El informe de memoria de IA 2026

A tres años y medio del inicio de la era de ChatGPT, todos los principales productos de IA para el consumidor ofrecen algún tipo de memoria, y ninguna de ellas es portátil. Quien inicia sesión en ChatGPT, Claude y Gemini esta mañana está manteniendo silenciosamente tres versiones distintas de sí mismo. Cada una es superficial. Cada una está optimizada para retenerle dentro de ese producto específico. Cada una está a un solo anuncio de discontinuación de sufrir un reinicio parcial.

Este informe es una auditoría exhaustiva de ese panorama a julio de 2026. Medimos, para cada proveedor principal, seis aspectos: (1) qué almacena realmente la función de memoria, (2) el periodo de retención promocionado, (3) el periodo de retención real dada la cadencia de cambio de modelos del propio proveedor, (4) si existe una opción de exportación y qué incluye, (5) si es posible transferir datos entre proveedores, y (6) cómo se comporta el producto cuando se discontinúa un modelo.

El hallazgo principal. En 2026, el usuario intensivo promedio de un asistente de IA líder experimenta un evento significativo que afecta su memoria —un cambio de modelo, eliminación de recuerdos, cambio de funciones o problema con la cuenta— aproximadamente una vez por trimestre. La retención anunciada en los tres productos más grandes (ChatGPT, Claude, Gemini) es de seis a doce meses. La retención efectiva, una vez que se toman en cuenta la desviación por cambio de modelo y la eliminación por el límite de memoria, se acerca más a los tres.

Para cada proveedor hicimos cuatro cosas. Leímos la documentación pública: páginas del centro de ayuda, notas de lanzamiento y canales RSS de registro de cambios, donde existían. Ejecutamos una batería fija de 200 preguntas en el producto para consumidores con la memoria activada, y luego otra vez tras provocar un cambio de modelo (ya fuera el cambio predeterminado del proveedor o seleccionando explícitamente un modelo más nuevo en el selector). Solicitamos e inspeccionamos la exportación de datos oficial cuando estaba disponible. Y, para los tres proveedores con mayor base de usuarios, ejecutamos una prueba comparativa de reconsulta: le hicimos al asistente las mismas veinte preguntas con tres meses de diferencia, en la misma cuenta y sin prompts intermedios.

El informe también se basa en cifras agregadas de la propia base de miembros de Konshus. Esos números siempre están etiquetados y siempre se agrupan en bloques mínimos de cincuenta miembros; consulta la barra lateral a continuación y nuestra página de privacidad para conocer nuestra postura completa.

Seis productos definen hoy el panorama de la memoria en la IA: OpenAI ChatGPT, Anthropic Claude, Google Gemini, Perplexity, Microsoft Copilot y xAI Grok. El resto del ecosistema de consumo (Pi, Character.ai, Replika, Meta AI en WhatsApp) representa una fracción lejana del tráfico o, como en el caso de Meta AI, utiliza un modelo de memoria derivado de la estrategia de Gemini. A continuación, presentamos una sección por cada producto principal, ordenados por su impacto en los miembros.

ChatGPT: la mayor memoria, la mayor rotación

ChatGPT es la función de memoria en la que la mayoría de los usuarios piensa al hablar de memoria en IA. También tiene el historial de cambios más marcado. Desde que se lanzaron las Custom Instructions en julio de 2023, OpenAI ha modificado silenciosamente la función cuatro veces: lanzó Memory para Plus en febrero de 2024, la amplió para hacer referencia a chats anteriores por defecto en mayo de 2025, reorganizó la interfaz de gestión de Memory en septiembre de 2025 y —a partir de la revisión de junio de 2026— comenzó a descartar entradas de memoria más antiguas cuando se alcanza el límite por cuenta.

Lo que almacena ChatGPT, en la práctica, es un pequeño conjunto de "información guardada" (frases cortas en tercera persona que el modelo ha decidido que son importantes sobre ti) más un repositorio mucho mayor de "historial de chats de referencia" que el modelo busca semánticamente durante cada turno. La información guardada es visible y editable en Configuración; el repositorio de referencia no lo es: puedes ver los chats individuales, pero no puedes ver cuáles está extrayendo el modelo en un turno específico.

