Enginyeria de context vs. prompt engineering

Si busques la diferència entre enginyeria de context (context engineering) i prompt engineering, probablement ja has notat el símptoma: l'equip fa temps que afina instruccions per a ChatGPT, Claude o Copilot, aconsegueix demos brillants, i tot i així res no arriba a producció de manera fiable. La raó no és l'eina ni el model. És que hi ha dues disciplines diferents darrere de "treballar amb IA", i confondre-les et deixa encallat en la que té sostre.

Prompt engineering: afinar la pregunta

El prompt engineering és l'art de formular bé la instrucció que dones al model: triar les paraules, donar exemples, estructurar la petició per obtenir la millor resposta possible en aquesta interacció. És útil, és real i és el punt d'entrada natural — qualsevol pot començar avui.

Però té tres límits que apareixen ràpid:

• És per interacció. Un bon prompt millora aquesta resposta. La següent comença de zero. No acumula.
• Viu al cap de qui l'escriu. El "prompt màgic" que a algú li funciona no és un actiu de l'empresa; és coneixement tàcit que se'n va quan aquesta persona se'n va.
• Depèn del model de torn. Un prompt afinat per a un model es degrada quan canvies de model o el proveïdor l'actualitza. Estàs construint sobre sorra.

Per això l'equip que només fa prompt engineering viu en un bucle de demos: cadascun impressionant, cap de reproduïble a escala.

Enginyeria de context: construir el que el model necessita saber

L'enginyeria de context canvia la pregunta. En lloc de "com formulo millor la instrucció?", pregunta "què necessita saber el model sobre el meu negoci per fer això bé, sempre?". I converteix aquesta resposta en un actiu: regles de negoci, criteris de qualitat, documentació de domini, exemples validats, restriccions — recollits i estructurats perquè qualsevol agent o copilot els faci servir de manera consistent.

La diferència és de naturalesa, no de grau:

• Acumula. El context que codifiques avui serveix per a totes les interaccions futures, no només per a una. És infraestructura, no una ocurrència.
• És teu. El context de com funciona la teva empresa no viu a la llicència de ningú ni al cap d'un freelancer. És un actiu propi que es queda.
• Sobreviu al canvi de model. Quan apareix un model millor —i apareixerà cada pocs mesos—, el teu context es reaprofita. No reconstrueixes; migres.

Per què aquesta distinció decideix si la IA arriba a producció

La majoria de projectes d'IA que fracassen no fracassen pel model. Fracassen perquè intenten arribar a producció amb la disciplina equivocada: prompts afinats a mà, sense context codificat, sense criteri de qualitat reproduïble. Funcionen a la demo —el camí feliç, amb el prompt perfecte— i es trenquen amb la casuística real del negoci, que cap prompt aïllat cobreix.

Producció exigeix el que només dona el context:

• Consistència: la mateixa tasca dona el mateix resultat de qualitat, la faci qui la faci, perquè el criteri viu al context, no a l'habilitat de qui va promptejar.
• Govern: pots auditar per què el sistema va respondre el que va respondre, perquè el context és explícit i versionat.
• Escala: afegir un cas d'ús nou reutilitza el context existent en lloc de començar de zero amb un altre prompt artesanal.

A onext ho formulem així: l'enginyeria de context és recollir com treballa de veritat la teva empresa —les seves regles, el seu domini, els seus criteris— i convertir-ho en el context que fan servir els teus agents i copilots. És la base que la IA passi del PowerPoint a l'operació governada. I és, no per casualitat, l'actiu que es queda dins de la teva organització quan el projecte acaba.

No és prompt engineering o context engineering

No són rivals; són capes. Continues necessitant bons prompts — però com la punta de l'iceberg, no com l'estratègia sencera. La piràmide sana és:

1. Context (la base): el que el model sap del teu negoci, codificat i reutilitzable.
2. Mètode (el com): Spec-Driven Development i verificació humana perquè la velocitat no costi qualitat.
3. Prompt (la interacció): la instrucció concreta, ara recolzada en una base sòlida.

L'equip que inverteix només a la punta es queda en demos. El que inverteix a la base porta la IA a producció — i construeix un actiu que no es revaloritza en contra seva cada vegada que canvia el model.

Preguntes freqüents

Quina és la diferència entre enginyeria de context i prompt engineering?

El prompt engineering afina la instrucció que dones al model en una interacció concreta; millora aquesta resposta, però no acumula i depèn del model de torn. L'enginyeria de context construeix el que el model sap del teu negoci —regles, criteris, domini— com un actiu reutilitzable i consistent en totes les interaccions. El prompt és com preguntes; el context és el que el model sap de tu quan preguntes.

El prompt engineering ja no serveix?

Sí que serveix, però és la capa superior, no l'estratègia. Continues necessitant bons prompts; el que no funciona és recolzar en ells tot el pes de portar la IA a producció. Sense context codificat a sota, els prompts produeixen demos brillants que no escalen ni es poden governar.

Per què l'enginyeria de context és clau per portar la IA a producció?

Perquè producció exigeix consistència, govern i escala, i això només ho dona un context explícit i reutilitzable: el mateix criteri de qualitat per a tothom, la possibilitat d'auditar per què el sistema va respondre el que va respondre, i reutilitzar el que s'ha construït per al següent cas d'ús. Els prompts solts no en donen cap dels tres.

Conclusió

Afinar el prompt té sostre; construir el context no. Aquesta és la frontera que separa els equips que ensenyen demos d'IA dels que l'operen en producció. El prompt engineering és un bon punt d'entrada, però l'actiu —el que es queda, el que escala, el que sobreviu al pròxim model— és el context del teu negoci, codificat i teu. Si la teva IA fa mesos que impressiona al demo i sense entrar a l'operació, probablement no és un problema de prompts: és que falta la capa de sota.

Si vols passar de "provar prompts" a construir aquesta base a la teva empresa, comença per un diagnòstic: en unes setmanes tens clar quin context del teu negoci cal codificar primer i un pla per portar la IA de la demo a producció governada.