Memoria para asistentes de IA: recordar sin salir de casa
Ámbito: asistentes de IA, memoria persistente, autoalojamiento
Para quién: directivos de pymes que trabajan con un asistente de IA y están cansados de explicárselo todo otra vez, y su informático
Experiencia: la memoria que añadí a mis asistentes de IA, alojada en mi servidor y usada cada día
Un asistente de IA responde bien, pero al día siguiente lo ha olvidado todo: sus proyectos, sus decisiones, sus preferencias. Usted le pone al día cada mañana como a un becario recién llegado. No es un defecto de su herramienta, es el funcionamiento normal de un modelo de lenguaje. La solución es darle una memoria: un lugar donde guarda lo que aprende y donde busca lo útil antes de responder. Así la construí, esto es lo que retiene, y por eso la mantengo en mi servidor.
Contexto
En un artículo sobre los límites de los LLM sin memoria expliqué por qué un modelo olvida: solo ve lo que cabe en su ventana de contexto, mientras dura una conversación. Y en Fine-tuning o RAG comparé las formas de dar conocimientos a una IA. La memoria de un asistente es un caso particular, muy concreto: no se trata de enseñarle su catálogo, sino de que recuerde su trabajo en curso, de un día para otro.
El problema: un asistente que empieza de cero
- El contexto que hay que repetir: cada conversación empieza con las mismas explicaciones sobre la empresa, los clientes, las herramientas.
- Las decisiones perdidas: lo que se decidió la semana pasada ya no existe para el asistente, que vuelve a proponer la opción descartada.
- La memoria del proveedor: los asistentes de gran consumo ofrecen una memoria, pero se guarda en sus servidores, y usted no elige ni lo que conserva ni dónde.
- Las notas a granel: guardarlo todo en un largo archivo acaba saliendo caro, porque el asistente lo relee todo cada vez, y se vuelve ilegible.
La solución: una memoria en cinco gestos
1. Retener lo esencial, no todo
Al final de una conversación, el asistente resume lo que merece guardarse: una decisión y su motivo, el estado de un proyecto, una preferencia, una trampa encontrada. Una memoria útil se parece al cuaderno de un buen jefe de proyecto, no a la grabación íntegra de las reuniones.
2. Encontrar por el sentido
Cada recuerdo se convierte en un vector, una especie de huella de su sentido, y se guarda en una base vectorial. Cuando usted pregunta «¿qué habíamos decidido para este cliente?», el asistente encuentra el recuerdo correcto aunque las palabras sean distintas. Es el principio del RAG, aplicado a su propio historial en lugar de a sus documentos.
3. Relacionar los recuerdos entre sí
Un grafo de conocimiento relaciona personas, proyectos, decisiones y herramientas. Permite responder a preguntas que atraviesan varios recuerdos: qué proyectos dependen de este proveedor, quién tomó tal decisión, qué ha cambiado desde entonces.
4. Recordar automáticamente antes de responder
Antes de cada respuesta, los recuerdos más pertinentes se añaden al contexto del asistente, en número limitado. No necesita acordarse de buscar: recuerda, como un colega que conoce el expediente.
5. Separar lo compartido de lo personal
Una memoria común para la empresa, una memoria por persona y, si hace falta, una por agente. Lo que un colaborador le confía al asistente no debe reaparecer en la respuesta dada a otro.
Por qué conservarla en casa
La memoria de un asistente se convierte enseguida en el documento más sensible de la empresa: resume sus clientes, sus precios, sus decisiones y sus dificultades. Alojada en su servidor, sigue bajo su control: usted sabe dónde está y quién la lee, y puede respaldarla, corregirla y borrar lo que deba borrarse. Y sobrevive a un cambio de herramienta: si mañana cambia de asistente, su memoria sigue ahí.
Lo que aprendí al operarla
- La memoria es la capa que lo cambia todo. El día que ya no tuve que volver a explicar mis proyectos cada mañana, el asistente se convirtió en una herramienta de trabajo, y no solo de preguntas y respuestas.
