La IA agentica está dando un paso firme hacia su adopción masiva, prometiendo transformar la forma en que las empresas automatizan procesos y toman decisiones. A diferencia de los modelos tradicionales que responden a una consulta específica, los agentes inteligentes tienen la capacidad de actuar por iniciativa propia, accediendo a diversas herramientas y fuentes de información para ejecutar tareas. Sin embargo, esta autonomía depende de un factor crítico: el contexto adecuado.En la mayoría de las organizaciones, ese contexto se encuentra disperso. Correos electrónicos, documentos, aplicaciones internas, tickets de soporte y opiniones de clientes forman un paisaje de datos desestructurados que los agentes deben comprender para ofrecer respuestas útiles. Sin esa base contextual, la IA no solo pierde precisión, sino que puede tomar decisiones erróneas.Ken Exner, director de producto en Elastic, lo resume con claridad: «Cuando las personas tienen dificultades para construir aplicaciones de IA, casi siempre el problema es la relevancia». Y es que no basta con tener datos; deben ser datos pertinentes, disponibles en el momento adecuado y bien estructurados para que el agente los utilice correctamente.La presión por adoptar IA con agentes especializadosEl panorama competitivo está acelerando la implementación de esta tecnología. Según un estudio de Deloitte, para 2026 más del 60% de las grandes empresas habrán desplegado soluciones de IA agentica a gran escala. Gartner predice que el 40% de las aplicaciones empresariales incluirán agentes especializados en tareas específicas, una subida significativa desde el 5% actual.Esta transición implica que los agentes ya no serán simples asistentes que responden preguntas. Estarán preparados para ejecutar acciones concretas, con conocimiento de su entorno y capacidad para razonar con información actualizada. Pero para llegar a ese punto, deben estar alimentados con datos que tengan sentido en el contexto de cada acción.La ingeniería de contexto como pilar de la IA agenticaAquí entra en juego la llamada ingeniería de contexto, una disciplina emergente que busca dotar a los modelos de lenguaje con los datos precisos para que puedan razonar, decidir y actuar. No se trata solo de entrenar modelos, sino de saber qué datos presentarles, cómo y cuándo.Imaginemos a un agente como un empleado nuevo en una empresa. Para que haga bien su trabajo, no solo necesita las herramientas, sino también saber dónde están los archivos importantes, cuáles son los procesos, quiénes son los clientes y qué decisiones se han tomado antes. Eso es lo que hace la ingeniería de contexto: actúa como el onboarding de la IA.Esta práctica incluye aspectos técnicos como la recuperación aumentada (retrieval-augmented generation o RAG), que permite que el modelo acceda a información relevante durante su ejecución, o el uso de protocolos como MCP (Model Context Protocol), que facilitan la conexión con APIs y sistemas externos. El objetivo es que el modelo no solo responda, sino que entienda el escenario y actúe con conocimiento de causa.Agent Builder de Elastic: una herramienta para agentes contextualesElastic, una de las plataformas más consolidadas en la gestión de datos empresariales, ha dado un paso importante con el lanzamiento de Agent Builder, una funcionalidad dentro de Elasticsearch diseñada para crear agentes inteligentes basados en datos privados. Esta herramienta permite desarrollar, configurar y supervisar agentes desde una misma interfaz, integrando todo el ciclo de vida operativa.Con Agent Builder, las organizaciones pueden combinar modelos de lenguaje con datos indexados, usar lenguaje de consultas como Elasticsearch Query Language o construir flujos de trabajo que orquesten cómo el agente interactúa con distintas fuentes. En pocas palabras, convierte datos dispersos en fuente de acción para la IA.Una de sus funcionalidades más destacadas es la posibilidad de crear agentes conversacionales listos para usar, que permiten interactuar directamente con la información contenida en los índices de Elasticsearch. Esto facilita que un agente «hable» con los datos de la empresa, brindando respuestas personalizadas y contextualizadas.El futuro de la ingeniería de contexto: patrones y formaciónLa ingeniería de contexto se está convirtiendo en una habilidad clave para quienes trabajan con IA. No es necesario tener un doctorado en informática, pero sí se requiere comprensión de cómo estructurar datos, qué prompts utilizar, y cuándo activar ciertas herramientas. Como en la cocina, no basta con tener buenos ingredientes: hay que saber combinarlos en el orden y momento justo.Ken Exner se muestra optimista: «Habán nuevos patrones de ingeniería de contexto, formas más inteligentes de compartir datos con modelos, y mejores prácticas para automatizar con IA». La evolución pasará por hacer que los modelos comprendan incluso datos privados no vistos durante su entrenamiento, algo crítico en entornos corporativos.Elastic apuesta por democratizar esta práctica, haciendo que herramientas como Agent Builder sean accesibles y configurables sin conocimientos avanzados. La meta es que más organizaciones puedan aprovechar sus propios datos para construir agentes realmente útiles.La noticia La nueva era de la IA agentica: el valor de la ingeniería de contexto fue publicada originalmente en Wwwhatsnew.com por Natalia Polo.