Konshus
Read in English
Share

Diseñar una memoria que deje el futuro abierto

¿Cómo debería la memoria de la IA distinguir los planes de las predicciones?

Por el equipo de Konshus

Compartir

La respuesta corta

La memoria de la IA debería representar un escenario posible, una predicción, una intención y una acción autorizada como cosas distintas. Esta es una propuesta de diseño: preservar sus fuentes y su temporalidad, revisar qué se considera actual y pedir permiso en lugar de tratar las ambiciones recordadas como instrucciones.

Una línea de tiempo que se ramifica en tarjetas separadas para una posibilidad, una predicción y un plan.

Un asistente recuerda que querías abrir una panadería. También recuerda que más tarde pospusiste la idea porque el riesgo financiero era demasiado alto. Meses después, surge una oportunidad más pequeña de fin de semana. ¿Qué recuerdo debería guiar su respuesta?

El recuerdo exacto por sí solo no puede responder a eso. Ambas afirmaciones pueden ser auténticas, pero ninguna define lo que quieres ahora. Una IA personal útil conectaría el pasado con el presente sin convertir una vieja ambición en una obligación permanente.

¿Por qué un plan recordado no es una predicción?

Considera cuatro afirmaciones sobre un viaje de campamento: imagina ir al lago; el clima probablemente sea propicio; tengo la intención de ir el próximo mes; ayúdame a organizar el transporte. Se refieren a una misma salida, pero cumplen funciones distintas: simulación, predicción, intención y una solicitud de planificación, según el marco de 2014 de Szpunar y sus colegas.

La autorización necesita su propio límite. Decir que un viaje suena atractivo no autoriza a reservarlo, e incluso una intención registrada no es un permiso irrestricto para actuar. Un sistema de memoria propuesto debería preservar la diferencia entre explorar un futuro y elegirlo.

¿Cómo debería la IA usar los recuerdos para sugerir un futuro?

Si alguien disfrutó de una caminata familiar anterior, quiere pasar más tiempo al aire libre y espera un mes más tranquilo, un asistente podría conectar esos datos y preguntar si le gustaría hacer otro viaje, explicando la conexión y haciendo visibles sus suposiciones.

La sugerencia es una posibilidad para conversar, no una conclusión. El asistente no debería inventar las preferencias de otra persona, organizar el viaje a espaldas de nadie ni convertir un deseo pasajero en un deber recurrente. A veces, el mejor uso de la memoria es preguntar qué sigue vigente.

¿Qué debería pasar cuando un viejo plan cambia?

Una mudanza anunciada en marzo y cancelada en abril sigue siendo parte de la historia real, pero ya no es un plan actual. Una solución propuesta es conservar la afirmación anterior cambiando su estado para las decisiones presentes, junto con sus fuentes, momentos de registro e historial de revisiones.

En el caso de la panadería, una oportunidad más pequeña no reactiva el plan original ni queda descartada por la pausa anterior. Un asistente útil preguntaría si la limitación financiera sigue vigente. Las personas siempre tienen derecho a reconsiderar.

¿Qué establece la investigación actual sobre IA?

El artículo de 2023 sobre Generative Agents describió agentes que almacenaban experiencias, reflexionaban, recuperaban información relevante y la usaban para planificar en un pueblo simulado. Eso demuestra que la memoria puede impulsar el comportamiento futuro, no que un sistema esté listo para gestionar el historial privado de personas reales, ni que posea una experiencia subjetiva.

LongMemEval (ICLR 2025) evaluó la extracción, el razonamiento multisesión, el razonamiento temporal, la actualización de conocimientos y la abstención: prerrequisitos para ofrecer ayuda orientada al futuro, no una prueba de que cualquier sugerencia basada en recuerdos sea apropiada.

¿Cómo podríamos comprobar si una memoria orientada al futuro realmente ayuda?

Una evaluación propuesta compararía tres sistemas: recuperación simple de hechos; recuperación más temporalidad y revisiones; y eso sumado a escenarios etiquetados, restricciones y preguntas aclaratorias. Los historiales sintéticos podrían incluir una mudanza cancelada, un cambio de rumbo profesional y una vieja promesa que vuelve a cobrar relevancia.

