Una inteligencia artificial puede generar respuestas convincentes sin conocer realmente tu empresa. Descubre cómo proporcionarle el contexto necesario para trabajar con coherencia: información relevante, decisiones vigentes, instrucciones, límites y criterios de calidad.
Imagina que pides a una herramienta de inteligencia artificial que redacte una página para presentar uno de los servicios de tu empresa.
Le explicas brevemente qué ofreces y solicitas un texto profesional y persuasivo.
Pocos segundos después recibes una propuesta.
Tiene un título atractivo, una estructura ordenada y argumentos que parecen razonables. Incluso incluye una llamada a la acción.
A primera vista, el trabajo está terminado.
Pero cuando comienzas a revisarlo descubres varios problemas.
La IA presenta tu empresa como una alternativa económica, aunque tu posicionamiento se basa en la especialización.
Promete plazos de entrega que nunca has garantizado.
Utiliza un lenguaje comercial que no representa tu manera de trabajar.
Y se dirige a un público diferente del que has decidido priorizar.
El texto está bien escrito.
Pero no representa correctamente a tu negocio.
No necesariamente estamos ante un problema de capacidad lingüística de la herramienta.
Tampoco significa que debamos encontrar una fórmula secreta para redactar mejores instrucciones.
Puede que falte algo más importante.
La IA conoce el encargo, pero desconoce las decisiones empresariales que deberían orientarlo.
No sabe qué promesas puedes sostener, qué clientes tienen prioridad, qué argumentos representan tu propuesta de valor ni qué información está aprobada.
Cuando esos elementos no aparecen en la tarea, el sistema puede completar los huecos con patrones habituales, suposiciones o afirmaciones plausibles.
El resultado puede parecer profesional y seguir siendo inadecuado.
Esta diferencia importa porque utilizar inteligencia artificial en una empresa no consiste simplemente en producir más textos, informes o propuestas.
Consiste en desarrollar trabajo que pueda incorporarse a sus procesos, respetar sus decisiones y ayudar a conseguir objetivos concretos.
Para ello, la herramienta necesita algo más que una buena pregunta.
Necesita contexto empresarial.
Y ese contexto debe estar seleccionado, actualizado y acompañado de instrucciones, límites y criterios de verificación.
Porque una IA puede producir una respuesta sin conocer tu empresa.
Pero producir trabajo realmente útil exige comprender qué necesita hacer, qué realidad debe respetar y cómo comprobar si el resultado es adecuado.
1. Una respuesta correcta puede seguir siendo inútil para tu empresa
Las herramientas de inteligencia artificial generativa pueden redactar textos, resumir documentos, comparar alternativas, organizar información y ayudar a desarrollar tareas de diferente complejidad.
Su capacidad es considerable.
Pero debemos distinguir entre una respuesta que parece correcta y un resultado que puede utilizarse dentro de un negocio.
La calidad formal no garantiza utilidad empresarial
Imaginemos que necesitas preparar una propuesta comercial.
La IA organiza correctamente el documento.
Presenta una introducción, describe beneficios y termina con una invitación a contratar.
Sin embargo, utiliza un precio que pertenece a una versión antigua de tu oferta.
El documento puede estar perfectamente redactado y resultar comercialmente incorrecto.
Ahora pensemos en un análisis estratégico.
La herramienta identifica oportunidades de crecimiento, propone nuevos servicios y organiza prioridades.
Pero una de esas oportunidades ya fue estudiada y descartada porque la empresa no dispone de capacidad operativa para desarrollarla.
La recomendación puede parecer inteligente.
Sin embargo, ignora una decisión relevante.
También puede suceder en tareas aparentemente sencillas.
Una respuesta a un cliente puede prometer una condición que la empresa no ofrece.
Un artículo puede utilizar datos que nadie ha verificado.
Un documento interno puede mezclar criterios de diferentes proyectos.
En todos estos casos, el problema no se encuentra necesariamente en la redacción.
Se encuentra en la distancia entre lo que la herramienta ha producido y lo que el negocio necesita realmente.
La IA no conoce automáticamente las decisiones de tu empresa
Una herramienta puede disponer de conocimientos generales sobre marketing, arquitectura, restauración o cualquier otra disciplina.
Puede conocer prácticas habituales y proponer soluciones razonables.
Pero no debemos confundir ese conocimiento general con la realidad específica de una organización.
No sabe necesariamente qué decisiones comerciales has aprobado.
Tampoco qué proyectos se han descartado, qué servicios están disponibles o qué proveedores intervienen en tus operaciones.
Incluso cuando tiene acceso a documentos empresariales, puede encontrarse con información incompleta, contradictoria o desactualizada.
Por eso debemos proporcionarle las referencias necesarias para el trabajo.
No para impedir que proponga ideas nuevas.
Sino para que pueda distinguir entre la realidad vigente del negocio y las alternativas que todavía necesitan valoración.
Una propuesta puede ser creativa sin presentar una hipótesis como si fuera una decisión aprobada.
El propósito del encargo cambia lo que consideramos una buena respuesta
No es lo mismo pedir ideas para explorar un nuevo servicio que redactar la página definitiva de uno ya aprobado.
En el primer caso podemos permitir propuestas alternativas y cierta experimentación.
En el segundo necesitamos mayor precisión.
Las condiciones comerciales deben corresponder a la oferta vigente.
Los argumentos deben tener fundamento.
Y las afirmaciones destinadas al público necesitan revisión.
Lo mismo ocurre con los análisis.
Una investigación preliminar puede presentar hipótesis.
Un informe para tomar una decisión necesita distinguir hechos, incertidumbres y recomendaciones.
Por eso el contexto también debe explicar para qué utilizaremos el resultado.
