¿Qué es la gestión del contexto de agentes de IA?
La gestión del contexto de agentes de IA consiste en seleccionar, organizar y actualizar la información que un agente utiliza para trabajar, dentro de los límites de acceso existentes. En un equipo, esa información se encuentra en el código, los buzones compartidos, los canales del equipo y las decisiones que deben seguir siendo precisas y accesibles para las personas adecuadas.
Ese entendimiento comienza con un contexto compartido. Se desarrolla mediante la comunicación, se convierte en acción a través de materiales concretos y sigue siendo útil gracias a un mantenimiento periódico.
Empieza con un flujo de trabajo: identifica las fuentes de referencia, recupera solo lo necesario para la tarea actual y prepara un resumen con enlaces a las pruebas. Separa las decisiones de las propuestas. Actualiza el resumen cuando un lanzamiento, nueva información de clientes o un cambio de permisos lo deje obsoleto.
1. Identificar el contexto compartido de los agentes de IA
Todos los equipos cuentan ya con un registro distribuido de sus conocimientos y decisiones. El primer paso para incorporar un agente es identificar dónde se encuentra ese registro.
La ventana de contexto de un agente contiene la información disponible durante la tarea actual. La memoria del agente conserva información para recuperarla más adelante. El contexto compartido es el conocimiento del equipo repartido entre sus herramientas. Un sistema útil de gestión del contexto selecciona las partes pertinentes para cada tarea y mantiene los enlaces a las fuentes originales.
Este trabajo de selección y mantenimiento también se conoce como ingeniería de contexto. La guía de Anthropic sobre ingeniería de contexto explica cómo recuperar información cuando hace falta y resumir el material antiguo para mantener enfocado el contexto de trabajo del agente. Para un equipo, la pregunta práctica es qué pruebas ayudan a tomar la decisión actual.
Para un equipo de producto, el código es una fuente importante de contexto. Junto con los registros de despliegue y de versiones, ayuda a establecer qué hace el producto en este momento. Un buzón compartido aporta otra perspectiva: las preguntas de los clientes, los problemas que encuentran y los resultados que buscan. Los canales del equipo recogen conversaciones, restricciones, compromisos y el razonamiento que sustenta las decisiones.
Estas fuentes responden a preguntas diferentes. El código explica una implementación. La información de despliegue confirma si ha llegado a los clientes. Las conversaciones con ellos muestran cómo viven la experiencia. Las discusiones internas ayudan a explicar por qué el equipo eligió una determinada solución.
El agente necesita un mapa de esas fuentes: qué contiene cada una, qué preguntas puede responder, quién la mantiene y hasta qué punto está actualizada. Ese mapa proporciona el contexto inicial para una colaboración útil.
El agente también debe reconocer las discrepancias entre fuentes. Un mensaje puede describir una versión prevista mientras los registros de despliegue muestran que aún está pendiente. Un documento puede referirse a una versión anterior del producto. Hacer visibles estas diferencias permite al equipo establecer un punto de partida preciso.
Figura 1. El código, las conversaciones con clientes y las discusiones del equipo ofrecen perspectivas diferentes. El agente conecta las evidencias dentro de los permisos existentes de cada persona y crea materiales que el equipo puede utilizar.
2. Mantener los permisos del agente de IA en los sistemas de origen
El contexto compartido existe dentro de unos límites de acceso. Los miembros del equipo tienen responsabilidades diferentes, y la información disponible para cada persona debe reflejarlas.
Los permisos corresponden a los sistemas que almacenan y recuperan el contexto. El sistema de identidad de la organización, las aplicaciones de origen y el almacén de memoria deben determinar quién puede acceder a la información. El agente opera dentro de esos límites sin decidir por su cuenta el nivel de acceso de nadie.
Los agentes compartidos para equipos de Okou aplican esta separación: los equipos pueden compartir instrucciones y flujos de trabajo, mientras cada persona los ejecuta mediante sus propias cuentas conectadas.
Esta distinción importa cuando el contexto cambia de formato. Un resumen derivado de una conversación restringida debe conservar las restricciones pertinentes. Guardar información en la memoria o incorporarla a un recurso visual también debe respetar sus requisitos de acceso.
