Todavía no sabemos usar la IA
En nuestro AI Dojo hicimos lo contrario de lo habitual: en vez de pedirle más cosas a la IA, estudiamos por qué deja de hacernos caso. Hablo del context rot y de los patrones para evitarlo.

El viernes pasado facilité un nuevo AI Dojo en Runroom. La costumbre es sencilla: ponemos un reto y el equipo le tira prompts a la herramienta tratando de resolverlo, normalmente enfocándose en el proceso de construcción de algún artefacto.
Esta vez hicimos lo contrario. En lugar de pedirle más cosas a la IA, nos sentamos a estudiar por qué, muchas veces, la IA deja de hacernos caso.
El detonante fue Xavi Gost, que me pasó un catálogo que llevo días masticando: Augmented Coding Patterns, una colección de patrones, antipatrones y obstáculos para trabajar bien con asistentes de IA. Quince obstáculos, diez antipatrones, cincuenta y cuatro patrones. Un corpus que hace un año no existía.
El reto nunca fue producir más
Antes de entrar en la mecánica, una pregunta de fondo. ¿Para qué queremos que la IA nos obedezca mejor? La respuesta fácil es “producir más”. Más código, más features, más entregables. Y ese es el viejo espejismo de siempre. Lo que cuenta es el impacto que generas con todo eso.
Es la idea sobre la que llevo años escribiendo y la que sostiene Impact-Driven Growth™, que esta semana, además, saco en inglés. De eso te hablo al final, que me hace ilusión.
Una herramienta que multiplica tu velocidad multiplica también tus errores si no sabes hacia dónde vas. Una IA que te ayuda a generar el triple de output sin criterio solo acelera tu llegada al sitio equivocado. Actividad no es impacto. Volumen no es valor. Por eso la disciplina con la que la usas importa tanto como la potencia de la herramienta.
El modelo se olvida antes de lo que crees
El obstáculo que destripamos en el Dojo se llama context rot, documentado por Lada Kesseler. La idea: el contexto se degrada según crece la conversación. El modelo deja de seguir tus instrucciones mucho antes de llenar su memoria.
No se apaga de golpe. Se apaga por zonas. Al principio hay una focus zone donde te hace caso de forma fiable. Luego una franja de effective context donde parece que todo va bien, pero tus indicaciones de hace un rato empiezan a pesar menos. Y al final una red zone donde tus reglas de hace veinte mensajes ya no existen. La misma pregunta te da respuestas distintas según cuándo la hagas.
Los dos antipatrones que lo provocan explican mucho. El primero, Distracted Agent: usar un único agente para todo, programar, documentar, hacer commits, buscar en la web, todo en el mismo hilo. Su atención se reparte y se diluye, y deja de cumplir reglas que sí respetaría un agente enfocado.
El segundo me tocó la fibra: Obsess Over Rules. Intentar que la IA haga exactamente lo que quieres añadiendo cada vez más reglas al contexto. Cuantas más reglas le metes, más te ignora, porque infla el contexto y acelera el mismo context rot que intentabas evitar. Buscas más control y consigues menos.
Disciplina, no control
Frente a esto, el catálogo propone patrones que atacan el problema desde ángulos distintos. Context Management parte de la siguiente premisa: el contexto es un recurso escaso que se degrada, y solo tienes dos operaciones, añadir o resetear. Focused Agent defiende darle a la IA una sola responsabilidad estrecha cuando la tarea importa de verdad. External Context propone mandar el trabajo ruidoso (una búsqueda, un bug) a un subagente que te devuelve solo el resultado, no toda su faena. Reference Docs carga el conocimiento solo cuando hace falta, en vez de meterlo todo de entrada. Y Reminders convierte lo importante en checklists que se repiten justo donde tienen que aplicarse.
Hay uno que me parece una pequeña joya de humildad profesional, Canary in the Code Mine: cuando la IA empieza a atascarse con tu código, no te enfades con ella. Trátalo como el canario en la mina. Su dificultad suele ser la señal temprana de que tu propio código está duplicado o demasiado complejo. La IA sufriendo es tu sistema avisándote.
Fíjate en el hilo que los une. Ninguno de estos patrones va de dominar la máquina. La disciplina no es controlar más la IA. Es gestionar mejor su atención. Y eso, curiosamente, se parece muchísimo a gestionar bien a un equipo de personas.
Este corpus está emergiendo ahora mismo y no es doctrina. Lo escribe gente que brega cada día con estas herramientas para generar impacto en sus organizaciones, que se equivoca y corrige en público. Lo valioso no es que estos patrones sean La Verdad. Es que por fin estamos construyendo ese conocimiento en comunidad, en vez de fingir que ya dominamos algo que nadie manejaba hace un año.
Salí del Dojo con una sensación rara y buena a la vez: la de reconocer, en voz alta y en equipo, todo lo que todavía no sabemos hacer bien.
La IA no premia a quien más le pide. Premia a quien mejor decide qué pedirle.
Ayer lancé la edición en inglés de Impact-Driven Growth™. Llevaba tiempo con ganas de que el marco cruzara la frontera del idioma, así que lo estoy celebrando. Si te pilla cerca, te agradezco un montón que lo compartas.