie lee lo que producen.

Esa tensión se encuentra en el centro de un debate que se ha estado gestando de forma discreta entre los ingenieros de IA y que ahora está saliendo a la luz. A principios de mayo, Andrej Karpathy publicó una recomendación: pida a su LLM que estructure su respuesta en HTML y, a continuación, visualícela en un navegador. Casi al mismo tiempo, Thariq Shihipar, responsable de ingeniería del equipo Claude Code en Anthropic, publicó un detallado argumento titulado La irrazonable efectividad del HTML, sosteniendo que había dejado de utilizar markdown por completo para los resultados generados por IA.

Su razonamiento no es estético. Se trata de un desajuste estructural entre lo que los agentes de IA pueden producir y lo que los humanos pueden asimilar realmente.

Cómo se convirtió markdown en el estándar por defecto

Markdown ganó la carrera de los formatos de salida de IA por tres razones prácticas: es económico, es legible por las máquinas y es fácil de editar manualmente.

En cuanto al coste, la diferencia es significativa. La conversión de HTML a markdown reduce el uso de tokens en aproximadamente un 68 % para contenidos limpios y hasta un 87 % para páginas web reales. Cloudflare lanzó una función de "Markdown para agentes" específicamente para simplificar el HTML a markdown antes de introducirlo en los sistemas de IA, reduciendo drásticamente los costes de inferencia.

En cuanto a la comprensión automática, markdown supera de hecho al HTML. En las pruebas de rendimiento de extracción de tablas basadas en GPT, las representaciones en markdown alcanzaron una precisión del 60,7 % en comparación con el 53,6 % de las tablas HTML. Los flujos de trabajo de RAG experimentan una mejora de la precisión de hasta el 35 % cuando ingieren markdown en lugar de HTML sin procesar.

Y en cuanto a editabilidad, markdown es difícil de superar. Puede abrir un archivo .md en cualquier editor de texto, realizar cambios y aplicarlos al control de versiones con diferencias limpias y legibles. Las diferencias en HTML son ruidosas y difíciles de revisar.

Estas ventajas son reales. Explican por qué todas las herramientas de codificación de IA, desde Cursor y GitHub Copilot hasta Claude Code, utilizan markdown de forma predeterminada para planes, especificaciones y documentación. Pero también revelan la premisa implícita en el formato: que el humano al otro lado va a leer y editar el archivo manualmente.

Esa premisa está empezando a fallar.

El problema de la lectura

Harvard Business Review publicó un estudio en marzo de 2026 que acuñó el término "AI Brain Fry" (Saturación mental por IA). Los profesionales con un alto nivel de supervisión de la IA reportaron un 19 % más de sobrecarga de información, un 14 % más de esfuerzo mental y un 33 % más de fatiga por tomar decisiones en comparación con aquellos con baja supervisión. Un análisis independiente de Fortune reveló que el tiempo dedicado al correo electrónico se duplicó tras la adopción de herramientas de IA, mientras que las sesiones de trabajo concentrado disminuyeron un 9 %.

El problema no es que la IA escriba mal o de forma deficiente. El problema es que la IA escribe demasiado y markdown no ayuda en nada a que los humanos procesen ese volumen.

Thariq Shihipar lo expresó sin rodeos: "Suelo no leer más allá de un archivo markdown de 100 líneas, y desde luego no soy capaz de conseguir que nadie más de mi organización lo lea". Esto coincide con la experiencia de la mayoría de los equipos. Los agentes de IA generan planes de implementación de 200 líneas, especificaciones detalladas e informes de varias páginas. El resultado es técnicamente correcto y estructuralmente sólido. Y la mayor parte se queda sin leer.

La neurociencia respalda esto. Aproximadamente el 30 % de la corteza cerebral humana se dedica al procesamiento visual, según la investigación fundacional de mapas corticales de Felleman y Van Essen. El oído recibe el 3 %. El tacto, el 8 %. La visión es, como dijo Karpathy, "la autopista de 10 carriles de información hacia el cerebro". Markdown apenas la aprovecha. El texto en negrita, los encabezados y los puntos de viñeta completan todo el conjunto de herramientas visuales de markdown.

