In partnership with
Crear producto agénticamente será la forma en que LATAM lo hace. Las dificultades históricamente percibidas de hacer producto en la región — menos capital, equipos más chicos, distancia con los hubs — tienen ahora una vía de nivelación concreta: los agentes. Esa especialidad debemos hacerla nuestra desde la región.
La velocidad que suman IA, agentes y loops es real: lo que antes era un ciclo de discovery de semanas hoy puede ser cuestión de días. Pero esa velocidad tiene una condición que casi nadie nombra, y es el tema de la sesión que tenemos mañana, 10 de junio: context engineering para product managers. Si nunca escuchaste el término, este post te deja de 0 a 1 en los cuatro conceptos que vamos a usar.
Primero, el harness — el término viene del código
En agentic coding — agentes escribiendo código de producción — nadie serio deja al agente solo con un prompt. Lo rodea de un harness: el conjunto de tests que verifican que nada se rompió, linters que fuerzan el estándar del equipo, specs que definen qué es “correcto”, CI que bloquea lo que no pasa, e instrucciones persistentes (el CLAUDE.md del repo) que le dicen al agente cómo trabaja este equipo.
El harness es literalmente eso: un arnés. No frena al agente — lo deja correr sabiendo que si se cae, algo lo sostiene. Sin harness, un agente de código produce mucho output muy rápido, y gran parte es deuda. Con harness, la misma velocidad cruda se vuelve velocidad dirigida.
Guárdate esa imagen: lo que sigue es la misma idea aplicada fuera del código.
Context engineering, de 0 a 1
Context engineering es la disciplina de decidir qué entra al contexto del modelo antes de pedirle algo: qué información, qué instrucciones, qué tools, qué ejemplos, en qué orden.
Es el sucesor natural del prompt engineering. El prompt es un “ask”; el contexto es todo lo que el modelo “sabe” en el momento de responderte. Y un modelo no sabe nada de tu producto que tú no le hayas puesto enfrente: no conoce tu ICP, tu pricing, las tres apuestas que ya mataste este año, ni la conversación con el cliente que cambió el roadmap.
La analogía que uso en mi propio flujo: cada sesión con un agente es onboardear a alguien brillante que llega con cero memoria de tu empresa. Context engineering es diseñar ese onboarding una vez, bien, para no improvisarlo en cada chat. Cuando pasé mi flujo de PM a Claude Code, el salto de calidad no vino de mejores prompts — vino de armar los archivos de contexto que el agente lee antes de cada tarea.
La context window: curaduría sobre volumen
Todo eso entra a un espacio finito: la context window, la memoria de trabajo del modelo en una conversación. Finita en tamaño y finita en atención — y acá está la trampa: más contexto no es mejor contexto.
El instinto del PM que recién llega es volcar todo: los 40 docs de Notion, el historial de Slack, cada research de los últimos dos años. El resultado es que el ruido entierra la señal, y el modelo responde al promedio de todo en vez de a lo que importa.
La pregunta de context engineering no es “¿qué le puedo dar?” sino “¿qué es lo mínimo que necesita para esta decisión?”. El PRD vigente, no sus ocho versiones muertas. Los cinco quotes de clientes que sostienen la hipótesis, no la transcripción entera. Es trabajo de curaduría — y curar es algo que un buen PM ya sabe hacer con humanos.
La estrategia también necesita su harness
Igual que agentic coding, hacer agentic strategy — usar agentes para discovery, priorización, análisis competitivo, definición de apuestas — requiere su propio arnés: un marco contextual, instrucciones claras, información curada.
Sin eso, no obtienes estrategia. Obtienes un agente que alucina obviedades a toda velocidad — o peor, uno que te lleva rápido al lugar equivocado. Y la velocidad hace el segundo caso más caro, no más barato: el ciclo de semanas a días solo es ganancia si la dirección era correcta.
¿Cómo se ve el harness de estrategia? Es el equivalente de los tests y el linter, pero en términos de producto: tu ICP escrito, tu tesis de producto declarada, tus restricciones reales (equipo, capital, plazos), los datos que sí tienes, y tus Kill Criteria — las condiciones bajo las cuales una apuesta se mata. Ese set de indicaciones, tools e información es la ingeniería de contexto que tu IA va a aprovechar. Con ese arnés puesto, el agente deja de darte frameworks genéricos y empieza a razonar sobre tu producto.
Antes de mañana
Audita el contexto que le das hoy a tu IA. Abre tu último chat de trabajo: ¿el modelo sabía tu ICP, tu tesis, tus restricciones? Si no, estabas pidiendo estrategia sin harness.
Escribe tu harness mínimo en una página. ICP, tesis de producto, tres restricciones reales, Kill Criteria de tu apuesta actual. Esa página es tu primer archivo de contexto.
Llega con un caso real en la cabeza. Una decisión de producto abierta que tengas esta semana — todo lo de mañana aterriza mejor contra un caso tuyo que contra teoría.
Mañana, martes 10 de junio, la sesión es exactamente sobre esto: context engineering para product managers — cómo construir el arnés que convierte la velocidad de los agentes en estrategia.
→ Regístrate aquí: luma.com/5wj5wm44
El futuro del producto es agentic. Y se va a perfeccionar desde LATAM.
— Luis
Your prompts are leaving out 80% of what you're thinking.
When you type a prompt, you summarize. When you speak one, you explain. Wispr Flow captures your full reasoning — constraints, edge cases, examples, tone — and turns it into clean, structured text you paste into ChatGPT, Claude, or any AI tool. The difference shows up immediately. More context in, fewer follow-ups out.
89% of messages sent with zero edits. Used by teams at OpenAI, Vercel, and Clay. Try Wispr Flow free — works on Mac, Windows, and iPhone.
Sobre Luis: Founder de Prisma.
Si esto te suma, suscríbete al newsletter de Prisma. → getprisma.lat/newsletter
