En pocos meses, los principales fabricantes de asistentes de IA lanzaron, cada uno a su manera, una versión de memoria: la capacidad del asistente de recordar una conversación en la siguiente. Gemini, de Google, mantiene el historial de conversaciones activo por defecto durante 18 meses, plazo que la persona puede acortar a 3 meses, extender a 36 o dejar indefinido. Claude, de Anthropic, sigue otro camino: guarda el contenido de las solicitudes y respuestas durante 30 días por motivos de seguridad y luego lo borra automáticamente, salvo excepción prevista por ley.
No existe un estándar único entre fabricantes, y hay un detalle que pasa desapercibido. Según el propio centro de privacidad de Gemini, una conversación revisada por un evaluador humano sigue guardada hasta por tres años incluso después de que la persona borra el historial de ese chat. Guardar y borrar no son la misma decisión: cada fabricante resuelve esa cuenta a su manera, para uso personal.
Eso es un detalle de configuración hasta el momento en que se convierte en un problema de empresa. Cuando alguien del equipo pega información de un cliente, de un contrato o de una hoja de cálculo interna en un asistente personal, la política que decide cuánto tiempo queda guardado ese contenido —y quién tiene acceso a él— no pertenece a la empresa. Pertenece al fabricante de ese asistente, y la empresa no participa en esa decisión.
Qué es memoria personal y qué es conocimiento de la empresa
La confusión más común es tratar toda memoria como si fuera una sola cosa. No lo es. Existen al menos dos tipos, y cada uno debería tener un dueño distinto.
La memoria personal es la forma de trabajar de cada persona: el formato preferido de resumen, el tono usado en los correos, el hecho de que alguien siempre revisa un contrato de una manera específica. Eso pertenece a quien usa el asistente en el día a día y no debería convertirse automáticamente en información disponible para el resto de la empresa.
El conocimiento de la empresa es otra categoría: la política de reembolsos vigente, la tabla de precios actual, el proceso aprobado para abrir un ticket de soporte. Eso tiene un dueño (el área responsable), una versión (la más reciente reemplaza a la anterior) y un alcance (no todo documento es para toda la empresa). Cuando esa información se trata como "memoria" suelta de cualquier conversación, pierde justamente las tres cosas que la hacen confiable: dueño, versión y alcance.
El regulador francés de protección de datos, la CNIL, resume el principio de una forma que sirve para cualquier arquitectura de IA: los datos usados deben ser seleccionados y organizados para cumplir una finalidad clara, no acumulados por casualidad. Eso vale tanto para el material que entrena un modelo como para lo que un equipo deja que un asistente recuerde en su rutina diaria.
Guardarlo todo o no guardar nada no resuelve nada
Frente al riesgo, el primer instinto suele ser un extremo: apagar la memoria por completo, o dejarla acumulando todo indefinidamente. Ninguno de los dos resuelve el problema.
Apagar la memoria obliga a la persona a reexplicar el contexto todos los días —quién es el cliente, cuál es el proceso, qué formato prefiere— y eso es exactamente el tipo de trabajo repetitivo que un asistente debería eliminar, no recrear. Un equipo que reexplica todo cada mañana no ganó ninguna productividad; solo cambió una tarea manual por otra.
Guardarlo todo, para siempre, crea el problema opuesto: información desactualizada sigue disponible como si aún fuera válida, y nadie recuerda cuándo se dijo ni quién lo dijo. El propio centro de privacidad de Gemini muestra cómo esa cuenta puede escapar del control de la persona: una conversación revisada por un evaluador humano permanece guardada hasta por tres años, incluso después de que el usuario borra el historial —borrar no es sinónimo de desaparecer.
En Brasil, la Autoridad Nacional de Protección de Datos también ha señalado esa preocupación. Según la Nota Técnica nº 12/2025, comentada en análisis del mercado, una parte relevante de las organizaciones usa grandes volúmenes de datos para personalizar respuestas de IA sin claridad suficiente sobre la finalidad, el plazo de retención y la base legal para mantener esa información guardada. El problema rara vez es la IA en sí: es la ausencia de una regla explícita sobre qué debería recordar y por cuánto tiempo.
