Artículo explicativo · ~10 min de lectura
La queja es universal: "Se lo dije la semana pasada, ¿por qué no se acuerda?" La respuesta sincera no es un error ni una cuota: es que eso a lo que la gente llama memoria de IA son en realidad cinco cosas distintas escondidas bajo el mismo abrigo, y ninguna funciona como la memoria humana. Una vez que puedes ver las cinco capas, los olvidos dejan de ser un misterio.
Respuesta en una sola frase: Tal como viene de fábrica, un modelo de lenguaje es una función sin estado: entra texto, sale texto y no se conserva nada entre llamadas.
Cuando envías un prompt a GPT-5, Claude o Gemini a nivel de API, el modelo ve exactamente lo que pusiste en esa solicitud y nada más. No existe una "sesión" oculta. Si quieres que sepa lo que se dijo hace tres turnos, tienes que incluir esos tres turnos en este turno. La sensación de conversación de ChatGPT es el cliente uniendo turnos y reenviándolos, no el modelo recordando.
Una vez que aceptas eso, cada "memoria" que ves en un producto es una capa agregada encima.
Léelas en orden. Son aditivas, no intercambiables.
El texto literal que el modelo ve en este turno. Tiene un límite estricto fijado por el modelo: la familia GPT-5 maneja entre 128K y 400K tokens según el nivel, Claude Sonnet/Opus tiene 200K y Gemini 2.5 Pro tiene 1M. Una vez que una conversación supera ese límite, el cliente recorta o resume los turnos anteriores. El modelo no tiene idea de que perdió algo.
Un pequeño almacén estructurado que el cliente vuelve a inyectar en el system prompt en futuros chats. La memoria de ChatGPT suele ser de 1,200 a 2,000 tokens de hechos fijados. La "memoria" de Claude es en realidad el contexto del Project: tú lo defines y persiste por Project. La de Gemini se parece más a un contexto compartido de la cuenta de Google que a hechos discretos fijados. Ninguna almacena conversaciones; almacenan destilaciones.
Un índice externo —generalmente una base de datos vectorial— en el que el cliente busca en el momento de la consulta e inyecta fragmentos relevantes en la ventana de contexto. Esto es lo que significa por dentro una "IA que conoce tus documentos". Funciona bien cuando la recuperación está optimizada; falla silenciosamente cuando el fragmento adecuado no queda entre los mejores resultados (top-K).
Modifica los pesos del modelo para que genere texto con un estilo determinado. No almacena hechos que puedas leer o editar. Un modelo con fine-tuning puede sonar como tus chats anteriores sin contenerlos. Preguntarle "¿qué te dije la semana pasada?" genera una alucinación segura de sí misma, siempre.
Un bloque estático de texto que el cliente antepone a cada chat en esa cuenta o Project. Cuenta contra la ventana de contexto. Es efectivo pero diminuto: por lo general, tiene un límite suave de 1,500 caracteres y es idéntico para cada conversación.
Respuesta en una sola frase: La memoria humana es la recuperación a lo largo de toda una vida de detalles episódicos; cada capa mencionada arriba es demasiado pequeña, tiene demasiadas pérdidas, es demasiado estática o resulta demasiado inaccesible.
Una persona que te conoce desde hace un año no recuerda cada conversación, pero normalmente puede responder: "¿qué fue eso que me contaste sobre tu hermana el otoño pasado?" Eso requiere (a) un almacenamiento duradero, (b) recuperación guiada por pistas, (c) una calibración razonable de la certeza y (d) la capacidad de olvidar con elegancia. Las funciones de memoria de los proveedores cumplen (a) a medias, (b) casi nada, (c) mal y (d) descartando silenciosamente cosas que decidieron que no eran importantes.
El límite de memoria de ChatGPT de 1,200 a 2,000 tokens, para ponerlo en contexto, equivale a unos 150 hechos breves. Un año de conversación significativa con otra persona produce decenas de miles de ellos.
Cuando Gemini 2.5 Pro se lanzó con 1M de tokens y Claude añadió 200K, una reacción común fue: problema resuelto. No lo está. Hay tres razones:
Cuatro propiedades: la capa faltante que los proveedores no ofrecen:
Las funciones de memoria de los proveedores ofrecen el punto 3 a medias y una pequeña parte del 4. Las capas de memoria dedicadas (Mem, Rewind en su formato anterior, Konshus, configuraciones artesanales de RAG) intentan cubrir los cuatro.
Konshus es la capa que faltaba. Importa tus conversaciones existentes de ChatGPT y Claude, agrega diarios, documentos y transcripciones de reuniones; el Vault los sintetiza en átomos: pequeños hechos con fuente, nivel de confianza y marca de tiempo. Puedes ver cada átomo. Puedes editar cualquiera de ellos. Cuando hablas con una IA, el Vault le entrega un bloque de contexto preciso y adaptado a la pregunta actual. Las actualizaciones del modelo y los cierres de proveedores no afectan al Vault. Consulta la guía completa de respaldo para ver cómo alimentarlo con lo que ya tienes.
Konshus mantiene tu contexto fuera de cualquier proveedor individual. Las actualizaciones de modelos, los cambios de cuenta y las cancelaciones silenciosas no tocan el Vault. Cifrado, exportable y nunca utilizado para entrenamiento.
Conoce Konshus