Estamos empezando a tener una señal más clara de lo vasta que será la superficie de la ingeniería del contexto. Para construir agentes de IA, en teoría, debería ser tan sencillo como tener un modelo súper potente, darle un conjunto de herramientas, tener un buen prompt del sistema y darle acceso a datos. Quizá en algún momento realmente sea así de sencillo. Pero en la práctica, para crear agentes que funcionen hoy en día, tienes que lidiar con un delicado equilibrio entre qué ofrecer al agente global y qué ofrecer a un subagente. Qué cosas hacer agentes o simplemente una herramienta determinista. Cómo manejar las limitaciones inherentes a la ventana de contexto. Tenías que averiguar cómo recuperar los datos adecuados para la tarea del usuario y cuánto cálculo poner al problema. Cómo decidir qué hacer rápido y sufrir posibles caídas de calidad, frente a lentas pero quizá molestas. Y un sinfín de preguntas más. Hasta ahora no hay una única respuesta correcta para todo esto, y hay compensaciones significativas para cualquier enfoque que tomes. Y, lo más importante, para hacerlo bien se requiere un conocimiento profundo del ámbito en el que se está resolviendo el problema. Gestionar este problema en la codificación de IA es diferente del derecho, que es distinto de la sanidad. Por eso hay tantas oportunidades para las partidas de agentes con IA ahora mismo.