El problema de la memoria del que nadie habla
Los asistentes de IA se están volviendo muy buenos recordando cosas. Tu formato de salida preferido. El stack tecnológico en el que trabajas. Tu zona horaria, la estructura de tu equipo, el hecho de que siempre quieres citas. Ese contexto persistente hace que la IA sea mucho más útil — dejas de reexplicarte en cada sesión y el asistente empieza a parecer un compañero en vez de una caja de búsqueda.
Pero junto a esa utilidad crece en silencio una dependencia. El asistente recuerda cosas sobre ti, y tú no controlas qué recuerda. No puedes auditarlo con facilidad, no puedes exportarlo en un formato portable y, si el proveedor decide cambiar su producto de memoria — o descontinuarlo — no tienes recurso alguno. No solo pierdes la comodidad: pierdes el contexto acumulado que costó meses de interacción construir.
Esto no es hipotético. Es el estado por defecto de toda gran plataforma de IA que opera hoy.
Tres derechos que no deberían ser negociables
El debate sobre derechos de datos no es nuevo. El RGPD, la CCPA y una década de disputas sobre plataformas sociales establecieron que quien usa un servicio tiene reclamaciones legítimas sobre sus propios datos. La memoria de IA debería regirse por las mismas normas. Tres derechos importan especialmente:
El derecho a inspeccionar. Deberías poder ver una lista en texto claro con cada dato almacenado sobre ti. No un resumen vago, no un «perfil de personalización» de folleto — los datos reales guardados, visibles a demanda. Si el sistema piensa que eres desarrollador de backend que prefiere respuestas concisas y no soporta la voz pasiva, deberías poder leer exactamente eso.
El derecho a olvidar. Cada dato almacenado debería poder borrarlo quien usa el sistema, individualmente o en bloque, con efecto inmediato. El borrado debe ser real — no un ocultamiento suave que siga influyendo en el comportamiento del modelo por dentro — y debe ser verificable. «He borrado eso» debería significar que el modelo ya no actúa en consecuencia.
El derecho a exportar y a la portabilidad. Si has construido un contexto de memoria útil durante un año con un proveedor y quieres cambiar, deberías poder llevártelo. La portabilidad de la memoria es el mismo problema que la portabilidad de datos en cualquier otra categoría. Que se trate de un embedding vectorial o de un bloque JSON en lugar de una hoja de cálculo no lo hace conceptualmente distinto.
Ninguno de estos derechos exige sacrificar la calidad del producto. Exigen tratar a quien usa el sistema como parte interesada y no como fuente de datos.
Por qué las plataformas se resisten
La resistencia no es principalmente técnica, es estructural. El contexto de memoria es infraestructura de retención. Una plataforma que ha aprendido tus preferencias en profundidad tiene una ventaja de coste de cambio frente a una que no. Hacer la memoria portable o fácilmente borrable debilita esa retención, y la mayoría de los equipos de producto que optimizan métricas de interacción posponen en silencio el control del usuario.
Hay también un problema epistémico: los equipos que construyen sistemas de memoria a menudo no saben con precisión qué ha retenido el modelo, porque la memoria muchas veces no es una lista estructurada y limpia, sino una propiedad emergente del espacio de embeddings o de un ajuste fino suave. Ofrecer un rastro de auditoría claro exige decisiones arquitectónicas explícitas — guardar la memoria como datos estructurados e inspeccionables en vez de como estado opaco del modelo — y esas decisiones hay que tomarlas pronto.
Añadir trazabilidad después a un sistema opaco es caro. Construirla desde el principio no lo es. La elección refleja prioridades.
Dónde se sitúa ToRun
La memoria en ToRun se guarda como datos explícitos y legibles por quien usa el sistema. Puedes listar todo lo que sabe sobre ti, borrar elementos sueltos o todo, y el borrado es inmediato y real — afecta a lo que el modelo ve en el siguiente turno. El sistema de memoria es además independiente del idioma: funciona en los 29 idiomas de la plataforma, sin obligarte a escribir en inglés para que te recuerden de forma fiable.
No lo construimos así porque tuviéramos que hacerlo. Lo construimos así porque la alternativa — guardar la memoria como una caja negra que quien usa el sistema no puede consultar — es incompatible con los principios de interfaz honesta sobre los que se apoya el producto. Si alguien pregunta «¿qué sabes de mí?», el sistema debería poder responder esa pregunta de forma completa y exacta, no aproximada.
La portabilidad de exportación ya está entregada. Una solicitud de datos devuelve tu memoria junto al resto de tus datos personales, como un archivo que descargas tú — los datos ya estaban estructurados, así que fue cuestión de construir el endpoint, no de rediseñar el almacén.
Esta es una afirmación acotada: que tu memoria de IA debería ser tuya, legible por ti y borrable por ti. No es una postura controvertida. El sector debería converger hacia ella más rápido de lo que lo está haciendo.