Context Engineering: La Capa entre Prompts y Productos de IA Fiables
Context engineering es el trabajo de seleccionar, organizar y probar la información que una IA usa antes de responder o actuar.
Última actualización
Context engineering es la práctica de decidir qué información debe recibir una IA antes de responder o ejecutar una acción. El prompt es solo una parte. El contexto completo puede incluir documentos, estado del usuario, memoria, retrieval, herramientas, permisos, formatos y evaluación.
Muchas fallas en productos de IA no son fallas puras del modelo. La IA puede recibir el documento equivocado, perder el estado del usuario, usar una política antigua o llamar una herramienta sin datos suficientes.
Un ejemplo claro
Un asistente de soporte no puede responder sobre reembolsos solo con "sigue nuestra política". Necesita la política actual, plan del cliente, fecha de compra, región, tickets previos, reglas de escalación y forma de citar la política.
Sin esos datos, la respuesta puede sonar correcta y aun así estar equivocada.
Cuatro capas
| Capa | Pregunta | Ejemplo |
|---|---|---|
| Selección de fuentes | ¿Qué información debe ver la IA? | Retriever, archivos, consulta a base de datos |
| Estado | ¿Qué debe recordar? | Objetivo del usuario, historial, permisos |
| Instrucciones | ¿Cómo debe usar el contexto? | System prompt, schema de salida |
| Evaluación | ¿Mejoró el resultado? | Tests, logs, regresión |
En mercados en español, los ejemplos útiles incluyen soporte SaaS, catálogos de ecommerce, documentación interna, educación y automatización de marketing.