Aquí tienes una historia de detectives analítica: un producto tiene 5M de MAU y un 80% de DAU / MAU. ¿Es saludable? La mayoría de las personas, así como tu LLM, dirían: ¡vaya, producto fuerte! Ahora añade un hecho más: Duración promedio de la sesión diaria: 30 segundos De repente, la historia cambia. Quizás los usuarios solo están revisando una notificación y se van. Tal vez este es un compromiso superficial y reflexivo, no un verdadero valor del producto. Pero añade un hecho más: es una aplicación de pagos. ¡Ahora 30 segundos parece totalmente normal! Abre la app, envía dinero, cierra la app. Las mismas métricas, pero con una interpretación completamente diferente. Este es uno de los mayores problemas con el análisis de IA. La IA no se detiene de manera confiable y dice: "No tengo suficiente información para saber". En cambio, llena los vacíos con la historia más estadísticamente plausible que ha visto antes. Por eso, las entradas escasas producen salidas genéricas pero seguras. ¿La solución a esto? Contexto ortogonal: hechos independientes que reducen la ambigüedad desde diferentes direcciones. Lee nuestro último ensayo en Opinionated Intelligence sobre la idea de Contexto Ortogonal.