📻 Versión en audio: si prefieres escuchar en vez de leer, el resumen del artículo está justo aquí arriba.
Anthropic publicó esta semana una investigación sobre cómo se organiza la memoria de sus agentes, y la cifra que me quedó pegada es reveladora hasta lo absurdo: un agente jugando Pokémon Red escribió 413 archivos de memoria, casi un millón de caracteres en 225 carpetas, y ganó una insignia. Uno más nuevo, misma tarea, escribió 10 archivos y se llevó cuatro insignias. Al que anota todo, la memoria lo ahoga. Al que elige qué recordar, juega mejor.
La memoria no es un archivo volcado, es una apuesta
La idea central del estudio es simple de enunciar y difícil de mantener: escribir memoria es predecir qué va a necesitar tu yo del futuro. Cuando un agente deja una regla en su carpeta de notas, está apostando que ese patrón va a volver. Y ahí está el detalle que me tiene ocupado hace tiempo con mis propios agentes: el archivo viejo que nadie revisa no es memoria, es basura con fecha.
Lo llamativo del experimento de Pokémon es qué decidieron no guardar. El modelo nuevo no archivó cuánta plata tiene el jugador ni dónde está en el mapa, porque eso lo puede leer de la pantalla en cada turno: guardarlo es redundancia. Lo que sí guardó fue estrategia, planes y reglas probadas. Por ejemplo, después de fallar siete pokébolas seguidas con un Magikarp —uno de los pokémon más fáciles de atrapar— escribió algo así como: si tres fallan seguidas, varía los tiempos entre pasos. Esa regla no existe en ningún archivo del juego. Solo vive si alguien la escribe.
Dormir para ordenar: la parte que más me calza
La otra pieza la llaman dreaming: aprovechar el tiempo muerto entre sesiones para que el agente relea sus logs, corrija errores y reorganice sus notas. No es magia; un paper de Letta y UC Berkeley lo llama sleep-time compute. En una prueba, una wiki interna tenía 38 entradas y 225 links, con nueve apuntando a una página que no existía. Tras una segunda pasada de dreaming: 41 entradas, 278 links, referencias reparadas y un índice nuevo. Nadie tocó nada a mano. Lo hizo el mismo agente, durmiendo.
A mí me suena literal a un cron de madrugada que revisa archivos planos, cosa que tengo corriendo en mi propia infraestructura. El punto que más le cuesta a la gente es directo: la memoria se pudre. No se pierde; el entorno cambia y la nota queda desactualizada. Un agente que re-chequea todo cada sesión es caro, por eso el estudio propone concentrar la limpieza en lo probable que cambie. Regla de operación, no filosofía.
La memoria que admite sus errores
En un benchmark de aprendizaje continuo, los modelos con memoria saltaron de recompensas como un 0,655 a un 0,838 en el mejor de los casos, comparado con partir de cero en cada pregunta. Pero el detalle fino está en qué escribieron los distintos modelos. Uno dejaba carpetas llenas de conjeturas sin probar. Otro consolidó todo en un solo documento y marcó qué había verificado y qué no. El primero que cerró el ciclo escribió cada regla junto con la fuente de la verificación y una advertencia de las trampas encontradas en el camino. Es exactamente la diferencia entre un cuaderno de apuntes y un runbook de producción: el apunte dice qué pasó; el runbook dice qué hacer, cómo sabes que funciona y cuál es la champa oculta.
Mi opinión: la higiene vale más que la herramienta
Va siendo tiempo de decirlo sin rodeos: la mayoría de los productos que venden «memoria de IA» te ofrecen una base vectorial gigante, y lo que este estudio demuestra es que gana un directorio con poco orden pero con juicio. Anota solo lo que no puedes volver a leer desde el entorno —lo que esté en la pantalla, en un log, en un repositorio, no lo reescribas—, marca qué verificaste, borra lo que envejece. Para quien corre agentes en un VPS sin presupuesto, esa es la parte transferible: la memoria útil del futuro no es la que más recuerda, es la que mejor apuesta.
Fuente de inspiración: The components of agent memory – Anthropic