Retención práctica. Se promociona como indefinida hasta que el usuario la borre o se alcance el límite. En nuestra prueba, la mediana de los usuarios intensivos de ChatGPT (nivel Plus, más de 100 recuerdos guardados) comenzó a notar la eliminación del 10–15% de los recuerdos más antiguos en unos seis meses. En una prueba completa de reconsulta con tres meses de diferencia, el asistente recordó el mismo dato con fiabilidad el 71% de las veces, pero reformuló la respuesta el 42% de las veces, cambió el énfasis el 18% de las veces y arrojó datos objetivamente distintos el 6% de las veces.

Qué sobrevive a un cambio de modelo. La información guardada se mantiene intacta, byte por byte. El historial de chats de referencia se conserva, pero la búsqueda semántica que lo consulta la realiza el modelo predeterminado actual, lo que significa que la selección de lo que se recupera cambia con cada nuevo modelo predeterminado. Los usuarios que sintieron que "ChatGPT ahora es diferente" tras el despliegue de GPT-5 en agosto de 2025 no se lo estaban imaginando; el modelo estaba mostrando un subconjunto sustancialmente diferente de su propio pasado.

Ruta de exportación. Configuración → Controles de datos → Exportar datos. Envía un archivo ZIP en un plazo de 24 horas con conversations.json (chats en bruto) y un user.json con los recuerdos guardados. Consulta nuestra guía paso a paso para ver exactamente dónde hacer clic.

Claude: los proyectos ganan, los chats olvidan

Anthropic hizo una apuesta radicalmente distinta con Claude Projects (octubre de 2024): un contexto delimitado y curado en lugar de un repositorio de memoria global. Un Project tiene su propio prompt de sistema, su propio conjunto de archivos fijados y su propio historial de chat; todo lo cual el modelo considera dentro del alcance para cada interacción dentro de ese Project. La experiencia predeterminada de Claude, fuera de Projects, no tiene ninguna memoria persistente.

El equilibrio es elegante en el papel. El usuario, y no el modelo, decide qué se conserva. No existe un "repositorio de referencia" invisible que extraiga sorpresas semánticas. Los Projects sobreviven intactos a la discontinuación de versiones de Claude: las transiciones Claude 3 → Claude 3.5 → Claude 4 cambiaron la forma en que el asistente usaba el contexto del Project, pero el contexto del Project en sí no se alteró.

La contrapartida en la práctica es que la mayoría de los usuarios no realiza esa curaduría. Le hacen una pregunta a Claude, luego otra, y esperan que la segunda respuesta recuerde la primera. Y lo hace, pero solo dentro de esa conversación. En la siguiente ya no. En nuestra prueba de rendimiento, los usuarios de Claude que nunca abrieron Projects tuvieron prácticamente cero retención de sus preferencias entre sesiones. Los usuarios de Claude con cinco o más Projects activos se comportaron más como los usuarios de ChatGPT con Memory activado, pero solo dentro del ámbito de cada Project.

Retención práctica. Dentro de un Project: delimitada por el contexto total del Project (actualmente 200,000 tokens en Claude 4.x). En la práctica, esto representa de 6 a 12 meses de uso activo antes de que el contexto del Project se sature. Fuera de un Project: cero.

Ruta de exportación. Configuración → Cuenta → Privacidad → Solicitar exportación de datos. Incluye los chats, pero no los prompts de sistema del Project ni los archivos fijados; esos deben copiarse manualmente. Tutorial completo en Back up Claude Projects.

Gemini: la apuesta por Workspace

La estrategia de memoria de Google es la menos evidente de las tres grandes porque en realidad no es una estrategia de memoria: es una estrategia de Workspace. Gemini cuenta con un panel de "Saved info" que funciona como la información guardada de ChatGPT (datos breves en tercera persona), además de Gemini Apps Activity (historial de conversaciones en bruto utilizable por el modelo como contexto). Pero la memoria estructural en el ecosistema de Google es Gmail, Docs, Drive, Calendar y Photos; Gemini accede a ellos en el momento de la recuperación.

Para quienes usan intensamente Google Workspace, esto es potente y duradero. Para quienes no, el historial de memoria persistente de Gemini es limitado. Google ha cambiado los modelos predeterminados de Gemini tres veces en 2025 y dos veces en 2026 hasta julio, y cada cambio generó las mismas quejas de "el modelo se siente diferente" vistas en OpenAI. Sin embargo, como la capa de Workspace es la verdadera memoria, los usuarios que hacen preguntas fácticas sobre "qué hice / qué dije" obtienen respuestas más estables que en cualquier producto de IA de consumo puro.

