El nuevo motor de la era de la IA... la "ingeniería de contextos" se convierte en el núcleo de la estrategia empresarial

A medida que las empresas empiezan a adoptar la “ingeniería de contexto” como estrategia clave para mejorar la fiabilidad y precisión de los sistemas de IA, esta tecnología está emergiendo como un nuevo elemento imprescindible en la era de la inteligencia artificial. En la conferencia AWS re:Invent 2025, Ken Exner, director de producto de Elastic, destacó que los grandes modelos de lenguaje deben estar diseñados para operar “en el momento adecuado, con los datos apropiados y dentro del alcance correcto” para poder generar resultados fiables.

Exner afirmó: “Actualmente, muchas empresas que implementan agentes de IA están enfrentándose a las limitaciones de la simple ingeniería de prompts. Para construir aplicaciones de IA con éxito, es fundamental proporcionar de manera continua el contexto correcto a los LLM.” Él denomina esto “ingeniería de contexto” y predice que se convertirá en un concepto central para el desarrollo de IA en el futuro.

A medida que los modelos de IA adquieren una autonomía cada vez mayor a la hora de tomar decisiones y acciones, Exner señala que es necesario estar atentos a los errores o incertidumbres que pueden surgir debido a la falta de contexto. Para ello, se están introduciendo diversas técnicas complementarias como tecnologías de recuperación, razonamiento basado en herramientas y sistemas de memoria. Explica: “En esencia, los LLM son sistemas que predicen la siguiente palabra; solo si este proceso se realiza dentro de un rango de datos adecuado se pueden obtener resultados más consistentes y fiables.”

Para abordar estos retos técnicos, Elastic ha desarrollado la solución “Elastic Agent Builder”. Esta herramienta, que combina prompts personalizados por el usuario con funcionalidades de indexación de datos, permite crear aplicaciones de agentes sofisticados e incorpora agentes conversacionales básicos para ayudar a los usuarios a crear fácilmente sus propios agentes de IA.

También se están estableciendo los criterios para evaluar el éxito o fracaso de la ingeniería de contexto. En este proceso, la “evaluación” y la “observabilidad” desempeñan un papel fundamental. Exner afirma: “Ahora es necesario tratar a los agentes como sistemas críticos y reforzar la validación del rendimiento y las pruebas de calidad. Estas validaciones deben funcionar como pruebas unitarias, combinadas con pruebas de integración donde el LLM actúa como evaluador.”

Entre las empresas que buscan garantizar la fiabilidad y sostenibilidad de los sistemas de IA, la ingeniería de contexto está dejando de ser una palabra de moda para convertirse en una estrategia tecnológica fundamental. Exner anticipó durante la conferencia: “En el próximo año, escucharemos con mucha más frecuencia el término ‘ingeniería de contexto’, y este campo será decisivo para que la IA avance hacia su próxima etapa.”