No todo lo que le damos a una IA vale lo mismo. Entender cómo funciona el contexto puede cambiar completamente la forma en que trabajamos con ella.
Cuando empezamos a utilizar herramientas de inteligencia artificial de manera cotidiana, es fácil pensar que la conversación funciona simplemente así:
"Escribo algo → la IA responde → sigo escribiendo."
Pero detrás de esa interacción existe algo mucho más importante: el contexto.
El contexto es, en términos simples, toda la información que el modelo tiene disponible para interpretar una instrucción y producir una respuesta.
Puede incluir nuestra conversación, documentos, imágenes, código, instrucciones, archivos multimedia, resultados de herramientas y decisiones tomadas anteriormente.
Y cuanto más información ponemos sobre la mesa, más compleja puede volverse esa mesa de trabajo. Por eso, para quienes utilizan IA para desarrollar proyectos, crear contenido, programar o investigar, aprender a administrar el contexto empieza a ser casi tan importante como aprender a escribir buenos prompts.
¿Qué es exactamente el contexto?
Podemos imaginar una conversación con inteligencia artificial como una mesa de trabajo.
Sobre esa mesa podemos tener:
- conversaciones anteriores;
- instrucciones;
- código;
- documentos;
- imágenes;
- PDFs;
- audios;
- videos;
- resultados de herramientas;
- decisiones tomadas durante el proyecto;
- y nuestra solicitud actual.
Todo eso constituye información disponible para el modelo.
La cantidad máxima de información que un modelo puede manejar dentro de una interacción está limitada por su ventana de contexto.
Esto no significa que una conversación larga sea necesariamente mala. Significa que la información que introducimos tiene un costo y una capacidad limitada, y que diferentes tipos de contenido pueden representar cantidades muy diferentes de información.
Una buena analogía es pensar en el contexto como la memoria de trabajo de la conversación.
El almacenamiento sería:
"Todo lo que tenemos guardado."
El contexto sería:
"Todo lo que tenemos disponible sobre la mesa para trabajar ahora."
No todos los archivos pesan lo mismo
Uno de los errores más comunes es confundir peso del archivo con cantidad de contexto.
Un video de 50 MB no necesariamente consume exactamente más contexto que un PDF de 50 MB.
Lo importante es cómo ese contenido es interpretado por el sistema.
Un documento puede convertirse principalmente en texto.
Una imagen puede ser analizada visualmente.
Un audio puede convertirse en información sonora o transcripción.
Un video puede implicar imágenes a través del tiempo, audio, transcripción y otros elementos.
Por eso, dos archivos con el mismo tamaño físico pueden tener comportamientos completamente diferentes dentro de una conversación.
Los sistemas multimodales modernos convierten diferentes tipos de información en representaciones que el modelo puede procesar. En Gemini, por ejemplo, Google documenta explícitamente el conteo de tokens para imágenes, audio y video, y señala que la resolución y el modo de procesamiento pueden modificar considerablemente el uso de tokens.
El contexto como moneda de cambio
El contexto puede entenderse como una moneda de cambio.No porque exista una moneda llamada “contexto”, sino porque cada elemento que incorporamos a una conversación tiene un valor y un costo.
Si agregamos información relevante, estamos aumentando la capacidad del modelo para comprender nuestro problema.
Pero si agregamos información innecesaria, estamos ocupando espacio que podría utilizarse para algo más importante.
La pregunta entonces empieza a ser:
"¿Qué información vale la pena darle?"
Entonces, ¿qué archivos conviene utilizar?
"La regla de oro: contexto útil > contexto abundante"
No existe una regla universal, porque depende del modelo y del objetivo.
Pero como criterio general:
Para texto y documentación: utilizar documentos estructurados y relativamente concisos.
Para código:compartir los archivos relevantes y explicar qué parte queremos modificar, en lugar de enviar todo el proyecto indiscriminadamente.
Para imágenes: utilizarlas cuando la información visual realmente sea necesaria.
Para PDFs: son excelentes cuando necesitamos conservar estructura, documentación o material de referencia, pero conviene evitar acumular versiones redundantes.
Para audio: son útiles cuando la información sonora o hablada es relevante.
Para video: conviene utilizarlos cuando necesitamos analizar comportamiento, movimiento, interacción, diseño de interfaz o una experiencia temporal. Si solo necesitamos saber qué aparece en una pantalla, muchas veces una captura puede ser suficiente.
No siempre hay que enviar el archivo más completo. Hay que enviar el archivo adecuado.
El futuro no será solamente saber usar IA
Probablemente una de las habilidades más interesantes de los próximos años no sea simplemente aprender a “promptear”.
Será aprender a administrar información para trabajar con modelos de IA.
Saber qué guardar.
Qué resumir.
Qué convertir en documentación.
Qué enviar.
Qué eliminar.
Qué mantener como contexto.
Y qué dejar fuera.
Porque cuando trabajamos con inteligencia artificial durante semanas o meses, la conversación deja de ser solamente una conversación.
Se convierte en un entorno de trabajo.
Y administrar ese entorno correctamente puede mejorar la calidad, la velocidad y la eficiencia del proceso.
El contexto también se diseña
Quizás esta sea la idea más importante.
Así como diseñamos una interfaz para que una persona encuentre rápidamente lo que necesita, también podemos diseñar el contexto para que una IA encuentre rápidamente la información que necesita. Un buen contexto no es necesariamente el más grande.
Es el que contiene la información correcta, en el momento correcto y con el menor ruido posible. En tereré estudiocreemos que esta va a ser una parte cada vez más importante de trabajar con inteligencia artificial.
Una última aclaración
Los detalles técnicos del consumo de contexto, tokens y procesamiento dependen del modelo y de la herramienta utilizada. No existe una equivalencia universal del tipo “un video de X MB = X tokens”. Los propios proveedores documentan diferentes métodos de procesamiento y ventanas de contexto, por lo que conviene consultar la documentación específica del modelo que estamos utilizando.
Este artículo nace de nuestra propia experiencia trabajando con inteligencia artificial, desarrollo web y proyectos de software, y busca servir como una guía práctica para otros creadores que quieran aprender a trabajar mejor con modelos de IA.