Memoria persistente para agentes de IA: por qué se les olvida todo y cómo lo resolvemos

Los agentes de IA tienen un problema del que se habla poco: se les olvida todo. Cada conversación empieza de cero. Le explicas el contexto de un proyecto, el agente toma buenas decisiones contigo, y al día siguiente no recuerda nada de lo hablado.

Para una consultora pequeña como la nuestra, eso significa repetir el mismo contexto una y otra vez: qué cliente es, qué se decidió y por qué, cómo nos gusta trabajar. Es tiempo que no aporta nada y que se nota más cuanto más usas al agente.

Un becario brillante con amnesia

La imagen que mejor nos funciona para explicarlo: un agente sin memoria es un becario brillante con amnesia. Razona bien, ejecuta bien, y cada mañana hay que presentarle de nuevo a todo el mundo.

Los modelos más grandes no arreglan esto. Un modelo puede ser más capaz y seguir empezando cada sesión sin saber nada de ti. Nuestra intuición es que el salto de productividad real no está en modelos más grandes, sino en que los agentes recuerden con quién trabajan.

Por qué se les olvida

No es un fallo, es cómo funcionan. Un modelo de lenguaje no guarda nada entre conversaciones: lo único que “sabe” de tu proyecto es lo que cabe en el texto de la sesión en curso. Cuando la sesión se cierra, ese texto desaparece. Por eso, para que un agente recuerde, hay que darle algo fuera de la propia conversación: un sitio donde apuntar lo importante y una forma de volver a consultarlo.

La alternativa manual existe (mantener notas y pegárselas al agente al empezar), pero depende de que alguien se acuerde de hacerlo y de mantenerlas al día. Es exactamente el tipo de tarea que se acaba abandonando.

Cómo lo resolvemos

Usamos MemPalace, una capa de memoria persistente para agentes, y hoy es nuestra herramienta de consulta diaria. La idea es sencilla: en lugar de perder el contexto al cerrar la sesión, lo que se trabaja con el agente queda archivado (decisiones, datos de proyectos, cómo se resolvió un problema) y se recupera cuando vuelve a hacer falta.

Lo conectamos por MCP, igual que el resto de nuestras herramientas. Si el término no te suena, lo explicamos en MCP: el puente entre la inteligencia artificial y tus herramientas. El archivado ocurre solo, sin que nadie tenga que acordarse de hacerlo, y la consulta forma parte de la rutina: cuando alguien pregunta “¿qué decidimos con este cliente?” o “¿cómo lo arreglamos la otra vez?”, el agente busca primero en la memoria y responde citando lo que se dijo y cuándo, en lugar de suponer.

Dicho de otra forma: lo que antes vivía solo en la cabeza de quien llevaba el proyecto, o se perdía al cerrar la ventana, ahora tiene un sitio donde quedarse y de donde volver a sacarlo.

Lo que exige para que funcione

Una memoria así no se mantiene sola en buen estado. Usarla a diario nos ha obligado a fijar reglas sobre tres cuestiones:

• Qué guardar. Si se archiva todo, el archivo se llena de ruido; si se archiva poco, no sirve. Nuestra regla es guardar cada idea por separado y con las palabras exactas, sin resúmenes, y dejar fuera lo efímero.
• Cómo ordenarlo. Todo se archiva por cliente o por proyecto, siempre con el mismo nombre. Si un mismo cliente aparece con tres nombres distintos, la búsqueda falla y la memoria deja de ser fiable.
• Qué hacer cuando un dato cambia. Una memoria que recuerda algo que ya no es cierto es peor que una vacía, porque el agente actúa con seguridad sobre un dato viejo. Por eso los datos que cambian no se borran: se marcan como superados y se registra el nuevo, de modo que se sabe qué era cierto y desde cuándo.

Y hay una cuarta que no se delega: qué información no debería quedarse en ninguna memoria, sobre todo cuando trabajas con datos de clientes. No es magia, es criterio, y ese criterio lo ponemos nosotros.

Una pregunta para quien use agentes

Si usas agentes de IA en tu trabajo, la prueba es fácil de hacer: cuenta cuántas veces a la semana repites el mismo contexto. Si son muchas, el problema que describimos aquí es tuyo también, lleves la herramienta que lleves.

Nos interesa saber cómo lo resuelve otra gente. Si has probado a dar memoria persistente a tus agentes, ¿qué guardarías y qué no? Y si quieres comentar cómo podría encajar algo así en tu empresa, mira lo que hacemos en inteligencia artificial o escríbenos.