¿Qué es la ingeniería de contexto?
Un modelo de IA sabe mucho sobre el mundo y nada sobre su negocio. Cada respuesta útil depende del contexto que recibe: qué datos, qué definiciones, qué reglas y qué herramientas.
La ingeniería de prompts trata de cómo se pregunta. La ingeniería de contexto trata de lo que sabe el modelo cuando responde. Para el trabajo de negocio, lo segundo suele importar más.
¿Cómo funciona la ingeniería de contexto?
- Definiciones. Qué significa cada métrica y cómo se calcula, para que el modelo use las fórmulas de la empresa.
- Datos. Los registros actuales y relevantes para la pregunta, obtenidos de fuentes gobernadas.
- Reglas. Políticas y salvaguardas, como las directrices de marca o lo que debe pasar por la aprobación de una persona.
- Herramientas. Las acciones que el modelo puede realizar y los permisos con los que se ejecutan.
- Límites. Solo lo que la tarea necesita, ya que el contexto adicional puede empeorar las respuestas.
¿Cuál es un ejemplo de ingeniería de contexto?
Dos respuestas a la misma pregunta sobre ROAS
Si se le pide el ROAS por canal, un asistente sin contexto de negocio elige su propia fórmula y su propio rango de fechas. La respuesta parece segura y no coincide con ningún informe de la empresa.
Con la definición de ROAS de la empresa, su taxonomía de canales y su calendario fiscal, el mismo asistente devuelve la cifra que calcularía el equipo de finanzas. Solo cambió el contexto.
Ingeniería de contexto vs. ingeniería de prompts vs. fine-tuning
| Ingeniería de prompts | Ingeniería de contexto | Fine-tuning | |
|---|---|---|---|
| Qué cambia | Cómo se formula la solicitud | Lo que sabe el modelo al responder | Los pesos del modelo |
| Se actualiza cuando cambian los datos | No | Sí, en cada solicitud | Solo después de volver a entrenar |
| Ideal para | Tono y formato | Respuestas de negocio precisas y actualizadas | Estilo o tareas especializadas |
¿Por qué importa la ingeniería de contexto?
La mayoría de las respuestas incorrectas de la IA en los negocios no son culpa del modelo. El modelo tenía los datos equivocados, una definición desactualizada o ninguna definición. Acertar con el contexto es la forma más directa de lograr que las respuestas de la IA sean sólidas.
¿Cómo lo hace Alli?
Alli Semantic Layer, parte de Alli by PMG, es donde la lógica de negocio de marketing se define una sola vez: definiciones de KPI compartidas, nomenclatura armonizada en todas las plataformas y regiones, y un diccionario de datos común. Cada equipo, herramienta y agente de IA de Alli trabaja con esas definiciones, de modo que la IA se mantiene fiel a la lógica que los equipos ya acordaron.
Alli Data aporta los datos gobernados y actualizados que hay debajo, y las skills de Alli4u empaquetan las instrucciones y las herramientas que un asistente necesita para una tarea específica.
Explorar Alli Semantic LayerPreguntas frecuentes sobre la ingeniería de contexto
¿En qué se diferencia la ingeniería de contexto de la ingeniería de prompts?
La ingeniería de prompts define cómo se formula una solicitud. La ingeniería de contexto decide qué información, definiciones, reglas y herramientas tiene el modelo cuando responde, y eso suele importar más para la precisión en el negocio.
¿Es RAG una forma de ingeniería de contexto?
Sí. La Retrieval-Augmented Generation obtiene documentos o datos relevantes y los añade al contexto del modelo. La ingeniería de contexto también abarca definiciones, reglas y herramientas.
¿Puede el exceso de contexto perjudicar las respuestas de la IA?
Sí. La información adicional e irrelevante puede distraer a un modelo y hacer que las respuestas sean menos precisas. Un buen contexto se limita a lo que la tarea necesita.
¿Cómo ayuda una capa semántica a la IA?
Le da a la IA las definiciones de métricas y la nomenclatura propias de la empresa, para que el modelo calcule las cifras como lo hace el negocio en lugar de adivinar.
Última actualización: Volver al glosario