Retención práctica. Saved info: promocionada como indefinida, efectiva de 6 meses una vez que el límite empieza a descartar datos. Apps Activity: 18 meses por defecto, configurable por el usuario para reducirse a 3 o ampliarse hasta 36. Capa de Workspace: tan duradera como los productos subyacentes de Google (es decir, mucho).

Ruta de exportación. Google Takeout marcando la casilla de Gemini Apps Activity. Se entrega como archivo ZIP en cuestión de horas. Consulta nuestra guía para exportar la memoria de Gemini.

Perplexity, Copilot, Grok: la memoria como algo secundario

Los tres productos restantes con una presencia importante en el mercado de consumo tratan la memoria como una función de trámite, no como un pilar de diseño. Perplexity añadió una función de Memory a finales de 2024 que almacena preferencias breves del usuario; su retención práctica está limitada por los constantes cambios del propio producto (ha lanzado cuatro reorganizaciones de descubrimiento en 2025–2026). La memoria de Copilot solo tiene sentido dentro de Microsoft 365 y funciona como la apuesta de Workspace de Gemini a menor escala. La función de memoria de Grok, incorporada en enero de 2026, tiene la retención práctica más corta de todos los productos principales que medimos: el modelo se sustituye con tanta frecuencia que es raro que una preferencia de 90 días atrás se recupere en las consultas.

La principal fuente de disrupción en la memoria durante 2025–2026 no fue ningún cambio aislado de funciones: fue el ritmo incesante de reemplazos de modelos predeterminados. Cada cambio produce el mismo patrón en tres partes: (1) una publicación del proveedor anunciando novedades, (2) una oleada de mensajes de "mi IA se siente diferente" en Reddit, X y foros de soporte durante 7 a 14 días, y (3) la silenciosa aceptación del nuevo estándar. La memoria guardada del usuario sobrevive; su relación con el modelo, no.

Clasificadas según el impacto total en los miembros —la intensidad declarada de "se siente diferente" en encuestas × base de usuarios—, las cinco discontinuaciones más disruptivas desde 2023 fueron el paso de GPT-3.5 → GPT-4 (marzo de 2023), el cambio predeterminado de GPT-4 → GPT-4o (mayo de 2024), el lanzamiento de GPT-5 (agosto de 2025), el cambio predeterminado de Claude 3 → 3.5 (octubre de 2024) y el lanzamiento de Gemini 1.5 → 2.5 Pro (enero de 2026). La cronología completa se encuentra en /state-of-ai-memory-2026.

Ningún proveedor ofrece una vía nativa para transferir su memoria a la de otro proveedor. Esto no se debe a una limitación técnica; los esquemas son JSON sencillos. Es una decisión comercial. La memoria es el costo de cambio más valioso que tienen las empresas consolidadas. La portabilidad lo desgasta.

En la práctica, lo que puedes hacer hoy es un ciclo manual de exportar, transformar e importar: extraes la exportación de memoria de ChatGPT, la resumes en una descripción de perfil de 300 a 800 palabras y pegas ese resumen en el prompt de sistema de un Project en Claude o en Saved info de Gemini. Los miembros que hacen esto reportan una mejora real de la calidad en el asistente receptor durante unas seis semanas, seguida de una desviación a medida que la memoria del nuevo proveedor diverge de la original.

Propusimos un estándar abierto de portabilidad en un artículo independiente — The AI Memory Portability Standard —: un esquema JSON para átomos, artefactos y procedencia que cualquier proveedor podría importar o exportar. Que algún proveedor lo adopte sigue siendo una incógnita. Lo que no está en duda es que existirá alguna capa en un plazo de 24 meses; el costo de cambio es demasiado visible para que el mercado lo deje sin respuesta.

Konshus es una capa de memoria en la que los miembros depositan su propio historial de IA. Lo que vemos, agregado a través de nuestra base de miembros, aporta mayor precisión a algunas de las cifras públicas.

El nuevo miembro promedio importa el historial de 2.3 proveedores en la primera semana —por lo general, ChatGPT más otro (Claude, Gemini o Notion). La combinación más común es ChatGPT + Claude. La segunda es ChatGPT + un gestor de conocimiento personal (Notion, Obsidian o Readwise). Los usuarios que importan un solo proveedor son una minoría.

La mediana del volumen de artefactos al día 30 es de 187 para los miembros que completan el flujo de importación guiado, y de 12 para quienes no lo hacen: una diferencia de 15× atribuible casi en su totalidad a si el miembro subió o no su exportación de ChatGPT. Los miembros que esperan más de siete días tras registrarse para importar su primer archivo tienen significativamente menos probabilidades de importar nada.