No basta con que la IA sepa sobre qué tema está trabajando.
Necesita conocer qué función debe cumplir su trabajo.
2. Información, contexto, instrucciones y criterio: cuatro elementos diferentes
Cuando hablamos de dar contexto a la inteligencia artificial, es fácil imaginar que simplemente necesitamos adjuntar más documentos.
Pero disponer de mucha información no garantiza que el sistema interprete correctamente su significado.
Conviene diferenciar cuatro elementos.
| Elemento | Qué representa | Ejemplo |
|---|---|---|
| Información | Materiales y datos disponibles | Documentos, páginas, notas, conversaciones y registros |
| Contexto | Información relevante organizada para una tarea | Oferta vigente, público prioritario, situación y restricciones |
| Instrucciones | Qué trabajo debe realizar la IA y cómo debe abordarlo | Preparar una página comercial con determinada estructura |
| Criterio y autoridad | Quién establece las decisiones válidas y aprueba sus consecuencias | Dirección del negocio, documentación aprobada y responsables |
Los cuatro se relacionan.
Pero no cumplen la misma función.
Información: lo que sabemos o tenemos disponible
Una empresa puede disponer de presentaciones comerciales, documentos estratégicos, páginas web, correos, presupuestos y conversaciones.
Todo ello contiene información potencialmente útil.
Pero no toda esa información es relevante para cualquier encargo.
Ni toda representa necesariamente una decisión vigente.
Un presupuesto antiguo puede ayudarnos a comprender cómo evolucionó una oferta.
No significa que sus precios sigan siendo válidos.
Una propuesta descartada puede explicar una decisión anterior.
No debería presentarse automáticamente como un servicio disponible.
Contexto: lo que importa para esta tarea
El contexto selecciona y organiza la información necesaria para interpretar correctamente el encargo.
Por ejemplo, si vamos a redactar una página comercial, conviene conocer:
Qué servicio estamos presentando.
A qué personas se dirige. La guía sobre cliente ideal y buyer persona ayuda a definirlo.
Qué problema resuelve.
Cómo se diferencia.
Qué condiciones ofrece realmente.
Qué lenguaje representa al negocio.
Y qué acción queremos facilitar.
No necesitamos proporcionar todos los documentos que la empresa ha producido durante diez años.
Necesitamos reunir las referencias que cambian materialmente la calidad del trabajo.
La documentación técnica de OpenAI identifica el contexto relevante como uno de los elementos que pueden ayudar a los modelos a trabajar con información específica, incluidos conocimientos empresariales que no forman parte de sus datos de entrenamiento. [1]
Instrucciones: qué debe hacer la herramienta
Las instrucciones definen la tarea.
Pueden establecer el formato, el destinatario, la profundidad, las restricciones y las condiciones que debe cumplir el resultado.
Por ejemplo:
«Prepara una página de servicio dirigida a propietarios que están valorando una rehabilitación integral. Utiliza únicamente las prestaciones aprobadas y señala cualquier afirmación que necesite verificación».
Es una instrucción más precisa que:
«Escribe un texto profesional sobre reformas».
Pero incluso una instrucción muy bien formulada puede resultar insuficiente si la oferta aprobada no está disponible o los documentos se contradicen.
Una buena instrucción orienta el trabajo. El contexto proporciona la realidad sobre la que debe trabajar.
Criterio y autoridad: quién decide qué es válido
Este cuarto elemento es especialmente importante.
La IA puede comparar opciones, aplicar criterios definidos y proponer decisiones.
También puede ejecutar determinadas decisiones operativas cuando dispone de herramientas y permisos adecuados.
Pero eso no significa que deba recibir autoridad ilimitada sobre el negocio.
Alguien necesita establecer qué estrategia está vigente, qué compromisos pueden asumirse y quién debe aprobar determinadas consecuencias.
Por ejemplo, una herramienta puede proponer modificar el posicionamiento de una empresa.
Esa recomendación puede ser interesante.
Pero no debería convertir automáticamente esa propuesta en la nueva estrategia oficial.
Lo mismo ocurre con los precios, las condiciones contractuales o las afirmaciones destinadas al público.
La capacidad de generar una recomendación no equivale a la autoridad para aprobarla.
La responsabilidad debe permanecer claramente asignada, aunque determinadas operaciones puedan delegarse.
3. Ejemplo práctico: el mismo encargo, con y sin contexto empresarial
Veamos cómo se aplica esta diferencia.
Imaginemos un estudio de arquitectura especializado en rehabilitación de viviendas tradicionales del Pirineo.
El estudio trabaja con propietarios que desean recuperar inmuebles existentes mediante proyectos arquitectónicos cuidados.
Su propuesta se basa en la especialización, el conocimiento del entorno construido y la atención a las características particulares de cada vivienda.
No compite por ofrecer el precio más bajo.
Tampoco realiza pequeñas reparaciones domésticas ni servicios generales de mantenimiento.
Ahora quiere incorporar a su web una página dedicada a la rehabilitación integral de viviendas.
Decide utilizar inteligencia artificial para preparar una primera propuesta de contenido.
Este caso es completamente hipotético. Los encargos y fragmentos de texto son ejemplos editoriales creados para demostrar el método; no representan una prueba realizada con un modelo concreto ni resultados obtenidos para un cliente real.
Primer encargo: una instrucción correcta, pero insuficiente
El estudio proporciona a la IA esta petición:
Redacta una página profesional y persuasiva para nuestro servicio de reformas de viviendas en el Pirineo. Incluye beneficios, una explicación del servicio y una llamada a la acción.
La petición es comprensible.
Pero deja abiertas muchas preguntas.
¿Qué tipo de reformas realiza realmente el estudio?
