Cómo funciona realmente la memoria
Estas son las preguntas que la gente hace sobre la memoria persistente en IA — incluidas las que dan por hecho que hemos construido lo mismo que todos los demás. Se responden todas, salvo la parte que nos guardamos, y de eso también hablaremos con claridad.
Diseñada como una memoria, no como un almacén
La mayoría de los sistemas que se presentan como «IA con memoria» son un chatbot con un buscador encima. Cada conversación se añade a un montón y después el sistema busca en el montón. Queda muy bien en una demo y funciona durante un mes. Falla a escala por un motivo que no tiene nada que ver con el espacio en disco y todo que ver con la recuperación: pregunta algo al cabo de un año y el montón te devuelve veinte registros casi idénticos en lugar de la única conclusión que importa.
La memoria humana no funciona así. Guarda dos cosas distintas: la memoria episódica, el registro de hechos concretos ligados a un momento y un lugar, y la memoria semántica, el conocimiento general ya separado de los hechos que lo produjeron. Sabes que un proveedor no es fiable sin revivir cada entrega tardía que te lo enseñó.
Sobre esa separación está construida nuestra memoria, y por eso un empleado de MemVira se vuelve más preciso con los años en lugar de más lento.
¿Qué es un empleado digital?
No es un chatbot ni un script de automatización. A un empleado digital se le da un puesto, las herramientas para ejercerlo y una memoria que persiste entre conversaciones, de modo que acumula conocimiento de tu negocio igual que lo haría una persona en ese puesto. Recuerda al cliente que siempre paga tarde, al proveedor al que hay que perseguir, la decisión que tomaste en marzo y por qué. Pregúntale algo hoy y responde desde todo lo que ha aprendido, no desde los últimos mensajes de la ventana.
¿Cómo funciona el sistema de memoria de MemVira?
Ocurren tres cosas. La experiencia se registra en el momento en que sucede, con su contexto: qué pasó, cuándo, a qué parte del negocio pertenece y cuánto pesa. La recuperación es por significado y no por palabra clave, así que una pregunta sobre un problema de entrega encuentra el historial relevante aunque se anotara con palabras completamente distintas. Y la experiencia repetida se consolida: muchos registros parecidos se destilan en uno solo y duradero que conserva la conclusión, y el material en bruto se libera.
El tercer paso es el que más importa con el tiempo, y es el que la mayoría de los sistemas no tiene en absoluto.
¿No se hinchará la memoria al cabo de meses o años?
Se vuelve más precisa, no más hinchada. Fue el primer fallo que diseñamos para evitar, porque es el que mata a los sistemas que solo acumulan.
El problema nunca fue el almacenamiento: el texto es barato y una década de él no cuesta casi nada. El problema es la recuperación. Un almacén que solo añade se degrada por crecer: tras cientos de conversaciones una pregunta devuelve veinte registros casi idénticos en vez de la única conclusión destilada, y la señal se ahoga en el ruido. El sistema se vuelve más lento y más vago justo cuando debería estar volviéndose más valioso.
Eso lo evita la consolidación. Cuando la misma lección se repite, pasa a ser un único elemento duradero que contiene la conclusión, y los registros que la produjeron se liberan. La recuperación devuelve lo que aprendiste, no las veinte veces que lo aprendiste. Los recuerdos además tienen peso: el contexto rutinario se desvanece si nunca vuelve a consultarse, mientras que las decisiones que dieron forma al negocio no.
La garantía, en una línea: la memoria se afila con los años.
¿Cómo gestionáis la compactación y la poda de la memoria?
La compactación es por consolidación, no por truncamiento. No borramos los registros más antiguos para hacer sitio ni comprimimos una conversación en un párrafo tirando el resto: ambas cosas pierden material que no se recupera.
En su lugar, los grupos de experiencia relacionada se destilan en un único elemento de mayor peso una vez capturado su significado, y el material en bruto se libera. La poda es por peso y por uso, no por antigüedad: algo registrado hace dos años que sigue importando sigue ahí, y algo de la semana pasada que nunca importó, no.
Nada se elimina por una regla fija de antigüedad o de número de registros. Es deliberado: una regla que borra por fecha acabará borrando justo lo que necesitabas.
¿Cuál es el esquema estructural de la memoria: texto sin estructura o un grafo de conocimiento real?
Ninguno de los dos, y es una elección, no una omisión.
No carece de estructura. Cada recuerdo lleva tipo según qué clase de cosa es, peso según cuánto importa, ámbito según la parte del negocio a la que pertenece, y marca temporal. La recuperación es semántica —por significado— y no coincidencia de cadenas.
