Cómo hacer que la IA trabaje con contexto en lugar de prompts

---

22 de mayo | Por Juan Merodio

Hace unas semanas, en una reunión con un grupo de directivos de una empresa mediana que lleva dos años «experimentando con IA», me hicieron una pregunta que resume perfectamente dónde está atascada la mayoría: «Juan, ¿cómo mejoramos nuestros prompts para que la IA nos dé mejores resultados?»

Ahí está el problema.

No en la pregunta. Sino en que llevan dos años haciendo la pregunta equivocada.

 

El error que están cometiendo casi todas las empresas

Obsesionarse con los prompts es como obsesionarse con cómo le hablas a un empleado que no sabe nada de tu empresa, no conoce a tus clientes, ignora tus procesos internos y empieza de cero cada vez que se sienta en su mesa.

Por muy bien que le expliques la tarea, el resultado será mediocre. Porque el problema no es cómo le hablas. El problema es que no tiene contexto.

Los grandes modelos de lenguaje son, por naturaleza, ciegos al contexto. No saben nada de tu negocio. No recuerdan lo que pasó ayer. No entienden por qué aprobaste esa excepción con aquel cliente clave, ni por qué aquella campaña funcionó y la otra no. Cuando les falta información, rellenan los huecos con suposiciones genéricas. Y ahí es donde empiezan los problemas.

Esto lo veo constantemente en empresas que han hecho pilotos de IA que funcionan bien de forma aislada pero no escalan. El modelo puede hacer cosas impresionantes en un laboratorio. Pero cuando lo metes dentro de la operativa real de un negocio, empieza a fallar. Y la razón casi siempre es la misma: falta de contexto.

 

De la ingeniería de prompts a la ingeniería de contexto

Hay un cambio conceptual que pocas empresas han hecho todavía, y es el que separa a los que van a ganar de los que van a seguir peleándose con sus chatbots internos.

 

La diferencia entre crear prompts y diseñar arquitectura de contexto es brutal.

Crear prompts es decirle a la IA qué hacer en cada momento. Diseñar arquitectura de contexto es construir el entorno en el que la IA opera: darle acceso continuo a la información adecuada, en el momento adecuado, con la estructura adecuada. En lugar de optimizar las respuestas, empiezas a diseñar los inputs que determinan esas respuestas.

Es la diferencia entre darle instrucciones cada mañana a ese empleado que no sabe nada, o invertir el tiempo en formarlo, darle acceso a los sistemas, y hacer que entienda cómo funciona la empresa de verdad.

 

Qué es un grafo de contexto y por qué debería importarte

Aquí viene el concepto que más me está llamando la atención en este momento, y que creo que va a ser central en los próximos dos o tres años para cualquier empresa que quiera usar la IA en serio.

Un grafo de contexto es, básicamente, la memoria institucional de tu empresa convertida en algo que la IA puede usar.

Tus sistemas actuales —el CRM, el ERP, la plataforma de analítica— son buenos registrando qué ocurrió. Pero casi nunca capturan por qué se tomaron determinadas decisiones. ¿Por qué se hizo una excepción con ese cliente? ¿Por qué ese producto funcionó mejor en esa región? ¿Por qué soporte escaló aquel ticket? Ese conocimiento vive en hilos de Slack, en emails enterrados, en la cabeza de los veteranos de tu equipo. Y cuando se van, se va con ellos.

Un grafo de contexto captura esa capa que falta. Conecta entidades —clientes, productos, campañas, servicios, ubicaciones— con relaciones, decisiones, reglas y resultados. Y conserva el razonamiento detrás de las acciones. Con el tiempo, se convierte en un sistema vivo de conocimiento institucional que la IA puede utilizar para razonar dentro de los límites reales de tu negocio.

¿El resultado? La IA deja de ser un generador de contenido genérico y se convierte en un motor de decisión fundamentado en la inteligencia de tu organización.