¿A qué clientes se dirige?
¿Ofrece ejecución de obra o solamente servicios arquitectónicos?
¿Compite mediante precio, rapidez, especialización o algún otro atributo?
¿Qué compromisos puede asumir?
¿Qué servicios no ofrece?
La IA podría completar esos huecos recurriendo a expresiones habituales de páginas comerciales sobre reformas.
Por ejemplo:
Reformamos tu vivienda en el Pirineo de manera rápida y económica.
Ofrecemos soluciones llave en mano, presupuestos competitivos y plazos ajustados para transformar tu casa sin complicaciones.
El texto podría encajar con determinadas empresas.
Pero no tenemos motivos para afirmar que representa correctamente a nuestro estudio.
Introduce varias cuestiones problemáticas.
Habla de precios competitivos cuando esa no es su propuesta de valor.
Promete rapidez sin conocer los plazos reales.
Y utiliza «llave en mano», una expresión que podría implicar prestaciones o responsabilidades que no forman parte de la oferta.
La IA ha generado una propuesta comercial plausible.
Pero no ha recibido suficiente información para conocer sus límites.
Segundo encargo: incorporamos contexto empresarial
Ahora imaginemos que el estudio dispone de una documentación estratégica básica.
No necesita entregar todo su archivo.
Selecciona la información relevante y prepara el siguiente contexto:
| Dimensión | Información proporcionada |
|---|---|
| Propósito | Presentar el servicio y facilitar consultas comerciales adecuadas |
| Cliente prioritario | Propietarios interesados en rehabilitación integral de viviendas tradicionales |
| Oferta vigente | Proyecto arquitectónico y dirección de obra, según el alcance contratado |
| Posicionamiento | Especialización, conocimiento de la arquitectura local y atención individualizada |
| Servicios excluidos | Reparaciones menores y mantenimiento doméstico |
| Argumentos disponibles | Metodología de trabajo y proyectos documentados que pueden comunicarse |
| Afirmaciones no autorizadas | Ahorros garantizados, plazos fijos o precios cerrados sin evaluación previa |
| Tono | Profesional, claro, preciso y sin urgencia comercial artificial |
| Objetivo de la página | Ayudar al propietario a valorar si el servicio encaja con su proyecto |
| Siguiente acción | Solicitar una conversación inicial |
| Verificación | Comprobar servicios, afirmaciones y coherencia antes de publicar |
| Aprobación | Responsable designado por el estudio |
Ahora la herramienta dispone de una referencia mucho más concreta.
No conoce necesariamente todos los detalles del negocio.
Pero sí recibe algunas decisiones que deberían condicionar su trabajo.
Qué puede cambiar en el resultado
Con este contexto, una propuesta ilustrativa podría comenzar así:
Rehabilitación de viviendas tradicionales del Pirineo
Cada vivienda existente presenta características que merecen estudiarse antes de plantear su transformación.
Desarrollamos proyectos arquitectónicos de rehabilitación atendiendo a las condiciones del inmueble, las necesidades de sus propietarios y la relación de la intervención con su entorno.
Si estás valorando rehabilitar una vivienda tradicional, podemos comenzar estudiando las características de tu proyecto y el alcance de los servicios que necesitas.
Este segundo fragmento resulta más coherente con el posicionamiento descrito.
No promete ahorros ni plazos.
Tampoco presenta al estudio como una empresa de reparaciones generales.
Y propone un siguiente paso proporcionado al tipo de relación comercial.
Pero todavía no podemos considerarlo automáticamente correcto.
El estudio debe confirmar que realmente ofrece los servicios descritos.
También debe comprobar que las afirmaciones sobre su manera de trabajar representan su práctica efectiva.
La comparación
| Aspecto | Encargo genérico | Encargo contextualizado |
|---|---|---|
| Cliente | Público amplio interesado en reformas | Propietario que valora una rehabilitación integral |
| Posicionamiento | Beneficios comerciales genéricos | Especialización definida por el negocio |
| Oferta | Prestaciones que pueden inferirse incorrectamente | Servicios vigentes identificados |
| Promesas | Sin límites suficientes | Restricciones explícitas |
| Tono | Persuasión comercial convencional | Voz ajustada al posicionamiento |
| Siguiente acción | Contactar o pedir presupuesto | Solicitar una conversación inicial |
| Verificación | No especificada | Comprobación y aprobación previstas |
El segundo encargo dispone de mejores condiciones para producir un resultado útil.
Pero eso no significa que siempre vaya a generar una respuesta superior.
La IA todavía puede equivocarse, interpretar mal una fuente u omitir información importante.
Por eso la mejora debe evaluarse.
El contexto también permite reconocer cuándo falta información
Imaginemos que el estudio quiere mencionar su experiencia en rehabilitaciones protegidas.
La herramienta encuentra referencias a proyectos anteriores, pero ninguna fuente confirma qué competencias concretas puede comunicar.
Un comportamiento adecuado sería identificar esa carencia.
Por ejemplo:
La documentación disponible no confirma el alcance de la experiencia en edificios protegidos. Esta afirmación necesita validación antes de incorporarse a la página.
Esa respuesta puede resultar menos vistosa que inventar un argumento comercial.
Pero es mucho más útil para un proceso de producción responsable.
El valor del contexto no consiste únicamente en ayudar a escribir mejor. También consiste en delimitar qué sabemos, qué no sabemos y qué debe comprobarse antes de actuar.
4. Qué necesita conocer la IA para trabajar con tu negocio
No todos los encargos necesitan una documentación extensa.
Una tarea sencilla puede resolverse con unas pocas instrucciones.
Por ejemplo, corregir la ortografía de un texto o resumir un documento que ya hemos proporcionado.
