Contexto limpio, respuestas mejores: cómo evitar el context rot
Si el chat se alarga, la IA empeora: aprendé a detectar el context rot y a trabajar con chats limpios, resúmenes de traspaso y solo el contexto necesario.
¿Notaste que después de una conversación larga la IA empieza a repetirse, olvida lo que le dijiste y contradice cosas que ya habían quedado claras? Eso tiene nombre: context rot, el deterioro de las respuestas cuando el contexto de la conversación se llena de ruido. En este tutorial vas a aprender a detectarlo y a trabajar con chats limpios para que el modelo rinda parejo de principio a fin.
Antes de empezar
- Cualquier chat de IA que uses a diario (Claude, ChatGPT, Gemini, el que sea).
- Una conversación larga y real tuya donde el modelo haya empezado a fallar. Vas a usarla de paciente.
- Cinco minutos para entender un concepto, porque sin esto el resto no tiene sentido.
El concepto: los modelos tienen una ventana de contexto, que es la cantidad máxima de texto que pueden "tener presente" a la vez — tu conversación entera, los documentos que pegaste, todo. No es infinita, y acá viene lo importante: mucho antes de llenarse, la calidad ya empieza a bajar. Cuanta más información acumulada (sobre todo si es contradictoria o irrelevante), más le cuesta al modelo distinguir qué importa.
Paso 1 — Aprendé a reconocer las señales
El context rot no avisa con un cartel. Se ve así:
- El modelo vuelve a proponer algo que ya descartaron juntos hace veinte mensajes.
- Mezcla instrucciones de tareas distintas ("te pedí un correo, ¿por qué me lo devolvés en formato de post?").
- Las respuestas se vuelven genéricas, como si hablara con cualquiera y no con vos.
- Ignora una regla que viniste repitiendo toda la conversación.
Abrí esa conversación larga que trajiste y buscá el punto donde empezó a fallar. Casi siempre coincide con un momento donde cambiaste de tema sin cerrar el anterior.
Paso 2 — Una conversación, una tarea
La regla más rentable de todo este tutorial: no uses el mismo chat para todo. Si terminaste de redactar el correo y ahora querés analizar una planilla, abrí un chat nuevo. Cuesta cero y te ahorra la gran mayoría de los problemas.
¿Por qué funciona? Porque todo lo que quedó atrás — los borradores descartados, las correcciones, los "no, mejor así" — sigue ocupando lugar en el contexto y compitiendo por la atención del modelo. Un chat nuevo arranca sin esa mochila.
Paso 3 — Resumí antes de continuar
A veces la tarea es larga de verdad y no podés simplemente cortar. Para eso está el traspaso con resumen:
Resumí esta conversación para retomarla en un chat nuevo.
Incluí: el objetivo, las decisiones que ya tomamos,
lo que quedó descartado (y por qué), y el siguiente paso.
Formato: lista de puntos, máximo 300 palabras.Copiás ese resumen, abrís un chat nuevo, lo pegás como primer mensaje y seguís trabajando. Perdés los detalles muertos, conservás las decisiones vivas. Yo hago esto cada vez que una conversación de trabajo pasa de cierta longitud y la diferencia se nota al instante.
Paso 4 — Cargá solo lo que la tarea necesita
Pegarle un documento de 40 páginas para preguntarle por un párrafo es como pedirle a alguien que memorice la guía telefónica para darte un número. Antes de pegar algo, preguntate: ¿qué parte necesita el modelo para ESTA tarea?
- Si es una sección, pegá la sección.
- Si necesita el documento entero, decile primero qué buscar: "te paso un contrato; solo me interesan las cláusulas de pago".
- Si son varios documentos, dáselos de a uno, no en bloque.
Menos ruido de entrada, mejores respuestas de salida. Siempre.
Paso 5 — Reformulá en vez de corregir en cadena
Cuando una respuesta sale mal, el instinto es corregir: "no, más corto", "no, más formal", "no, sin esa parte". A la quinta corrección el contexto es un campo minado de instrucciones parciales y el modelo ya no sabe cuál manda.
El movimiento pro: en vez de la sexta corrección, escribí UN mensaje nuevo con el pedido completo y bien especificado, incorporando todo lo que aprendiste de los intentos fallidos. O directamente editá tu mensaje original si la herramienta lo permite: eso descarta las ramas fallidas del contexto en lugar de acumularlas.
Errores comunes
- El chat eterno: una sola conversación para toda la semana de trabajo. Arreglo: chat nuevo por tarea; si necesitás continuidad, usá el resumen del Paso 3.
- Pegar todo "por las dudas": documentos completos, correos enteros, historial irrelevante. Arreglo: seleccioná antes de pegar; el modelo no premia el volumen.
- Pelearse con el modelo: repetir la misma corrección cinco veces esperando resultado distinto. Arreglo: si a la segunda no entendió, el problema es el pedido; reformulá de cero.
- Confundir contexto con memoria: creer que el modelo "recuerda" chats anteriores por defecto. Algunas herramientas tienen memoria entre conversaciones, pero es una función aparte; dentro de un chat, lo único que existe es lo que está en ese chat.
Siguiente paso
Manejar el contexto es la mitad de la ecuación. La otra mitad es dejar de escribir las mismas instrucciones cada vez: armar system prompts reutilizables, esas instrucciones fijas que definen rol, reglas y formato una sola vez. Contexto limpio más instrucciones estables es la combinación que separa al que "chatea con la IA" del que trabaja con ella.
¿Lo querés funcionando en tu negocio?
Mirá cómo trabajamos, o entrá gratis a la comunidad y preguntá lo que te trabó.
Seguí aprendiendo
La anatomía de un buen prompt: los 4 elementos
Contexto, tarea, formato y límites: los 4 elementos que convierten respuestas genéricas de la IA en resultados usables, con ejemplos listos para copiar.
Los 7 errores de prompting que todos cometemos al empezar
Del pedido vago al dato inventado: los 7 errores que arruinan tus prompts y cómo corregirlos trabajando sobre tus propios chats.
System prompts reutilizables: armá tu biblioteca de comandos
Dejá de escribir las mismas instrucciones cada vez: armá tu biblioteca de system prompts con rol, contexto, reglas y formato, y afinala con casos reales.