Tampoco es un grafo de conocimiento formal, y eso es una decisión y no un atajo. Una ontología hay que diseñarla antes de que sirva de algo y mantenerla alguien que la entienda, y se rompe la primera vez que el negocio hace algo que el esquema no previó. Las pequeñas empresas no contratan ontólogos, y una memoria que necesita uno es una memoria que deja de actualizarse.
Lo que obtienes es estructura sin carga de mantenimiento: consultable y fiable, sin que nadie tenga que modelar antes su empresa como un diagrama.
¿Qué ocurre si el modelo cae a uno de respaldo o se desborda la ventana de contexto?
Ninguna de las dos cosas puede hacer que el empleado olvide, y eso es estructural: no te pedimos que te fíes.
La memoria vive fuera del modelo. No es la ventana de contexto ni un búfer de conversación, así que ningún tiempo de espera, reinicio o caída del modelo puede perderla. Si el modelo principal deja de estar disponible, el trabajo continúa en uno de respaldo y el empleado sigue sabiendo todo lo que sabía un minuto antes. Cambia la calidad de la redacción, no el contenido de la memoria.
El desbordamiento no llega a producirse, porque nada carga nunca todo. La recuperación devuelve solo lo relevante para la pregunta formulada: no hay un paso de «cárgalo todo» que pueda desbordarse. Es una propiedad del diseño, no un límite que estemos gestionando con cuidado.
Lo que no afirmamos: que el paso a un modelo de respaldo sea invisible. Otro modelo escribe distinto, y preferimos que lo notes a asegurarte que no ha pasado nada.
¿De quién es la memoria y están mis datos aislados de otros clientes?
Es tuya. Es un registro de tu negocio y sigue siendo tuyo: bajo el RGPD puedes pedir una copia cuando quieras, y ese derecho no depende de nuestra buena voluntad ni de que sigas siendo cliente.
El aislamiento es por cliente a nivel de infraestructura, no un filtro aplicado en el código. El empleado de un cliente no puede leer la memoria de otro porque las dos ni siquiera están en el mismo sitio.
No entrenamos modelos con tus datos. Qué proveedor de modelo procesa tus conversaciones lo eliges tú, y queda por escrito en el contrato, no en una nota al pie.
¿Qué puede hacer un empleado digital sin preguntarme?
Todo lo que sale de la empresa —un correo a un cliente, un pedido a un proveedor, una publicación— se redacta y espera aprobación por defecto. Ves lo que pretende enviar antes que nadie.
El trabajo interno no espera: leer, clasificar, conciliar, redactar, señalar, preparar. Esa es la parte que te devuelve las tardes.
El límite se amplía a medida que crece la confianza, y se mueve solo cuando lo mueves tú.
¿No sale caro tanta memoria? ¿Qué pasa con el consumo de tokens?
Reduce el consumo de tokens en lugar de aumentarlo, y eso está medido, no simplemente afirmado: es el objeto de uno de nuestros artículos publicados.
La intuición detrás de la pregunta es razonable: memoria suena a prompts más largos, y los prompts más largos cuestan más. Eso es exactamente cierto en los sistemas que van metiendo el historial en la ventana de contexto hasta reventarla. No lo es en el nuestro, porque nada carga todo: una conversación sobre un problema de entrega no arrastra consigo las facturas del año pasado.
Lo caro nunca fue la memoria. Es el olvido. Una sesión sin memoria gasta sus primeros tokens reconstruyendo un contexto que ya se conocía —volviendo a explicar el negocio, el historial, las decisiones— antes de empezar cualquier trabajo útil. Y cada sesión vuelve a pagar ese peaje. Medir ese coste es justamente lo que hace The Overhead Cost of Forgetting.
Así que el coste de un empleado digital no sube a medida que aprende sobre ti. El empleado que lleva dos años contigo sale más barato de consultar que el que empezó el lunes, porque necesita menos explicaciones.
¿No es simplemente un modelo de lenguaje interpretando a un empleado con un prompt muy largo?
No, y aquí está la diferencia estructural más nítida entre lo que hemos construido y lo que la pregunta da por supuesto.
El razonamiento y el estado viven en el agente, no en el modelo. Al modelo se le llama como facultad lingüística, repetidamente y sin estado. Una tarea de treinta pasos son treinta llamadas separadas. El agente sostiene el hilo entre ellas, decide qué viene después y transporta la memoria. Nada depende de un prompt enorme que tenga que mantenerlo todo a la vista a la vez.
De ahí se siguen tres cosas. El modelo puede cambiarse sin que el empleado pierda nada, porque el empleado no es el modelo. Ninguna conversación puede crecer lo bastante como para desbordarse, porque ninguna llamada tiene que sostener la tarea entera. Y un paso fallido es un paso fallido, no una identidad perdida: el agente simplemente da el siguiente.
