En resumen: la diferencia entre quienes obtienen buenos resultados de las herramientas de IA y quienes obtienen resultados genéricos no está, sobre todo, en la habilidad para redactar indicaciones. Está en el contexto permanente. El Pew Research Center comprobó, en una encuesta a 5.119 adultos estadounidenses realizada del 17 al 23 de febrero de 2026, que el 49% de los adultos de Estados Unidos ya usa asistentes conversacionales de IA, frente al 33% de 2024, y que el 38% de las personas empleadas los usa para tareas de trabajo. Casi todas ellas empiezan cada sesión desde cero contexto. La solución es un único documento, escrito una vez, pegado o cargado en la capa de configuración de la herramienta que utilice. La estructura no es una conjetura: la guía de ingeniería de indicaciones de OpenAI describe un mensaje de desarrollador formado por Identidad, Instrucciones, Ejemplos y Contexto; la guía oficial de Google para los Gems personalizados señala Persona, Tarea, Contexto y Formato; la documentación de Claude Code de Anthropic describe CLAUDE.md como el lugar donde escribir “lo que de otro modo tendría que volver a explicar”, con un objetivo por debajo de 200 líneas. Tres proveedores, tres líneas de producto, un solo esqueleto. A continuación: la tabla de convergencia, los límites de tamaño publicados, un archivo de contexto de siete bloques con un presupuesto de treinta minutos que cuadra exactamente, dónde va el archivo en cada herramienta y las cuatro categorías que deben quedar fuera.
Hay una experiencia concreta y algo irritante que vive casi cualquiera que use herramientas de IA en serio. Un colega le enseña su resultado. Es más afilado que el suyo. Usted pregunta qué escribió. Le muestra la indicación, y es peor que la suya. Más corta, más vaga, menos cuidada.
La indicación no era la variable. Lo que el modelo ya sabía de esa persona, sí.
La variable que falta es el contexto permanente, no la redacción
Toda conversación con un modelo de lenguaje empieza en un estado inicial definido. Todo lo que la herramienta haya sabido de usted antes de su primer mensaje forma parte de ese estado. Todo lo que no sabe está ausente, y el modelo rellena la ausencia del único modo posible: con el promedio estadístico de todo el mundo.
Por eso una entrada genérica produce una salida genérica. El modelo no es perezoso. Se le pide escribir para un lector al que nunca ha conocido, con una voz que nunca ha oído, sobre un trabajo que no puede ver.
La propia documentación de Anthropic sobre indicaciones resume la situación en una frase que conviene retener: piense en el modelo como en una persona recién incorporada, brillante pero sin contexto sobre sus normas y sus flujos de trabajo. La misma página propone lo que llama la regla de oro: enseñe su indicación a un colega con contexto mínimo sobre la tarea y pídale que la siga. Si se queda desconcertado, el modelo también lo estará.
Fíjese en lo que esa prueba mide realmente. No mide su indicación. Mide cuánto contexto compartido está dando por supuesto. Una persona brillante recién incorporada no necesita mejores instrucciones el día 30 que el día 1. Necesita los treinta días.
El archivo de contexto son esos treinta días comprimidos en treinta minutos.
El Model Spec de OpenAI, el documento público que describe el comportamiento previsto del modelo, contiene una ilustración inusualmente limpia del mecanismo. En un ejemplo, alguien pregunta quién está en la plantilla de “los Giants”. Sin contexto, el comportamiento conforme es preguntar de qué Giants se trata: el béisbol de San Francisco, el fútbol americano de Nueva York o los Yomiuri Giants de Japón. Con un contexto de memoria que indica que la persona es seguidora de los Giants de San Francisco, el comportamiento conforme es responder directamente. Misma pregunta, mismo modelo, estado inicial distinto, calidad de la experiencia distinta. Multiplique eso por cada término ambiguo de su vocabulario profesional y tiene el argumento completo.
Tres proveedores convergieron de forma independiente en el mismo esqueleto
Aquí está lo que la mayoría de las discusiones pasa por alto. La estructura de un buen documento de contexto no es una pregunta abierta que cada persona deba resolver desde cero. Tres grandes proveedores publican recomendaciones al respecto, en tres productos distintos, y esas recomendaciones se solapan casi por completo.
