La forma de hablar con la inteligencia artificial cambió. Hoy no basta con escribir un buen prompt: lo que marca la diferencia es el contexto que le entregas al modelo. Esa es la base del context engineering, una práctica clave para quienes ya usan ChatGPT, Claude o Gemini en su trabajo diario y quieren resultados realmente útiles.
¿Qué cambió desde el lanzamiento de ChatGPT en 2022?
Cuando ChatGPT se liberó el 30 de noviembre de 2022, trabajábamos con modelos rápidos o instant. El flujo era simple: tú entregabas un prompt, el modelo lo convertía en vectores matemáticos dentro de su espacio vectorial y predecía el siguiente bloque de texto [02:15].
Esa lógica explica por qué el prompt engineering fue tan importante al inicio: cuanto mejor estructurabas la pregunta, más acotabas el universo de respuestas posibles dentro de la base de conocimiento del modelo, que tiene una fecha de corte (Gemini, por ejemplo, corta en enero de 2025) [05:40].
¿Qué es un prompt? Es la instrucción de entrada que le das a un modelo de lenguaje. El modelo la convierte en vectores y predice la respuesta token a token.
¿Por qué un mejor prompt da mejores respuestas?
Piensa en una señora Juanita con una tienda de barrio que pide "un plan de marketing". Recibirá ideas genéricas. Un experto de agencia que define audiencia, ubicación y canales digitales obtendrá un plan con más profundidad. La calidad de la pregunta condiciona la calidad de la respuesta [08:20].
¿Qué son los modelos de razonamiento y en qué se diferencian?
Los modelos de razonamiento rompieron ese esquema. En lugar de responder de inmediato, iteran internamente: arman un plan, lo evalúan, exploran alternativas y recién después generan la respuesta. Es un loop de pensamiento, casi un soliloquio del modelo [11:05].
En una prueba en paralelo en Claude con un mismo prompt sobre un plan de lanzamiento para Platzi Conf (29 de agosto, Ágora Bogotá), el modelo sin thinking respondió rápido pero genérico. El modelo con razonamiento activo buscó información, identificó que el evento es híbrido con live stream, ajustó la estrategia a una conversión virtual y armó un plan de 11 semanas con KPIs por canal [14:30].
¿Cuándo conviene activar el modo de razonamiento? Cuando la tarea implica análisis de datos, varios pasos o múltiples archivos. Para preguntas cortas y rápidas, un modelo instant es suficiente.
¿Por qué el context engineering importa más que el prompt?
Acá viene lo interesante. Con modelos actuales como Claude Sonnet 4.6, GPT-5 o Gemini, ya no necesitas llevar al modelo de la mano con instrucciones milimétricas. El modelo es lo suficientemente capaz para entender una tarea bien planteada. Lo que sí marca la diferencia es cuánto y qué tan buen contexto le entregues [22:10].
En una demo con ChatGPT, pedir un plan estratégico para un SaaS de restaurantes con un prompt genérico devolvió recomendaciones vacías. Al sumar contexto sobre el negocio, integraciones con Rappi y Uber Eats, mercados objetivo y un Excel con datos del CRM, la respuesta cambió por completo: métricas concretas, segmentación por dark kitchens, priorización por valor del pipeline y planes de acción por vendedor [28:45].
¿Qué tipo de contexto puedo entregarle a la IA?
El contexto puede ser texto, archivos o conexiones en vivo. Estas son las fuentes más útiles que tienes a mano:
- Transcripciones de reuniones, notas y briefs.
- Documentos en PDF, Excel, PowerPoint o Markdown.
- Conectores como HubSpot, Dropbox o Google Drive.
- Bases de código completas o documentos de especificación.
- Datos del CRM, métricas de ventas y reportes internos.
Los archivos en Markdown (.md) consumen menos tokens que un PDF, porque el modelo no necesita interpretar el formato. Ese detalle ayuda cuando empiezas a chocar con los límites de uso.
¿Cómo dictar mejores prompts en lugar de escribirlos?
Cuando escribes, te autoeditas y pierdes contexto. Cuando dictas, piensas en voz alta y recuerdas más cosas. Herramientas como Handy.Computer (gratuita, open source, para Windows, Mac y Linux), WhisperFlow o SuperWhisper transcriben tu voz a cualquier caja de texto [01:02:15].
Dictar un prompt sobre el SaaS de restaurantes generó un plan estratégico mucho más rico, exportado en HTML con la identidad visual de la marca, análisis del CRM, desempeño por vendedor y un plan de 90 días.
¿Qué herramienta de IA conviene usar y pagar hoy?
La respuesta depende del ecosistema, pero Claude ha tomado ventaja para trabajadores del conocimiento gracias a sus skills, conectores MCP, plugins y modelos como el recién liberado Fable 5, que supera a Opus 4.8, GPT-5 y Gemini 3.1 en coding y knowledge work [55:20].
Para elegir, esta es la guía rápida:
- Claude: ideal para documentos, Excel, PowerPoint y trabajo de oficina.
- ChatGPT: mejor cobertura de conectores y mayor capacidad de uso.
- Gemini: imbatible si vives dentro del ecosistema Google.
- Copilot: obligatorio en empresas Microsoft, sube el rendimiento eligiendo GPT-5 con deep reasoning.
¿Vale la pena pagar 20 dólares al mes por una IA? Si aceleras tus tareas un 48% (según un estudio del Centro Nacional de Inteligencia Artificial de Chile) sobre un sueldo de 500 dólares, ganas 250 dólares de productividad. La licencia se paga sola.
¿Es seguro entregarle datos de mi empresa a la IA?
Con cuentas empresariales de ChatGPT Teams, Claude for Teams, Gemini for Workspace o Copilot, los datos no entrenan al modelo. Si usas una cuenta personal, entra a Settings, luego a Data Controls (ChatGPT) o Privacy (Claude) y desactiva la opción de mejorar el modelo. Tu cuenta sigue funcionando igual.
¿Cómo aprovechar la ventana de contexto sin perder información?
Los modelos actuales manejan ventanas de contexto entre 246.000 y 1.000.000 de tokens, equivalente a una saga completa tipo Harry Potter [01:05:40]. Aun así, conversaciones muy largas hacen que el modelo olvide instrucciones iniciales.
Dos tácticas que funcionan:
- Escribir un prompt inicial muy completo para acortar la conversación.
- Pre-procesar fuentes con NotebookLM de Google, resumir y pasar ese resumen como contexto al modelo principal.
El prompting sigue siendo útil para guiar a la IA, pero el verdadero salto de calidad llega cuando combinas tarea clara, contexto rico, modelo de razonamiento y formato adecuado. Cuéntame en los comentarios qué tipo de contexto le entregas tú a la IA en tu día a día.
