{"id":325744,"date":"2026-09-07T04:51:50","date_gmt":"2026-09-07T01:51:50","guid":{"rendered":"https:\/\/ceotudent.com\/configurar-herramientas-ia-instrucciones-proyectos-memoria-contexto-trabajo"},"modified":"2026-09-07T04:51:50","modified_gmt":"2026-09-07T01:51:50","slug":"configurar-herramientas-ia-instrucciones-proyectos-memoria-contexto-trabajo","status":"publish","type":"post","link":"https:\/\/ceotudent.com\/es\/configurar-herramientas-ia-instrucciones-proyectos-memoria-contexto-trabajo","title":{"rendered":"Instrucciones personalizadas, proyectos y memoria: c\u00f3mo configurar las herramientas de IA para que conozcan de verdad tu trabajo"},"content":{"rendered":"<p><strong>En resumen.<\/strong> Todo asistente importante expone hoy tres capas de configuraci\u00f3n: un informe permanente que escribes una vez, un proyecto o espacio de trabajo que acota el contexto a un solo frente de trabajo y una memoria que la propia herramienta rellena. La mayor\u00eda de los profesionales usa una de las tres, casi siempre mal, y concluye que la herramienta no entiende su trabajo. Los propios proveedores no se ponen de acuerdo sobre c\u00f3mo llenar esas capas: la gu\u00eda oficial de Gems de Google aconseja aportar todo el contexto posible, mientras que la documentaci\u00f3n oficial de Anthropic limita su equivalente a unas 200 l\u00edneas y afirma sin rodeos que los archivos m\u00e1s largos reducen el cumplimiento. La evidencia revisada por pares respalda con claridad la segunda posici\u00f3n. En el estudio Lost in the Middle, entregar al modelo el \u00fanico documento correcto elev\u00f3 la precisi\u00f3n entre 27,8 y 50,4 puntos porcentuales, mientras que cuadruplicar la ventana de contexto o multiplicarla por 12,5 la movi\u00f3 0,3 puntos. Es una ventaja de entre 93 y 107 a favor de elegir bien frente a almacenar m\u00e1s. La conclusi\u00f3n pr\u00e1ctica no es &ldquo;escribe m\u00e1s contexto&rdquo;. Es: &ldquo;asigna cada dato a la capa donde todav\u00eda se va a leer&rdquo;.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Table of Contents<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Alternar tabla de contenidos\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/ceotudent.com\/es\/configurar-herramientas-ia-instrucciones-proyectos-memoria-contexto-trabajo\/#Que-fracaso-resuelve-esto\" >Qu\u00e9 fracaso resuelve esto<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/ceotudent.com\/es\/configurar-herramientas-ia-instrucciones-proyectos-memoria-contexto-trabajo\/#Cuales-son-las-tres-capas\" >Cu\u00e1les son las tres capas<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/ceotudent.com\/es\/configurar-herramientas-ia-instrucciones-proyectos-memoria-contexto-trabajo\/#La-evidencia-la-seleccion-supera-a-la-capacidad-en-dos-ordenes-de-magnitud\" >La evidencia: la selecci\u00f3n supera a la capacidad en dos \u00f3rdenes de magnitud<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/ceotudent.com\/es\/configurar-herramientas-ia-instrucciones-proyectos-memoria-contexto-trabajo\/#Cuando-mas-contexto-es-peor-que-ninguno\" >Cu\u00e1ndo m\u00e1s contexto es peor que ninguno<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/ceotudent.com\/es\/configurar-herramientas-ia-instrucciones-proyectos-memoria-contexto-trabajo\/#Los-proveedores-no-coinciden-entre-si\" >Los proveedores no coinciden entre s\u00ed<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/ceotudent.com\/es\/configurar-herramientas-ia-instrucciones-proyectos-memoria-contexto-trabajo\/#La-especificacion-de-contexto-de-trabajo\" >La especificaci\u00f3n de contexto de trabajo<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/ceotudent.com\/es\/configurar-herramientas-ia-instrucciones-proyectos-memoria-contexto-trabajo\/#Tres-errores-de-configuracion-que-conviene-nombrar\" >Tres errores de configuraci\u00f3n que conviene