Donde el HTML cambia la ecuación

El HTML no hace que los agentes de IA sean más inteligentes. Hace que su producción sea consumible.

La diferencia radica en la densidad de la información. El HTML puede representar datos tabulares, diseños estilizados, diagramas SVG, elementos interactivos con JavaScript, relaciones espaciales con posicionamiento absoluto y fragmentos de código incrustados que realmente se ejecutan. Markdown obliga a los agentes de IA a aproximar todo esto con arte ASCII y caracteres unicode.

Karpathy estructuró esto como una progresión que refleja cómo han evolucionado siempre las interfaces informáticas: texto plano, luego markdown, después HTML y, finalmente, vídeo neuronal interactivo. El patrón se mantiene a lo largo de la historia de la informática, desde las líneas de comandos hasta las interfaces gráficas de usuario y las pantallas táctiles. Cada paso sacrificó eficiencia en favor de la comprensión.

Los ejemplos de Thariq justifican la práctica. Utiliza HTML para planes de implementación con maquetas y fragmentos de código incrustados. Para elementos de revisión de código que muestran diferencias reales con anotaciones integradas, clasificadas por colores según la gravedad. Para prototipos interactivos donde los controles deslizantes permiten ajustar parámetros y un botón de "copiar como JSON" exporta el resultado de nuevo a la sesión de codificación. Para informes de investigación con diagramas de flujo SVG y navegación por pestañas.

El movimiento de programación fluida o "vibe coding" está acelerando esto. En un momento en el que los desarrolladores describen cada vez más lo que quieren en lenguaje natural y dejan que los agentes escriban el código, el formato de salida importa más que nunca. Es necesario verificar lo que el agente ha creado, y una vista previa en HTML renderizado lo comunica de forma mucho más eficiente que desplazarse por el código sin procesar en un terminal.

La ventaja de la facilidad para compartir es igualmente significativa. Los archivos markdown requieren un renderizador o un adjunto. El HTML se abre de forma nativa en cualquier navegador. Cuando se puede compartir el resultado de un agente mediante una URL, la probabilidad de que las partes interesadas se involucren aumenta sustancialmente.

Las plataformas empresariales ya han tomado una decisión

Mientras la comunidad de desarrolladores debate, las plataformas de IA empresarial llevan años construyendo discretamente sistemas de salida avanzados.

Salesforce Agentforce procesa más de 4 millones de sesiones en más de 133 000 agentes utilizando formatos de respuesta adaptativos, un sistema que convierte las respuestas de texto de los LLM en componentes de interfaz de usuario estructurados, como carruseles, botones de opción enriquecidos y tarjetas multimedia. Su equipo de ingeniería documentó un problema interesante durante el desarrollo: las primeras versiones sobrediseñaban las respuestas, convirtiendo simples respuestas de sí o no en componentes de interfaz de usuario completos. La lección aprendida fue que el contenido enriquecido debe ajustarse a la complejidad de la información.

La plataforma Copilot Studio de Microsoft utiliza Adaptive Cards, un formato independiente de la plataforma para contenidos interactivos avanzados. Now Assist de ServiceNow muestra los resultados de los agentes como tarjetas interactivas con enlaces de origen y seguimiento del progreso paso a paso.

Google fue más allá con A2UI, un protocolo abierto en el que los agentes solicitan componentes de interfaz de usuario previamente aprobados en lugar de generar HTML sin procesar. La distinción es clave para la seguridad: en lugar de confiar en que los agentes escriban un HTML seguro, A2UI permite a los agentes declarar lo que quieren mostrar y la plataforma se encarga del renderizado.

