Estamos hablando muchísimo de agentes...
Pero hay un detalle que separa demos espectaculares de sistemas que funcionan de verdad en producción:
👉 la memoria
Esta semana estuve leyendo el paper Memory in the Age of AI Agents y pone orden en un concepto que se estaba usando para todo… y para nada a la vez
Uno de los mayores aciertos del paper es separar claramente agent memory de cosas que solemos mezclar...
Que NO es memoria:
→ RAG (vector DB) 👉 esto es acceso
→ context engineering 👉 esto es recuperación
-→ ventanas de contexto más grandes 👉 esto es contexto
Que SI es memoria (en 3 capas):
1️⃣ Formas – cómo se guarda la información
→ memoria a nivel de tokens
→ memoria paramétrica
→ memoria latente
2️⃣ Funciones – para qué sirve esa memoria
→ factual (hechos)
→ experiencial (aprendizaje de interacciones pasadas)
→ de trabajo (estado activo para razonar)
No toda memoria sirve para lo mismo.
Tratarla igual es un error de diseño.
3️⃣ Dinámica – lo que casi nadie diseña
→ cómo se forma
→ cómo evoluciona
→ cómo se recupera con el tiempo
Si un agente recuerda, entonces la memoria ya no es algo del modelo...
👉 Es arquitectura de datos
Y eso implica:
- fuentes
- calidad
- versionado
- evaluación
- privacidad
- confianza
Os dejo el paper en comentarios