Libro blanco – Memoria y contexto
La mayoría de los asistentes de IA siguen siendo reactivos: pueden responder una pregunta, resumir un correo, crear una tarea o invocar una herramienta. Pero después de eso, gran parte del contexto útil se pierde.
He publicado el libro blanco 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 «hazle un seguimiento mañana», el agente necesita saber quién es «él», cuál fue el tema y cómo suele comunicarse el usuario.
Por eso la memoria importa.
Pero la memoria no debe 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 infraestructura de contexto para el trabajo autónomo.
Ayuda al asistente a actuar mejor en correo, calendario, tareas y flujos de trabajo. Puede mejorar borradores, recordatorios, seguimientos, resúmenes 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 usó una determinada memoria.
Los mejores agentes no lo recordarán todo, sino las cosas correctas, en el momento adecuado y con el nivel apropiado 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