Lo que tiene que existir en la práctica
Un entorno de IA corporativo bien diseñado trata la memoria como una decisión de gobernanza, no como la configuración predeterminada del fabricante. Eso implica algunos mecanismos concretos.
Capas de memoria con un dueño definido. La memoria personal (la forma de trabajar de cada persona) queda separada del conocimiento de la empresa (un documento con dueño, versión y alcance por área) y de la memoria de un agente (el contexto que una automatización específica acumula sobre una rutina). Una cosa no se convierte en la otra sin pasar por un proceso.
Retención configurable por tipo de dato, con expurgo automático. Un plazo único para todo es tan erróneo como ningún plazo. Una preferencia personal puede durar lo que la persona quiera; un dato sensible de un cliente debería tener un plazo corto y expiración automática, sin depender de que alguien recuerde borrarlo.
Promoción con aprobación, no automática. Cuando algo que empezó como una anotación personal necesita convertirse en conocimiento oficial del equipo, eso pasa por la revisión de quien es responsable de ese tema —la misma lógica de "cuatro ojos" que aplica a cualquier documento que el asistente use para responder a otras personas.
Un registro sobre la propia memoria. Cuándo se guardó una información, quién lo hizo, con qué finalidad y cuándo expira: eso debe ser consultable, de la misma forma que cualquier otra acción registrada en el sistema.
Así fue diseñada la Skyller: la memoria personal permanece personal, el conocimiento de la empresa tiene dueño y versión definidos, y la retención sigue un plazo configurable con expurgo automático —no un estándar único heredado de afuera.
Del recuerdo individual a la memoria que usa todo el equipo
La ganancia más inmediata de separar bien estas capas aparece en la rutina diaria, no en una auditoría. Una persona que se une al equipo hoy hereda el conocimiento formal de la empresa —los documentos, los procesos— pero no hereda nada de lo que un colega aprendió usando el asistente en los últimos seis meses. Ese atajo para responder a un cliente difícil, esa forma de estructurar un informe que funcionó bien: queda solo en la cabeza y en el historial personal de quien lo descubrió.
Cuando el conocimiento de la empresa se trata como una categoría propia —con dueño, versión y permisos de reutilización—, lo que una persona perfeccionó puede ponerse a disposición de todo el equipo, sin mezclarlo con la preferencia personal de nadie. La memoria deja de ser un activo individual disperso en cuentas separadas y pasa a ser parte de lo que la empresa realmente sabe hacer.
Eso también facilita la auditoría y el cumplimiento: cuando alguien pregunta de dónde vino una información usada en una respuesta, existe una respuesta verificable —el documento, la versión, quién la aprobó— en lugar de "el asistente lo recordó de algún lugar".
Una hoja de ruta para decidir qué vale la pena recordar
Antes de tratar la memoria como un detalle técnico, vale la pena responder estas preguntas junto con el área de TI y quienes manejan datos sensibles:
- ¿Qué se trata hoy como "memoria" en los asistentes que el equipo ya usa? Si la respuesta es "no lo sabemos", el primer paso es simplemente descubrir qué se está guardando ya, y dónde.
- ¿Existe una línea clara entre preferencia personal y conocimiento oficial de la empresa? Si cualquier cosa dicha en una conversación puede convertirse en respuesta estándar para otra persona, esa línea todavía no existe.
- ¿Cada tipo de dato tiene un plazo de retención definido, o todo queda guardado hasta que alguien recuerde borrarlo? Un plazo por tipo de dato es lo que separa una política de gobernanza de una acumulación sin control.
- ¿Quién aprueba cuándo una anotación personal se convierte en conocimiento disponible para el equipo? Si la respuesta es "nadie, simplemente sucede", esa es la primera brecha que hay que cerrar.
