Cómo hacer que la IA te recuerde en cada conversación

Todo modelo de lenguaje grande es sin estado por diseño. Cuando una conversación termina, la ventana de contexto —la memoria de trabajo del modelo— se descarta. El propio modelo no aprende nada sobre ti entre sesiones: no se reentrena con tus chats, y no guarda ningún archivo personal sobre ti dentro de sus pesos. Cualquier «recuerdo» que experimentes está construido alrededor del modelo, no dentro de él.

Esa distinción importa, porque significa que la memoria es una decisión de ingeniería tomada por quien sea que ejecute tu asistente. Y hoy existen exactamente cuatro formas de tomar esa decisión.

Opción 1 — Memoria integrada en los chatbots en la nube

ChatGPT, Claude, Gemini y otros ya incluyen una función de memoria: el asistente guarda en silencio hechos seleccionados («prefiere respuestas concisas», «trabaja en un estudio de tatuajes en Bali») y los inyecta en chats futuros. Funciona, y para un uso casual suele ser suficiente.

Los límites son estructurales. Tú no decides qué se guarda o se descarta — lo deciden las heurísticas del proveedor. La capacidad tiene un tope. La memoria vive en los servidores del proveedor, bajo la política de retención del proveedor, y una decisión de producto —o una marca en la cuenta— puede borrarla de la noche a la mañana. Es memoria sobre ti que no te pertenece.

Opción 2 — Contexto manual: el cuaderno de copiar y pegar

El truco más antiguo: mantener un documento con tu contexto («sobre mí, mis proyectos, mi stack, mi tono») y pegarlo al principio de cada sesión. Algunas herramientas formalizan esto — instrucciones personalizadas, archivos de proyecto, prompts de sistema.

Es gratis y es honesto, pero no escala. El documento se queda desactualizado, lo mantienes a mano, y solo captura lo que se te ocurrió escribir — nunca las cosas que surgieron a lo largo de cien conversaciones y que importaban en silencio.

Opción 3 — APIs de memoria y RAG (el camino del desarrollador)

Si construyes tus propias herramientas, puedes acoplar una memoria externa a cualquier modelo: guardar fragmentos de conversación en una base de datos, convertirlos en vectores mediante embeddings, y recuperar los relevantes hacia el contexto en cada petición (generación aumentada por recuperación). Las startups de memoria como servicio venden exactamente esto como una API.

Esta es la arquitectura correcta — así es como funciona realmente la memoria persistente. Pero como proyecto casero exige tiempo de ingeniería, y con una API de memoria alojada has recreado el problema de propiedad de la Opción 1: tu contexto vital acumulado ahora vive en la nube de otra persona.

Opción 4 — Un asistente autoalojado con una base de datos de memoria que es tuya

La solución duradera es ejecutar tú mismo la capa del asistente y mantener su memoria como una simple base de datos en tu propio servidor. El modelo puede seguir siendo un modelo de frontera en la nube (no puedes autoalojar pesos de frontera — lo que alojas es la capa de agente), pero todo lo que el asistente sabe sobre ti vive en un archivo que tú controlas.

Así está construida Avelina AI. La memoria es una base de datos SQLite en tu VPS con capas tipadas —hechos sobre ti, un diario de lo que ha pasado, lecciones aprendidas de los errores, una visión del mundo que crece— más búsqueda de texto completo y búsqueda vectorial sobre todo el historial de conversaciones. (Por qué las capas tipadas superan a un único archivo plano de notas tiene su propia historia.) Pregunta «¿qué decidimos sobre la página de precios en mayo?» y el asistente busca en su propio pasado en lugar de encogerse de hombros.

Lo que realmente cuesta olvidar

Es tentador tratar la amnesia de la IA como una molestia menor. En la práctica el coste se acumula. Vuelves a explicar el contexto — los mismos quince minutos, en cada sesión. Los consejos se quedan genéricos, porque un asistente que no conoce tu historial solo puede dar la respuesta que le daría a cualquiera. El trabajo de largo recorrido se rompe: decisiones tomadas en marzo se vuelven a debatir en silencio en julio. Y si usas un asistente para un negocio, olvidar el contexto de un cliente no es una molestia — es dinero.

Peor aún, el truco al que la gente recurre —pegar cada vez más contexto personal en un chatbot en la nube— significa enviar un dosier cada vez más completo de tu vida a un tercero, sesión tras sesión. Si la memoria te importa, dónde vive esa memoria debería importarte igual de mucho.

Cómo funciona en la práctica una memoria propia

Un cuadro concreto, usando Avelina AI como ejemplo (la arquitectura se generaliza):

Los hechos nuevos de la conversación se extraen y se escriben en la base de datos automáticamente — sin necesidad de invocar «recuerda esto». Cada conversación se archiva y se indexa para búsqueda de texto completo y semántica. Los errores se registran como lecciones, así una corrección que hiciste una vez no se repite al mes siguiente. Antes de responder preguntas sobre el pasado, el asistente está obligado a buscar en sus registros en lugar de improvisar — que es la diferencia entre memoria y confabulación.

Y como todo esto es una base de datos en tu servidor: puedes abrirla, leerla, respaldarla, exportarla o borrarla. Sin formulario de solicitud. Sin necesidad de confiar en nadie.

¿Qué opción deberías elegir?

Si usas la IA de forma casual unas pocas veces a la semana — la memoria integrada en la nube (Opción 1) está bien; solo conoce sus límites. Si eres un desarrollador al que le gusta la infraestructura — la Opción 3 es un buen proyecto de fin de semana y más allá. Si quieres una memoria persistente y propia sin construirla tú mismo — un asistente autoalojado (Opción 4) es el único camino que te da ambas cosas: se instala en un VPS de ~5–15 $/mes, te habla por Telegram, y su memoria crece durante años porque nadie salvo tú puede reiniciarla.

Preguntas frecuentes

¿Puede ChatGPT recordarme entre conversaciones?
Parcialmente — a través de su función Memory. Pero está controlada por el proveedor: la capacidad tiene un tope, los datos viven en los servidores de OpenAI, y no puedes verificar qué se guarda o se borra.

¿La memoria de IA significa que el modelo se reentrena con mis datos?
No. La memoria persistente es una capa externa al modelo: una base de datos cuyas entradas relevantes se cargan en el contexto en cada petición. Los modelos no se reentrenan entre tus sesiones.

¿Dónde se almacena la memoria en un asistente autoalojado?
En una base de datos en tu propio servidor — en el caso de Avelina AI, SQLite en tu VPS con búsqueda de texto completo y vectorial sobre todo lo que sabe.

¿Puedo borrar lo que mi IA recuerda de mí?
Autoalojado: sí, de forma completa y verificable — es un archivo que es tuyo. En la nube: puedes pedirlo, pero no puedes comprobarlo.

¿Cuánto cuesta?
Un VPS pequeño (~5–15 $/mes) más el uso del modelo. La propia capa de memoria es una base de datos local — no añade nada.