La ingeniería de prompts está muriendo: es hora de diseñar tu organigrama

Con la reciente actualización de Opus 5, Anthropic ha recomendado algo nuevo: borrar el prompt de sistema y actualizar tus habilidades cada seis meses. La razón es sencilla. A medida que los modelos se vuelven más inteligentes, nosotros, los usuarios, podemos ser un poco más vagos.

Piénsalo así. Si tienes a un empleado junior, su gerente tiene que microgestionarlo. Tiene que ser muy explícito con las instrucciones, a veces enseñarle algo de sentido común y de inteligencia emocional, y sobre todo acompañarlo de cerca. Pero si el empleado es extremadamente inteligente, quizá incluso más inteligente que el gerente en ciertos temas, el gerente solo necesita dirigirlo hacia el trabajo para el que fue contratado y evitar que se desvíe.

Al principio decíamos: “trata a tu IA como a un becario”. Bueno, ya no es solo un becario. Yo diría que ahora se siente más como alguien con dos o tres años de experiencia laboral.

Con modelos más inteligentes, podemos ser menos precisos cuando hablamos con ellos.

Y eso nos lleva a un término nuevo que estamos explorando. Se acabaron los días de la ingeniería de prompts, cuando teníamos que ser extraordinariamente explícitos sobre cómo hablar con los modelos.

Tuvimos ingeniería de prompts. Ahora tenemos ingeniería de grafos.

¿Recuerdas la ingeniería de prompts?

Durante un par de años, todos tratábamos de descubrir cómo hablar con la IA. Había cursos enteros sobre cómo escribir el prompt perfecto. Bibliotecas de prompts, mercados de prompts, ingenieros de prompts y todo tipo de acrónimos para recordarnos qué información debíamos incluir. Luego los modelos mejoraron y el prompting se volvió mucho más tolerante. Podías darle a ChatGPT un prompt bastante mal escrito y, la mayoría de las veces, entendía lo que querías decir.

Después empezamos a hablar de ingeniería de contexto. En lugar de obsesionarnos con las palabras exactas del prompt, la pregunta más importante pasó a ser: ¿qué información necesita la IA para hacer su trabajo? Luego llegó la ingeniería de bucles, sobre la que escribí recientemente. En vez de pedirle a una IA que complete una tarea una sola vez, la pones en un ciclo: hace el trabajo, lo evalúa, corrige lo que está mal y sigue hasta que se cumple una condición de salida.

Para aprender a hacerlo, haz clic aquí.

Bueno, ahora tenemos otra más.

Ingeniería de grafos.

Lo sé. Nos estamos quedando sin términos de ingeniería.

Si todavía sigues en la era de la ingeniería de prompts, hay un curso para ponerte al día. Es el mejor curso TLDR de IA que existe, aunque quizá no soy completamente imparcial.

Pero este término es interesante porque describe algo mucho más grande que está ocurriendo mientras pasamos de herramientas de IA a agentes de IA. Si la ingeniería de bucles consiste en lograr que un trabajador de IA siga trabajando hasta terminar una tarea, la ingeniería de grafos consiste en decidir cómo deben trabajar juntos muchos trabajadores de IA, sistemas de software y seres humanos.

En abril de 2024 estaba mostrando MetaGPT. Dije que algún día podríamos crear una entidad con distintos agentes: un jefe, un gerente de producto, un arquitecto y un gerente de proyectos, cada uno con tareas diferentes. El público me miró como si estuviera hablando en otro idioma. Cuando escuché el término “ingeniería de grafos”, pensé inmediatamente en esa diapositiva. Ah. Eso era. Ahora simplemente tiene un nombre nuevo y más nítido.

Seguro estarás pensando: ¿no es esto simplemente un organigrama?

Sí. Sí lo es.

¿De dónde salió el término?