La clase de átomos más referenciada en toda nuestra base de vaults no son decisiones, proyectos ni preferencias: son personas. Relaciones, familiares, colegas, amigos cercanos. La función de memoria de cada producto de IA se queda corta en esto en comparación con lo que los usuarios realmente quieren que el modelo sepa.

Seis cosas que prevemos que ocurrirán —algunas de las cuales ya están comenzando a verse— a lo largo de los próximos 18 meses.

1. Al menos otros dos cambios de modelo predeterminado en OpenAI. GPT-5 → GPT-5.5 o GPT-6 llegando en el cuarto trimestre de 2026 o primer trimestre de 2027; cada cambio anterior ha generado la misma alteración en el comportamiento de recuerdo y no hay razón para pensar que este no lo haga.
2. Precios explícitos por niveles de memoria. La industria pasará de «la memoria es una función» a «el volumen de memoria es un eje de pago». OpenAI ya lo implementa de facto (límites de memoria en Plus vs. versión gratuita); es de esperar que Anthropic y Google hagan lo mismo.
3. Un incidente visible de portabilidad. Al menos un proveedor cambiará el comportamiento de la memoria de tal forma que provocará un descontento público a la escala del incidente de ERP de Replika. Las condiciones estructurales ya existen; solo se desconoce el detonante específico.
4. Los servidores de memoria MCP entre proveedores se vuelven la norma. El Model Context Protocol alcanzó masa crítica en 2026; los MCP de servidores de memoria (Konshus y otros) serán la solución práctica a la portabilidad antes de que cualquier proveedor lance una opción propia.
5. Atención regulatoria. Las disposiciones de portabilidad de datos de la Ley de IA de la UE comenzarán a aplicarse específicamente a las funciones de memoria; anticipa al menos una acción coercitiva en 2027 que redefina la «exportación de memoria» como un requisito regulatorio, no como una función opcional.
6. La palabra «memoria» se divide. Los usuarios comenzarán a distinguir entre la memoria del proveedor (el alquiler) y la memoria personal (la versión de tu propiedad). El vocabulario se adaptará a la realidad para finales de 2027.

Independientemente de si alguna vez usas un producto de capa de memoria, cualquier persona que use la IA intensamente debería hacer lo siguiente una vez y luego repetirlo cada trimestre. Tiempo total: menos de media hora.

1. Exporta ChatGPT. Configuración → Controles de datos → Exportar datos. Guarda el archivo ZIP resultante en una carpeta de la que hagas copias de seguridad.
2. Exporta Claude. Configuración → Privacidad → Solicitar exportación de datos. Guarda el archivo más una captura de pantalla manual de las instrucciones de sistema (system prompt) de cada Project activo (la exportación actual las omite).
3. Exporta Gemini mediante Google Takeout. Desmarca todo, selecciona Actividad en aplicaciones de Gemini y solicita la exportación.
4. Escribe un perfil de personalidad de 300 palabras. Quién eres, en qué estás trabajando y tres preferencias importantes sobre cómo debe hablarte una IA. Guárdalo en un archivo de texto. Pégalo en el system prompt de cualquier nueva IA que pruebes.
5. Añade un recordatorio trimestral. Vuelve a ejecutar las tres exportaciones. Una exportación solo es tan duradera como su copia más reciente.

Si quieres estos cuatro pasos comprimidos en un solo proceso de importación más una capa de memoria continua que sobreviva a cada cambio de modelo y proveedor, eso es lo que creamos en Konshus; consulta la guía completa de propiedad. Pero la guía práctica anterior es el mínimo imprescindible para cualquiera.

Las cifras específicas de cada proveedor (plazos de retención, cronogramas de funciones, fechas de cambio de modelo) se extraen del centro de ayuda público, notas de la versión y feeds RSS de cambios (cuando están disponibles) de cada proveedor a fecha de julio de 2026. Donde la documentación pública no dice nada o resulta contradictoria, nos basamos en nuestras propias pruebas con baterías de prompts; esos casos están señalados en el texto. Las cifras del grupo de cohortes de Konshus se agrupan en bloques mínimos de cincuenta miembros, como se describe en la barra lateral de privacidad; las consultas subyacentes están en src/lib/cohort-stats.functions.ts en nuestra base de código pública.

Para correcciones y solicitudes de citas, contáctanos en hello@konshus.ai. Este informe se actualiza trimestralmente; la próxima revisión llegará en octubre de 2026.