Qué es la ingeniería de contexto y por qué decide lo que responde la IA
La ingeniería de contexto, context engineering en inglés, consiste en decidir qué información recibe un modelo de IA en cada momento para que haga bien una tarea: instrucciones, documentos, datos, herramientas, historial y ejemplos. Un mismo modelo da respuestas muy distintas según lo que tiene delante.
contexthinkai, InnovaOrigen Tech. 15 de noviembre de 2026.
La idea en pocas palabras
Un modelo de IA no sabe nada de tu empresa. Todo lo que puede usar para responder es lo que aprendió en su entrenamiento y lo que se le entrega en ese momento. Eso segundo es el contexto.
Si le pides que prepare la reunión del jueves con un cliente y no tiene nada más, solo puede devolverte preguntas. Si además tiene el acta anterior, la ficha del cliente y la forma en que tu empresa prepara las reuniones, te entrega un borrador útil. El modelo es el mismo; ha cambiado el contexto.
En qué se diferencia de escribir prompts
Escribir un buen prompt es redactar bien la petición. La ingeniería de contexto es más amplia: se ocupa de todo lo que acompaña a esa petición, y de que llegue en cada ocasión sin que la persona tenga que aportarlo a mano.
Un prompt lo escribe alguien cada vez. El contexto se diseña una vez y se mantiene.
Qué forma el contexto
Instrucciones. Cómo debe trabajar la IA: tono, criterios, qué hacer cuando falta un dato.
Conocimiento. Los documentos y procedimientos relevantes para la tarea.
Datos del momento. El cliente, el proyecto o el expediente sobre el que se está trabajando.
Herramientas. Lo que la IA puede consultar o hacer en los sistemas de la empresa.
Historial. Lo ya hablado y decidido, para no empezar de cero.
Ejemplos. Muestras de un buen resultado.
Por qué más contexto no es mejor contexto
Los modelos tienen un límite de información que pueden manejar a la vez, y dentro de ese límite prestan peor atención cuanto más material irrelevante hay. Entregarle toda la documentación de la empresa empeora la respuesta.
El trabajo está en seleccionar: dar lo que la tarea necesita, vigente y bien ordenado, y dejar fuera el resto.
Cómo se aplica en una empresa
1. Se parte de una tarea concreta. Qué resultado se quiere y quién lo va a revisar.
2. Se identifica qué información necesita. Dónde está, quién la mantiene y quién puede verla.
3. Se decide cómo llega a la IA. Cargada en un espacio compartido, recuperada de una base documental o consultada en vivo mediante conectores.
4. Se prueba y se ajusta. Con casos reales, quitando lo que sobra y añadiendo lo que falta.
Es un trabajo más de organización que de tecnología: gran parte consiste en saber qué documentación es válida y qué criterios sigue de verdad el equipo.
Su relación con RAG y con MCP
Son piezas del mismo problema. RAG es una forma de traer al contexto los fragmentos de documentación relevantes. MCP es una forma de traer datos en vivo y de dar herramientas a la IA. La ingeniería de contexto decide cuándo usar cada una y qué entra en cada momento.
Preguntas sobre la ingeniería de contexto
¿Es solo para programadores?
No. La parte técnica existe, pero las decisiones importantes las toma quien conoce el trabajo: qué información hace falta y cuál es la buena.
¿Sirve si usamos ChatGPT o Claude sin desarrollos propios?
Sí. Las instrucciones, los proyectos y los documentos que se configuran en esas plataformas son contexto, y se pueden diseñar bien o mal.
¿Cómo se sabe si el contexto está bien preparado?
Probando con preguntas reales y comprobando que la respuesta es correcta, cita la fuente adecuada y reconoce cuando le falta un dato.
¿Hay que rehacerlo cuando cambia el modelo?
Normalmente no. Un contexto bien ordenado sirve para distintos modelos, aunque conviene volver a probar.