Pero cuando queremos desarrollar contenidos públicos, análisis estratégicos o tareas que afectan a procesos empresariales, necesitamos una base más sólida.
Podemos organizar esa preparación mediante una herramienta sencilla.
Ficha de contexto para encargos con IA
| Elemento | Pregunta que debemos responder |
|---|---|
| 1. Encargo | ¿Qué debe realizar exactamente la IA? |
| 2. Propósito | ¿Qué problema, función o decisión debe facilitar? |
| 3. Realidad del negocio | ¿Qué necesita conocer sobre la empresa, la oferta y las personas implicadas? |
| 4. Fuentes autorizadas | ¿Qué documentos o datos puede utilizar y cuál es su estado? |
| 5. Decisiones vigentes | ¿Qué está aprobado y qué sigue siendo una hipótesis o propuesta? |
| 6. Límites | ¿Qué no debe afirmar, revelar, modificar o ejecutar? |
| 7. Resultado esperado | ¿Qué formato, nivel de detalle y destino tendrá el trabajo? |
| 8. Verificación | ¿Qué afirmaciones o funciones deben comprobarse? |
| 9. Responsabilidad | ¿Quién revisa y aprueba cuando corresponde? |
Esta ficha no pretende convertirse en un formulario obligatorio para cada conversación.
Su utilidad aparece cuando necesitamos preparar encargos que deben mantenerse coherentes con una organización.
Un encargo completo, sin necesidad de escribir un prompt interminable
Volvamos al estudio de arquitectura.
Con la información anterior podríamos formular una instrucción de trabajo de este tipo:
Encargo: prepara el borrador de una página para presentar el servicio de rehabilitación integral de viviendas tradicionales.
Objetivo: ayudar a propietarios interesados a comprender el alcance del servicio y decidir si desean solicitar una conversación inicial.
Contexto: utiliza la documentación vigente sobre oferta, posicionamiento, público prioritario y tono del estudio.
Límites: no prometas plazos, ahorros, precios ni servicios que no estén confirmados. No presentes hipótesis como hechos.
Resultado: entrega una propuesta de estructura y texto, con título principal, secciones, argumentos y llamada a la acción.
Control: separa las afirmaciones que necesiten validación. No consideres el resultado aprobado para publicación.
No existe ninguna expresión mágica en esta instrucción.
Lo que hemos hecho es reducir ambigüedades.
Hemos definido el trabajo y proporcionado condiciones concretas para evaluarlo.
Cuándo necesitamos más contexto
La cantidad de información debería depender de la tarea.
Por ejemplo, para resumir un acta de reunión puede bastar con el documento y una indicación sobre qué tipo de resumen necesitamos.
Para preparar una página comercial deberíamos considerar la oferta, el público, el posicionamiento y las condiciones de publicación.
Para analizar una inversión digital pueden ser necesarios objetivos, costes, capacidades, alternativas y riesgos.
Y para ejecutar una operación sobre un sistema real necesitamos, además, permisos y controles apropiados.
No buscamos construir el contexto más grande posible. Buscamos disponer del conocimiento suficiente para realizar correctamente una tarea concreta.
5. Qué documentos utilizar y cómo resolver contradicciones
Muchas empresas ya poseen buena parte del conocimiento que necesitan para trabajar con inteligencia artificial.
El problema es que suele encontrarse disperso.
Una parte está en documentos de estrategia.
Otra en presentaciones comerciales.
También existen conversaciones, presupuestos, páginas web, informes y decisiones que nunca llegaron a registrarse formalmente.
Además, esos materiales pueden representar momentos diferentes de la empresa.
Una presentación antigua puede describir servicios que ya no se ofrecen.
Un presupuesto puede contener condiciones excepcionales.
Una propuesta comercial puede estar pendiente de aprobación.
Y una conversación reciente puede plantear un cambio que todavía no se ha decidido.
Si proporcionamos todo ese material a la IA sin ninguna organización, aumentamos el riesgo de mezclar realidades incompatibles.
No todas las fuentes tienen la misma autoridad
Imaginemos que el estudio de arquitectura conserva tres documentos.
El primero es una estrategia aprobada que define la rehabilitación integral como servicio prioritario.
El segundo es un borrador de una nueva línea de asesoramiento para reformas menores.
El tercero es una presentación comercial antigua que todavía menciona trabajos de mantenimiento doméstico.
Si pedimos a la IA que prepare una página de servicios utilizando los tres documentos, puede interpretar que todas esas prestaciones están disponibles.
Pero sería una conclusión incorrecta.
Necesitamos explicar qué representa cada fuente.
Clasificar la documentación ayuda a trabajar mejor
Podemos utilizar una estructura sencilla:
| Estado | Cómo debe interpretarse |
|---|---|
| Vigente y aprobado | Referencia autorizada dentro de su ámbito |
| En revisión | Material que todavía requiere validación |
| Hipótesis o propuesta | Alternativa que puede analizarse, pero no presentarse como decisión |
| Histórico | Información útil para comprender antecedentes |
| Sustituido | Documento que ha perdido vigencia frente a una decisión posterior |
| No autorizado para la tarea | Información que no debe utilizarse en ese encargo |
La clasificación debe corresponder a reglas reales de la organización.
No basta con añadir una etiqueta de «aprobado» a cualquier archivo.
Necesitamos saber quién tiene autoridad para aprobarlo y qué alcance tiene esa aprobación.
El documento más reciente no siempre es el correcto
Supongamos que ayer alguien redactó una nueva propuesta comercial.
Hace dos meses se aprobó formalmente el posicionamiento del estudio.
El documento de ayer es más reciente.
