WhitePaper – Memoria y Contexto
La mayoría de los asistentes de IA siguen siendo reactivos: pueden responder una pregunta, resumir un correo electrónico, crear una tarea o llamar a una herramienta. Pero después de eso, gran parte del contexto útil se pierde.
He publicado el whitepaper actual aquí. Omite esto y lee la versión más reciente: https://docs.google.com/document/d/1MNddX6o89HpGYiXkXWTX6y83ymohCT1gdctbmM8Ocik/editar?tab=t.0
Esto es un problema para los agentes de trabajo reales. Un agente de trabajo debe entender más que la orden. Cuando un usuario dice "hacer seguimiento con él mañana", el agente necesita saber quién es "él", cuál fue el tema y cómo suele comunicarse el usuario.
Por eso la memoria importa.
Pero memoria no debería significar almacenar todo para siempre. Eso crea ruido y riesgo. Un sistema de memoria útil debe saber qué vale la pena recordar, cuán fiable es y cuándo queda desactualizado.
En Actor, vemos la memoria como la infraestructura de contexto para el trabajo autónomo.
Ayuda al asistente a actuar mejor en correo electrónico, calendario, tareas y flujos de trabajo. Puede mejorar borradores, recordatorios, seguimientos, informes diarios y automatizaciones.
Por ejemplo, Actor puede aprender que las reuniones con inversores requieren preparación, que los correos de finanzas necesitan atención especial o que WhatsApp solo debe usarse para recordatorios urgentes.
Entonces surge el gran problema: la confianza. Un agente debe saber la diferencia entre una preferencia confirmada, un patrón reciente y una suposición débil. También debe explicar por qué utilizó cierta memoria.
Los mejores agentes no recordarán todo, sino las cosas adecuadas, en el momento adecuado y con el nivel correcto de confianza.
Siéntete libre de leerlo, compartirlo o usarlo si te resulta útil.
Estaré encantado de discutir el tema más a fondo, intercambiar ideas o proporcionar una referencia si ayuda en tu propio trabajo.
Conéctate en LinkedIn Alex Rada