Tabla 1. Recomendaciones verificadas de los proveedores sobre cómo estructurar el contexto permanente (documentación oficial de OpenAI, Google y Anthropic, consultada en agosto de 2026)
| Proveedor y documento | Estructura nombrada | Detalle destacable |
|---|---|---|
| OpenAI, guía de ingeniería de indicaciones, mensaje de desarrollador | Identidad, Instrucciones, Ejemplos, Contexto | El contexto “suele quedar mejor situado cerca del final de la indicación”; el parámetro instructions tiene prioridad sobre la indicación del usuario |
| Google, ayuda de Gemini Apps, consejos para crear Gems personalizados | Persona, Tarea, Contexto, Formato | “No necesita usar los cuatro, pero usar algunos ayudará”; se pueden subir archivos para dar más contexto a un Gem |
| Anthropic, documentación de Claude Code, CLAUDE.md | Sin esquema fijo de cuatro partes; descrito como el lugar donde anotar lo que de otro modo habría que volver a explicar | Se carga en el contexto al inicio de cada sesión; objetivo por debajo de 200 líneas; la concreción gana a la vaguedad (“usar sangría de 2 espacios” en lugar de “formatear el código correctamente”) |
Alinee las columnas y el esqueleto común salta a la vista. La Identidad de OpenAI es la Persona de Google. Las Instrucciones de OpenAI son la Tarea más el Formato de Google. Ambos nombran el Contexto como bloque propio. Anthropic no impone un esquema, pero sus recomendaciones prácticas apuntan al mismo contenido: convenciones, comandos, organización y reglas del tipo “haz siempre X”.
Esa convergencia es el hallazgo útil. Cuando tres empresas con productos, incentivos y equipos de documentación distintos llegan a los mismos cuatro apartados, esos apartados probablemente no son arbitrarios.
Tabla 2. Límites y mecánicas publicadas verificadas para archivos de contexto permanente (Anthropic, documentación de Claude Code, consultada en agosto de 2026)
| Mecánica | Especificación publicada |
|---|---|
| Tamaño recomendado de un archivo de instrucciones de proyecto | Menos de 200 líneas; “los archivos más largos consumen más contexto y reducen el seguimiento de las instrucciones” |
| Comportamiento estricto por tamaño de archivo | Un archivo de hasta 4 MiB se carga íntegro; uno mayor se omite por completo |
| Carga del índice de memoria automática | Las primeras 200 líneas o los primeros 25 KB del índice, lo que ocurra antes |
| Profundidad de importación de archivos referenciados | Las importaciones @ruta se resuelven de forma recursiva hasta un máximo de cuatro niveles |
| Orden de ámbitos, de más amplio a más específico | Política gestionada, luego usuario, luego proyecto, luego local; todos se concatenan en lugar de sustituirse |
| Carácter vinculante | Las instrucciones son contexto, no configuración impuesta; “no hay garantía de cumplimiento estricto” |
Dos de esas especificaciones merecen una pausa, porque invierten la intuición más común.
La primera: más largo es peor. La documentación es explícita en que un archivo más largo reduce el seguimiento de las instrucciones. No es una restricción de almacenamiento, sino de atención, y se aplica igual a un bloque de contexto pegado en una ventana de chat que a un archivo en disco. La tentación, una vez aceptado que el contexto ayuda, es escribir cuatro páginas. Cuatro páginas rendirán peor que media.
La segunda: nada de esto es imposición. La documentación del proveedor lo dice directamente: las instrucciones son contexto, no configuración impuesta. Un archivo de contexto hace mucho más probable un buen resultado. No hace imposible un mal resultado. Esa distinción determina cuánto conviene apoyarse en él, y es el tema de la calibración de la confianza y cuándo fiarse de una recomendación de IA.
El archivo de contexto: siete bloques, treinta minutos
Este es el marco original. Toma los cuatro apartados en los que coinciden los proveedores, añade los tres que necesita el trabajo profesional y no la conversación de consumo, y asigna a cada uno un presupuesto de tiempo. El presupuesto es deliberadamente ajustado, porque el modo de fallo de este ejercicio no es escribir demasiado poco. Es dedicar una tarde a un documento que nunca actualizará.