Pero quizá todavía está pendiente de valoración.
Por tanto, no debería sustituir automáticamente la estrategia aprobada.
Necesitamos considerar la fecha, la versión, el estado, el ámbito y la autoridad de la decisión.
También debemos registrar cuándo un documento sustituye a otro.
Esto resulta especialmente útil cuando varias personas o proveedores trabajan sobre los mismos activos.
Qué debe hacer la IA cuando encuentra una contradicción
Imaginemos que dos fuentes vigentes presentan precios diferentes para un mismo servicio.
La herramienta no debería elegir automáticamente el más reciente, calcular una media ni inventar una nueva tarifa.
Primero debe intentar determinar si las fuentes corresponden a ámbitos distintos.
Quizá una describe precios para particulares y otra para empresas.
Si la contradicción permanece, necesitamos señalarla y solicitar la decisión del responsable correspondiente.
Una respuesta útil podría ser:
La documentación contiene dos condiciones comerciales diferentes para este servicio. No he identificado una fuente autorizada que resuelva la discrepancia. Es necesario confirmar cuál está vigente antes de utilizarla.
Este comportamiento no debe darse por garantizado simplemente porque escribamos una instrucción para solicitarlo.
El proceso también necesita mecanismos de revisión.
La trazabilidad permite verificar las afirmaciones
Para determinados trabajos, conviene conservar una relación entre las afirmaciones importantes y sus fuentes.
Por ejemplo:
| Información utilizada | Estado | Tratamiento |
|---|---|---|
| Servicio aprobado | Confirmado en documento vigente | Puede utilizarse dentro de su alcance |
| Experiencia profesional declarada | Pendiente de comprobación | Requiere validación |
| Nueva línea de negocio | Propuesta sin aprobar | No presentarla como oferta vigente |
| Condición comercial anterior | Documento sustituido | Utilizar únicamente como antecedente |
| Dato de un cliente | Información con acceso limitado | Excluir salvo necesidad y autorización |
No significa que cada página comercial deba incluir referencias a documentos internos.
Podemos mantener esa trazabilidad durante el proceso editorial.
Lo importante es que las afirmaciones relevantes puedan comprobarse.
También debemos recordar que una cita generada por IA no garantiza que la fuente exista o respalde realmente lo afirmado.
Cuando el dato tenga importancia, corresponde verificarlo.
La IA puede ayudar a organizar el conocimiento. La empresa necesita conservar criterios para distinguir lo confirmado de lo que todavía debe decidirse.
6. Más contexto no significa entregar toda la información
Existe una reacción comprensible cuando descubrimos que el contexto puede mejorar el trabajo con IA.
Si algunos documentos ayudan, quizá cuantos más proporcionemos, mejores serán las respuestas.
Pero no siempre ocurre así.
Una colección extensa puede incluir información irrelevante, materiales repetidos, versiones contradictorias y datos que no deberían compartirse.
Además, los modelos tienen límites sobre la cantidad de información que pueden considerar y no siempre recuperan o utilizan correctamente todos los detalles de un contexto largo.
La documentación técnica de OpenAI distingue entre proporcionar información directamente y recuperarla desde una base documental. También señala que los sistemas con contextos extensos y mecanismos de recuperación necesitan evaluación específica. [1][2]
Cinco condiciones de un contexto útil
Relevancia. La información debe contribuir realmente al encargo.
Calidad. Los datos y documentos necesitan ser suficientemente fiables para su función.
Vigencia. Debemos conocer qué decisiones siguen siendo válidas.
Autorización. La herramienta debe poder utilizar legítimamente la información dentro de esa tarea.
Separación. Los datos que pertenecen a otros proyectos, clientes o ámbitos no deben mezclarse indebidamente.
Estas condiciones son más importantes que el volumen documental por sí mismo.
Contexto no es lo mismo que entrenamiento
Conviene aclarar otra confusión frecuente.
Adjuntar documentos a una conversación no significa necesariamente entrenar permanentemente un modelo con ellos.
Existen diferentes mecanismos para utilizar conocimiento empresarial.
Contexto directo: proporcionamos información dentro del encargo o de la conversación.
Recuperación documental: un sistema consulta fuentes autorizadas y aporta los fragmentos relevantes cuando necesita responder.
Estado operativo: una aplicación proporciona información actual sobre una tarea, un proceso o una operación.
Ajuste o entrenamiento adicional: determinados métodos modifican el comportamiento del modelo mediante procedimientos específicos y diferenciados.
No son equivalentes.
La recuperación documental, conocida habitualmente como Retrieval-Augmented Generation o RAG, permite recuperar información externa e incorporarla al contexto del modelo durante una tarea.
Puede ser útil cuando trabajamos con una biblioteca amplia de documentos.
Pero una empresa pequeña no necesita implantar necesariamente un sistema RAG para conseguir respuestas contextualizadas.
Puede comenzar proporcionando manualmente la información relevante.
Recuperar un documento no garantiza utilizarlo correctamente
Imaginemos que desarrollamos un sistema que consulta todos los documentos del estudio.
Cuando preguntamos por las condiciones de un servicio, el sistema recupera una tarifa antigua.
El problema puede encontrarse en la clasificación de documentos.
También en la búsqueda, que ha seleccionado una fuente inadecuada.
O en la interpretación posterior.
Por eso debemos distinguir tres cuestiones:
¿Tenemos información correcta y vigente?
¿El sistema recupera la información adecuada?
¿La IA utiliza esa información correctamente?
Son problemas diferentes.
Y necesitan verificaciones diferentes.
La información confidencial requiere límites específicos
El contexto puede incluir información sobre clientes, empleados, proyectos, precios, contratos o procesos internos.
