La ingeniería de prompts fue brevemente la cara del auge de empleos en IA. En 2025, la firma de tecnología SPG Resourcing reportó que las ofertas de trabajo en promotores de IA en el Reino Unido habían crecido un 180% con respecto al año anterior. Fue una cifra llamativa que capturó el ánimo de la primera ola comercial de la IA generativa. Las empresas estaban tratando de entender cómo comunicarse con los modelos de lenguaje grande (LLMs) y convertir los primeros experimentos en algo útil. Esa necesidad no ha desaparecido.

Con un aumento del 61% en las ofertas de roles especializados en IA desde el año pasado, según PWC, está claro que siguen importando los buenos prompts. Pero gran parte de esa demanda reciente se concentra en personas capaz de aplicar la IA dentro de un negocio, no solo en conversar con un modelo.

Muchas organizaciones han superado la fase de la primera demostración. Ahora buscan construir agentes de IA, sistemas de generación con recuperación (RAG) y flujos de trabajo habilitados por IA que operen dentro de la empresa.

Eso genera una brecha de habilidades distinta.

Este es el impulso detrás de lo que yo denomino ‘ingeniería de contexto’. Aunque no es un término universal, la capacidad está ganando protagonismo como esencial. Las compañías que quieren agentes de IA útiles y sistemas RAG necesitan personas que diseñen el entorno alrededor del modelo, no solo el prompt que se envía a éste.

De prompts mejores a contexto mejor

La ingeniería de prompts se ocupa de la instrucción, mientras que la ingeniería de contexto se ocupa del mundo que rodea esa instrucción.

Un agente de soporte no solo necesita un prompt bien redactado, también necesita el registro correcto del cliente, políticas, historial de productos y límites de permiso. Del mismo modo, un agente de desarrollo necesita el código relevante, pruebas, dependencias y restricciones de implementación.

En ambos casos, la calidad de la salida depende del contexto. Sin él, el modelo adivina a partir de evidencia incompleta. Con demasiado contexto, el sistema se vuelve ruidoso y difícil de gobernar. El objetivo es hacer que el contexto sea útil, actual y controlado.

Eso es lo que distingue la ingeniería de contexto de la ingeniería de prompts.

Los agentes elevan el nivel de exigencia

El auge de los agentes de IA eleva la urgencia. Un chatbot con contexto deficiente puede dar una respuesta débil, pero ese mismo contexto pobre puede provocar que otro agente cometa un error grave. Cuando un sistema de IA puede llamar herramientas, consultar sistemas empresariales, mantener estado y actuar en varios pasos, el contexto pasa a ser una parte esencial de la arquitectura de producción. Decide qué puede ver el agente, qué puede hacer y cuánta confianza puede otorgarse al resultado.

Recuerdo un chiste sobre pruebas de límites. Un desarrollador entra a un bar y pide una cerveza, luego cinco, luego 999.999.999 cervezas, luego -1. El cantinero parpadea, pero todo está bien. Un usuario entra y pregunta dónde está el baño y el bar explota. El mismo principio se aplica a proyectos de IA. El prototipo inicial puede funcionar con un conjunto estrecho de ejemplos y volverse frágil ante datos reales. La información del cliente está en un sistema, los datos operativos en otro, y el conocimiento importante en documentos. Se espera que el agente razone sobre todo ello, pero la capa de contexto no está diseñada para ese trabajo.

Un equipo de servicios financieros, por ejemplo, puede necesitar conectar datos de CRM, una plataforma de datos existente y documentos internos antes de que un agente pueda responder con precisión. El esfuerzo no es solo mover los datos: es moldearlos para que el agente recupere las evidencias correctas y opere dentro del límite de permisos adecuado.

El título de trabajo aún está poniéndose al día

Esto genera un momento de contratación incómodo. La necesidad de ingeniería de contexto se vuelve más clara, pero el título de trabajo aún no está definido. Algunas organizaciones pueden buscar específicamente contratar a ‘ingenieros de contexto’, pero muchas no lo harán. La capacidad suele aparecer dentro de roles como ingeniero de IA, ingeniero de agentes, ingeniero de plataformas de IA, ingeniero de IA aplicado o ingeniero de datos. En otras empresas, será responsabilidad de un equipo compartido entre datos, plataforma y seguridad, así como ingeniería de software.