El contexto personal necesita igualmente un ámbito claro. Las notas, preferencias y conversaciones privadas de una persona deben seguir asociadas a ella, salvo que las comparta de forma deliberada mediante un proceso autorizado.
Por tanto, un equipo puede compartir un objetivo aunque sus miembros tengan acceso a información diferente. El papel del agente es ayudar a cada persona a contribuir con el contexto que tiene disponible. Cuando no pueda acceder a evidencias relevantes, debe dejar claro qué partes de su interpretación siguen sin verificar.
3. Utilizar agentes de IA para construir un entendimiento común
Una vez que el agente puede acceder a las fuentes adecuadas, puede ayudar a las personas a comprender cómo se relacionan con su trabajo.
La atención humana y la memoria de trabajo son limitadas. Cada persona sigue conversaciones distintas y desarrolla interpretaciones diferentes de una misma situación. Ingeniería entiende las limitaciones de implementación. Soporte reconoce los problemas recurrentes de los clientes. Producto recuerda las consideraciones que motivaron decisiones anteriores.
Un agente puede conectar estas perspectivas y explicar sus implicaciones.
Pensemos en clientes que tienen dificultades para invitar a compañeros a un producto. El buzón compartido contiene descripciones del problema. El código y los registros de versiones permiten comprobar cómo funciona actualmente la invitación. Un canal del equipo recoge los motivos de una regla que determina quién puede recibir una invitación.
El agente puede reunir estas evidencias en una explicación coherente de lo que encuentran los clientes, cómo se comporta el producto y qué decisiones dieron lugar a ese comportamiento. Después puede preparar una explicación adaptada a cada destinatario.
Ingeniería necesita pasos para reproducir el problema y pruebas del comportamiento afectado. Soporte necesita una explicación precisa y cualquier solución provisional verificada. Producto necesita comprender el impacto en los clientes y las opciones disponibles. Todas las perspectivas deben basarse en los mismos hechos.
Una parte importante de la coordinación consiste en mantener la continuidad entre conversaciones, hacer visibles las dependencias e identificar supuestos que los participantes quizá no sepan que están haciendo.
Cuando la discusión se desarrolla en Slack, un agente que trabaja en el mismo hilo puede mantener la solicitud, las evidencias y el seguimiento a la vista de quienes participan en la conversación.
El agente debe conservar las diferencias entre observaciones, interpretaciones y decisiones. Quejas similares pueden apuntar a un patrón, aunque la causa todavía requiera investigación. Una solución propuesta puede ser prometedora mientras su impacto sigue siendo incierto. Mostrar estas diferencias ayuda al equipo a elegir la siguiente acción.
4. Permitir que las personas se concentren en los objetivos y las relaciones
A medida que los agentes asumen más trabajo de recopilación y explicación del contexto, las personas pueden prestar más atención al rumbo, al criterio y a las relaciones.
Las personas deciden qué resultados importan. Comparan prioridades que compiten entre sí, asumen compromisos y construyen confianza con compañeros y clientes. También conocen circunstancias que quizá nunca se hayan registrado: una relación delicada con un cliente, un acuerdo informal o una preocupación que alguien aún no ha expresado con claridad.
Un agente puede preparar a las personas para tomar esas decisiones. Antes de una reunión, puede recopilar los antecedentes pertinentes, identificar preguntas pendientes y explicar las consecuencias de distintas opciones. Durante el trabajo, puede señalar cambios que afecten a un compromiso o revelen una dependencia.
La cantidad de información presentada debe ajustarse a la conversación. Una llamada con un cliente puede requerir una explicación breve del problema y de los compromisos ya adquiridos. Una revisión técnica puede necesitar detalles de implementación y pruebas de reproducción. Una conversación con dirección puede centrarse en las consecuencias para el negocio y las decisiones necesarias.
Una buena gestión del contexto reduce el esfuerzo de entenderse. Las personas deberían llegar a una conversación con suficientes antecedentes compartidos para dedicar el tiempo a lo que importa.
5. Hacer visibles las decisiones y los traspasos de trabajo
Los materiales concretos dan al equipo algo que puede inspeccionar, debatir y revisar.