¿Identificó el asistente la restricción actual, confundió una posibilidad con un compromiso, pasó por alto una contradicción o actuó sin permiso? Si un sistema más avanzado se vuelve invasivo o inventa compromisos, eso cuenta en su contra.

¿Puede la IA preservar la historia sin encasillar la identidad de alguien?

Una persona puede pasar años preparándose para una profesión y luego abandonarla. Su historia sigue perteneciendo a ella, pero un asistente que insista en redirigirla hacia allí estaría usando la memoria para limitar en lugar de apoyar.

Un diseño respetuoso distingue entre preservar la evidencia y otorgarle autoridad sobre el futuro. El objetivo es un asistente que pueda explicar lo que recuerda, preguntar qué ha cambiado y dejar la siguiente decisión en manos de la persona.

¿Cómo se vería esto en una conversación real?

Supongamos que alguien le dice a un asistente en primavera que planea correr un maratón en otoño. En otoño, una memoria descuidada podría decir "corriste un maratón". Una cuidadosa diría "planeabas correr uno este otoño" y, si corresponde, preguntaría cómo te fue.

La diferencia es importante porque las personas hacen muchos planes que luego cambian, posponen o descartan. Tratar cada plan como un logro consumado inventa una historia falsa, y tratar cada plan como un pronóstico presiona a las personas hacia elecciones que quizás ya dejaron atrás.

Mantener los planes, las predicciones y los resultados como tipos distintos de memoria permite que un asistente sea útil con respecto al futuro sin reescribir el pasado.

En una oración

Simulación
Un escenario posible construido que no afirma, por sí mismo, qué sucederá.
Predicción
Una estimación de lo que es probable que ocurra, no un compromiso ni una autorización.
Intención
Un objetivo declarado que se mantiene claramente diferenciado del permiso para que una IA actúe.

Puntos clave

  • Un escenario posible, una predicción, una intención y el permiso para actuar deben mantenerse diferenciados.
  • Una afirmación antigua puede seguir siendo cierta como registro histórico, aunque ya no describa el plan actual.
  • La investigación sobre planificación respaldada por memoria no garantiza un manejo seguro de las historias personales reales.
  • La memoria orientada al futuro debería apoyar los cambios de objetivos en lugar de imponer una identidad fija.

Preguntas frecuentes

¿Por qué la IA no debería tratar mis planes como cosas que ya hice?

Los planes suelen cambiar. Registrar un plan como un logro crea una historia falsa, por lo que los planes y los resultados deben almacenarse por separado.

¿Debería la IA dar seguimiento a mis planes antiguos?

Puede ser útil preguntar cómo resultó un plan, siempre y cuando el asistente no dé por sentado el resultado ni presione a la persona para que lo mantenga.

¿Es una predicción de la IA lo mismo que un plan?

No. Una predicción estima un resultado; un plan organiza cómo podría hacerse algo. Ninguno de los dos determina lo que una persona ha elegido.

¿Debería la IA recordar los planes cancelados?

Conserva el registro histórico señalando con claridad que el plan ya no está vigente.

¿Puede la IA actuar según algo que dije que quería?

Un deseo recordado no es una autorización. La propuesta es pedir permiso antes de actuar.

¿Que la IA planifique significa que imagina como una persona?

No. Generar escenarios no demuestra que exista una experiencia subjetiva ni un viaje mental consciente en el tiempo.

¿Cómo debería manejar la IA un cambio en mis objetivos?

Preservando el historial relevante mientras actualiza lo que guía las recomendaciones actuales, y permitiendo que un nuevo objetivo reemplace al anterior.

Fuentes

  1. Szpunar, K. K., Spreng, R. N., & Schacter, D. L. (2014). A taxonomy of prospection. PNAS, 111(52), 18414–18421. https://doi.org/10.1073/pnas.1417144111
  2. Park, J. S., et al. (2023). Generative agents: Interactive simulacra of human behavior. Proceedings of UIST ’23. https://doi.org/10.1145/3586183.3606763
  3. Wu, D., et al. (2025). LongMemEval: Benchmarking chat assistants on long-term interactive memory. ICLR 2025. https://proceedings.iclr.cc/paper_files/paper/2025/hash/d813d324dbf0598bbdc9c8e79740ed01-Abstract-Conference.html