Qué pasa con la memoria de tu IA cuando se retira un modelo

Dos capas, y solo una de ellas guardada

Todo lo que una IA sabe sobre ti se encuentra en una de dos capas.

La capa almacenada es la parte que puedes ver: entradas de memoria guardadas, historial de chat, archivos subidos, instrucciones personalizadas. Vive en una base de datos vinculada a tu cuenta y realmente no se ve afectada por un cambio de modelo.

La capa aprendida es todo lo que nunca se puso por escrito. Cuánta explicación quieres. Qué temas requieren delicadeza. El hecho de que tienes un perfil técnico, por lo que dejó de definir términos en la segunda semana. El tono en el que se adaptó a ti. Esta capa se reconstruye a partir de la capa almacenada cada vez que hablas, y un modelo diferente la reconstruye de otra manera a partir de entradas idénticas.

El retiro de un modelo elimina la segunda capa y nada más. Por eso la descripción más honesta de la experiencia no es "perdí mis datos". Es "ya no me conoce", dicho por alguien cuyos datos están completamente intactos.

Lo que muestran los hechos en realidad

Los retiros no son eventos aislados que puedas anticipar caso por caso. OpenAI ha dado de baja múltiples modelos de la era GPT-4; Anthropic ha retirado versiones de la serie Claude 3 con más previo aviso, pero sin una vía de migración para lo que entendía la versión anterior; Google ha ido cambiando las versiones de Gemini con tanta frecuencia que "cuál Gemini" es una pregunta real. Nuestra lista actualizada de retiros rastrea las fechas.

El patrón en todos ellos es el mismo. Los clientes de API empresarial reciben un aviso con bastante tiempo, endpoints versionados y una guía de migración. Los usuarios particulares reciben una nota en el registro de cambios, y por lo general se dan cuenta porque algo se siente raro antes de haber leído nada.

La exportación que no existe

Ningún proveedor ofrece una exportación tipo "esto es lo que este modelo entendía sobre ti", y no se trata de un descuido: esa comprensión no está almacenada de una forma que alguien pudiera entregarte. Es una propiedad emergente de un modelo específico leyendo tu historial específico.

Lo que deja exactamente una estrategia duradera: conserva las entradas y guárdalas en un lugar que sobreviva a cualquier modelo individual. No porque tu proveedor sea descuidado, sino porque incluso el proveedor mejor gestionado retira modelos. Es parte del proceso.

Una breve lista de verificación previa al retiro de un modelo

• Exporta tus conversaciones. Todos los proveedores ofrecen esto. Hazlo cada trimestre para no atrasarte nunca más de tres meses.
• Apunta tus reglas permanentes. Esas diez instrucciones más o menos que te daría pereza volver a enseñar. Son lo más valioso que tienes y registrarlas toma quince minutos.
• Anota las correcciones. Cualquier cosa que hayas tenido que corregir más de una vez (un nombre, un puesto, algo que ya no haces) tendrás que volver a corregirla en el nuevo modelo.
• Guárdalo fuera del proveedor. Una copia de seguridad guardada dentro de lo mismo que estás respaldando no es una copia de seguridad.
• Vuelve a enseñarle de forma deliberada, no poco a poco. Después de un cambio, dedica una sesión a establecer contexto a propósito. Es más rápido que pasarte seis semanas dosificando información a cuentagotas.

Lecturas relacionadas: el costo oculto de cambiar de modelo de IA y qué hacer cuando la memoria de tu IA ya desapareció.