Alibaba dice que el contexto es todo lo que necesitas, y que el contexto empresarial debe pertenecer a la empresa, no al agente (2026)

Comencemos con la conferencia magistral. La transcripción oficial, publicada en chino por la propia cuenta de Qianwen Office, enmarca la charla en torno a tres obstáculos con los que se topan las empresas. En nuestra traducción: una IA que no conoce tu negocio no puede responder a una pregunta como el margen bruto del último trimestre de tu región oriental, porque no sabe qué empresa es "nuestra empresa". Las ganancias de productividad se quedan en las personas que usan bien la IA, porque las organizaciones carecen de un buen mecanismo para compartir esa experiencia con todos los demás. Y las empresas dudan debido a la seguridad de los datos.

La respuesta de Chen fue que el prerrequisito para los agentes empresariales son los datos, organizados en torno a tres ideas: conectar, comprender y reutilizar. También señaló un punto que es fácil pasar por alto. Un agente que no sabe algo simplemente no lo sabe, dijo, y un modelo más inteligente no puede adivinar un hecho que nunca se le dio. Una vez que se lo dices, un modelo rentable suele ser suficiente.

El producto que anunció fue Enterprise Context. Como lo describe el informe en inglés de 36Kr, es "un producto para la gestión de datos de contexto empresarial". Conecta lo que las empresas solían llamar conocimiento tácito (documentos, reuniones y chats grupales), luego "lo comprime capa por capa y lo extrae para el uso del Agent bajo demanda". Combinado con el alojamiento de agentes de Qianwen Office, el objetivo declarado son empleados digitales que comprendan el negocio de una empresa.

La transcripción es específica sobre por qué importa la compresión. Chen argumentó que no se pueden simplemente llevar todos los datos de una empresa a un solo lugar, porque un agente no puede usarlos de esa manera: sobrecargar la ventana de contexto desperdicia el espacio que el agente necesita para la tarea en sí. Su descripción del enfoque fue estructurada en capas: organizar el conocimiento de la empresa como un sistema de archivos, donde cada nivel comprime el que está debajo, en el espíritu de cómo las habilidades revelan detalles progresivamente, además de un gráfico de relaciones entre personas, proyectos, chats y documentos.

El anuncio de Alibaba Cloud colocó la misma idea en la capa de infraestructura. El comunicado de prensa de la compañía describe su nube agéntica como "construida en torno a tres escenarios principales: modelo, arnés y contexto", con una capa de Context Engine que "proporciona datos en tiempo real y memoria a largo plazo". Dentro de ella, "Agent Context es un servicio de datos de contexto de nivel empresarial que brinda a los agentes de IA contexto en tiempo real y memoria a largo plazo. Al conectar los documentos, sistemas de negocio, registros de chat y datos multimodales de una empresa en una sola base, permite a los agentes recordar tareas pasadas, compartir conocimientos entre equipos y aprender continuamente".

Las reuniones tuvieron su propio lanzamiento. Chen presentó QwenNote A2, un grabador de notas portátil, y Shu describió más tarde el hardware como "una excelente entrada para la recopilación incremental de contexto", una forma de convertir las conversaciones en texto que un agente pueda usar. Sobre la privacidad, el informe señala que "el A2 no conserva el audio original, y el contenido de la transcripción solo conserva el texto y las actas de las reuniones".

El informe resumió el significado de oficina del eslogan en tres palabras: "El contexto lo es todo".

La entrevista es donde la idea se convierte en un principio en lugar de un discurso de venta de un producto.

A Shu Junliang se le preguntó por qué las propias aplicaciones de Alibaba todavía no compartían un contexto unificado. Su respuesta: "La dimensión no debería ser interconectar el contexto entre softwares como Qwen, Feishu y Qianwen Office, porque el contexto en realidad sigue a su sujeto, ya sea mi contexto personal o el contexto de esta empresa; esto está desacoplado del Agent que finalmente utilices".

Luego describió lo que Alibaba está intentando proporcionar: "Lo que ofrecemos es la infraestructura de contexto a nivel empresarial, que pertenece a la propia empresa". Y explicó por qué una empresa querría eso: "Las grandes empresas no solo usarán un producto de IA, sino que también desarrollarán algunos productos de IA por sí mismas. ¿No pueden estos productos de IA beneficiarse de mi contexto?"

Su comparación final es la línea más sincera del artículo. Llamó al contexto empresarial "la infraestructura de datos en la nueva era, que es lo mismo que la base de datos, excepto que aún no se ha estandarizado como la base de datos".

De esas frases se desprenden tres cosas. El contexto es un activo de la organización, no una característica de cualquier agente que se esté utilizando hoy en día. Las empresas ejecutarán varios agentes, algunos comprados y otros desarrollados internamente, y todos ellos deberían beneficiarse del mismo contexto. Y la industria aún no tiene una forma estándar de hacer esto.

Shu fue igualmente directo sobre el aspecto personal. Los datos personales, dijo, están "actualmente dispersos en varias aplicaciones", y el hecho de que alguien pueda recopilarlos "depende de si estas empresas abren los permisos a los individuos. En la actualidad, no hemos visto esta tendencia de apertura".

