Diseñar la memoria de un agente de inteligencia artificial no es una elección única: cada categoría de información —la conversación actual, las preferencias del usuario, el historial de interacciones o las rutinas aprendidas— necesita una capa distinta. Este artículo explica cómo clasificarlas mediante un árbol de decisión de cinco preguntas y qué errores evitar al implementarlo.
El texto parte de los cuatro tipos de memoria en los agentes modernos. La memoria de trabajo guarda el contexto inmediato dentro de una ventana de tokens limitada. La memoria semántica almacena hechos estables y reutilizables, como datos del usuario, reglas de negocio o especificaciones de producto. La memoria episódica conserva la historia de lo ocurrido, útil para que el agente consulte decisiones, quejas o transacciones pasadas. La memoria procedural guarda rutinas aprendidas que se ejecutan mejor con la repetición.
Para decidir qué capa usar, el artículo propone recorrer el árbol con cada categoría por separado. La primera pregunta distingue entre información autocompleta y la que debe persistir. La segunda separa lo que vive dentro de una sesión de lo que debe sobrevivir entre sesiones. La tercera diferencia hechos estables de eventos en evolución. Las dos últimas completan la clasificación hasta asignar una capa concreta. Un agente de atención al cliente, por ejemplo, puede mantener el ticket activo en memoria de trabajo, el plan de suscripción del cliente en memoria semántica, las quejas previas en memoria episódica y la rutina de devoluciones en memoria procedural.
El artículo también advierte de errores habituales: ubicar información en el sistema equivocado, como usar una base vectorial para datos estructurados, o saturar el contexto de la ventana con información poco relevante. Subraya que la memoria es solo una fuente más de contexto en la ingeniería de contexto, y que solo debe recuperarse aquello que mejore de forma significativa la respuesta del agente.