Por: Facundo Barreto, developer en Urudata Software
En los últimos años, el desarrollo asistido por IA dejó de ser una novedad para convertirse en parte del trabajo cotidiano de muchos equipos. Ya no se trata solo de pedirle a un modelo que escriba una función o sugiera un refactor, el foco está cada vez más en cómo lograr que esa asistencia sea más consistente, más útil y alineada con la forma real en que trabaja un equipo de desarrollo.
Con este cambio de perspectiva aparece un punto clave: el problema no suele ser solo el modelo, sino el contexto.
Un asistente puede ser muy capaz y, aun así, dar respuestas poco útiles si no entiende bien qué se está construyendo, qué restricciones existen, qué criterios debe seguir o cómo está organizado el trabajo. En ese escenario, las skills empiezan a ocupar un lugar cada vez más importante. Más que una funcionalidad extra, son una manera de estructurar y reutilizar contexto para mejorar la calidad de la asistencia.
El desarrollo asistido por IA no depende solo del modelo
Muchas veces, cuando una herramienta de IA falla en una tarea de desarrollo, la primera reacción es atribuirlo a una limitación del modelo. Sin embargo, en la práctica, una parte importante de esos errores tiene otra causa: el asistente trabaja con un contexto incompleto, frágil o mal definido.
Eso se nota en situaciones bastante comunes. Por ejemplo, cuando el asistente:
- propone una solución que ignora convenciones ya definidas
- repite errores que ya habían sido corregidos
- pierde restricciones a medida que avanza la conversación
- responde bien al principio, pero se desvía después de varias iteraciones
En todos esos casos, el problema no es solo “qué tan bueno es el modelo”, sino cómo recibe, conserva y reutiliza la información necesaria para trabajar bien. En desarrollo, ese contexto incluye mucho más que el prompt inmediato. También abarca criterios de arquitectura, estilo de trabajo, buenas prácticas del equipo, restricciones técnicas, objetivos de la tarea y hasta la forma esperada de validar resultados. Cuando todo eso depende únicamente de lo que un usuario recuerda escribir en cada interacción, la asistencia se vuelve inestable.
El contexto como cuello de botella
El desarrollo de software es una actividad especialmente sensible al contexto. Dos tareas que parecen similares a simple vista pueden requerir decisiones completamente distintas según el repositorio, el dominio del problema o las reglas del equipo.
Por eso, un asistente de desarrollo no necesita solo “entender código”. Necesita también entender cosas como:
- qué tipo de cambio se espera
- qué no debe tocar
- qué estándares debe seguir
- cómo se verifica el resultado
- qué patrones ya existen y conviene respetar
Cuando ese marco no está claro, el resultado suele ser una asistencia más superficial, más errática y menos confiable. El usuario termina corrigiendo una y otra vez el mismo tipo de desvío. A veces lo hace sin notarlo: reescribe restricciones, repite instrucciones, vuelve a aclarar el objetivo o reinstala el contexto que se fue perdiendo durante la interacción.
Ese desgaste tiene un nombre que cada vez aparece más en estas conversaciones: context rot.
Qué es el context rot y por qué aparece
Podemos pensar el context rot como la degradación progresiva del contexto durante una interacción o a lo largo de un flujo de trabajo asistido por IA. No siempre se manifiesta de forma abrupta. Muchas veces aparece como una deriva gradual: el asistente empieza bien, pero con el tiempo pierde precisión, mezcla instrucciones, se contradice o deja de respetar decisiones previas.
Esto puede ocurrir por varios motivos:
- el contexto inicial era insuficiente
- la tarea creció y acumuló demasiadas dependencias implícitas
- se mezclaron instrucciones temporales con reglas permanentes
- la herramienta depende demasiado de prompts aislados
- no existe una forma estable de reutilizar criterios importantes
En otras palabras, el contexto no solo puede ser incompleto: también puede desordenarse, diluirse o degradarse.
Y ahí es donde las skills se vuelven especialmente valiosas, porque no intentan resolver el problema agregando solo más capacidad, sino dando una forma más estable a la información que el asistente necesita para trabajar mejor.
Qué son las skills y por qué importan
En este contexto, una skill puede entenderse como una forma de encapsular instrucciones, criterios, procesos o conocimiento reusable para que el asistente los cargue y aplique de manera consistente.
La idea importante no es la implementación concreta, sino el rol que cumple. Una skill permite que cierto contexto deje de depender únicamente de un prompt escrito a mano en cada sesión. En lugar de volver a explicar siempre lo mismo, parte de ese marco ya viene organizado.
Eso cambia bastante la calidad de la asistencia. Porque una skill no solo agrega información: también ayuda a darle estructura.
Por ejemplo, una skill puede ayudar a fijar:
- cómo abordar cierto tipo de tarea
- qué validaciones hay que hacer antes de dar algo por resuelto
- qué estilo de respuesta o de trabajo conviene seguir
- qué criterios son obligatorios dentro de un flujo
Visto así, las skills importan porque atacan un problema central del desarrollo asistido por IA: la dependencia excesiva del contexto improvisado.
