Enséñale a tu IA: falta contexto, no un prompt mágico

Cuando una IA responde mal dentro de una empresa, casi nunca es por falta de un mejor prompt. Es por falta de contexto.

Haz una prueba simple. Pregúntale a la IA que usas hoy: ¿qué hace mi empresa? ¿Qué plazos cumplimos? ¿Qué puede prometerle la atención al cliente y qué no? Si no sabe responder, tampoco va a saber atender a un lead, redactar una propuesta o calificar un contacto como lo harías tú. No porque el modelo sea malo. Sino porque nadie le enseñó.

El problema de los gurús

Los gurús de la IA inventan una novedad por día. El prompt secreto, la fórmula de diez pasos, la plantilla que "nadie está usando". ¿Cuál es el problema? La mayoría nunca hizo nada con IA más allá de tomar contenido de otros y querer enseñarlo como si fuera propio. Venden la idea de que existe una frase mágica que lo destraba todo, porque una frase mágica cabe en un carrusel. El contexto operativo no.

Quien construye agentes para una operación de verdad sabe que el prompt es la parte menor. La parte mayor es lo que la IA sabe sobre tu negocio antes de que llegue la primera pregunta.

Qué es el contexto, en la práctica

Contexto es todo aquello que un empleado nuevo necesitaría aprender en su primera semana para no meter la pata. Para un agente que atiende por WhatsApp en una desarrolladora, por ejemplo:

• Qué proyectos están a la venta, con qué rangos de precio y qué condiciones.
• Qué puede afirmar la atención sobre el plazo de entrega y qué debe venir de un corredor.
• Cuándo un lead está listo para pasar al equipo comercial y cuándo todavía no.
• Cómo registrar el contacto en el CRM, con qué campos y en qué etapa.
• Qué hacer cuando el cliente pide algo que se sale del guion.

Nada de esto es prompt. Es información de la empresa. Y es exactamente lo que falta en la mayoría de las implementaciones que veo fracasar.

Empieza por lo que haces todos los días

Mi recomendación es siempre la misma: no empieces por el proyecto grande. Empieza por algo que tienes que hacer todos los días y que ya sabes hacer bien. Puede ser responder el primer mensaje de un lead, resumir una reunión con un cliente, llenar el CRM después de una visita.

Para ese trabajo, dale a la IA tres cosas:

1. Qué tiene que hacer. Describe la tarea como se la describirías a una persona nueva en el equipo. Entrada, salida, para quién va.
2. Las reglas. Qué puede y qué no puede. Plazos que puede citar. Promesas que nunca debe hacer. El tono de voz de la empresa.
3. Un trabajo que ya aprobaste. Un ejemplo real de una buena respuesta, una buena propuesta, un buen resumen. Eso vale más que cualquier instrucción abstracta, porque muestra el estándar en lugar de describirlo.

La diferencia aparece en la primera respuesta. Y no está en el modelo. Está en que, por primera vez, sabe dónde está y para quién trabaja.

Después del primer día

Cuando el primer trabajo sale bien, repites el proceso con el siguiente. Cada tarea enseñada se convierte en un pedazo de contexto que la siguiente aprovecha. En poco tiempo, la IA deja de ser una herramienta genérica y empieza a conocer tu operación: los plazos reales, los límites reales, la forma en que tu equipo habla con el cliente.

Esa acumulación es lo que separa a una IA que ayuda de una IA que estorba. Y no viene de un gurú. Viene de quien conoce el negocio y está dispuesto a dedicar una hora a enseñar.

¿Cuál es la tarea diaria que harías con la IA mañana, si ella supiera lo que tú sabes?

Si quieres mapear qué necesita enseñar tu operación antes de poner a trabajar a un agente, empieza por el diagnóstico.