 

Cómo se construye esto en la práctica

No te voy a engañar: esto no es sencillo ni se hace en una tarde. Pero el proceso tiene una lógica clara.

El primer paso es la claridad sobre tus entidades. Identificar qué elementos son fundamentales para tu negocio: marcas, productos, clientes, servicios, equipos, intenciones clave. Y definir cómo se relacionan entre sí. Si tu negocio no define claramente qué es un producto o cómo una ubicación se conecta con una marca, el modelo va a hacer suposiciones. Y las suposiciones de la IA son, por lo general, el problema más caro que te puedes encontrar.

Después viene capturar la inteligencia de decisión. No solo los resultados, sino el razonamiento detrás. Esto significa documentar excepciones, juicios profesionales, matices operativos. Es el tipo de conocimiento que los consultores de negocio cobran fortunas por extraer de las organizaciones. Convertirlo en memoria estructurada es lo que le permite a la IA aprender del historial real de toma de decisiones de tu empresa, no de reglas abstractas inventadas.

El siguiente elemento crítico es la arquitectura. En el núcleo, un grafo de conocimiento que modela entidades y relaciones. Por encima, una capa de memoria de decisiones. Después, las políticas y reglas de negocio. Y conectando todo esto con los sistemas que ya tienes: CRM, CMS, plataformas de servicio, herramientas internas.

 

Aquí hay un concepto técnico que merece la pena mencionar porque va a sonar mucho en los próximos meses: el Model Context Protocol, o MCP. Básicamente es el estándar que permite a los modelos de IA conectarse con tus sistemas externos de forma segura y estructurada, sin tener que construir integraciones a medida para cada herramienta. Es como el USB-C pero para la IA empresarial. Cuando escuches este término, ya sabes de qué va.

Y hay un aspecto que en TEKDI llevamos un tiempo subrayando con los equipos que acompañamos: la gobernanza no puede ser una idea posterior. Las reglas de marca, los permisos, los controles de acceso, los requisitos de cumplimiento deben estar integrados en la arquitectura desde el principio. Si no están, la IA llena el vacío con conocimiento genérico de internet o con interpretaciones inconsistentes. Ahí es donde empiezan las alucinaciones, la desviación de marca y el riesgo operativo real.

 

El activo estratégico que nadie está construyendo todavía

Déjame ser directo con lo que esto significa a nivel competitivo.

A medida que los modelos de IA se comoditicen —y se van a comoditizar, más rápido de lo que muchos piensan— la ventaja competitiva no vendrá del acceso a la tecnología. Todo el mundo va a tener acceso a modelos potentes. La ventaja vendrá de la calidad del contexto que una organización sea capaz de proporcionar a esa IA.

Los ganadores no serán las empresas con los prompts más ingeniosos. Serán las que hayan construido la capa de contexto más rica, más estructurada y con mayor capacidad de aprender y mejorar con el tiempo. Sus sistemas de IA se adaptarán más rápido, estarán mejor alineados con el negocio real y, lo más importante, serán mucho más difíciles de replicar por la competencia.

Porque cualquiera puede copiar un prompt. Nadie puede copiar diez años de conocimiento institucional estructurado.

El grafo de contexto es, en este momento, uno de los activos más estratégicos que una empresa puede empezar a construir. Y la mayoría todavía no sabe que existe.

 

La pregunta que tienes que hacerte esta semana

¿Tu empresa está acumulando conocimiento institucional de forma estructurada, o se está evaporando cada vez que alguien deja el equipo, cierra una conversación de Slack o archiva un email?

Porque la brecha que se está abriendo ahora no es entre empresas que tienen IA y empresas que no la tienen. Es entre empresas que le dan a la IA información de calidad sobre su negocio y empresas que le dan a la IA conversaciones sueltas sin historia ni contexto.

Puedes seguir perfeccionando tus prompts. O puedes empezar a construir la arquitectura que haga que cada respuesta de la IA sea más precisa, más accionable y más tuya.

Tú decides cuál de las dos tiene sentido estratégico.

Compartir >>