El 18 de julio, Peter Steinberger, el desarrollador detrás de OpenClaw, publicó doce palabras: “¿Seguimos hablando de bucles o ya nos pasamos a grafos?”. Se estaba burlando de la velocidad con la que este campo inventa vocabulario. Internet se lo tomó en serio de todos modos. En dos días, “ingeniería de grafos” acumuló miles de publicaciones, una ola de hilos explicativos y una referencia muy compartida a un estudio de Stanford y Anthropic que, como documentó Eugeniu Ghelbur al buscarlo, no existe.

Las palabras son un poco tontas. Los problemas a los que apuntan no lo son. Pocos días después del tuit, Harrison Chase y Sydney Runkle de LangChain publicaron “3 Years of Graph Engineering with LangGraph”, una manera muy educada de decir: “Llevamos haciendo esto desde antes de que le pusieran nombre”.

¿Qué es la ingeniería de grafos?

Primero, expliquemos la parte de “grafo”.

Un grafo, también conocido como algo parecido a un organigrama, es una colección de nodos conectados por aristas. Los nodos representan cosas que hacen algo, mientras que las aristas determinan hacia dónde va el trabajo después. En un flujo de IA, un nodo puede ser un agente de IA, otro un programa de software, otro una consulta a una base de datos y otro simplemente una persona que necesita aprobar algo.

Supongamos que quiero que la IA escriba un artículo por mí. Podría crear un agente de investigación que busque información en internet. Esa investigación pasaría a otro agente encargado de verificar los datos. Si el verificador encuentra una fuente poco fiable, el trabajo vuelve al agente de investigación. Si todo está bien, avanza al agente de redacción. El redactor produce un borrador, que podría pasar a otro agente para comprobar si suena como yo. Y finalmente, antes de que se publique nada, el artículo llega a mí.

Visualmente, imagina muchas cajas conectadas por flechas. Algunas flechas avanzan. Otras retroceden. A veces el grafo se ramifica en varias direcciones porque pueden ocurrir varias cosas al mismo tiempo, y a veces todas esas ramas terminan reuniéndose.

Lo importante es que ya no le pedimos a una sola IA que resuelva todo. Descomponemos el problema y se lo damos a varios agentes. Igual que en una empresa contratamos a distintas personas para especializarse en tareas diferentes.

De un trabajador de IA a una organización de IA

Esto me recuerda mucho a cómo ya se estructuran las empresas.

Digamos que un vendedor consigue un cliente grande. El vendedor no revisa personalmente el contrato, hace la verificación de crédito, envía la factura, aprovisiona la cuenta y gestiona la implementación. El trabajo se mueve por la organización. Legal revisa el contrato. Finanzas puede aprobar los plazos de pago. Operaciones participa. Éxito del cliente toma el relevo después del lanzamiento. Si el contrato es especialmente grande, quizá alguien de mayor rango debe aprobarlo.

Hay reglas que gobiernan hacia dónde va todo.

En cierto modo, una empresa ya es un gran grafo. Solo que lo llamamos organigrama.

Tal vez hayas visto esta diapositiva cuando doy mis conferencias.

Y luego me corregía y mostraba esta otra.

Bueno, eso fue hace solo unos meses, y otra vez hay que actualizar la diapositiva.

Aquí es donde la ingeniería de grafos se vuelve mucho más interesante para mí que el nombre. A medida que las empresas usan más agentes, ya no estamos automatizando tareas individuales. Tenemos que decidir dónde se ubica el agente en el flujo de trabajo, qué información recibe, qué se le permite hacer, qué ocurre al terminar y, sobre todo, cuándo debe intervenir una persona.

Imagina una empresa de comercio electrónico donde un agente de IA vigila constantemente el inventario. Detecta que un producto probablemente se agotará en tres semanas y envía esa información a otro agente responsable de prever la demanda. Ese agente analiza ventas históricas, estacionalidad y próximas campañas de marketing, y decide que la empresa debería pedir otras 50.000 unidades. Otro sistema calcula el coste y contacta al proveedor. Pero antes de hacer una orden de compra de 500.000 dólares, el flujo se detiene y envía la decisión a una persona para su aprobación.