No debemos compartirla con cualquier herramienta simplemente porque podría mejorar sus respuestas.
Cuando se tratan datos personales, el RGPD exige respetar principios como limitación de finalidad, minimización, seguridad y responsabilidad. [5]
También debemos considerar acuerdos de confidencialidad, derechos sobre los documentos y condiciones de los proveedores.
En algunos casos podremos utilizar datos agregados o anonimizados.
En otros será necesario limitar accesos o utilizar configuraciones y servicios que ofrezcan las garantías adecuadas.
El mejor contexto no es el que contiene más información. Es el que permite realizar el trabajo con la información necesaria y dentro de los límites correctos.
7. Cómo comprobar que el resultado de la IA es realmente útil
Disponer de contexto bien organizado mejora las condiciones en las que trabaja una herramienta.
Pero no demuestra, por sí solo, que el resultado sea correcto.
La IA puede interpretar mal un documento, omitir un requisito o formular una afirmación que las fuentes no respaldan.
También puede producir respuestas diferentes ante encargos equivalentes.
Por tanto, necesitamos comprobar la calidad del trabajo.
No evalúes solamente si la respuesta te gusta
Imaginemos que el estudio de arquitectura recibe dos propuestas de página comercial.
La primera utiliza un lenguaje atractivo, incorpora frases impactantes y parece muy persuasiva.
La segunda es más sobria, pero representa mejor la oferta y evita promesas no confirmadas.
¿Cuál es mejor?
Dependerá de los criterios establecidos.
Si buscamos únicamente originalidad o fuerza comercial, quizá prefiramos la primera.
Si necesitamos publicar una página que refleje con precisión el posicionamiento del estudio, la segunda podría resultar más adecuada.
Por eso la evaluación debe relacionarse con la función del trabajo. La guía sobre qué medir en marketing digital desarrolla el mismo criterio para interpretar los resultados del negocio.
Seis criterios prácticos de calidad
| Criterio | Qué comprobamos |
|---|---|
| Alineación | ¿Respeta la oferta, el público y las decisiones vigentes? |
| Precisión | ¿Las afirmaciones relevantes están respaldadas? |
| Uso del contexto | ¿Utiliza la información necesaria sin mezclar fuentes inadecuadas? |
| Límites | ¿Evita promesas, datos o acciones no autorizados? |
| Utilidad | ¿Permite avanzar hacia el resultado esperado? |
| Revisión necesaria | ¿Qué errores o correcciones deben resolverse antes de aceptarlo? |
Estos criterios pueden adaptarse a diferentes tareas.
No necesitamos evaluar un resumen interno con la misma exigencia que una propuesta contractual.
Pero sí debemos conocer qué significa hacer bien el trabajo.
Un pequeño ejercicio de comparación
Volvamos a nuestro estudio de arquitectura.
Queremos comprobar si una documentación contextual mejora las tareas habituales.
Podríamos seleccionar cinco encargos representativos:
- Redactar una página de servicio.
- Preparar respuestas a preguntas frecuentes.
- Revisar la coherencia de una propuesta comercial.
- Resumir documentación técnica para uso interno.
- Elaborar un esquema de contenido para la web.
Para cada tarea podemos preparar una referencia de qué requisitos debe cumplir el resultado.
Después comparamos una forma de trabajo con instrucciones genéricas frente a otra que utiliza contexto empresarial seleccionado.
La comparación debe mantener condiciones razonablemente equivalentes.
También conviene repetir las pruebas cuando sea necesario, porque una respuesta aislada no demuestra una mejora general.
Qué registraríamos
No necesitamos comenzar utilizando una plataforma de evaluación compleja.
Podemos construir una tabla sencilla:
| Tarea | Problemas sin contexto suficiente | Resultado con contexto | Evaluación |
|---|---|---|---|
| Página comercial | Promesas no confirmadas | Respeta límites comerciales | Verificar afirmaciones |
| Preguntas frecuentes | Respuestas genéricas | Utiliza condiciones del servicio | Revisar vigencia |
| Propuesta | Mezcla prestaciones | Distingue servicios aprobados | Comprobar alcance |
| Resumen | Omite decisiones relevantes | Identifica acuerdos y pendientes | Contrastar con fuente |
| Esquema web | Jerarquía poco adecuada | Refleja el público prioritario | Validar arquitectura |
La tabla muestra ejemplos de criterios y resultados posibles. No representa mediciones obtenidas en un experimento.
La documentación de OpenAI sobre evaluación de sistemas de IA recomienda utilizar conjuntos de tareas representativas y criterios definidos para detectar errores y comprobar el efecto de los cambios. [2][3]
El resultado que buscamos
Nos interesa comprobar si el contexto ayuda a reducir errores importantes.
Si disminuye el número de afirmaciones sin respaldo.
Si mejora la coherencia con la oferta.
Y si permite que el trabajo llegue a revisión con menos problemas materiales.
También podemos observar cuánto esfuerzo necesita el equipo para corregir los resultados.
Pero no deberíamos convertir automáticamente una impresión de mayor rapidez en una cifra de ahorro económico.
Para afirmarlo necesitaríamos una medición apropiada.
La revisión humana debe tener una responsabilidad clara
Pedir a la IA que revise su propio resultado puede ser útil.
Puede detectar determinadas contradicciones, comprobar una estructura o señalar información aparentemente ausente.
Pero eso no convierte su revisión en una garantía independiente de exactitud.
Para contenidos públicos, decisiones comerciales y trabajos sensibles necesitamos establecer quién verifica las afirmaciones relevantes y quién autoriza su utilización.
La profundidad de esa revisión debe ser proporcional al impacto.
No es necesario que la dirección general apruebe cada resumen interno.
