Memoria persistente
Sinónimos: Personalización persistente · Persistent memory · Memoria en IA
Definición ampliada
La memoria persistente —o personalización persistente, en inglés persistent memory— es la capacidad de un sistema de IA para retener, organizar y reutilizar información sobre el usuario más allá de una sola conversación.
Conviene distinguir tres niveles, porque plantean problemas muy distintos:
- La ventana de contexto: memoria efímera, limitada a la sesión en curso. Al cerrarla no queda nada.
- Los hechos guardados explícitamente: el usuario pide que algo se recuerde, y ese dato queda en una lista consultable.
- La memoria sintetizada: el sistema construye y actualiza en segundo plano un perfil del usuario inferido del historial, sin que nadie se lo pida.
Los niveles 2 y 3 persisten los dos entre conversaciones; lo que separa al tercero es quién decide qué se recuerda. En los hechos guardados es la persona quien lo pide y puede leer la lista; en la memoria sintetizada el contenido lo elige el sistema, a partir de inferencias sobre el historial. Por eso el tercer nivel es el que concentra la novedad y los mayores riesgos: es el que convierte al asistente de un respondedor sin estado en algo que mantiene una representación evolutiva de quién es el usuario.
Los dos conviven. En ChatGPT, la síntesis automática nació como complemento de los hechos guardados y no como sustituto —OpenAI señala que por sí sola nunca fue suficiente como sistema de memoria— hasta la arquitectura de 2026, ya construida sobre ella [1].
Contexto histórico
Los primeros asistentes eran sin estado: cada conversación empezaba en blanco. La memoria explícita llegó en abril de 2024, cuando ChatGPT permitió pedir que algo se recordara; el propio OpenAI describe su límite con una imagen útil, la de alguien que tomó algunas notas pero olvidó todo lo que no escribió, y añade que esas notas envejecen y acaban siendo incorrectas.
El salto a la síntesis automática llegó en abril de 2025 con la primera versión de lo que OpenAI llamó dreaming: un proceso en segundo plano que recorre el historial y mantiene al día un estado de memoria, en lugar de acumular hechos sueltos. El 4 de junio de 2026 publicó una arquitectura más capaz construida sobre ese proceso, con un resumen de memoria consultable y editable por el usuario [1].
Importancia actual
A fecha de septiembre de 2026, es la base de los asistentes que «conocen» al usuario y de los agentes que mantienen estado entre tareas. La ganancia de utilidad es evidente: no hay que repetir el contexto en cada sesión.
Lo que introduce a cambio es un problema de gobernanza. Un perfil inferido y mantenido de forma automática es una actividad de elaboración de perfiles, con las obligaciones que eso conlleva en materia de transparencia, base jurídica y derecho de supresión. Y el derecho de supresión se complica cuando la información no está en un campo concreto, sino repartida entre conversaciones, resúmenes y perfiles derivados.
Aplicaciones
Generales
Asistentes que recuerdan preferencias de estilo, proyectos en curso o correcciones previas; agentes que conservan estado entre tareas encadenadas.
Sanitarias
El uso defendible es el que se refiere al profesional: un asistente que conserva su especialidad, las guías que maneja o el formato de informe que prefiere, y deja de pedirlo cada vez.
El uso que exige mucha más cautela es el que se refiere al paciente. Un perfil persistente construido sobre datos de salud es un dato de categoría especial, y si además se ha sintetizado automáticamente, hereda dos problemas graves: consolida errores —una inferencia equivocada se convierte en el punto de partida de todas las sesiones siguientes— y es difícil de auditar, porque nadie escribió ese perfil y no hay traza de por qué dice lo que dice.
Hay además un efecto menos evidente: cuanto mejor se adapta el sistema al perfil que ha inferido, más probable es que refuerce lo que cree que el usuario espera oír, que es el mecanismo de la adulación.
Limitaciones
- Opacidad del perfil inferido: qué sabe el sistema, de dónde lo sacó y cuándo lo está aplicando.
- El derecho de supresión exige borrar la información en todas sus fuentes derivadas, no solo en la lista visible.
- Riesgo de perpetuar errores e inferencias sensibles difíciles de rectificar.
- Tensión permanente entre personalización y privacidad.
- Las cifras de mejora que publican los proveedores proceden de evaluaciones internas no publicadas y no reproducidas de forma independiente.
Ejemplos
- Un sistema que sintetiza en segundo plano un perfil del usuario revisable desde los ajustes [1].
- Un asistente clínico que, sesión tras sesión, se ajusta al estilo de informe de un facultativo.
- Recuperar por similitud el contexto relevante de sesiones anteriores mediante embeddings, en lugar de conservar el texto completo.
- Una inferencia equivocada sobre el usuario que reaparece en todas las conversaciones posteriores sin que él sepa de dónde sale.
Relacionados
Referencias
En el Atlas visual: Cuando cumplir el objetivo es el problema · Del prompt al sistema