Tabla 3. El archivo de contexto: siete bloques con presupuesto de tiempo y longitud objetivo (marco editorial de CEOtudent)
| # | Bloque | Pregunta que responde | Minutos | Longitud objetivo |
|---|---|---|---|---|
| 1 | Identidad | ¿Quién soy, cuál es mi rol, de qué organización o práctica formo parte? | 4 | 3-5 líneas |
| 2 | Destinatario | ¿Quién lee o recibe lo que produzco y qué sabe ya? | 4 | 3-5 líneas |
| 3 | Estándares | ¿Qué aspecto tiene un buen resultado y qué patrones están prohibidos? | 6 | 6-10 líneas |
| 4 | Trabajo actual | ¿En qué estoy trabajando ahora, con qué prioridades y plazos? | 5 | 4-8 líneas |
| 5 | Restricciones | ¿Qué está vetado: material confidencial, herramientas que no puedo usar, afirmaciones que no puedo hacer? | 4 | 3-6 líneas |
| 6 | Vocabulario | ¿Qué términos, nombres y grafías equivoca el modelo habitualmente en mi campo? | 4 | 5-10 líneas |
| 7 | Referencia de ejemplos | ¿Dónde están dos muestras de mi trabajo realmente bueno? | 3 | 2-3 líneas |
| Total | 30 | 26-47 líneas |
El total son treinta minutos y el archivo queda cómodamente por debajo de la referencia de 200 líneas de la tabla 2, con margen para crecer.
Algunas notas sobre los bloques que más se fallan.
El bloque 3, Estándares, recibe el mayor presupuesto por una razón. Es el único bloque que codifica el criterio, y el criterio es justamente lo que un modelo no puede inferir. Escríbalo como reglas concretas, siguiendo el principio de concreción de los proveedores: no “escribe con claridad”, sino “nunca abras con una pregunta retórica”, “ninguna lista de más de cinco puntos”, “define una sigla en su primera aparición y nunca más”. Cada regla debería poder comprobarla alguien que no le lea el pensamiento.
El bloque 6, Vocabulario, es el de mayor rendimiento por minuto y casi nadie lo escribe. Toda profesión tiene términos que el modelo usará mal con total seguridad: un nombre interno de producto que choca con una palabra común, un término normativo que significa otra cosa en su jurisdicción, una sigla con tres desarrollos. Listar diez de ellos con una definición de una línea elimina toda una categoría de errores confiados. Es el bloque que paga los otros seis.
El bloque 7, Referencia de ejemplos, aprovecha la palanca mejor documentada. Tanto la guía de OpenAI como la de los Gems de Google tratan los ejemplos como elemento de primer orden. Dos muestras reales de su buen trabajo enseñarán la voz con más eficacia que cualquier cantidad de adjetivos sobre la voz. Si su herramienta permite adjuntar archivos, adjúntelos. Si no, pegue un extracto breve.
El bloque 4, Trabajo actual, es el que tiene fecha de caducidad. Todo lo demás se mantiene estable durante meses. Este envejece en semanas, por eso debe ser breve, fechado y lo primero que revise cuando los resultados empiecen a sonar desviados.
Dónde va realmente el archivo
El documento es portátil. La ranura donde encaja, no.
Tabla 4. Superficies de persistencia verificadas para el contexto permanente (documentación oficial de los proveedores, consultada en agosto de 2026)
| Superficie | Mecanismo documentado | Comportamiento de persistencia |
|---|---|---|
| Claude Code | CLAUDE.md en ámbito gestionado, de usuario (~/.claude/CLAUDE.md), de proyecto (./CLAUDE.md) o local (./CLAUDE.local.md) |
Se carga en el contexto al inicio de cada sesión; todos los archivos encontrados se concatenan según el orden de ámbitos |
| Claude, función de memoria | La memoria se lanzó el 11 de septiembre de 2025 para Team y Enterprise, y se amplió a Pro y Max el 23 de octubre de 2025 | La memoria se compartimenta por proyecto; el resumen se puede ver y editar en la configuración; los chats de incógnito quedan excluidos |
| Google Gemini, Gems personalizados | Instrucciones de Gem escritas en gemini.google.com en Explore Gems, más archivos subidos para contexto adicional | Se aplica a las conversaciones con ese Gem; Google advierte de que la ventana de vista previa no guarda un Gem, hay que pulsar Guardar |
| API de OpenAI, mensaje de desarrollador | Parámetro instructions o mensaje con rol de desarrollador |
Se aplica a esa solicitud; el parámetro instructions tiene prioridad sobre la indicación del usuario |
| Cualquier herramienta de chat sin capa de configuración | Pegar el archivo como primer mensaje de la sesión de trabajo | Persiste solo en esa conversación |
La última fila es la más importante para la mayoría de lectores, y conviene decirlo con claridad: no necesita una herramienta con función de memoria para que esto funcione. Un archivo de contexto pegado como primer mensaje captura la mayor parte del beneficio. La capa de configuración solo le ahorra el pegado.