nombrar<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/ceotudent.com\/es\/configurar-herramientas-ia-instrucciones-proyectos-memoria-contexto-trabajo\/#Como-se-ve-esto-como-practica\" >C\u00f3mo se ve esto como pr\u00e1ctica<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/ceotudent.com\/es\/configurar-herramientas-ia-instrucciones-proyectos-memoria-contexto-trabajo\/#Preguntas-frecuentes\" >Preguntas frecuentes<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/ceotudent.com\/es\/configurar-herramientas-ia-instrucciones-proyectos-memoria-contexto-trabajo\/#Fuentes\" >Fuentes<\/a><\/li><\/ul><\/nav><\/div>\n<h2 id=\"qu-fracaso-resuelve-esto\"><span class=\"ez-toc-section\" id=\"Que-fracaso-resuelve-esto\"><\/span>Qu\u00e9 fracaso resuelve esto<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La queja es conocida. Explicas al principio de la conversaci\u00f3n tu rol, tus clientes, tus restricciones y el estilo de la casa. El resultado mejora. Al d\u00eda siguiente abres una conversaci\u00f3n nueva y lo explicas todo otra vez. A la cuarta repetici\u00f3n decides que la herramienta no est\u00e1 hecha para trabajo real.<\/p>\n<p>S\u00ed lo est\u00e1. Est\u00e1s dando el contexto en el \u00fanico lugar dise\u00f1ado para olvidar: la conversaci\u00f3n. Las tres capas de configuraci\u00f3n existen precisamente para retener lo que no deber\u00eda volver a escribirse. Lo que casi nadie hace es decidir, de forma deliberada, qu\u00e9 dato pertenece a qu\u00e9 capa. Ese problema de asignaci\u00f3n es toda la disciplina, y es distinto de escribir una buena instrucci\u00f3n. Si a\u00fan no has creado un documento \u00fanico sobre tu trabajo, empieza por <a href=\"https:\/\/ceotudent.com\/es\/el-archivo-de-contexto-documento-30-minutos-herramientas-ia-funcionen-mejor\">el archivo de contexto<\/a>; este art\u00edculo trata de d\u00f3nde debe vivir realmente su contenido.<\/p>\n<h2 id=\"cules-son-las-tres-capas\"><span class=\"ez-toc-section\" id=\"Cuales-son-las-tres-capas\"><\/span>Cu\u00e1les son las tres capas<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La terminolog\u00eda cambia seg\u00fan el proveedor, pero la arquitectura ha convergido.<\/p>\n<p><strong>Capa 1, el informe permanente.<\/strong> Instrucciones que se aplican a todo lo que haces con la herramienta. ChatGPT lo llama instrucciones personalizadas. Las herramientas para desarrolladores de Anthropic usan un archivo de instrucciones de \u00e1mbito de usuario en <code>~\/.claude\/CLAUDE.md<\/code>. El equivalente de Google, aplicado por asistente y no de forma global, es el bloque de instrucciones de un Gem. Esta capa se carga en cada sesi\u00f3n.<\/p>\n<p><strong>Capa 2, el proyecto o espacio de trabajo.<\/strong> Contexto acotado a un solo frente de trabajo: un cliente, un producto, una l\u00ednea de investigaci\u00f3n. Archivos, documentos de referencia e instrucciones que rigen dentro de esa frontera y en ning\u00fan otro sitio. Anthropic lo documenta como un archivo de instrucciones de \u00e1mbito de proyecto, guardado junto al trabajo, m\u00e1s reglas de \u00e1mbito de ruta que solo se cargan cuando el material coincidente est\u00e1 en juego.<\/p>\n<p><strong>Capa 3, la memoria.<\/strong> Notas que el asistente escribe sobre ti sin que se lo pidas. La documentaci\u00f3n de Anthropic es inusualmente expl\u00edcita en este reparto: los archivos de instrucciones los escribes t\u00fa y contienen &ldquo;instrucciones y reglas&rdquo;, mientras que la memoria autom\u00e1tica la escribe el modelo y contiene &ldquo;aprendizajes y patrones&rdquo;, en concreto tus preferencias, las correcciones que has dado y el contexto de proyecto que el modelo no puede deducir por su cuenta. A\u00f1ade que el \u00edndice de memoria carga en cada sesi\u00f3n solo sus primeras 200 l\u00edneas o 25 KB, lo que ocurra antes, y que el resto no se carga al iniciar la sesi\u00f3n.