Si la persona aprueba, el grafo continúa. Si dice que no, quizá vuelve al agente de pronóstico con nuevas instrucciones.

La IA ya no está respondiendo una pregunta. Está participando en un proceso de negocio.

El organigrama empieza a cambiar

Aquí es donde la ingeniería de grafos se convierte en un concepto de negocio y no solamente en un concepto de ingeniería.

Durante casi toda la era del software, los humanos fuimos el tejido conectivo entre todos nuestros sistemas. Piensa en cuánto de tu día de trabajo consiste simplemente en mover información de un lugar a otro. Recibes un correo electrónico, buscas algo, tomas una decisión, pones algo en otro sistema, envías un mensaje, esperas una aprobación y continúas.

Nosotros éramos quienes recorríamos el grafo.

Los agentes pueden recorrer una parte cada vez mayor por nosotros.

Si se vuelven lo suficientemente buenos, la pregunta interesante para las empresas ya no será solamente: “¿Qué herramientas de IA debemos comprar?”. Será: “¿Cómo debería fluir realmente el trabajo dentro de esta empresa?”.

Y esa es una pregunta mucho más difícil.

Tienes que entender qué decisiones requieren juicio y cuáles no. Tienes que saber dónde los errores serían catastróficos y dónde solo serían molestos. Tienes que decidir dónde los humanos deben permanecer en el circuito, dónde dos sistemas de IA deben revisar el trabajo del otro y dónde una aburrida sentencia SI/ENTONCES probablemente sea más fiable que el modelo más inteligente del mundo.

Lo extraño es que las personas buenas en ingeniería de grafos quizá no sean todas ingenieras. Las personas de operaciones entienden los flujos de trabajo. Los gerentes entienden la delegación. Las personas de seguridad entienden los permisos. Los auditores entienden los controles. Recursos Humanos entiende las funciones y responsabilidades. Todas estas disciplinas se vuelven relevantes cuando intentamos diseñar una empresa donde algunos trabajadores no son humanos.

¿Estamos construyendo software u organizaciones?

Esta es la parte que me lleva por la madriguera del conejo.

Imaginemos que los agentes siguen haciéndose más baratos y más capaces. Una empresa con 500 empleados humanos podría terminar teniendo 5.000 agentes funcionando en algún lugar en segundo plano. Algunos harían trabajos minúsculos y existirían solo unos segundos. Otros se convertirían en agentes persistentes que hacen el mismo trabajo todos los días.

¿Cómo llamamos a eso?

¿Es software?

¿Es una fuerza laboral?

En algún momento tendremos que decidir a quién “reportan” esos agentes, a qué sistemas pueden acceder, cómo se mide su desempeño y cuándo deben retirarse o reemplazarse. Podríamos tener agentes supervisando a otros agentes. Un gerente humano podría, en teoría, tener cinco empleados humanos y cincuenta digitales.

El organigrama empieza a ponerse muy extraño.

Y quizá por eso creo que la ingeniería de grafos es un concepto mucho mayor que otro término de moda de la ingeniería de IA. La ingeniería de prompts trataba en gran medida de cómo los humanos se comunican con la IA. La ingeniería de grafos empieza a tratar de cómo humanos, IA y software se organizan unos alrededor de otros.

Pasamos la primera fase de la IA generativa descubriendo cómo hablar con las máquinas. Luego empezamos a descubrir cómo darles trabajo.

Ahora tenemos que descubrir cómo trabajamos todos juntos.

Sharon Gai es estratega de transformación con IA y conferencista principal. Ha asesorado a Mastercard, Walmart, Coca-Cola y Capital One. Es autora de How to Do More with Less (Wiley, 2026), fue ejecutiva en Alibaba y enseña su sistema AI Bee a través de cursos como este.