Sí convierte al "contexto empresarial" en una categoría con nombre propio. Cuando Alibaba Cloud organiza su estrategia de agentes en torno a modelo, arnés y contexto, y le da al contexto su propia línea de productos, la idea de una capa de contexto para agentes de IA deja de ser un nicho. Es de esperar que más proveedores describan sus productos de esta manera.

Sí valida un enfoque al que muchos equipos llegaron por el camino difícil. Conectar las fuentes, comprimirlas en algo que un agente pueda usar y hacer que el conocimiento individual sea reutilizable en todo el grupo. Las tres claves de Chen (conectar, comprender, reutilizar) son un resumen claro de cómo se ve la ingeniería de contexto a escala empresarial.

No crea un estándar. El propio Shu lo dijo. Enterprise Context es un producto dentro de Qianwen Office, que está profundamente integrado con DingTalk; Chen hizo hincapié en la apertura, diciéndole a la audiencia que Qianwen Office sirve a muchos clientes que usan Feishu y WeCom y que "Ya sea Qianwen Office o Enterprise Context, debemos adherirnos al principio: apertura, y más apertura". Ese es el compromiso de un proveedor, no un formato interoperable.

No resuelve el contexto personal. Según el propio relato de Shu, los datos que describen a un individuo están dispersos en aplicaciones que no los abren.

Y no le dice a un equipo que usa ChatGPT, Claude, Cursor y un agente interno dónde debería residir su contexto hoy en día. Esa parte queda en tus manos.

"Un modelo mejor lo solucionará". La conferencia magistral argumenta lo contrario. Un modelo con más inteligencia no puede inferir tus reglas de precios o tus definiciones regionales. La misma lógica explica por qué una ventana de contexto más grande no es memoria: la capacidad no es conocimiento.

"Pon todo en un gran almacén y deja que el agente busque". Chen dedicó gran parte de la charla a explicar por qué eso falla. La compresión y la estructura son el verdadero trabajo.

"El contexto es una característica del agente que elijo". El punto de Shu es que debería estar desacoplado del agente. Si tu contexto vive dentro de una herramienta, cambiar de herramienta significa empezar de nuevo, que es la pregunta detrás de si la memoria de IA es una característica o un bloqueo de proveedor.

"Esto es solo para grandes empresas". Los tres obstáculos de la conferencia magistral (agentes que no conocen el negocio, conocimientos que se quedan en las personas y el nerviosismo por los datos) describen a un equipo de diez personas con tanta precisión como a uno grande. La escala cambia; el problema no.

No necesitas una plataforma empresarial para actuar según el argumento de Alibaba. Debes decidir qué deben saber tus agentes, mantenerlo compacto y guardarlo en un lugar que sobreviva a cualquier herramienta individual.

Paso 1: Escribe el contexto que un agente no puede adivinar

Toma el ejemplo de la conferencia magistral de forma literal. ¿Qué significa "nuestra región oriental" en tu empresa? ¿Cómo se calcula aquí el margen bruto? ¿Qué clientes son estratégicos, qué productos se están retirando, qué decisiones son definitivas? Estos son hechos que ningún modelo puede inferir, y son exactamente lo que se vuelve a explicar en cada nuevo chat.

Haz una lista de ellos. Luego añade la segunda categoría que describió Chen: el conocimiento práctico de las personas que usan bien la IA. El prompt que funciona, la lista de verificación de revisión, la forma en que tu mejor vendedor estructura una propuesta. Hoy en día, ese conocimiento reside en el historial de chat de una sola persona.

Este es también el conocimiento tácito que se va por la puerta cuando alguien se marcha, razón por la cual mantener el contexto de IA cuando alguien se va comienza con esa misma lista.

Paso 2: Comprímelo en capas por las que un agente pueda navegar

Resiste la tentación de subirlo todo. Sigue la estructura descrita en la conferencia magistral, a cualquier escala que se adapte a tu equipo.

En la parte superior, un índice corto: qué hace el equipo, los proyectos principales, dónde buscar detalles. Debajo, una entrada concisa por proyecto, cliente o proceso, con el estado actual y las decisiones que lo definieron. Debajo de eso, los documentos de origen en sí, para cuando realmente se necesiten detalles.

Conecta las piezas. Una entrada sobre un proyecto debe nombrar a las personas involucradas y los documentos importantes, para que un agente pueda pasar de uno a otro en lugar de adivinar. Los resultados de las reuniones también pertenecen aquí, redactados como decisiones en lugar de transcripciones, ya que una transcripción registra lo que se dijo y una entrada registra lo que se acordó. Y pon fecha a las cosas. Shu señaló que dentro de las empresas hay "muchas contradicciones entre la naturaleza de los datos y el orden cronológico de los datos": la decisión más reciente debe reemplazar visiblemente a la antigua.

