Un estudio que podría marcar una era en la inteligencia artificial
El 30 de octubre de 2025, un grupo de investigadores del Shanghai Jiao Tong University Institute for Intelligent Systems (GAIR) publicó en arXiv el trabajo titulado “Context Engineering 2.0: The Context of Context Engineering”. El artículo, firmado por Qishuo Hua, Lyumanshan Ye, Dayuan Fu, Yang Xiao, Xiaojie Cai y Pengfei Liu, propone un nuevo paradigma en la relación entre humanos y máquinas: el de la ingeniería del contexto.
Los autores parten de una idea sencilla pero poderosa: «Una persona es la suma de sus contextos». De esa frase nace la pregunta que articula toda la investigación: ¿cómo pueden las máquinas entender las situaciones, propósitos e intenciones humanas de una manera realmente significativa?
Del lenguaje a la comprensión del entorno
Hasta ahora, los grandes modelos de lenguaje (Large Language Models o LLM) han avanzado enormemente en la comprensión textual, pero siguen siendo esencialmente reactivos. Según el estudio, su “inteligencia contextual” es todavía limitada: entienden lo que el usuario dice, pero no siempre el motivo, el entorno o el propósito detrás de sus palabras.
Context Engineering 2.0 propone un salto cualitativo: convertir la comprensión del contexto en una disciplina estructurada. Esto incluye diseñar cómo la IA recopila, almacena y usa información del entorno, cómo combina distintos tipos de señales (texto, imagen, audio o datos sensoriales) y cómo aprende a inferir la intención humana incluso cuando no se expresa explícitamente.
Una evolución en cuatro eras
El equipo de GAIR presenta una historia evolutiva de la inteligencia artificial dividida en cuatro etapas:
- Context Engineering 1.0: máquinas primitivas que solo ejecutan órdenes estructuradas (como los ordenadores de los años 90).
- Context Engineering 2.0: la era actual, en la que los agentes de IA pueden interpretar lenguaje natural y manejar cierta ambigüedad.
- Context Engineering 3.0: una próxima fase en la que las máquinas alcanzarán un nivel de comprensión humana, incluyendo emociones, intenciones y matices sociales.
- Context Engineering 4.0: un escenario especulativo donde la IA podría superar la inteligencia humana, anticipando necesidades que las personas aún no han expresado.
Según los investigadores, el campo actual se encuentra «en plena transición entre las eras 2.0 y 3.0», un punto de inflexión que marcará la diferencia entre los sistemas que ejecutan tareas y los que realmente colaboran con nosotros de manera natural.
El contexto como clave del entendimiento
El documento define “context engineering” como “el proceso sistemático de diseñar, organizar y optimizar la información contextual para mejorar la comprensión y el rendimiento de las máquinas”. En otras palabras, se trata de enseñar a las IA a reducir la ambigüedad del mundo humano.
El texto profundiza en cómo las máquinas aún no poseen la capacidad de “rellenar los huecos” como lo hacen las personas durante una conversación. Mientras los humanos usan conocimiento compartido y emociones para inferir significados, las máquinas deben recibir ese contexto “preprocesado” para poder actuar coherentemente.
El equipo describe la práctica de la ingeniería del contexto como un ejercicio de reducción de entropía: transformar la complejidad del entorno humano en representaciones que una IA pueda comprender. Este enfoque podría servir de base para futuras generaciones de agentes autónomos que no solo respondan a órdenes, sino que colaboren y aprendan de manera continua.
De los agentes reactivos a los compañeros inteligentes
El estudio subraya que la frontera de la inteligencia artificial no está tanto en el tamaño de los modelos como en su capacidad para manejar el contexto. Cuanto más inteligentes sean las máquinas, menor será el esfuerzo necesario por parte del ser humano para comunicarse con ellas.
En la práctica, esto significa que las próximas generaciones de agentes podrían funcionar como colaboradores fiables y empáticos, capaces de anticipar las necesidades del usuario, mantener coherencia a lo largo del tiempo y actuar con iniciativa propia. Un ejemplo serían los agentes de investigación profunda o los sistemas de memoria de largo plazo, capaces de recordar objetivos, adaptar estrategias y aprender del entorno.
Un nuevo horizonte para los LLM
La teoría de GAIR también señala el futuro de los grandes modelos de lenguaje: evolucionar hacia sistemas con una “conciencia situacional” más amplia, capaces de integrar múltiples fuentes de información y razonar sobre ellas. Esto implicará una fusión entre modelos de texto, visión, sonido y sensores físicos, acercando la inteligencia artificial a una comprensión holística del mundo.
En el horizonte de las eras 3.0 y 4.0, las máquinas podrían crear su propio contexto, deduciendo intenciones humanas no expresadas y actuando de manera proactiva. Si esa predicción se cumple, los sistemas de IA dejarían de ser herramientas pasivas para convertirse en socios cognitivos capaces de ayudarnos a pensar, descubrir y comprender mejor nuestra propia realidad.
Consecuencias y desafíos éticos
Aunque el estudio se centra en el marco conceptual y técnico, su propuesta abre interrogantes filosóficos y éticos. Si las máquinas pueden construir o incluso reinterpretar el contexto humano, ¿dónde se situará la frontera entre asistencia y autonomía? ¿Podrá una IA decidir qué información es relevante para nosotros o qué “contexto” considera verdadero?
Los autores son cautos, pero optimistas: la ingeniería del contexto, bien aplicada, podría hacer que los sistemas de IA sean más fiables, empáticos y comprensibles, reduciendo los costes de interacción y ampliando las posibilidades de colaboración entre humanos y máquinas.
La fotografía de representación de este artículo pertenece a Luke Jones y ha sido publicada en Unsplash.