Por ello, los líderes deben contratar por el trabajo, no por la etiqueta. El candidato no necesita tener ‘ingeniero de contexto’ en su CV para ser útil. La mejor señal es si comprende cómo se mueve la datos a través de sistemas, cómo se aplican permisos y cómo convertir un prototipo en algo lo suficientemente fiable para producción.

Esto también significa que la reserva de talento es más amplia de lo que muchas compañías asumen. La experiencia en aprendizaje automático es valiosa, pero la ingeniería de contexto se apoya fuertemente en disciplinas de ingeniería existentes. Los ingenieros de datos entienden pipelines y recuperación. Los ingenieros de plataformas entienden la resiliencia operativa. Los equipos de seguridad entienden el control de accesos y la auditabilidad. Los ingenieros de software entienden cómo convertir requisitos desordenados en sistemas mantenibles.

Los mejores candidatos pueden parecerse a ingenieros de IA full-stack. No necesitan ser especialistas en cada modelo, base de datos o marco, pero sí deben tener suficiente alcance para conectar la capa de modelo con los sistemas de negocio que lo rodean.

La lección de Kubernetes y qué deben hacer los líderes ahora

El cambio tiene un paralelismo con la transición hacia una arquitectura nativa en la nube y Kubernetes. Muchas empresas trataron Kubernetes como algo que se instala, y luego descubrieron que lo más difícil era cambiar la forma en que los equipos construyen y ejecutan software. La IA genera un riesgo similar. Las empresas pueden comprar herramientas y contratar a unos pocos especialistas, pero aun así pueden fallar en cambiar las prácticas de ingeniería que rodean a esos productos. La ingeniería de contexto exige que los equipos piensen de forma diferente sobre la documentación, la propiedad de los datos, los accesos, las pruebas y la gobernanza.

También cambia la cultura del desarrollo de software. Los ingenieros ya utilizan IA para escribir, revisar e iterar código. Eso puede aumentar la productividad, pero no elimina la responsabilidad. En áreas donde el rendimiento, la fiabilidad o la seguridad importan, el juicio humano sigue siendo crucial.

Los CTOs y CIOs no deberían esperar a que la ingeniería de contexto se convierta en una categoría de contratación madura. Deben empezar a identificar la capacidad ahora. El primer paso es examinar dónde están fallando los proyectos de IA. ¿Es realmente débil el modelo, o es el sistema el que recupera un contexto pobre? ¿Existen límites de permisos claros? ¿Puede el equipo explicar por qué el agente produjo una determinada respuesta?

El segundo paso es formar equipos multifuncionales. La IA no puede estar aislada de datos, plataforma, seguridad y producto. En muchos casos, la mejor estrategia será upskill de ingenieros que ya entienden los sistemas de la organización.

El paso final es cultural. Los ingenieros deben volverse fluidos en el desarrollo asistido por IA, manteniendo al mismo tiempo la responsabilidad de los sistemas que entregan. Los líderes deben facilitar la experimentación, pero también establecer estándares claros de revisión, evaluación y gobernanza.

El modelo no es suficiente

La contratación en IA está cambiando porque la IA misma está migrando a la producción. Los modelos seguirán mejorando y las empresas tendrán múltiples formas de acceder a ellos. La verdadera ventaja competitiva vendrá de saber conectar esos modelos con el contexto empresarial adecuado.

Las compañías que entienden esto construirán agentes y sistemas de RAG más útiles, más seguros y más gobernables. Las que lo ignoren seguirán culpando al modelo cuando la debilidad real esté en el entorno en el que debe operar.

Listamos los mejores creadores de currículos para facilitar la creación de un CV que impulse tu carrera.

Este artículo fue producido como parte de TechRadar Pro Perspectives, nuestro canal para presentar a las mentes más brillantes de la industria tecnológica actual.

Las opiniones expresadas aquí son del autor y no necesariamente las de TechRadarPro o Future plc. Si estás interesado en contribuir, descubre más aquí: https://www.techradar.com/pro/perspectives-how-to-submit