Paso 3: Mantenlo desacoplado de cualquier agente individual y comprueba que lo esté

Este es el principio de Shu convertido en una comprobación. Almacena tu contexto donde más de un agente pueda acceder a él, luego haz la misma pregunta en dos herramientas diferentes. Si solo una de ellas conoce la respuesta, tu contexto está viviendo dentro de esa herramienta.

Establece límites al mismo tiempo. La conferencia magistral prestó gran atención a la seguridad, incluyendo el requisito de confirmación antes de que un agente acceda a datos confidenciales. Decide qué contexto se comparte con cada agente y cuál se restringe, antes de conectar nada.

Por último, mantenlo actualizado. Chen señaló que los datos comerciales cambian constantemente y deben volver a comprenderse a medida que cambian. Haz que la actualización del contexto sea parte del cierre de una decisión, no una tarea separada. Configurar la memoria de IA compartida para un equipo cubre la versión diaria de este hábito.

El enfoque de Alibaba describe una capa que pertenece a la organización y sirve a cualquier agente que esta utilice. Para los equipos que trabajan con ChatGPT, Claude, agentes de programación y sus propias herramientas, MemoryLake es un lugar para mantener esa capa: memoria a largo plazo para agentes de IA que reside fuera de cualquier producto individual.

Tú mismo escribes las entradas, con tus propias palabras. No se lee, escribe ni elimina nada de Qianwen Office, DingTalk, Alibaba Cloud ni de la tienda de ningún proveedor.

Paso 1: Crea una clave API

Inicia sesión y genera una clave desde el panel de control. La clave pertenece a tu espacio de trabajo en la capa de memoria, por lo que es independiente del agente que tu equipo esté utilizando este trimestre.

Paso 2: Sube tus primeras memorias

Comienza con la lista del Paso 1 de la solución anterior: las definiciones que ningún modelo puede adivinar, las decisiones que son definitivas y el conocimiento práctico que vale la pena compartir. Mantén cada entrada compacta y con fecha, siguiendo la estructura en capas del Paso 2.

Paso 3: Conecta tu IA y tus agentes

Conecta los asistentes y agentes que utiliza tu equipo. Las mismas entradas estarán disponibles en cada uno de ellos, superando por diseño la prueba de desacoplamiento del Paso 3.

La primera diferencia es que la incorporación de un agente se parece a la incorporación de una persona. En lugar de volver a explicar el negocio en cada chat, cada nueva herramienta comienza con el mismo resumen. La mayor parte de lo que la gente llama olvido de la IA en el trabajo es esta brecha, como describe por qué el conocimiento de IA de la empresa desaparece cada lunes.

La segunda es que el conocimiento práctico individual se convierte en conocimiento del equipo. El punto de la conferencia magistral sobre la experiencia no compartida se resuelve menos con una nueva función que con un hábito: cuando alguien encuentra un enfoque que funciona, este va al contexto compartido, no solo a su propio historial.

La tercera es que cambiar o añadir agentes deja de ser costoso. Si el contexto está desacoplado, un nuevo agente de programación, un nuevo asistente de chat o una herramienta interna creada el próximo año comenzarán informados. De esa portabilidad trata la memoria entre agentes.

La cuarta es que las decisiones de seguridad se vuelven explícitas. Decidir qué puede ver cada agente es más fácil cuando el contexto es una capa que tú controlas que cuando está disperso en varias herramientas, cada una con sus propios valores predeterminados.

Comienza con lo que no se puede inferir. Las definiciones, decisiones y excepciones importan más que los documentos masivos.

Comprime antes de conectar. Un conjunto corto y estructurado en capas de entradas es mejor que una gran pila por la que un agente tenga que abrirse paso.

Pon fecha a cada decisión. La versión más reciente debe reemplazar visiblemente a la antigua.

Mantén el contexto independiente de cualquier agente. Pruébalo haciendo la misma pregunta a dos herramientas.

Establece límites de acceso de forma temprana. No todos los agentes necesitan conocer todos los hechos.

Evalúa las plataformas por la propiedad, no solo por las funciones. Al comparar plataformas de memoria de IA empresarial, pregunta si el contexto sigue siendo tuyo si cambias de proveedor.

"Context is All You Need" es un eslogan, pero el argumento detrás de él es sólido. La conferencia magistral de Chen Yusen demostró que los agentes fallan en el trabajo principalmente porque carecen del contexto de la empresa, y que la tarea consiste en conectarlo, comprimirlo y hacerlo reutilizable. Alibaba lanzó Enterprise Context y Agent Context para hacer eso a escala.

La frase que sobrevivirá a los lanzamientos es la de Shu Junliang: el contexto "está desacoplado del Agent que finalmente utilices", y el contexto de una empresa "debe pertenecer a esta empresa". Fue sincero al admitir que la infraestructura para esto "aún no se ha estandarizado como la base de datos".

Hasta que lo esté, la respuesta práctica es la misma para cualquier equipo: escribe lo que los agentes no pueden adivinar, mantenlo compacto y actualizado, y guárdalo en un lugar al que pueda acceder cada agente que utilices.