- Demasiado compartimentada, olvida de otra manera. Había separado la memoria por proyecto. Una lección aprendida en uno quedaba invisible para los demás, y el mismo error se repitió en otro sitio. Añadí un registro común de trampas, que se consulta antes de cualquier trabajo que afecte a varios proyectos.
- Una sola memoria a la vez. Dos sistemas de memoria activos al mismo tiempo se pisan: ya no se sabe cuál escribe y cuál responde. Desactivé la memoria integrada de la herramienta cuando conecté la mía.
- Se actualiza como todo lo demás. Actualizar uno de los componentes sin el otro ya hizo divergir dos partes de mi memoria. Los actualizo juntos, a mano, tras una copia de seguridad.
- Local no quiere decir sin conexión. Las huellas de sentido se calculan en mi servidor, pero el resumen y la extracción de relaciones pasan por un modelo de lenguaje, externo en mi instalación. Hay que saberlo para elegir lo que se confía a la memoria, o usar un modelo local.
Bajo el capó (para su informático)
- Motor: Cognee (Apache 2.0), que combina búsqueda vectorial y grafo de conocimiento, en contenedor sobre una red interna, API accesible solo en local.
- Almacenamiento: PostgreSQL con la extensión pgvector para los vectores, complementado con Redis.
- Embeddings: calculados en local con FastEmbed (ONNX, sin tarjeta gráfica); ningún costo ni envío externo en esta etapa.
- Integración: recuerdo automático antes de cada turno (número de recuerdos, puntuación mínima y presupuesto de tokens limitados), resumen al final de la sesión, ámbitos compartido, de usuario y de agente; un servidor MCP para consultar la misma memoria desde otras herramientas.
- Operación: imagen construida en local y fijada, actualización manual con instantánea previa y vuelta atrás prevista, base de datos respaldada con el resto del servidor.
Lo que me llevo
Un asistente sin memoria es un consultor excelente que nunca vuelve. Con una memoria bien diseñada, selectiva, consultada por el sentido y guardada en casa, se convierte en un colega que conoce sus expedientes. Cobra todo su valor con un chat de equipo desde el que se dirige al asistente, y es una de las piezas de claudeVPS, donde todas mis sesiones de trabajo comparten la misma memoria.
Para ir más lejos
Diseño asistentes de IA que conocen su empresa, con una memoria alojada en sus servidores y reglas claras sobre lo que retiene. Vea las aplicaciones y automatizaciones a medida, o reserve una llamada de descubrimiento de 20 minutos.
La guía paso a paso
Para su informático, la guía 5 de la serie Stack de servidor de código abierto, la memoria persistente (39 CHF), instala esta memoria en 2 a 3 horas: Cognee con pgvector y embeddings locales, recuerdo automático antes de cada respuesta, resumen al final de la sesión, ámbitos de memoria, pruebas y procedimiento de actualización con vuelta atrás. Al terminar, usted pregunta en qué punto está un proyecto, y el asistente le responde con las decisiones tomadas y las tareas en curso.
El paquete de guías (149 CHF) reúne las guías 0 a 8 de la serie: una pila completa, documentada y probada en producción, desde el servidor seguro hasta los secretos, las copias de seguridad y el monitoreo. Si prefiere que lo acompañen, la instalación asistida (597 CHF) monta la base con usted en una o dos sesiones por videollamada, con el paquete completo incluido y 60 días de soporte por correo electrónico.
Fuentes
- Cognee, repositorio oficial, consultado el 15 de noviembre de 2026.
- pgvector, repositorio oficial, consultado el 15 de noviembre de 2026.
- FastEmbed, repositorio oficial, consultado el 15 de noviembre de 2026.
- Foto: Marie-Lan Nguyen / Wikimedia Commons (commons.wikimedia.org), licencia CC BY 2.0 FR.
Etiquetas: memoria de IA, asistente de IA, memoria persistente, base vectorial, grafo de conocimiento, RAG, Cognee, autoalojamiento, pyme