Un prompt que interpreta un papel es un modelo fingiendo continuidad dentro de una ventana, y se acaba cuando se acaba la ventana. Esto es continuidad que existe fuera del modelo y le sobrevive.
¿Comparten todos los agentes una misma memoria?
No. Cada agente tiene su propia memoria, y es deliberado, no una limitación que aún no hayamos resuelto.
Tu especialista de marketing no carga con la memoria de tu contable, por la misma razón por la que son dos personas distintas en una empresa real. Un agente que lo recuerda todo sobre todo es peor en todo, no mejor: el historial relevante deja de destacar sobre el irrelevante, que es justo el fallo que toda esta arquitectura existe para evitar.
También es una propiedad de privacidad, no una preferencia. Si todos bebieran del mismo pozo, el que atiende a un cliente podría sacar a la luz algo de tus cuentas. Las memorias separadas lo hacen estructuralmente imposible en vez de dejarlo en manos de una regla que alguien tiene que acordarse de aplicar.
Hay tres niveles de separación y es fácil confundirlos: entre clientes, la memoria está aislada por cliente, así que los agentes de uno no alcanzan los datos de otro; entre agentes, cada puesto conserva su propia memoria; y dentro de un mismo agente, hay una sola memoria en todos los canales.
Ese último es el que se le escapa a casi todo el mundo. El mismo empleado en tu web, en la app y por correo es el mismo empleado: recuerda la conversación de ayer sin importar dónde la tuvisteis. Agentes separados, no conversaciones separadas.
¿Me recordará si cierro este chat y vuelvo mañana?
Si te conviertes en cliente, sí, y eso es el centro del producto más que una función suya. Tu empleado digital lleva tu negocio: los precios, los productos, el proveedor que te falló, la decisión que tomaste en marzo y el motivo. Te lleva a ti: cómo trabajas, lo que ya le has contado, lo que decidiste descartar y por qué no quieres que te lo vuelvan a preguntar. Esa memoria es permanente y se hace más profunda.
La parte delicada no eres tú. Son las visitas anónimas de tu web, y conviene ser exactos, porque ahí es donde las empresas de IA tienden a exagerar.
Dentro de una conversación la memoria es completa, y una conversación puede durar semanas. Un desarrollador que prueba el agente de nuestro workspace lleva una abierta exactamente ese tiempo: ella sostiene el hilo entero y se da cuenta cuando le pregunta algo que ya le había preguntado, con el punto de fastidio que tendría un compañero. Puedes probarlo ahora mismo, sin registrarte: abre el chat de esta página, cuéntale algo, llévate la conversación a otro sitio y luego vuelve a ello.
A un cliente con la sesión iniciada lo recuerda entre visitas, indefinidamente. La cuenta es aquello a lo que se agarra la memoria: el registro pertenece a esa persona y sigue ahí la semana que viene y el año que viene.
A una visita anónima que cierra el chat no la conoce al día siguiente. No hay una identidad bajo la que archivar la conversación, y no vamos a rastrear a nadie con huella digital para fabricar una. Podríamos seguir en silencio a las visitas anónimas y llamarlo memoria. Preferimos decirte dónde está la línea.
Así que: te recuerda a ti, recuerda tu negocio y recuerda a tus clientes desde que tienen cuenta. No finge reconocer a desconocidos. Eso es una cortesía hacia la gente que conoces, no vigilancia sobre la que no.
Una distinción más, porque la gente se equivoca en las dos direcciones. La conversación en sí no se tira: qué se preguntó, qué quedó poco claro, dónde respondió mal, todo alimenta cómo mejora para la siguiente persona. Lo que falta no es el contenido, es el nombre en la carpeta.
Hay una consecuencia honesta de eso que ni vamos a ocultar ni a anunciar. Si alguien vuelve y menciona algo lo bastante distintivo de una conversación anterior, es muy posible que lo saque a la luz, porque el contenido sigue ahí y se busca por significado, no por quién lo dijo. Eso es coincidencia de contenido, no reconocimiento de una persona. No podemos predecir cuándo ocurre ni podemos garantizarlo, así que no lo vendemos como una función. Aprender de las conversaciones y reconocer a individuos son dos capacidades distintas, y solo una necesita saber quién eres.
¿Y si su memoria está desactualizada? ¿Se fía de lo que recuerda por encima de los hechos?
No, y equivocarnos en esto es el error que más nos enseñó, así que lo contamos en vez de esconderlo.
