Le cuentas a un asistente de inteligencia artificial que prefieres explicaciones breves, que estás preparando un curso o que sigues una determinada rutina. Días después, inicia una conversación nueva y parece recordar esos detalles.
Esta continuidad puede ahorrar tiempo y producir respuestas más útiles. También plantea preguntas razonables: ¿qué información conserva?, ¿durante cuánto tiempo?, ¿borrar una conversación elimina lo recordado?, ¿memoria y entrenamiento del modelo son lo mismo?
La respuesta depende del servicio, del tipo de cuenta y de la configuración activa. Por eso conviene comprender el funcionamiento general y revisar periódicamente qué contexto estamos dejando disponible.
La memoria no significa que la IA te conozca
Cuando un asistente recuerda una preferencia, no está desarrollando una relación humana contigo. El sistema recupera información guardada o seleccionada de conversaciones anteriores y la incorpora al contexto de una respuesta nueva.
Puede recordar, por ejemplo:
- el idioma que utilizas;
- el formato en que prefieres recibir la información;
- el nombre de un proyecto;
- temas que consultas con frecuencia;
- determinadas instrucciones personales.
Perspectiva: esta personalización puede producir una sensación de familiaridad mayor que la comprensión real del sistema. Una respuesta adaptada a tus preferencias sigue pudiendo contener errores, suposiciones o interpretaciones incorrectas.
La memoria mejora la continuidad; no garantiza la veracidad.
Memoria, historial y entrenamiento son cosas diferentes
Estos conceptos suelen confundirse.
La memoria permite reutilizar determinados datos o preferencias en conversaciones posteriores.
El historial conserva conversaciones anteriores para que puedan consultarse y, dependiendo del servicio y de su configuración, utilizarse como contexto.
El entrenamiento o mejora de modelos se refiere al posible uso de contenidos para desarrollar sistemas futuros.
Hecho: OpenAI explica que los controles de memoria y los controles que determinan si determinado contenido puede emplearse para mejorar sus modelos son configuraciones separadas. Desactivar una función no implica necesariamente desactivar la otra. Fuente: controles de datos de ChatGPT.
Google también diferencia la información guardada expresamente de la personalización basada en la actividad anterior de Gemini. Según su centro de privacidad, algunos datos permanecen guardados hasta que el usuario los elimina y las funciones disponibles dependen de la configuración y de la cuenta. Fuente: centro de privacidad de Gemini.
Inferencia razonada: para conocer qué sucede con nuestros datos no basta con buscar un único botón llamado «privacidad». Debemos revisar por separado memoria, historial, actividad, personalización y uso para mejorar modelos.
Borrar una conversación puede no borrar una memoria
Eliminar un chat y eliminar un dato recordado no siempre son la misma operación.
Un servicio puede mantener las conversaciones y las memorias en espacios distintos. Si una preferencia fue convertida en memoria, borrar el chat donde apareció podría no eliminar automáticamente esa memoria. También puede ocurrir lo contrario: retirar una memoria sin borrar la conversación original.
Las plataformas están cambiando estas funciones con rapidez. Los nombres de los menús, la disponibilidad regional y las opciones según el plan pueden variar.
Por eso conviene utilizar los controles que ofrece cada servicio para:
- consultar qué recuerda;
- corregir datos equivocados;
- eliminar recuerdos concretos;
- desactivar la memoria cuando no resulte necesaria;
- revisar por separado el historial y el uso de datos.
ChatGPT permite revisar, modificar o eliminar memorias y advierte que sus funciones pueden variar según el plan, la región y el espacio de trabajo. Fuente: funcionamiento de la memoria en ChatGPT.
La personalización también puede conservar errores
Imagina que en una conversación proporcionas una fecha provisional, una preferencia temporal o una información que después cambia. Si el sistema la utiliza en el futuro, podría construir respuestas coherentes sobre una base desactualizada.
La memoria también puede mezclar contextos. Una instrucción válida para un proyecto personal podría aplicarse indebidamente a un documento profesional.
Inferencia razonada: cuanto más utilicemos una IA para proyectos prolongados, más importante será revisar su contexto como revisaríamos las notas de trabajo de un colaborador: corrigiendo lo que cambió y retirando lo que ya no sirve.
Podemos preguntar directamente:
«¿Qué información estás utilizando para personalizar esta respuesta? Separa lo que procede de este chat de lo que recuerdas de conversaciones anteriores».
La contestación puede ayudar a detectar supuestos, aunque no sustituye los controles de configuración del servicio.
Qué información no conviene convertir en memoria
La utilidad de recordar algo debe compararse con las consecuencias de conservarlo.
El Comité Europeo de Protección de Datos publicó en 2025 una guía para identificar y reducir riesgos de privacidad en sistemas basados en grandes modelos de lenguaje. El documento insiste en comprender los flujos de datos durante todo el ciclo de vida y aplicar medidas adecuadas al riesgo. Fuente: EDPB, riesgos y medidas de privacidad en modelos de lenguaje.
Para una persona usuaria, esto se traduce en una regla sencilla: no conviertas en contexto permanente información que no necesitas para obtener el resultado.
Conviene evitar guardar:
- contraseñas y códigos de verificación;
- números completos de documentos o tarjetas;
- historias clínicas identificables;
- datos confidenciales de pacientes, clientes o empleados;
- información privada de otras personas sin autorización;
- secretos empresariales o credenciales de acceso.
Una preferencia como «responde en español y utiliza explicaciones claras» puede resultar útil. Una copia de un informe médico identificado no debería transformarse en memoria para ahorrar unos segundos en una consulta futura.
Un protocolo práctico de revisión
Cada cierto tiempo podemos hacer una pequeña auditoría:
1. Preguntar qué recuerda
Solicita un resumen de la información utilizada para personalizar las respuestas.
2. Revisar la configuración
Comprueba memoria, historial, actividad y controles de entrenamiento por separado.
3. Corregir y eliminar
Retira información antigua, incorrecta, sensible o que ya no aporte valor.
4. Utilizar conversaciones temporales
Cuando el servicio disponga de ellas, pueden ser útiles para asuntos puntuales que no necesitan continuidad. Hay que comprobar qué promete exactamente cada plataforma: «temporal» o «incógnito» puede tener condiciones distintas.
5. Mantener el contexto mínimo necesario
Para un proyecto profesional, aporta objetivos, criterios y materiales relevantes. Omite los datos personales que no intervienen en la tarea.
Personalizar con criterio
En Lykios Academy entendemos la alfabetización en inteligencia artificial como una capacidad práctica: saber utilizar las funciones, comprender sus límites y conservar el control sobre la información.
La memoria puede convertir un asistente genérico en una herramienta más coherente con nuestra forma de trabajar. Su valor aumenta cuando sabemos qué conserva, podemos corregirlo y elegimos conscientemente qué merece permanecer.
La pregunta útil no es solamente «¿qué sabe la IA sobre mí?». También debemos preguntarnos: «¿Necesita realmente recordar esto para ayudarme?».
Equipo de Agentes IA de Lykios Academy, by Carlos López
Contenido elaborado con asistencia de inteligencia artificial y aprobado bajo la dirección editorial del Dr. Carlos López Scovino, fundador de Lykios Academy.