El formato debe responder al problema de comunicación. Un diagrama de flujo puede revelar una dependencia poco clara. Una pantalla anotada puede mostrar dónde encuentran dificultades los clientes. Una tabla comparativa puede aclarar las consecuencias de distintas opciones. Una cronología puede mostrar cómo el compromiso de un equipo afecta al trabajo de otro.
Para el problema de las invitaciones, un recorrido del cliente con anotaciones podría mostrar los pasos actuales, el punto de confusión, las evidencias de los clientes y el cambio propuesto. Deben distinguirse claramente el comportamiento actual, el propuesto y las preguntas pendientes.
Este material puede servir para varias conversaciones. Soporte puede comprobar si refleja la experiencia del cliente. Ingeniería puede verificar el comportamiento del producto. Producto puede evaluar si el cambio propuesto aborda el problema de fondo.
Los materiales de decisión deben conservar el razonamiento que llevó al resultado. Una comparación útil puede mostrar las opciones consideradas, las restricciones importantes, los supuestos de cada opción y el motivo de la elección final.
Los traspasos se benefician de la misma claridad. La siguiente persona debe poder ver qué se ha completado, qué se ha verificado, qué sigue abierto, dónde está el trabajo de respaldo y qué acción se espera a continuación.
El agente puede mantener estos materiales alineados con las evidencias a medida que cambia el trabajo.
6. Mantener la memoria y el contexto de los agentes de IA
El contexto pierde valor cuando dejan de estar claros su estado y su vigencia.
Los productos evolucionan, las prioridades cambian y las decisiones se revisan. Una solución provisional puede seguir circulando después de que se haya resuelto el problema original. Una propuesta puede acabar tratándose como una decisión aprobada. Un resumen correcto puede volverse engañoso cuando cambian las circunstancias.
Un sistema útil de contexto debe distinguir hechos, supuestos, propuestas, decisiones y registros históricos. Cada categoría necesita un mantenimiento diferente. Los hechos deben actualizarse cuando cambian las condiciones. Los supuestos necesitan validación. Las propuestas requieren un estado visible. Las decisiones necesitan su justificación y las revisiones posteriores.
El mantenimiento periódico debe consolidar duplicados, señalar contradicciones, actualizar los resúmenes en uso y archivar el material que ya no guía el trabajo actual. Las evidencias históricas deben seguir siendo accesibles, y las instrucciones sustituidas deben identificarse claramente.
El mantenimiento también debe responder a acontecimientos relevantes. Una nueva versión puede dejar obsoletas las indicaciones sobre el producto. Un objetivo revisado puede cambiar qué información importa. Una nueva decisión puede sustituir un plan anterior. Los cambios en los permisos de las fuentes deben reflejarse en la forma de almacenar y recuperar el contexto derivado.
Los miembros del equipo necesitan una forma sencilla de corregir lo que entiende el agente. Deben poder identificar una afirmación desactualizada, señalar una fuente autorizada o aclarar que una conversación nunca se convirtió en una decisión. Esas correcciones deben influir en el trabajo futuro dentro del ámbito personal o compartido correspondiente.
Figura 2. Las personas fijan los objetivos. Los agentes encuentran, conectan y explican el contexto, y lo actualizan conforme cambia el trabajo. Los enlaces a las fuentes y el historial de decisiones siguen disponibles.
7. Empezar con algo pequeño y evaluar la colaboración con IA
Una implementación práctica puede comenzar con un proyecto y un problema de comunicación recurrente.
Como punto de partida, consulta los ejemplos de flujos de trabajo con IA y elige uno con entradas claras y un resultado que el equipo pueda revisar.
Un traspaso de soporte a ingeniería es un buen ejemplo. El equipo puede identificar el buzón, el repositorio, la información de versiones y el canal de discusión pertinentes. Después puede definir un resultado concreto, como un informe del problema con evidencias de clientes, comportamiento verificado del producto, preguntas abiertas y un flujo de trabajo anotado.
Lo primero que hay que evaluar es si el agente representa la situación con precisión. ¿Recupera evidencias relevantes? ¿Distingue el comportamiento actual de los cambios previstos? ¿Mantiene visible la incertidumbre? ¿Puede cada participante comprender lo que necesitan los demás?
