O problema de memória de que ninguém fala
Assistentes de IA estão ficando muito bons em lembrar. Seu formato de saída preferido. A stack de tecnologia em que você trabalha. Seu fuso horário, a estrutura do seu time, o fato de você sempre querer citações. Esse contexto persistente torna a IA dramaticamente mais útil — você para de se reexplicar a cada sessão e o assistente começa a parecer um colega em vez de uma caixa de busca.
Mas ao lado dessa utilidade cresce em silêncio uma dependência. O assistente lembra coisas sobre você, e você não controla o que ele lembra. Você não pode auditar isso com facilidade, não pode exportar em um formato portátil, e se o fornecedor decidir mudar o produto de memória — ou simplesmente descontinuá-lo — você não tem recurso. Você não perde só a comodidade: perde o contexto acumulado que levou meses de interação para construir.
Isso não é hipotético. É o estado padrão de toda grande plataforma de IA em operação hoje.
Três direitos que não deveriam ser negociáveis
O debate sobre direitos de dados não é novo. LGPD, GDPR, CCPA e uma década de disputas sobre plataformas sociais estabeleceram que quem usa um serviço tem pretensões legítimas sobre os próprios dados. A memória de IA deveria responder às mesmas normas. Três direitos importam em particular:
O direito de inspecionar. Você deveria poder ver uma lista em texto claro com cada fato armazenado sobre você. Não um resumo vago, não um «perfil de personalização» de folheto — os fatos efetivamente guardados, visíveis sob demanda. Se o sistema acha que você é um desenvolvedor de backend que prefere respostas concisas e detesta voz passiva, você deveria poder ler exatamente isso.
O direito ao esquecimento. Cada fato armazenado deveria poder ser apagado por você, individualmente ou em bloco, com efeito imediato. A exclusão precisa ser real — não uma ocultação suave que continue influenciando o comportamento do modelo por dentro — e precisa ser verificável. «Apaguei isso» deveria significar que o modelo não age mais de acordo.
O direito à exportação e à portabilidade. Se você construiu um contexto de memória útil por um ano com um fornecedor e quer trocar, deveria poder levá-lo. A portabilidade da memória é o mesmo problema da portabilidade de dados em qualquer outra categoria. Ser um vetor de embedding ou um bloco JSON em vez de uma planilha não torna a coisa conceitualmente diferente.
Nenhum desses direitos exige sacrificar a qualidade do produto. Eles exigem tratar quem usa o serviço como parte interessada e não como fonte de dados.
Por que as plataformas resistem
A resistência não é sobretudo técnica, é estrutural. O contexto de memória é infraestrutura de retenção. Uma plataforma que aprendeu a fundo suas preferências tem uma vantagem de custo de troca sobre uma que não aprendeu. Tornar a memória portátil ou facilmente apagável enfraquece essa retenção, e a maioria dos times de produto que otimizam métricas de engajamento adia em silêncio o controle do usuário.
Há também um problema epistêmico: os times que constroem sistemas de memória muitas vezes não sabem com precisão o que o modelo reteve, porque a memória frequentemente não é uma lista estruturada limpa e sim uma propriedade emergente do espaço de embeddings ou de um ajuste fino suave. Oferecer uma trilha de auditoria clara exige decisões arquiteturais explícitas — guardar a memória como fatos estruturados e inspecionáveis em vez de estado opaco do modelo — e essas decisões precisam ser tomadas cedo.
Acrescentar rastreabilidade depois a um sistema opaco é caro. Construí-la desde o início não é. A escolha reflete prioridades.
Onde o ToRun se posiciona
A memória no ToRun é guardada como fatos explícitos e legíveis. Você pode listar tudo o que ela sabe sobre você, apagar itens isolados ou tudo, e a exclusão é imediata e real — afeta o que o modelo vê no turno seguinte. O sistema de memória também é independente do idioma: funciona nos 29 idiomas da plataforma, sem obrigar você a escrever em inglês para ser lembrado de forma confiável.
Não construímos assim porque fomos obrigados. Construímos assim porque a alternativa — guardar a memória como uma caixa-preta que não dá para interrogar — é incompatível com os princípios de interface honesta em que o produto se apoia. Se alguém pergunta «o que você sabe sobre mim?», o sistema deveria poder responder essa pergunta de forma completa e exata, não aproximada.
A portabilidade de exportação já foi entregue. Um pedido de acesso a dados devolve sua memória junto com o resto dos seus dados pessoais, como arquivo que você mesmo baixa — os fatos já estavam estruturados, então foi questão de construir o endpoint, não de reprojetar o repositório.
Essa é uma afirmação estreita: que sua memória de IA deveria ser sua, legível por você e apagável por você. Não é uma posição controversa. O setor deveria convergir para ela mais rápido do que está.