<\/p>\n<p>Ese \u00faltimo detalle pesa m\u00e1s de lo que parece. La capa 3 tiene un presupuesto estricto y aplicado en silencio. Todo lo que lo supera sencillamente no est\u00e1.<\/p>\n<h2 id=\"la-evidencia-la-seleccin-supera-a-la-capacidad-en-dos-rdenes-de-magnitud\"><span class=\"ez-toc-section\" id=\"La-evidencia-la-seleccion-supera-a-la-capacidad-en-dos-ordenes-de-magnitud\"><\/span>La evidencia: la selecci\u00f3n supera a la capacidad en dos \u00f3rdenes de magnitud<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La tentaci\u00f3n con cualquiera de estas capas es llenarlas. Las ventanas de contexto se anuncian en cientos de miles de tokens, as\u00ed que guardarlo todo parece gratis. La evidencia controlada dice que no lo es.<\/p>\n<p>Liu y sus colegas, en Transactions of the Association for Computational Linguistics, ejecutaron una tarea de respuesta a preguntas sobre varios documentos bajo dos condiciones de referencia. En la condici\u00f3n a libro cerrado el modelo no recib\u00eda documentos y deb\u00eda apoyarse en lo que ya sab\u00eda. En la condici\u00f3n or\u00e1culo recib\u00eda exactamente un documento, el que conten\u00eda la respuesta. Todo lo dem\u00e1s en el estudio variaba d\u00f3nde se situaba la respuesta entre distractores.<\/p>\n<p><strong>Datos verificados. Precisi\u00f3n a libro cerrado y en condici\u00f3n or\u00e1culo, respuesta a preguntas sobre varios documentos (Liu et al., TACL 2024).<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Modelo<\/th>\n<th>Libro cerrado<\/th>\n<th>Or\u00e1culo<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>LongChat-13B (16K)<\/td>\n<td>35,0 %<\/td>\n<td>83,4 %<\/td>\n<\/tr>\n<tr>\n<td>MPT-30B-Instruct<\/td>\n<td>31,5 %<\/td>\n<td>81,9 %<\/td>\n<\/tr>\n<tr>\n<td>GPT-3.5-Turbo<\/td>\n<td>56,1 %<\/td>\n<td>88,3 %<\/td>\n<\/tr>\n<tr>\n<td>GPT-3.5-Turbo (16K)<\/td>\n<td>56,0 %<\/td>\n<td>88,6 %<\/td>\n<\/tr>\n<tr>\n<td>Claude-1.3<\/td>\n<td>48,3 %<\/td>\n<td>76,1 %<\/td>\n<\/tr>\n<tr>\n<td>Claude-1.3 (100K)<\/td>\n<td>48,2 %<\/td>\n<td>76,4 %<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Lee la tabla de arriba abajo y ver\u00e1s que dos filas son casi gemelas, y es intencionado. GPT-3.5-Turbo aparece con ventana de 4K y de 16K. Claude-1.3 aparece con 8K y con 100K. Misma familia de modelo, misma tarea, distinta capacidad. Ese emparejamiento permite aislar qu\u00e9 compra la capacidad por s\u00ed sola, algo que el art\u00edculo no tabula.<\/p>\n<p><strong>Marco editorial de CEOtudent: la prima de la selecci\u00f3n. Derivada de la tabla anterior; ganancia del documento correcto frente a la ganancia de la ventana mayor.<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Comparaci\u00f3n<\/th>\n<th>Qu\u00e9 cambi\u00f3<\/th>\n<th>Cambio de precisi\u00f3n<\/th>\n<th>Proporci\u00f3n<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>GPT-3.5-Turbo, de libro cerrado a or\u00e1culo<\/td>\n<td>Se le dio el \u00fanico documento correcto<\/td>\n<td>+32,2 puntos (+57,4 %)<\/td>\n<td>referencia<\/td>\n<\/tr>\n<tr>\n<td>GPT-3.5-Turbo, ventana de 4K a 16K<\/td>\n<td>Capacidad de contexto por 4<\/td>\n<td>+0,3 puntos (+0,34 %)<\/td>\n<td>selecci\u00f3n 107 veces m\u00e1s valiosa<\/td>\n<\/tr>\n<tr>\n<td>Claude-1.3, de libro cerrado a or\u00e1culo<\/td>\n<td>Se le dio el \u00fanico documento correcto<\/td>\n<td>+27,8 puntos (+57,6 %)<\/td>\n<td>referencia<\/td>\n<\/tr>\n<tr>\n<td>Claude-1.3, ventana de 8K a 100K<\/td>\n<td>Capacidad de contexto por 12,5<\/td>\n<td>+0,3 puntos (+0,39 %)<\/td>\n<td>selecci\u00f3n 93 veces m\u00e1s valiosa<\/td>\n<\/tr>\n<tr>\n<td>LongChat-13B, de libro cerrado a or\u00e1culo<\/td>\n<td>Se le dio el \u00fanico documento correcto<\/td>\n<td>+48,4 puntos (+138,3 %)<\/td>\n<td>mayor ganancia individual observada<\/td>\n<\/tr>\n<tr>\n<td>MPT-30B-Instruct, de libro cerrado a or\u00e1culo<\/td>\n<td>Se le dio el \u00fanico documento correcto<\/td>\n<td>+50,4 puntos (+160,0 %)<\/td>\n<td>mayor ganancia individual observada<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Multiplicar por 12,5 la ventana de contexto de Claude-1.3 movi\u00f3 la precisi\u00f3n or\u00e1culo del 76,1 % al 76,4 %. Darle al mismo modelo el documento correcto la movi\u00f3 del 48,3 % al 76,1 %. La segunda intervenci\u00f3n fue 93 veces mayor que la primera. Para GPT-3.5-Turbo el m\u00faltiplo es 107. Ambas cifras a libro cerrado se movieron ligeramente en el sentido equivocado al ampliar la ventana, 0,1 puntos, lo que es ruido pero desde luego no una mejora.