Una nota más de la documentación, porque evita trabajo duplicado: el ecosistema converge hacia un archivo compartido. Claude Code lee CLAUDE.md y no AGENTS.md, pero la documentación ofrece una receta de interoperabilidad explícita: importar AGENTS.md con una línea @AGENTS.md o enlazar simbólicamente uno con otro, para que varios agentes lean una única fuente. Escriba el archivo una vez. Apunte todo hacia él.
Las cuatro cosas que deben quedar fuera
Un archivo de contexto falla de formas previsibles, y tres de los cuatro fallos son cosas que se meten dentro y no deberían estar.
Nada confidencial cuya reproducción no desee. Esta es la regla dura. Un archivo de contexto permanente se carga en cada sesión por diseño, lo que significa que puede ser citado en cualquier resultado. Nombres de clientes, cifras no publicadas, datos personales de terceros: nada de eso pertenece a un archivo cuya finalidad entera es repetirse. La documentación ofrece aquí una señal útil: Anthropic incorpora un modo de incógnito precisamente para que las conversaciones sensibles queden fuera de la memoria. Si una categoría de información necesita un modo de incógnito, no pertenece a un archivo permanente.
Nada que la herramienta ya vea. La documentación de Anthropic sobre memoria automática señala que el sistema omite lo que puede deducir del código, como la arquitectura o las rutas de archivo. El principio se generaliza. Si la información está en el documento que va a adjuntar, no la repita en su contexto permanente. Estaría gastando presupuesto de atención para decirle al modelo algo que va a leer de todos modos.
Nada de procedimientos. Un archivo de contexto describe una situación estable, no un flujo de trabajo. Los procedimientos de varios pasos aplicables a un tipo de tarea pertenecen a una indicación guardada, a una plantilla o a una capacidad específica de la herramienta que se carga cuando corresponde. Ponerlos en el contexto permanente significa pagarlos en cada conversación ajena. Las recomendaciones de los proveedores hacen la misma distinción de forma explícita.
Nada de contradicciones. Este es el asesino silencioso. La documentación advierte de que si dos reglas se contradicen, el modelo puede elegir una de forma arbitraria. Los archivos acumulan contradicciones como los cajones acumulan cables: una regla escrita en marzo, otra opuesta escrita en julio, ambas todavía presentes. Releer el archivo entero cada vez que añade algo lleva dos minutos y evita el modo de fallo más desconcertante que existe, el de un archivo que produce resultados incoherentes sin razón visible.
Mantenimiento: la regla de los dos disparadores
El modo de fallo de este artefacto no es estar mal escrito. Es escribirse una vez y abandonarse mientras el trabajo sigue avanzando.
La documentación de Anthropic ofrece un disparador de mantenimiento que se traslada limpiamente fuera del software: añada al archivo cuando el modelo cometa el mismo error por segunda vez, cuando escriba la misma corrección que escribió en la sesión anterior, o cuando una persona recién incorporada necesitaría ese mismo contexto para ser productiva.
Comprimido en una regla que sí va a cumplir: escríbalo la segunda vez que lo diga. La primera corrección es un caso aislado. La segunda es una línea que falta en su archivo de contexto. Ese único disparador, aplicado con honestidad, mantiene el archivo al día sin ningún mantenimiento programado.
El segundo disparador es el fechado. El bloque 4, Trabajo actual, caduca. Revíselo cada cambio de mes, o cuando los resultados empiecen a desviarse sutilmente por razones que no sabe nombrar. Nueve de cada diez veces, el archivo describe un proyecto que ya terminó.