Pero una herramienta tampoco debería publicar unilateralmente condiciones comerciales que nadie ha confirmado.
El objetivo no es revisar todo de la misma manera. Es establecer controles adecuados para cada tipo de trabajo.
8. Cuando la IA también puede actuar, el contexto necesita permisos y límites operativos
Hasta ahora hemos hablado principalmente de generar contenido, resumir documentos y preparar análisis.
Pero los sistemas de inteligencia artificial también pueden conectarse a herramientas y realizar determinadas acciones.
Por ejemplo, pueden utilizar aplicaciones autorizadas para crear borradores, actualizar archivos o ejecutar pasos dentro de un proceso.
Esta capacidad amplía las posibilidades.
Y también cambia las responsabilidades.
Redactar no es lo mismo que publicar
Imaginemos que encargamos a un asistente:
«Actualiza la página de nuestro servicio según la documentación estratégica vigente».
La herramienta puede preparar una nueva propuesta de contenido.
Pero si además dispone de acceso a la web, podría llegar a modificar la página.
Son dos niveles de actuación diferentes.
En el primero, produce un borrador que alguien puede revisar.
En el segundo, realiza cambios sobre un activo real.
La segunda situación necesita controles adicionales.
Debemos saber qué puede modificar, qué información está autorizada a utilizar y qué acciones requieren aprobación.
Comprender, proponer, ejecutar y aprobar
Podemos distinguir cuatro capacidades:
| Capacidad | Qué significa |
|---|---|
| Comprender | Interpretar el encargo y consultar información relevante |
| Proponer | Preparar una respuesta, una decisión o un cambio |
| Ejecutar | Realizar una acción mediante herramientas autorizadas |
| Aprobar | Asumir la autorización y responsabilidad por determinadas consecuencias |
No todas las tareas necesitan separar formalmente las cuatro etapas.
Pero resulta útil hacerlo cuando las acciones pueden afectar a clientes, datos, dinero o sistemas empresariales.
Los permisos deben responder a la tarea
Imaginemos que la IA necesita preparar un artículo para la web.
Podría disponer de acceso a la documentación editorial autorizada y a un espacio donde guardar borradores.
No necesita necesariamente acceso a las facturas, los datos de clientes o todos los archivos de la organización.
Tampoco necesita permisos para borrar el sitio o modificar la configuración del alojamiento.
El principio es proporcionar únicamente los accesos necesarios para cumplir el encargo.
El proyecto OWASP dedicado a la seguridad de aplicaciones de IA generativa recomienda limitar privilegios, separar contenidos no confiables y establecer aprobación humana para operaciones de alto riesgo. [4]
El riesgo de las instrucciones escondidas en documentos
Existe un problema particular cuando una IA consulta páginas web, archivos o mensajes externos.
No todo el contenido que encuentra es una instrucción legítima.
Imaginemos que una herramienta analiza una página de un proveedor.
Dentro de esa página aparece un texto que intenta ordenar al asistente que ignore sus instrucciones anteriores y envíe información a otro destinatario.
Ese texto forma parte de la página consultada.
No debería adquirir autoridad para dirigir el comportamiento del sistema.
Este tipo de intento se conoce como inyección de instrucciones o prompt injection.
Puede producirse a través de contenidos aparentemente normales que un sistema con IA lee durante su trabajo.
OWASP identifica este riesgo y propone medidas de separación, control de accesos y verificación. [4]
No significa que cualquier documento externo sea peligroso.
Significa que necesitamos distinguir entre una fuente que aporta información y una autoridad que puede emitir instrucciones.
La jerarquía documental no sustituye la seguridad técnica
Aquí aparece una diferencia fundamental.
Una empresa puede establecer que su estrategia aprobada tiene prioridad sobre un borrador antiguo.
Esa es una regla de autoridad empresarial.
Pero no equivale a implementar permisos técnicos.
Tampoco significa que cualquier texto marcado como «prioritario» pueda modificar legítimamente las instrucciones de un modelo o sus controles de seguridad.
Necesitamos combinar gobierno documental con los mecanismos técnicos apropiados.
El contexto explica qué debe respetar la IA. Los permisos y los controles determinan qué puede hacer realmente dentro del sistema.
La responsabilidad debe crecer con el impacto
Podemos permitir que un sistema clasifique documentos internos bajo reglas definidas.
Quizá también pueda preparar borradores de respuesta.
Pero publicar una oferta, modificar un contrato, enviar comunicaciones comerciales o borrar información puede requerir autorizaciones adicionales.
No existe una cantidad universal de supervisión que sea adecuada para todas las tareas.
El marco de gestión de riesgos de IA generativa del NIST destaca la necesidad de considerar los riesgos a lo largo del diseño, desarrollo, utilización y evaluación de los sistemas. [6]
La autonomía debe decidirse teniendo en cuenta la función y sus posibles consecuencias.
La IA puede ampliar la capacidad operativa. La empresa necesita conservar control sobre los riesgos y las decisiones que delega.
9. Del conocimiento disperso al Contexto IA Gobernado
Muchas empresas ya poseen el conocimiento que necesitan para trabajar mejor con inteligencia artificial.
Conocen a sus clientes.
Han desarrollado una propuesta de valor.
Tienen experiencia comercial.
Han tomado decisiones sobre qué servicios ofrecer y cuáles descartar.
También conocen sus procesos, limitaciones y prioridades.
Pero una parte importante de ese conocimiento puede permanecer dispersa.
Está en la memoria del gerente.
En conversaciones con empleados.
En correos antiguos.
En documentos difíciles de encontrar.
O en decisiones que nunca llegaron a registrarse.