<\/p>\n<p>Ese es el n\u00famero que conviene retener cuando decides si pegar la carpeta entera de un cliente dentro de un proyecto. La restricci\u00f3n no es la capacidad. Es la selecci\u00f3n.<\/p>\n<h2 id=\"cundo-ms-contexto-es-peor-que-ninguno\"><span class=\"ez-toc-section\" id=\"Cuando-mas-contexto-es-peor-que-ninguno\"><\/span>Cu\u00e1ndo m\u00e1s contexto es peor que ninguno<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>El hallazgo m\u00e1s fuerte es el inc\u00f3modo. Liu y sus colegas informan de que, cuando la informaci\u00f3n relevante se situaba en el medio de la entrada, el rendimiento de GPT-3.5-Turbo pod\u00eda caer m\u00e1s de un 20 %, y de que en el peor caso el rendimiento en las condiciones de 20 y 30 documentos qued\u00f3 por debajo de su propia puntuaci\u00f3n a libro cerrado del 56,1 %.<\/p>\n<p>Traducido a lenguaje de trabajo: al modelo se le dio la respuesta. Rindi\u00f3 peor que cuando no se le dio nada. Diecinueve o veintinueve documentos irrelevantes rodeando a uno correcto hicieron m\u00e1s da\u00f1o del bien que hizo el correcto.<\/p>\n<p>El mecanismo que describen los autores es una curva en U: uso fuerte del material situado al principio y al final del contexto, uso degradado de todo lo intermedio. Lo que entierras en mitad de un informe permanente largo es, funcionalmente, el material con m\u00e1s riesgo.<\/p>\n<p>Por eso &ldquo;a\u00f1\u00e1delo todo, quiz\u00e1 ayude&rdquo; no es una estrategia neutra. Tiene un coste medible, y ese coste crece con la cantidad de material veros\u00edmil pero irrelevante que incluyes. Sobre la cuesti\u00f3n vecina de qu\u00e9 hacer cuando la salida es confiada y err\u00f3nea, v\u00e9ase <a href=\"https:\/\/ceotudent.com\/es\/por-que-la-ia-alucina-mecanica-errores-modelo-detectarlos-pronto\">por qu\u00e9 la IA alucina<\/a>.<\/p>\n<h2 id=\"los-proveedores-no-coinciden-entre-s\"><span class=\"ez-toc-section\" id=\"Los-proveedores-no-coinciden-entre-si\"><\/span>Los proveedores no coinciden entre s\u00ed<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Aqu\u00ed va una comparaci\u00f3n que, hasta donde alcanzamos, nadie ha puesto lado a lado: la gu\u00eda oficial escrita de dos grandes proveedores sobre c\u00f3mo llenar la capa del informe permanente.<\/p>\n<p><strong>Datos verificados. Gu\u00eda oficial de cada proveedor para redactar la capa del informe permanente, tomada de su propia documentaci\u00f3n.<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Gu\u00eda del proveedor<\/th>\n<th>Sobre la extensi\u00f3n<\/th>\n<th>Sobre la concreci\u00f3n<\/th>\n<th>Qu\u00e9 es en realidad<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Anthropic, documentaci\u00f3n de memoria<\/td>\n<td>&ldquo;Apunta a menos de 200 l\u00edneas por archivo CLAUDE.md. Los archivos m\u00e1s largos consumen m\u00e1s contexto y reducen el cumplimiento.&rdquo; Los archivos m\u00e1s cortos producen, seg\u00fan la documentaci\u00f3n, mejor cumplimiento.<\/td>\n<td>Prefiere instrucciones concretas y comprobables: &ldquo;Usa sangr\u00eda de 2 espacios&rdquo; en lugar de &ldquo;Formatea el c\u00f3digo correctamente&rdquo;; &ldquo;Ejecuta <code>npm test<\/code> antes de hacer commit&rdquo; en lugar de &ldquo;Prueba tus cambios&rdquo;.<\/td>\n<td>Expl\u00edcitamente no es configuraci\u00f3n impuesta. Se documenta como contexto entregado como mensaje de usuario despu\u00e9s del mensaje de sistema, sin garant\u00eda de cumplimiento estricto.