Los tres principales laboratorios de IA también han invertido en interfaces enriquecidas para sus productos de consumo. Artifacts de Claude (Anthropic) ha generado decenas de millones de visualizaciones HTML interactivas. OpenAI añadió el renderizado en HTML y React en ChatGPT Canvas. No se trata de experimentos. Son funciones de producción con una adopción masiva.

La señal de todas las plataformas principales es la misma. Cuando los agentes se comunican con los humanos, el texto por sí solo no basta. Las plataformas que orquestan agentes a través de múltiples modelos y flujos de trabajo necesitan formatos de salida que coincidan con la complejidad de lo que esos agentes producen.

Las ventajas e inconvenientes son reales

El HTML no es una actualización gratuita. Los costes son sustanciales.

El uso de tokens es el aspecto más evidente. El HTML limpio consume de 2 a 3 veces más tokens que el equivalente en markdown. El HTML real con CSS y JavaScript puede dispararse de 8 a 10 veces más. Con ventanas de contexto que ahora superan el millón de tokens, esto importa menos que en 2023, pero sigue acumulándose a gran escala.

La seguridad es un problema más complejo. El código HTML sin depurar proveniente de agentes de IA puede contener JavaScript, lo que abre la puerta a ataques de inyección y de tipo Cross-site Scripting (XSS). El protocolo A2UI de Google existe precisamente porque los equipos de seguridad corporativos no pueden aceptar que los agentes escriban HTML arbitrario que se ejecute en entornos de producción.

El control de versiones también se ve afectado. Las diferencias en HTML son ruidosas, llenas de etiquetas de cierre y cambios de atributos que ocultan el cambio real en el contenido. Este es uno de los mayores inconvenientes que el propio Thariq reconoció.

Y hay un contraargumento que merece ser tomado en serio. Kurtis Redux publicó "The Unreasonable Ineffectiveness of HTML" en respuesta directa, argumentando que el cambio "busca el brillo visual a expensas de la legibilidad del código fuente, la seguridad, la compatibilidad del ecosistema y la facilidad de revisión". Para bases de código donde los agentes colaboran con humanos a través de archivos compartidos, la simplicidad de markdown sigue siendo una ventaja indiscutible.

¿Qué formato crea mejores agentes?

La respuesta depende de con quién se esté comunicando el agente.

Para la comunicación entre agentes y el procesamiento automático por parte de máquinas, markdown es el claro ganador. Es más económico, se procesa con mayor precisión y es más fácil de versionar. Cuando un agente de IA genera un resultado que va a consumir otro sistema, las limitaciones de markdown se convierten en sus puntos fuertes.

Para la comunicación entre el agente y el ser humano, el HTML es el claro vencedor. Cuando el objetivo es que una persona comprenda, evalúe y actúe en función de lo que un agente ha producido, la claridad visual y la densidad de información compensan con creces el consumo de tokens. El incremento del 19 % en la sobrecarga de información documentado por HBR no se va a solucionar redactando un mejor markdown. Se solucionará presentando la información en formatos que el cerebro pueda procesar de forma eficaz.

Las mejores plataformas de agentes admitirán ambos. Utilizarán markdown y datos estructurados internamente para el razonamiento del agente, la memoria y la comunicación entre agentes. Y renderizarán resultados enriquecidos, visuales e interactivos para los seres humanos que necesitan revisar, aprobar y ejecutar el trabajo del agente. La capa de la plataforma es el lugar donde se realiza esta traducción, convirtiendo el razonamiento del agente en resultados legibles para el ser humano sin obligar al agente a escribir código de visualización.

La progresión de Karpathy (de texto a markdown, luego HTML y, posteriormente, vídeo neuronal interactivo) no es una predicción sobre un futuro lejano. Los tres primeros pasos ya están sucediendo. La pregunta para las empresas es si su infraestructura de agentes se está adaptando al ritmo necesario o si siguen pidiendo a su equipo que lea archivos markdown de 200 líneas que nadie llega a terminar.