Organizar el conocimiento tiene valor antes de utilizar IA
Imaginemos que el estudio de arquitectura decide documentar correctamente su oferta, posicionamiento y criterios comerciales.
Ese trabajo permite que una nueva persona del equipo comprenda mejor el negocio.
También puede facilitar que un proveedor externo prepare materiales coherentes.
Y ayuda a conservar decisiones cuando cambian los responsables de un proyecto.
La inteligencia artificial puede aprovechar esa documentación.
Pero no es la única beneficiaria.
El primer valor del conocimiento estratégico documentado es que permite compartir y mantener una dirección empresarial.
De la estrategia al contexto operativo
El módulo Estrategia Digital de PhiStudio trabaja precisamente sobre esa necesidad de dirección.
Su función es ordenar el conocimiento del negocio y transformarlo en decisiones documentadas sobre el modelo, la propuesta de valor, los clientes, el posicionamiento, la comunicación y las prioridades. La guía Cómo definir la estrategia digital de una empresa explica ese proceso.
Dentro de ese sistema documental, el Contexto IA Gobernado permite preparar una referencia para utilizar ese conocimiento en trabajos asistidos por inteligencia artificial.
La distinción es importante.
La estrategia establece la dirección.
La documentación conserva y comunica sus decisiones.
Y el contexto para IA selecciona las referencias y condiciones necesarias para aplicarlas en determinados encargos.
No estamos hablando de tres sistemas independientes que deban desarrollarse siempre por separado.
Hablamos de funciones relacionadas dentro de una misma necesidad: conseguir que el conocimiento empresarial pueda utilizarse con coherencia.
Un contexto gobernado necesita mantenerse
Crear una buena documentación no resuelve el problema para siempre.
Las empresas cambian.
Incorporan servicios, modifican condiciones, evolucionan sus públicos y sustituyen herramientas.
Si la información no se actualiza, el sistema puede seguir utilizando decisiones antiguas.
Por eso necesitamos establecer procedimientos proporcionados.
Cuando cambia una decisión importante, debe actualizarse su referencia.
Cuando una versión sustituye a otra, debe quedar claro cuál está vigente.
Y cuando una herramienta utiliza documentos históricos, debe poder distinguirlos de las condiciones actuales.
También conviene comprobar periódicamente que los sistemas de IA siguen recuperando y utilizando las fuentes adecuadas.
No necesitamos reconstruir toda la documentación cada semana.
Necesitamos mantener actualizadas las decisiones que realmente afectan al trabajo.
Preparar contexto no equivale a implementar una plataforma de IA
Este punto merece una aclaración comercial.
Una empresa puede disponer de un Contexto IA Gobernado sin haber desarrollado un asistente personalizado, una base de conocimiento automatizada o un agente conectado a sus aplicaciones.
La documentación estratégica deja preparado un conocimiento que puede utilizarse de distintas maneras.
Implantar herramientas, integraciones o agentes constituye un trabajo adicional que necesita evaluar funciones, costes, seguridad y responsabilidades.
No todas las empresas necesitan esa implantación.
Algunas obtendrán valor proporcionando manualmente información bien organizada para determinadas tareas.
Otras podrán justificar sistemas más avanzados.
La decisión dependerá de su volumen de trabajo, sus procesos y las oportunidades que quiera desarrollar.
Primero debemos comprender qué conocimiento necesita el negocio para trabajar con coherencia. Después podemos decidir qué herramientas tienen sentido para aprovecharlo.
10. La IA amplía la capacidad de trabajar; la dirección establece el propósito
La inteligencia artificial puede ayudar a una empresa a realizar tareas que antes exigían más tiempo, recursos o conocimientos especializados.
Puede estructurar información, redactar contenidos, comparar alternativas, preparar análisis y asistir en procesos.
Pero su capacidad para producir resultados no significa que conozca automáticamente la realidad de cada organización.
Una respuesta puede ser convincente y no representar correctamente el negocio.
Una recomendación puede parecer razonable y contradecir una decisión vigente.
Y una automatización puede ejecutar correctamente una acción que nunca debería haberse autorizado.
Por eso necesitamos algo más que tecnología.
Necesitamos propósito, información relevante, decisiones documentadas, instrucciones claras, límites apropiados y criterios de verificación.
No significa que cualquier tarea requiera una gran documentación estratégica.
Podemos utilizar IA de forma sencilla para trabajos sencillos.
Pero cuando queremos incorporarla a procesos importantes, la coherencia y la responsabilidad adquieren mayor relevancia.
El contexto ayuda a que la herramienta comprenda qué necesita hacer y qué realidad debe respetar.
La documentación permite conservar esa información y compartirla.
Los controles limitan los accesos y acciones.
Y la evaluación comprueba si los resultados cumplen la función esperada.
Nada de esto elimina completamente los errores.
Tampoco garantiza que un sistema sea seguro por disponer de documentos organizados.
Pero establece mejores condiciones para utilizar la IA dentro de un proceso empresarial real.
Además, el conocimiento ordenado sigue teniendo valor aunque cambie la tecnología.
Una propuesta de valor clara no depende de un modelo concreto.
Una decisión comercial documentada puede orientar a diferentes profesionales.
Y una arquitectura de información coherente puede facilitar tanto el trabajo humano como el de nuevas herramientas.
En PhiStudio entendemos la Dirección Digital de Activos desde esa perspectiva.
No se trata de incorporar inteligencia artificial a cualquier tarea porque esté disponible.
Se trata de comprender qué necesita conseguir el negocio y decidir cómo utilizar las capacidades digitales para servir a esa dirección.
La IA puede producir más trabajo. El contexto adecuado y una dirección clara ayudan a conseguir que ese trabajo tenga sentido para la empresa.