<\/td>\n<\/tr>\n<tr>\n<td>Google, documentaci\u00f3n de ayuda de Gems de Gemini<\/td>\n<td>Recomienda cuatro componentes: persona, tarea, contexto y formato. Bajo contexto, el consejo es: &ldquo;Aporta todo el contexto posible.&rdquo;<\/td>\n<td>&ldquo;S\u00e9 espec\u00edfico al indicar la estructura deseada&rdquo; para el componente de formato; la persona define el rol y el estilo de respuesta.<\/td>\n<td>Un bloque de instrucciones asociado a un asistente creado para un prop\u00f3sito, no un ajuste global por defecto.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Ambas son oficiales. Y apuntan en direcciones opuestas justo en la pregunta que m\u00e1s necesita responder quien empieza: \u00bfcu\u00e1nto debo escribir?<\/p>\n<p>Los resultados de Lost in the Middle dictan sentencia. La palanca no es el volumen, sino la colocaci\u00f3n y la pertinencia. El consejo de Google es defendible para el caso estrecho para el que se crea un Gem: all\u00ed el contexto s\u00ed es la tarea y el asistente hace una sola cosa. Aplicado a un informe permanente general que se carga en cada sesi\u00f3n hagas lo que hagas, &ldquo;todo el contexto posible&rdquo; se acerca a la condici\u00f3n experimental que qued\u00f3 por debajo del libro cerrado.<\/p>\n<p>Hay adem\u00e1s una segunda contradicci\u00f3n dentro de la propia documentaci\u00f3n de Anthropic que merece notarse, porque es instructiva y no descuidada. Recomienda dividir los archivos de instrucciones grandes en importaciones por organizaci\u00f3n, y a continuaci\u00f3n aclara que los archivos importados igualmente se cargan en la ventana de contexto al inicio, de modo que dividir &ldquo;no reduce el contexto&rdquo;. Organizaci\u00f3n y coste son problemas distintos, y la documentaci\u00f3n no deja que el primero finja resolver el segundo. La mayor\u00eda de los consejos de productividad sobre configuraci\u00f3n de IA difumina exactamente esa l\u00ednea.<\/p>\n<h2 id=\"la-especificacin-de-contexto-de-trabajo\"><span class=\"ez-toc-section\" id=\"La-especificacion-de-contexto-de-trabajo\"><\/span>La especificaci\u00f3n de contexto de trabajo<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>El problema de asignaci\u00f3n necesita una regla, no una preferencia. La nuestra aplica pruebas a cada dato, una tras otra.<\/p>\n<p><strong>Marco editorial de CEOtudent: la especificaci\u00f3n de contexto de trabajo. Una regla de asignaci\u00f3n para los datos sobre tu trabajo.<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Prueba<\/th>\n<th>Pregunta<\/th>\n<th>Si la respuesta es s\u00ed<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Alcance<\/td>\n<td>\u00bfEs cierto para todo lo que hago con esta herramienta?<\/td>\n<td>Capa 1, informe permanente<\/td>\n<\/tr>\n<tr>\n<td>Frontera<\/td>\n<td>\u00bfEs cierto solo dentro de un cliente, producto o l\u00ednea?<\/td>\n<td>Capa 2, proyecto<\/td>\n<\/tr>\n<tr>\n<td>Origen<\/td>\n<td>\u00bfLo descubr\u00ed \u00fanicamente porque la herramienta se equivoc\u00f3 y yo correg\u00ed?<\/td>\n<td>Capa 3, memoria<\/td>\n<\/tr>\n<tr>\n<td>Derivabilidad<\/td>\n<td>\u00bfPodr\u00eda la herramienta deducirlo del material que ya ve?<\/td>\n<td>Ninguna capa. B\u00f3rralo.<\/td>\n<\/tr>\n<tr>\n<td>Volatilidad<\/td>\n<td>\u00bfSer\u00e1 falso dentro de un trimestre?<\/td>\n<td>Ninguna capa. Dilo en la conversaci\u00f3n.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Las pruebas cuarta y quinta hacen casi todo el trabajo, porque son las que mantienen las capas lo bastante peque\u00f1as como para sobrevivir al problema de las 200 l\u00edneas.<\/p>\n<p>La derivabilidad es la prueba que la gente se salta. Si tu proyecto ya contiene la gu\u00eda de estilo, repetirla en el informe permanente no aporta nada y cuesta colocaci\u00f3n. La documentaci\u00f3n de Anthropic aplica exactamente esta regla a su propia memoria autom\u00e1tica: dice que omite todo lo derivable del c\u00f3digo y todo lo que los archivos de instrucciones ya dicen.