¿Qué debería recordar un agente? Memoria de agentes: personalización, automejora y memoria organizativa

Por Turing Post · Sat, 17 Oct 2026 15:06:21 +0000.

El artículo de Turing Post nace de la preparación de «Expert Showcase: Agent Memory», un evento de O'Reilly planificado junto a Nicole Butterfield, editora ejecutiva de O'Reilly. Los organizadores quisieron abordar la memoria de agentes desde varios ángulos: un agente que aprende de la experiencia, un robot que interactúa con el mundo físico y una organización cuyo conocimiento sigue viviendo en la cabeza de las personas (un problema recurrente que Turing Post ya trató en «The Org Age of AI»).

El artículo recuerda que, al cubrir por primera vez la memoria de agentes en Turing Post, se usó como analogía la película «Memento»: intentar dar sentido al mundo con notas y fotografías porque no se pueden formar recuerdos nuevos. Esa imagen refleja una frustración habitual con la IA. Pero la preparación del evento llevó a plantear una pregunta más amplia: una vez que un agente puede recordar, ¿qué nos desbloquea y qué se vuelve posible? El texto propone una forma estructurada de mirar el tema junto a las personas que lo construyen, subrayando que nada está resuelto ni cerrado, y que ahí reside su interés.

El episodio se enlaza con el anterior de la serie «AI Builds AI», dedicado a las skills: procedimientos reutilizables que ayudan a los agentes a hacer su trabajo. La memoria da un paso más atrás: de dónde pueden salir esos procedimientos, por ejemplo cuando un agente es corregido, prueba algo que falla o descubre una mejor manera de resolver una tarea. Lo que se explora es cómo esa experiencia se vuelve significativa y qué hace falta para mantenerla útil cuando cambian las circunstancias.

La agenda del episodio incluye estas preguntas: qué es la memoria de un agente de IA; cómo convertir un registro de lo ocurrido en algo de lo que el agente pueda aprender; cuánto del pasado debe entrar en el presente; si un agente puede aprender entre tareas; qué cambia cuando la experiencia viene del mundo físico; cómo construir memoria organizativa cuando gran parte del conocimiento está en la cabeza de las personas; qué debe recordar un agente cuando nadie está seguro; cómo saber si la memoria ayuda y qué probar primero; y qué haría falta para que un agente cuestione lo que cree saber.

Definición de memoria de agente: en términos sencillos, la memoria da al agente una forma de usar información de trabajo anterior en una decisión posterior. Esa información puede ser una preferencia, un dato sobre un proyecto, el registro de un intento fallido o un procedimiento que funcionó bien. Para que sirva entre sesiones separadas, el sistema que rodea al agente debe retenerla y ponerla a su disposición cuando vuelva a necesitarla.

El artículo señala que el término «memoria» confunde porque, cuando los humanos recordamos algo, rara vez pensamos en qué parte del proceso lo almacenó, lo encontró o lo conectó con la situación presente. En los agentes, alguien tiene que diseñar cada uno de esos pasos. Una ventana de contexto mayor puede contener más material durante una tarea, pero no decide qué merece sobrevivir después ni cómo debe usarlo un agente futuro.

Lewis Liu, que trabaja en IA empresarial en Microsoft, propone separar tres ambiciones: personalización, automejora y memoria organizativa. Aparecen a menudo en la misma conversación, aunque cada una exige algo distinto al sistema. La personalización ayuda al agente a adaptarse a una persona concreta: cómo le gustan los informes, en qué proyectos trabaja, qué ha explicado ya. La automejora pregunta si la experiencia puede cambiar cómo el agente realiza una tarea. La memoria organizativa amplía la cuestión más allá de un usuario o agente: ¿puede el conocimiento acumulado en una empresa estar disponible para otros que lo necesiten? La diapositiva 5 de la charla de Liu, «The State of Agent Memory», señala que cada una implica decisiones de implementación y retos de adopción distintos.

El artículo ofrece una tabla para reconocer si cada ambición funciona. En personalización, el ejemplo es recordar el formato preferido de actualización semanal, y el éxito se demuestra si la preferencia pasa a una sesión nueva. En automejora, el ejemplo es aprender a comprobar los nombres alternativos de un proyecto, y el éxito es que el agente encuentre actualizaciones que antes se le escapaban. En memoria organizativa, el ejemplo es compartir un procedimiento aprobado entre equipos, y el éxito es que otros equipos lo apliquen correctamente y puedan rastrearlo o corregirlo.

La misma interacción podría contribuir a las tres, pero tener éxito en una no demuestra éxito en las otras. Recordar un formato preferido dice muy poco sobre si un agente puede aprender un método fiable, y menos aún sobre si una empresa debería adoptarlo. Al hacer explícitas estas ambiciones, la pregunta útil pasa a ser: ¿qué debería ser diferente la próxima vez que el agente haga su trabajo?

El correo se corta en la sección «¿Cómo convertimos un registro de lo ocurrido en algo de lo que un agente pueda aprender?», porque el resto del artículo queda reservado a suscriptores Premium de Turing Post. Por ello, este resumen no cubre el contenido de las secciones posteriores (contexto pasado, aprendizaje entre tareas, memoria desde el mundo físico, memoria organizativa, creencias inciertas, evaluación de la memoria y cuestionamiento del propio conocimiento), de las que solo consta el enunciado de las preguntas.