Cómo las skills ayudan a estructurar y reutilizar contexto
Uno de los mayores aportes de las skills es que convierten conocimiento disperso en contexto reutilizable. Eso tiene varias ventajas.
La primera es la consistencia. Si un flujo de trabajo depende siempre de ciertas reglas o pasos, una skill permite que esas reglas aparezcan de forma más estable. Ya no hace falta recordarlas o reformularlas en cada interacción.
La segunda es la claridad. No toda la información contextual tiene el mismo peso. Hay cosas transitorias y cosas permanentes. Las skills ayudan a separar mejor lo estructural de lo circunstancial, evitando que todo quede mezclado dentro de una conversación larga.
La tercera es la reducción del context rot. Si parte del marco de trabajo está encapsulado y se vuelve reusable, es menos probable que el asistente pierda el hilo tan rápido o que derive por falta de referencias estables.
En ese sentido, las skills no son solo una forma de “extender” un asistente. Son una forma de hacerlo menos dependiente del prompt aislado y más capaz de trabajar dentro de un marco definido.
Skills vs MCP: qué problema resuelve cada uno
Cuando aparecen estas discusiones, es común que skills y MCP se mezclen. Sin embargo, resuelven problemas distintos.
Las skills están mucho más cerca del problema del contexto. Sirven para organizar instrucciones, conocimiento reusable y criterios de trabajo. Su aporte principal es ayudar a que el asistente trabaje con un marco más estable y consistente.
MCP, en cambio, cumple otro rol. Su valor está en conectar al asistente con herramientas, datos y sistemas externos. Es una capa de interoperabilidad. Permite ampliar capacidades operativas: consultar información, ejecutar acciones, integrarse con recursos del entorno.
Dicho de forma simple:
- las skills mejoran cómo trabaja el asistente con el contexto
- MCP mejora con qué puede interactuar el asistente
Las dos cosas pueden ser valiosas. Pero no resuelven el mismo problema.
Si el asistente no entiende bien las reglas del trabajo, pierde restricciones o necesita que le repitan constantemente el marco de la tarea, agregar acceso a más herramientas no corrige necesariamente ese problema. Puede incluso volverlo más complejo si el contexto sigue siendo débil.
Por eso, cuando la discusión está centrada en contexto y context rot, las skills pegan más en el centro del problema que MCP.
Por qué las skills atacan mejor el problema del contexto
La comparación no implica que una opción “reemplace” a la otra. Pero sí conviene ser claros con el diagnóstico.
Si el problema es:
- pérdida de consistencia
- repetición de instrucciones
- deriva entre iteraciones
- olvido de restricciones
- necesidad de reinyectar contexto todo el tiempo
entonces las skills ofrecen una respuesta más directa.
Esto pasa porque su función no es abrir nuevas puertas hacia herramientas externas, sino estabilizar el marco con el que el asistente razona y actúa. Y en desarrollo asistido por IA eso importa mucho, porque la calidad del resultado depende tanto del conocimiento disponible como de la forma en que ese conocimiento está organizado.
En otras palabras: si un asistente tiene muchas capacidades, pero trabaja con contexto degradado, su ayuda seguirá siendo irregular. En cambio, si cuenta con un contexto mejor estructurado, la interacción gana previsibilidad, coherencia y utilidad práctica.
Cómo pensar mejores flujos de desarrollo asistido
Si algo muestran estas herramientas es que el desarrollo asistido por IA madura cuando deja de pensarse solo como una conversación y empieza a diseñarse como un sistema de contexto.
Eso implica algunas buenas prácticas bastante concretas:
- no depender exclusivamente de prompts sueltos
- identificar qué contexto conviene reutilizar siempre
- separar reglas estables de instrucciones circunstanciales
- diseñar skills que aporten claridad y no solo volumen de texto
- usar integraciones externas cuando resuelven una necesidad real, no como sustituto de un contexto mal armado
También implica una idea importante para los equipos: no toda mejora en capacidades resuelve una mejora en calidad. A veces, antes de sumar más herramientas, conviene ordenar mejor el marco con el que el asistente trabaja.
Conclusión
A medida que el desarrollo asistido por IA evoluciona, queda más claro que el valor no está solo en tener modelos más potentes. También está en cómo se construye y sostiene el contexto.
Desde esa perspectiva, las skills importan porque ayudan a capturar una parte del conocimiento que antes quedaba dispersa, repetida o atada a prompts efímeros. Al
hacerlo, vuelven la asistencia más consistente y atacan de manera más directa uno de los problemas más comunes de este tipo de herramientas: el context rot.
MCP puede aportar mucho cuando lo que se necesita es conectar al asistente con herramientas y sistemas. Pero si la pregunta es cómo mejorar el contexto con el que trabaja un asistente de desarrollo, las skills ocupan un lugar central.
Y probablemente ahí esté una de las claves de esta etapa: entender que el desarrollo asistido por IA no mejora solo agregando más capacidad, sino también diseñando mejor el contexto.
Facundo Barreto es Developer en Urudata Software y participa en iniciativas vinculadas a desarrollo de software, IA y arquitectura tecnológica. Presentó la charla ”Skills” en la primera edición de las Tech Talks 2026.