<\/p>\n<p>La volatilidad es la prueba que la gente entiende al rev\u00e9s. Las prioridades del trimestre, el acuerdo que se cierra esta semana, el plazo dentro de once d\u00edas: todo parece contexto importante y todo ser\u00e1 falso en un trimestre, momento en el cual deja de ser ruido neutro para convertirse en desinformaci\u00f3n activa situada en la posici\u00f3n de m\u00e1xima prioridad de cada sesi\u00f3n futura.<\/p>\n<p>Asignaci\u00f3n trabajada para un profesional a mitad de carrera:<\/p>\n<ul>\n<li>&ldquo;Trabajo en marketing farmac\u00e9utico regulado; cada afirmaci\u00f3n necesita fuente.&rdquo; Supera la prueba de alcance. Capa 1.<\/li>\n<li>&ldquo;Nunca uses listas con vi\u00f1etas en notas dirigidas a clientes.&rdquo; Supera la prueba de alcance y es lo bastante concreta para comprobarse. Capa 1.<\/li>\n<li>&ldquo;La voz de marca de este cliente evita superlativos, v\u00e9ase la gu\u00eda adjunta.&rdquo; Prueba de frontera. Capa 2, con la gu\u00eda dentro del proyecto en lugar de citada en las instrucciones.<\/li>\n<li>&ldquo;Pido una y otra vez aperturas m\u00e1s cortas y recibo una y otra vez tres frases de pre\u00e1mbulo.&rdquo; Prueba de origen. Capa 3 si la herramienta lo escribe all\u00ed sola; si no, sube la regla corregida en una l\u00ednea a la capa 1.<\/li>\n<li>&ldquo;Nuestro flujo de aprobaci\u00f3n tiene cuatro etapas&rdquo;, cuando el documento del flujo ya est\u00e1 en el proyecto. No supera la prueba de derivabilidad. B\u00f3rralo.<\/li>\n<li>&ldquo;El objetivo del tercer trimestre es un 14 % de crecimiento.&rdquo; No supera la prueba de volatilidad. Dilo en la conversaci\u00f3n donde aplique.<\/li>\n<\/ul>\n<p>Un informe permanente construido as\u00ed suele quedar entre 15 y 40 l\u00edneas. No es una cifra inventada por elegancia: es lo que sobrevive a las cinco pruebas en la mayor\u00eda de profesionales con un \u00fanico rol, y encaja con holgura dentro del \u00fanico presupuesto de l\u00edneas que alg\u00fan proveedor haya fijado por escrito.<\/p>\n<h2 id=\"tres-errores-de-configuracin-que-conviene-nombrar\"><span class=\"ez-toc-section\" id=\"Tres-errores-de-configuracion-que-conviene-nombrar\"><\/span>Tres errores de configuraci\u00f3n que conviene nombrar<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Escribir una persona en lugar de una especificaci\u00f3n.<\/strong> &ldquo;Eres una consultora de estrategia de talla mundial&rdquo; es un disfraz, no informaci\u00f3n. No es comprobable, no restringe la salida y ocupa la posici\u00f3n de mayor valor del contexto. Sustit\u00fayelo por las restricciones que de verdad difieren de los valores por defecto de la herramienta.<\/p>\n<p><strong>Tratar la memoria como un archivador.<\/strong> La memoria la rellena el modelo a partir de tus correcciones. Est\u00e1 dise\u00f1ada para guardar aprendizajes y tiene un presupuesto de carga declarado. Meter material de referencia all\u00ed compite con las correcciones que la hacen \u00fatil, y todo lo que excede el presupuesto se descarta en silencio al iniciar la sesi\u00f3n.<\/p>\n<p><strong>No auditar nunca.<\/strong> La documentaci\u00f3n de Anthropic advierte de que si dos reglas se contradicen el modelo &ldquo;puede elegir una de forma arbitraria&rdquo;, y recomienda revisiones peri\u00f3dicas para eliminar instrucciones obsoletas o contradictorias. La configuraci\u00f3n caduca. Un informe permanente escrito hace ocho meses, cuando ten\u00edas otro rol y otros clientes, es hoy un conjunto de instrucciones que dirige activamente la salida hacia un trabajo que ya no haces. Pon en el calendario una revisi\u00f3n trimestral de 20 minutos cuya acci\u00f3n por defecto sea borrar.<\/p>\n<h2 id=\"cmo-se-ve-esto-como-prctica\"><span class=\"ez-toc-section\" id=\"Como-se-ve-esto-como-practica\"><\/span>C\u00f3mo se ve esto como pr\u00e1ctica<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La puesta a punto lleva alrededor de una hora, una sola vez.