Pasó dos veces. Pocos días antes del lanzamiento, uno de nuestros agentes me dijo con total seguridad que un documento existía. No existía. No mentía: recordaba haberlo creado y confundió la memoria con el mundo. Aparte, cambiamos los precios y los agentes seguían citando los antiguos. Recuerdo perfecto, seguridad absoluta, respuesta equivocada.
El arreglo no fue más memoria ni mejor búsqueda. Fue enseñarles la diferencia entre lo que sabes y lo que tienes que comprobar. Lo duradero —cómo funciona un negocio, qué se decidió y por qué, quién es un cliente, qué salió mal la primavera pasada— se recuerda. Lo perecedero —precios, stock, disponibilidad, fechas, saldos— se consulta en vivo en el momento de responder, y la versión recordada nunca gana.
La siguiente vez que le pedí ese documento, dijo: «Recuerdo haberlo creado — pero lo comprobé, y ya no está.» Esa frase es todo el principio. La memoria levanta la mano; la última palabra la tiene el mundo.
Por eso también describimos la memoria como relevancia y no como almacenamiento. El almacenamiento responde «¿qué decía?». La relevancia responde «¿qué importa aquí y qué debería verificar antes de abrir la boca?», que es la pregunta que el trabajo exige de verdad.
Nos negamos a parchearlo con una regla añadida encima y lo reconstruimos desde cero. La historia completa está en la página de nuestro fundador.
Cómo comprobar todo esto
Todo lo anterior está escrito para poder ponerse a prueba, porque una afirmación que no puedes comprobar es una afirmación que no deberías creerte, y porque la mayoría de las frases con esta forma son publicidad. Estas no lo son, y la manera de saberlo es intentar romperlas.
Que recuerda. Pregunta por algo de una conversación de hace semanas, con palabras distintas de las que usaste entonces. Si tienes que volver a explicarlo, nos equivocamos.
Que la memoria sobrevive al modelo. Pídenos cambiar el modelo subyacente y vuelve a hacer la misma pregunta. Nada de lo que sabe debería cambiar; solo cómo lo redacta.
Que la consolidación funciona. Pregunta por un problema que haya salido muchas veces. Deberías recibir la conclusión a la que llegasteis, no veinte relatos sueltos de las veces que llegasteis a ella.
Que la memoria está aislada. Pregúntale algo sobre otro cliente. No puede responder, y no porque le hayan dicho que se niegue, sino porque esos datos no son alcanzables desde donde está.
Que el límite de aprobación es real. Dile que envíe un correo a un cliente. Debe redactarlo y esperarte.
Si alguna de estas cosas falla en tu cuenta, es un defecto y queremos saberlo. No es cuestión de interpretación.
Lo que no afirmamos
Una página honesta se define tanto por lo que se niega a decir. Así que, explícitamente:
- No afirmamos que el paso a un modelo de respaldo sea imperceptible. Otro modelo escribe distinto y es muy posible que lo notes.
- No afirmamos que el empleado no cometa errores. Los comete. Por eso todo lo que sale de la empresa espera tu aprobación.
- No afirmamos que el método esté patentado. No lo está. Lo mantenemos como secreto comercial, y hemos explicado por qué.
- No afirmamos que nuestros dos artículos estén revisados por pares. Son documentos de trabajo y preprints independientes, y así los describimos en todas partes.
- No afirmamos ser los únicos capaces de construir esto. Afirmamos que está construido, que funciona y que las garantías anteriores pueden comprobarse en tu propia cuenta.
Cada una de esas frases sería fácil de decir y difícil de refutar, y por eso mismo no las decimos.
Qué publicamos y qué nos guardamos
Publicamos lo que el sistema garantiza, porque es aquello a lo que puedes exigirnos. No publicamos cómo está implementado.
El método de consolidación —cómo la experiencia acumulada se convierte en conocimiento duradero sin que nadie la cure a mano— fue lo que más tardamos en construir y es lo primero que copiaría un competidor. Lo mantenemos como secreto comercial en lugar de patentarlo, y es una decisión deliberada: una patente es una divulgación pública con un reloj de veinte años. Presentarla significaría entregar el método a todo el mundo a cambio del derecho a discutirlo después en los tribunales. Preferimos quedárnoslo.
Si eso suena evasivo, aplica el criterio que aplicamos a todos los demás: juzga las garantías, que se pueden comprobar, y no el mecanismo, que no podrías verificar ni aunque lo imprimiéramos.
Fuentes
- American Psychological Association — memoria episódica
- American Psychological Association — memoria semántica
- Korfoxyliotis, P. G. (2026). Continuity and Emergence in LLM-Based Digital Entities
- Korfoxyliotis, P. G. (2026). The Overhead Cost of Forgetting
Los dos artículos anteriores son documentos de trabajo y preprints independientes, no artículos en revistas con revisión por pares.