Estrategia de IA 2025

Ingeniería de contexto: aporta la evidencia que necesita la tarea

Fernando Angulo
Senior Market Research Manager en Semrush, una empresa de Adobe
9 min de lectura
30 ene 2025

La ingeniería de contexto selecciona y mantiene la información disponible para un sistema de IA durante una tarea. Mejor contexto puede ayudar, pero no elimina las limitaciones del modelo ni la verificación.


Investiga la causa antes de añadir contexto

Una respuesta débil puede deberse a datos ausentes, recuperación deficiente, instrucciones contradictorias, límites del modelo o una tarea ambigua. Más texto también puede distraer. Compara alternativas con tareas representativas y conserva la evidencia de evaluación.

Cinco entradas que reviso

Mi lista práctica incluye tarea, audiencia, hechos aprobados, restricciones y ejemplos de un resultado aceptable. Es una ayuda editorial, no un modelo medido de prevalencia. Cada fuente necesita responsable y fecha de revisión; los ejemplos no deben introducir promesas sin respaldo.

Un encargo y una respuesta ilustrativos

Supongamos que el encargo de un producto ficticio indica una configuración de 90 segundos. El borrador puede repetir ese dato proporcionado, pendiente de verificación. No puede convertirlo en 90 minutos, inventar casos de clientes, añadir un distintivo de G2 o afirmar un plazo de actualización no facilitado.

Evalúa el resultado

Contrasta cada afirmación con las fuentes, separa supuestos y revisa fallos. Una biblioteca de contexto necesita mantenimiento cuando cambian productos, políticas o evidencia. Aprueba el contenido después de verificar hechos y requisitos; la fluidez no equivale a exactitud.

Fuentes y alcance

Marco práctico de Fernando Angulo. Los ejemplos se identifican como propuestas y no representan resultados medidos.

Anthropic: Effective context engineering for AI agents

Lectura Recomendada

Últimos Análisis

Ver todos los artículos