Después, el equipo puede valorar si mejora la colaboración. ¿Se repiten menos los antecedentes? ¿Los traspasos requieren menos rondas de aclaraciones? ¿Alguien que se incorpora al trabajo puede comprender por qué se tomó una decisión? ¿Se detectan supuestos obsoletos antes de que afecten a compromisos con clientes?
Los comentarios surgidos de estas interacciones deben mejorar el mapa de fuentes, la manera de reunir el contexto y los materiales que produce el agente. Cuando esas bases sean fiables, se le podrán asignar responsabilidades más amplias.
El valor se hace visible en el trabajo diario: un ingeniero comprende el impacto en el cliente antes de investigar; soporte puede explicar el producto con precisión; una persona recién incorporada puede seguir el razonamiento de una decisión. Las personas llegan con el contexto que necesitan y pueden dedicar más atención a elegir objetivos, asumir compromisos y construir las relaciones que ayudan al equipo a cumplirlos.
Preguntas frecuentes
¿Qué diferencia hay entre el contexto y la memoria de un agente de IA?
El contexto es la información disponible para el modelo en su respuesta o acción actual. La memoria guarda información para usarla más adelante, incluso entre sesiones. Una decisión guardada pasa a formar parte del contexto activo cuando se recupera. Ambos necesitan referencias a las fuentes, un alcance claro y comprobaciones de vigencia.
¿En qué se diferencia la gestión del contexto de agentes de IA de RAG?
La generación aumentada por recuperación (RAG) recupera información para fundamentar la respuesta del modelo. La gestión del contexto abarca la selección de instrucciones, historial de conversación, resultados de herramientas e información recuperada para cada tarea. También incluye la vigencia y la conservación dentro de los límites de acceso establecidos. RAG puede formar parte de ese proceso.
¿Qué ocurre cuando se llena la ventana de contexto de un agente de IA?
Según el sistema, la solicitud puede fallar, se puede eliminar contenido antiguo o la conversación puede comprimirse en un resumen. Conserva el objetivo, las decisiones confirmadas, las preguntas pendientes y los enlaces a las fuentes en un registro breve. Recupera las pruebas detalladas cuando hagan falta y comprueba que el resumen no haya omitido restricciones importantes.
¿Pueden los agentes de IA compartir contexto sin compartir los permisos de todos?
Sí, siempre que las aplicaciones de origen, el sistema de identidad y la capa de almacenamiento hagan cumplir los permisos. Compartir instrucciones no da acceso a las cuentas conectadas de otra persona. Los resúmenes y traspasos deben conservar las restricciones de sus fuentes, y el sistema debe volver a comprobar el acceso al recuperar o compartir esa información.
¿Qué debe incluir el traspaso de trabajo de un agente de IA?
Incluye el objetivo, el estado actual, los hallazgos verificados, los enlaces a las fuentes, las decisiones y sus motivos, las preguntas pendientes y la siguiente acción con su responsable. Identifica claramente las suposiciones y propuestas. Ante un problema de cliente, distingue el comportamiento observado en producción de una corrección prevista o aún pendiente de despliegue.
¿Con qué frecuencia se debe actualizar el contexto de un agente de IA?
Actualiza el contexto activo cuando haya un lanzamiento relevante, nueva información de clientes, una decisión o un cambio de permisos. Antes de una acción importante, vuelve a comprobar los hechos que puedan haber cambiado. Ajusta la frecuencia de revisión al ritmo de cambio de la fuente, marca las instrucciones sustituidas y conserva las pruebas históricas para quienes tengan autorización.
¿Cómo se mide si la gestión del contexto mejora la colaboración del equipo?
Elige un flujo de trabajo repetible y registra una referencia inicial. Compara, entre tareas similares, el tiempo dedicado a reconstruir antecedentes, las rondas de aclaraciones por traspaso y las correcciones de hechos. Revisa también las fuentes citadas, los límites de acceso y cómo se comunica la incertidumbre. Terminar antes solo resulta útil si el resultado sigue siendo correcto.