<\/p>\n<ol>\n<li>Anota cada dato que hayas vuelto a escribir en una conversaci\u00f3n m\u00e1s de dos veces en el \u00faltimo mes. Esa es tu lista de candidatos, y debe salir de tu conducta real, no de tu idea de lo que importa.<\/li>\n<li>Pasa cada candidato por las cinco pruebas. Cuenta con eliminar entre un tercio y la mitad en las pruebas de derivabilidad y volatilidad.<\/li>\n<li>Coloca los supervivientes en su capa asignada. Escr\u00edbelos como instrucciones concretas, no como descripciones.<\/li>\n<li>Ordena el informe permanente de modo que las dos o tres restricciones cuya violaci\u00f3n m\u00e1s te molestar\u00eda queden arriba y abajo, no en el medio. No cuesta nada y ataca directamente la curva en U.<\/li>\n<li>Agenda una revisi\u00f3n trimestral cuya acci\u00f3n por defecto sea borrar.<\/li>\n<\/ol>\n<p>La raz\u00f3n para hacerlo no es el orden. Es que la diferencia entre un asistente que conoce tu trabajo y uno que no se midi\u00f3 entre 27,8 y 50,4 puntos de precisi\u00f3n, y provino de la selecci\u00f3n, no del almacenamiento. Para la habilidad m\u00e1s amplia en la que esto se inscribe, v\u00e9ase <a href=\"https:\/\/ceotudent.com\/es\/que-es-la-ingenieria-de-contexto-habilidad-sustituye-ingenieria-de-prompts\">qu\u00e9 es la ingenier\u00eda de contexto<\/a>; para delegar tareas enteras en lugar de contexto, v\u00e9ase <a href=\"https:\/\/ceotudent.com\/es\/como-dar-un-briefing-a-un-agente-de-ia-marco\">el marco de briefing para agentes de IA<\/a>.<\/p>\n<p>Dirige la configuraci\u00f3n como una directora que redacta un mandato: pocas restricciones, todas vinculantes, revisadas seg\u00fan calendario. Aprende como un estudiante: f\u00edjate en qu\u00e9 correcci\u00f3n repites sin parar y trata esa repetici\u00f3n como la se\u00f1al de que falta una l\u00ednea en el informe.<\/p>\n<h2 id=\"preguntas-frecuentes\"><span class=\"ez-toc-section\" id=\"Preguntas-frecuentes\"><\/span>Preguntas frecuentes<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>\u00bfDebo poner todo mi curr\u00edculum en el informe permanente?<\/strong><br \/>\nCasi con seguridad no. P\u00e1salo l\u00ednea por l\u00ednea por la prueba de alcance. Tu rol actual y las restricciones que impone la superan. Tu historial laboral de hace una d\u00e9cada no afecta a ninguna salida y consume las posiciones donde deber\u00edan estar las restricciones vinculantes.<\/p>\n<p><strong>\u00bfUna ventana de contexto mayor justifica relajar todo esto?<\/strong><br \/>\nLa evidencia de este art\u00edculo es la prueba directa de esa pregunta. Multiplicar la ventana por 12,5 movi\u00f3 la precisi\u00f3n or\u00e1culo 0,3 puntos. El efecto del documento correcto fue 93 veces mayor. Con esta evidencia, el crecimiento de la capacidad no ha hecho menos importante la selecci\u00f3n.<\/p>\n<p><strong>Los proveedores cambian los l\u00edmites constantemente. \u00bfEso rompe el marco?<\/strong><br \/>\nLos l\u00edmites concretos de caracteres y l\u00edneas cambian a menudo, y por eso el marco se apoya en las pruebas y no en las cifras. Alcance, frontera, origen, derivabilidad y volatilidad no dependen del tope vigente de ning\u00fan proveedor. Consulta el l\u00edmite actual en la documentaci\u00f3n de tu propia herramienta y no en un resumen de terceros, porque estas cifras se mueven m\u00e1s deprisa que la mayor\u00eda de las gu\u00edas publicadas.<\/p>\n<p><strong>\u00bfSirve de algo si la herramienta simplemente se equivoca en los datos?<\/strong><br \/>\nEn parte. El contexto correcto reduce una clase de error: la causada por un modelo que rellena un hueco que nunca debi\u00f3 tener. No elimina los errores confiados que nacen del propio proceso de generaci\u00f3n, que son un problema aparte.<\/p>\n<p><strong>\u00bfY si mi empresa gestiona estos ajustes de forma centralizada?<\/strong><br \/>\nEntonces la capa 1 puede quedar en parte fuera de tu alcance. Anthropic documenta un archivo de instrucciones gestionado a nivel de organizaci\u00f3n que los ajustes individuales no pueden excluir. Tu palanca se desplaza a la capa 2, donde el alcance del proyecto suele seguir siendo dise\u00f1o tuyo.<\/p>\n<h2 id=\"fuentes\"><span class=\"ez-toc-section\" id=\"Fuentes\"><\/span>Fuentes<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ul>\n<li>Liu, Lin, Hewitt, Paranjape, Bevilacqua, Petroni y Liang, Lost in the Middle: How Language Models Use Long Contexts, Transactions of the Association for Computational Linguistics, 2024. Precisi\u00f3n a libro cerrado y en condici\u00f3n or\u00e1culo para seis modelos; la curva posicional en U; el hallazgo de que las condiciones con 20 y 30 documentos pueden caer por debajo del rendimiento a libro cerrado.<\/li>\n<li>Anthropic, documentaci\u00f3n oficial de Claude Code, p\u00e1gina de referencia sobre memoria. La distinci\u00f3n entre archivos de instrucciones y memoria autom\u00e1tica; los cuatro niveles de alcance; la recomendaci\u00f3n de menos de 200 l\u00edneas y la afirmaci\u00f3n de que los archivos m\u00e1s largos reducen el cumplimiento; el l\u00edmite de carga de 200 l\u00edneas o 25 KB del \u00edndice de memoria; la nota de que los archivos de instrucciones son contexto y no configuraci\u00f3n impuesta; las indicaciones sobre concreci\u00f3n, reglas contradictorias e importaciones.<\/li>\n<li>Google, documentaci\u00f3n oficial de ayuda de Gemini Apps sobre c\u00f3mo escribir instrucciones eficaces para Gems. La estructura de cuatro componentes de persona, tarea, contexto y formato, y el consejo de aportar todo el contexto posible.<\/li>\n<\/ul>\n<hr>\n<p><em>Este contenido fue recopilado con el apoyo de la IA tras una investigaci\u00f3n exhaustiva, y luego redactado y preparado para su publicaci\u00f3n por el equipo editorial de CEOtudent.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Dos grandes proveedores de IA publican gu\u00edas oficiales de configuraci\u00f3n que se contradicen entre s\u00ed. La documentaci\u00f3n de Gemini de Google recomienda aportar todo el contexto posible. La de Anthropic pide quedarse por debajo de 200 l\u00edneas, porque los archivos m\u00e1s largos reducen el cumplimiento de las instrucciones. La investigaci\u00f3n revisada por pares resuelve la discusi\u00f3n: en los experimentos de Lost in the Middle, entregar al modelo el \u00fanico documento que necesitaba elev\u00f3 la precisi\u00f3n entre 27,8 y 50,4 puntos, mientras que una ventana de contexto 12,5 veces mayor aport\u00f3 0,3 puntos. La selecci\u00f3n super\u00f3 a la capacidad en una proporci\u00f3n de 93 a 107. Peor a\u00fan: en las condiciones con 20 y 30 documentos, un modelo qued\u00f3 por debajo de su propia puntuaci\u00f3n sin contexto alguno, de modo que un contexto mal colocado result\u00f3 peor que ninguno. As\u00ed se asigna cada dato sobre tu trabajo a la capa de configuraci\u00f3n correcta.<\/p>\n","protected":false},"author":1,"featured_media":325746,"comment_status":"open","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4599,5],"tags":[],"class_list":["post-325744","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-gelisim","category-is"],"_links":{"self":[{"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/posts\/325744","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/comments?post=325744"}],"version-history":[{"count":0,"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/posts\/325744\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/media\/325746"}],"wp:attachment":[{"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/media?parent=325744"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/categories?post=325744"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/tags?post=325744"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}