Lo que Descubrí en una Píldora sobre Ingeniería de Contexto en IA

Hace poco asistí a una píldora de Carlos Mestresa sobre ingeniería de contexto en IA y me pasó algo raro: descubrí que llevo treinta años haciendo exactamente esto sin saberlo.

La lección fue clara desde el principio: el contexto es lo más importante en IA, no el precio de los tokens ni la capacidad del modelo. Pero no cualquier contexto. Contexto estructurado, jerarquizado y gobernado.

Key Frame 1: La analogía que cambió cómo lo entiendo

Carlos puso un ejemplo que no se me olvida: Velázquez tiene un taller de pintores. El rey le pide un retrato sin más contexto. El taller devuelve algo genérico. Mediocre.

Entonces Velázquez da contexto: «Quiero media armadura, adornos dorados, a caballo, actitud natural, muy noble.»

Con contexto rico, el resultado es exactamente lo que el rey quería.

La lección: Si das instrucciones imprecisas a un ejecutante perfecto, saldrá mal. Si das contexto claro y jerarquizado, saldrá bien.

Esto aplica a IA igual que a cualquier equipo humano. Una IA generativa sin contexto claro produce ruido. Con contexto estructurado produce exactamente lo que le pediste.

Key Frame 2: Tres características del buen contexto

Completitud. Información necesaria ni más, ni menos. Si falta información, la IA inventa (alucina). Si sobra, conflictos de coherencia. Ejemplo: «Los nobles aparecen de pie, pero el rey debe aparecer a caballo» → contradicción. Necesitas jerarquía.

Jerarquía. Cada instrucción tiene prioridad. Las cosas fundamentales adelante. Las cosas negociables atrás. Como en derecho: Real Decreto > Decreto > Orden. Sin jerarquía, todo parece igual de importante.

Gobierno. Control explícito sobre toda la información. Saber quién dice qué, cuándo es válido, cómo se relacionan los conceptos. Relaciones explícitas, versiones claras, fechas de caducidad.

Sin estas tres, tu contexto es frágil.

Key Frame 3: Contexto ≠ Ventana de contexto

Aquí viene lo confuso para muchos.

Tu empresa tiene una biblioteca completa de información: procedimientos, datos, manuales, estilos, políticas. Eso es base de conocimientos. Es teórica, permanente, ilimitada.

Una IA abierta ahora mismo en una sesión puede tener en la «cabeza» quizá 1 millón de tokens. Es su ventana de contexto. Temporal. Se descarta cuando cierra la sesión.

La ingeniería de contexto consiste en: de tu enorme base de conocimientos, extraer SOLO lo que necesita esta IA para esta tarea específica, estructurarlo jerárquicamente, y pasarlo dentro de esa ventana.

Ejemplo:

• Base de conocimientos: toda tu documentación de empresa (100 MB)
• Contexto del proyecto: lo relevante para este proyecto específico (5 MB)
• Prompt: la instrucción concreta que activa todo lo anterior (1 KB)

Key Frame 4: El dilema central: determinismo vs. indeterminación

Las IA son generativas por naturaleza. No deterministas. «Hazme un retrato» → sale cualquier cosa (sentado, a caballo, serio, sonriente).

Pero cuanto más contexto y jerarquía le des, más cercano a determinista puedes hacerla. Exactamente lo que necesitas.

En producción, necesitas determinismo. Si el resultado no es exactamente lo que pediste, es desechable.

Key Frame 5: Cómo se enferma el contexto

Replicación de errores: Si un error se cuela en el contexto, se va multiplicando. Solución: jerarquía, validadores, actualizaciones.

Distracción: Con historial muy largo, la IA tiende a repetir lo que ya dijo. Solución: límites de ventana, resúmenes.

Confusión: La IA confunde qué es importante porque da el mismo peso a todo. Solución: jerarquía clara, marcas temporales.

Conflicto: Dos informaciones entran en conflicto y la IA no sabe cuál seguir. Ejemplo: Ley antigua vs. ley nueva sin marcar cuál es obsoleta. Solución: versiones, fechas de caducidad, relaciones explícitas.

Key Frame 6: Ontología: La estructura invisible

Ontología = lista de entidades y sus relaciones.

Ejemplo simple:

• Entidades: Cliente, Proyecto, Asset, Deliverable
• Relaciones: Un cliente encarga un proyecto; un proyecto contiene assets; cada asset tiene deliverables

Hay dos cajas (boxes):

T-box (Terminological Box): Conceptos permanentes, esquema estable. Nombre, Puesto, Empresa, Tiempo. Son las reglas del juego.

A-box (Assertive Box): Hechos vivos que cambian. Este empleado. Esta fecha. Este precio. Son los datos perecederos.

Los dos van juntos. La estructura (T-box) es permanente. Los datos (A-box) son perecederos.

Y aquí viene lo importante: las relaciones pueden tener límites temporales. «Este hecho es verdad hasta el 31 de agosto.» «Esta ley es válida hasta que haya una ley posterior.» Esto previene conflictos y errores.

Key Frame 7: RAG no es suficiente (aunque todos lo creen)

RAG (Retrieval Augmented Generation) es útil pero insuficiente.

Permite: «Sube todos tus PDFs y la IA responde solo con esa información.»

Problema: Sin jerarquía y relaciones explícitas, la IA dará igual peso al CEO que al becario en prácticas. Sin ontología, no puede decidir correctamente.

Conclusión: RAG es solución para muchas cosas, pero no es alternativa al contexto bien gobernado.

Key Frame 8: Formatos óptimos

Regla de oro: Instrucciones → Markdown. Datos → CSV o JSON.

Key Frame 9: Los pasos prácticos

1. Identifica tu base de conocimientos (todo lo que podrías usar)
2. Extrae contexto (solo lo necesario para este proyecto)
3. Estructura jerárquicamente (qué es fundamental, qué negociable)
4. Crea una ontología (qué entidades, qué relaciones)
5. Lanza agentes con instrucciones precisas
6. Usa validadores (tangibles, no subjetivos)
7. Implementa interfaces para la IA (limita sus acciones a lo permitido)

La Verdad Central

La ingeniería de contexto no es técnica. Es disciplina.

Es saber cuál es tu verdad empresarial y expresarla de forma que una máquina pueda navegar sin perderse.

Sin eso, tienes caos disfrazado de proceso.

Siguiente paso

En Mr. Cohl tenemos un curso de iniciación a la productividad con IA donde profundizamos en estos conceptos y cómo aplicarlos en tu día a día.

Inscríbete aquí y te avisamos cuando abra la siguiente convocatoria.