La lectura de director general y la de estudiante
La mitad de director general es pura disciplina de delegación. Ningún directivo competente informa a una nueva incorporación gritando la tarea desde el otro lado de la sala y confiando en la suerte. Entrega un paquete de contexto: quiénes somos, a quién servimos, qué aspecto tiene lo bueno, qué está vetado, en qué estamos trabajando. El archivo de contexto es el mismo artefacto para un colaborador no humano, y la razón para escribirlo es la misma: la alternativa es volver a explicarlo para siempre.
La mitad de estudiante es menos evidente y más valiosa. Escribir este documento le obliga a articular estándares que nunca ha enunciado en voz alta. La mayoría de profesionales no sabe responder a “qué aspecto tiene un buen resultado en su puesto” en seis líneas concretas y comprobables. Intentarlo es un ejercicio genuino de autoconocimiento, y la dificultad del bloque 3 es diagnóstica: si le cuesta escribir sus propios estándares, el problema no está en el ejercicio.
Merece la pena nombrar una disciplina relacionada. Este documento es la puerta de entrada más pequeña posible a qué es la ingeniería de contexto y por qué está sustituyendo a la ingeniería de indicaciones. Si quiere el mapa de competencias más amplio, la ingeniería de indicaciones no basta y la pila de alfabetización en IA sitúa el tema. Y cuando pase de indicaciones sueltas a instrucciones permanentes para trabajo autónomo, cómo delegar en un agente de IA con un marco de briefing y la alfabetización en agentes y los siete conceptos previos a delegarles trabajo son los dos pasos siguientes.
Preguntas frecuentes
¿Cuánto tardaré en notar la diferencia?
De inmediato, en la primera sesión tras cargarlo, y sobre todo en tareas con estilo propio: correos, resúmenes, borradores con su voz. El efecto es mayor allí donde antes el modelo tenía que adivinar el destinatario y el tono.
¿Basta con un archivo o necesito uno por proyecto?
Empiece con uno. La documentación muestra ambos patrones conviviendo: un archivo amplio de ámbito de usuario más archivos más estrechos de proyecto, concatenados en lugar de sustituirse. Divida solo cuando detecte una regla que es cierta en un proyecto y falsa en otro.
¿Funciona en las versiones gratuitas de estas herramientas?
El archivo funciona en cualquier sitio donde pueda escribir. Los ajustes persistentes y las funciones de memoria varían según plan y producto, pero pegar el archivo de contexto como primer mensaje no requiere ninguna función de pago.
¿Debería dejar que la IA escriba mi archivo de contexto?
Puede esbozar la estructura. No puede aportar el contenido, porque el contenido es precisamente lo que desconoce. Una vía intermedia práctica: responda a las siete preguntas en notas sueltas y pida al modelo que las condense con la concreción que recomiendan los proveedores.
¿Un archivo más largo da mejores resultados?
No, y este es el error más común. La recomendación publicada apunta a menos de 200 líneas y afirma directamente que los archivos más largos reducen el seguimiento de las instrucciones. La longitud es un coste que se paga en cada sesión.
¿Hay algún riesgo en mantener un archivo permanente?
Sí, el riesgo de confidencialidad descrito antes. El contexto permanente está diseñado para cargarse siempre, así que no debe contener nada que no quiera ver citado o reproducido en un resultado que comparta.
Fuentes
OpenAI, guía de ingeniería de indicaciones, documentación de la API, consultada en agosto de 2026.
OpenAI, Model Spec, versión del 11 de abril de 2025.
Google, ayuda de Gemini Apps, consejos para crear Gems personalizados, consultada en agosto de 2026.
Anthropic, documentación de Claude Code, How Claude remembers your project, consultada en agosto de 2026.
Anthropic, Prompting best practices, documentación de plataforma, consultada en agosto de 2026.
Anthropic, anuncio de la función de memoria, 11 de septiembre de 2025, con actualización del 23 de octubre de 2025.
Pew Research Center, Americans and AI 2026: chatbots, smart devices and views on impact, publicado el 17 de junio de 2026, encuesta a 5.119 adultos estadounidenses realizada del 17 al 23 de febrero de 2026.
Este contenido fue recopilado con el apoyo de la IA tras una investigación exhaustiva, y luego redactado y preparado para su publicación por el equipo editorial de CEOtudent.
This post is also available in:
