Gestión del contexto
La gestión del contexto o context management es la práctica de seleccionar, preparar y mantener la información que un modelo o agente de IA necesita para producir outputs relevantes. En equipos ágiles con IA, equivale a dar a la IA el onboarding necesario: producto, arquitectura, decisiones, criterios, restricciones y ejemplos.
La IA no trabaja bien solo porque el modelo sea potente. Trabaja mejor cuando recibe el contexto adecuado.
La gestión del contexto responde a una pregunta simple: ¿qué necesita saber la IA para hacer bien esta tarea?
Qué forma parte del contexto
El contexto puede incluir:
- visión de producto;
- usuarios y segmentos;
- historias de usuario;
- specs;
- criterios de aceptación;
- arquitectura;
- documentación de APIs;
- esquema de base de datos;
- estándares técnicos;
- decisiones anteriores;
- ejemplos buenos y malos;
- restricciones legales o de seguridad;
- tono editorial;
- glosarios;
- límites de actuación.
No todo contexto debe entregarse siempre. La buena gestión del contexto consiste en aportar lo necesario, no en volcar toda la documentación.
Diferencia con prompt engineering
| Práctica | Pregunta central |
|---|---|
| Prompt engineering | ¿Qué instrucciones damos? |
| Gestión del contexto | ¿Qué información necesita ver la IA para ejecutar bien esas instrucciones? |
Un prompt bien escrito puede fallar si el contexto es pobre. Y un contexto amplio puede desperdiciarse si las instrucciones son ambiguas.
Por qué importa en equipos ágiles
En equipos ágiles, muchas decisiones dependen de conocimiento compartido: cómo se define “hecho”, qué criterios usa el product owner, qué restricciones técnicas existen, qué patrones se respetan, qué se aprendió en discovery.
Si la IA no recibe ese contexto, tenderá a producir respuestas genéricas. Puede sonar útil, pero no estará alineada con el producto real.
Riesgos de mala gestión del contexto
- Respuestas plausibles pero irrelevantes.
- Requisitos implícitos inventados por la IA.
- Contradicciones con decisiones previas.
- Pérdida de trazabilidad.
- Duplicación de trabajo.
- Exposición innecesaria de datos sensibles.
- Sobrecarga por introducir demasiada información.
- Degradación del contexto en conversaciones largas.
Buenas prácticas
- Definir qué documentos son fuente de verdad.
- Usar specs y criterios verificables.
- Mantener plantillas de contexto por tipo de tarea.
- Incluir ejemplos de outputs aceptables.
- Eliminar información obsoleta.
- Separar instrucciones de datos externos.
- Dar contexto mínimo suficiente.
- Revisar periódicamente las instrucciones de proyecto, bibliotecas de prompts y documentación usada por agentes.
IA y gestión del contexto
La gestión del contexto se vuelve crítica con Spec-Driven Development (SDD), agentes de código y trabajo sobre productos existentes. Cuanto más autónomo sea el agente, más importante es que tenga límites, fuentes y criterios claros.
No se trata de hacer que la IA “sepa todo”, sino de reducir las decisiones que no debería inventar.
Error frecuente
Confundir más contexto con mejor contexto. Añadir documentos sin criterio puede empeorar el resultado: introduce ruido, contradicciones y material obsoleto. La gestión del contexto consiste en seleccionar la información relevante y actualizada para la tarea concreta.
Recursos
🏦 Harness EngineeringSkill Arena · Scrum Manager
🏦 Scrum en equipos con IASkill Arena · Scrum Manager
📊 Guía didáctica Scrum en equipos con IARecursos · Scrum Manager
Referencias
- Anthropic. (2024). “Introducing the Model Context Protocol”, Anthropic.
- Model Context Protocol. (2025). “Specification”, modelcontextprotocol.io.
Véase también
¿Quieres avanzar en agilidad? Puedes buscar convocatorias de cursos y exámenes o ir a tu ritmo haciéndote miembro del Club Agile. Esta membresía incluye recursos exclusivos, aulas e-learning y acceso a Skill Arena: un espacio para practicar y medir tus habilidades ágiles a tu ritmo.