Los ingenieros de IA cometen un error clave en la ingeniería de contexto: necesitan un modelo del mundo

El artículo destaca la brecha entre la mimetización y la comprensión real en los LLMs, atribuyéndola a la falta de modelos del mundo que permitan una expertise auténtica. Critica el enfoque predominante en recuperación aumentada (RAG) y la ingeniería de contexto sin estructura, proponiendo en su lugar ontologías, grafos de conocimiento y sistemas de memoria para dotar de significado a los datos. Ejemplifica con investigaciones de Harvard, MIT y el trabajo de Vivun en agentes para ventas. Argumenta que los agentes IA con memoria (corta, episódica, semántica, procedural) y confianza en fuentes ganarán fiabilidad en entornos empresariales de alto riesgo. Enfatiza que la escala no basta; se requiere contexto con propósito para superar la mera imitación.