Esto es básicamente lo que quiero decir cuando digo que la IA necesita contexto. La misma disciplina que convierte un problema desordenado en una lista de verificación clara es lo que hace que alguien sea efectivo con la IA, y se reduce a la especificidad. Hablo con equipos que juran que le dieron al modelo "un contexto realmente sólido", pero se lee como alguien dando direcciones al decir "dirígete hacia las montañas y gira a la izquierda cuando se sienta bien". Así es como se ve eso en la práctica: "Somos una marca de ropa, tenemos alrededor de 10 SKUs, las compras repetidas no están donde queremos, ¿qué deberíamos hacer?" Eso se siente específico hasta que lo desglosas. ¿Qué tipo de ropa? ¿Cuáles SKUs están bajo rendimiento? ¿Cuál es la tasa de repetición actual? ¿Qué has intentado ya? Cuando te obligas a responder esas preguntas, terminas con: "Somos una marca de ropa de 7 cifras que maneja 7 SKUs en 2 categorías de ajuste, todos enfocados en camisetas de manga corta y larga. Nuestra tasa de compra repetida está en 18%, siendo la mayor parte de eso de una línea de productos (camisetas de manga corta), y nuestro correo electrónico de mejor rendimiento del último trimestre generó X ingresos de clientes que compraron dos veces en 90 días." Ahora la IA tiene algo con qué trabajar. Y honestamente, tú también, porque el tiempo dedicado a desglosarlo revela la respuesta antes de que el modelo incluso responda.