La escritura y el lenguaje son un medio para la conciencia. Al escribir una idea, también dejamos algunos de nuestros juicios, preguntas y sentimientos de ese momento. Al releerla tiempo después, podemos retomar ese hilo de pensamiento o entender la misma frase de otra manera por lo que hemos vivido desde entonces.
Para la IA, el contexto y la memoria también pueden verse como una instantánea de la memoria: la información disponible para una inferencia se conserva fuera de los pesos del modelo, dando al pasado la oportunidad de participar en el siguiente juicio.
Pero una instantánea tiene un problema. Registra los pensamientos de aquel momento, no los del futuro. Los humanos no tenemos el mismo problema, porque nuestra mente posee una especie de «lengua materna» de la conciencia. La escritura y el lenguaje humanos se parecen más a una proyección de la conciencia en una dimensión; para la IA, son todo lo que existe en ese momento. La cuestión es que la «conciencia» o el «pensamiento» de una IA no son continuos, así que solo tenemos ese instante.
Lo mismo ocurre con la memoria de un agente personal. Puede encontrar lo que un usuario dijo antes, o incluso la conversación completa en la que aparecieron esas palabras. Encontrarlo no es el problema. Pero ¿qué ocurre después?
Hoy esto implica recuperar y seleccionar recuerdos, además de cómo el modelo procesa el contexto. Quiero explorar otra posibilidad: ¿podríamos dar al contexto una capacidad semejante? ¿Podría informar al modelo tanto del estado actual como de lo que podría suceder y los patrones subyacentes, permitiéndole una especie de evolución propia a través de ese contexto?
Después del fin de semana
En un escenario típico de agente personal, un usuario puede compartir muchas cosas de su vida: alguien a quien acaba de conocer, por qué duda ante una decisión o qué espera del futuro. Estas conversaciones no siempre tienen una tarea concreta, pero dejan rastros de su manera de ver el mundo.
Pensemos en el fin de semana.
Un usuario suele decirle a su agente que los días laborables son agotadores y que solo quiere pasar los fines de semana solo. Salir y ver gente consume energía; únicamente siente que descansa de verdad cuando dispone de todo su tiempo para sí mismo.
El agente lo recuerda. Más adelante, cuando el usuario pregunta qué podría hacer el fin de semana, sugiere actividades en solitario: ver una película, pasear o quedarse en casa leyendo. El usuario acepta. Al fin y al cabo, en ese momento la información es correcta.
Pero tiempo después vuelve a hablar del fin de semana: «Quedarme en casa ya no parece tan relajante como antes».
Si el agente solo recuerda «al usuario le gusta estar solo», podría sugerir otras películas o una ruta distinta. No ha olvidado al usuario ni ha dicho nada objetivamente falso; simplemente sigue proponiendo cosas basadas en una interpretación que funcionó antes.
Pero esta vez el usuario responde: «No es que no sepa qué hacer solo. Creo que quiero ver a algunos amigos; simplemente no me apetece una reunión con mucha gente».
El agente se equivocó. Y el usuario tampoco ha aportado únicamente una nueva preferencia de actividad. Antes sentía que quedar con alguien le quitaba tiempo de descanso. Ahora empieza a descubrir que un encuentro tranquilo también puede ser reparador.
Así, la próxima vez que hablan del fin de semana, el agente propone tomar café con un amigo, además de pasear solo. El usuario dice que suena bien: hay un amigo al que hace mucho que no ve.
Es un cambio pequeño. El agente no ha actualizado su modelo, modificado su código ni organizado nada para el usuario. Simplemente ha respondido de otra manera, incorporando una nueva comprensión de la conversación anterior.
Pero ¿merece la pena conservar este cambio?
Una suposición bastante acertada
Basta un resumen para pasar de «quiere ver a algunos amigos» a «el usuario prefiere socializar». Ese resumen quizá sirva otro fin de semana, pero pronto podría convertirse en otro malentendido.
El usuario no ha dicho que ya no le guste estar solo ni que quiera compañía todos los fines de semana. Solo ha descubierto que, a veces, ver a un amigo no impide descansar. Si el agente comprime ese cambio en una nueva preferencia, simplemente sustituye una respuesta fija por otra.
Por eso, cuando el usuario diga «Esta semana estoy agotado; solo quiero estar a solas», el agente no debería concluir enseguida que ha vuelto a cambiar ni recordarle: «¿No dijiste que querías ver amigos?». La interpretación anterior puede mantenerse, pero debe dejar espacio a la situación presente.
Más tarde, un amigo del usuario visita la ciudad durante una sola semana. El usuario dice: «Quiero verlo todos los días esta semana. Ayúdame a pensar adónde podríamos ir».
Es una petición clara para esa semana concreta. El agente puede sugerir algo para cada día, pero no necesita convertirla en «al usuario le gusta socializar a diario». Cuando el amigo se marche, quizá quiera volver a estar tranquilo y solo; o quizá la visita le haga descubrir que desea ver más a sus amigos. Ambas cosas son posibles y el agente necesita más información de futuras conversaciones.
Pero ¿qué debe registrar?
Una regla resulta cómoda: la próxima vez que lea «fin de semana», sabrá que puede sugerir ver a un amigo. Pero una regla puede perder fácilmente la razón por la que se creó. Conservar varias explicaciones posibles parece más honesto, aunque compararlas cada vez aumenta el coste de cálculo y juicio. Tal vez deba conservar un método: comprender primero qué quiere el usuario ahora y decidir después si mencionar una opción que funcionó antes.
En algunos de mis experimentos independientes, esta clase de «evolución» produce resultados visibles con bastante facilidad. Y, objetivamente, conseguir que un agente cambie algo no es especialmente difícil hoy.
Lo verdaderamente difícil es evaluar: ¿cómo sabe si esta información es «correcta»?
El usuario aceptó una propuesta de tomar café, lo que significa que resultaba atractiva en esa ocasión; no significa que quiera ver a un amigo todas las semanas. Si no responde, puede estar ocupado, seguir pensándolo o ni siquiera haberlo visto. El silencio no puede tomarse como aprobación.
Si, tras cada sugerencia, el agente pregunta «¿quieres que siga haciendo esto?», la conversación también se vuelve extraña. El usuario solo quería hablar del fin de semana y ahora debe dedicar tiempo a entrenar al agente para que lo entienda.
Esto nos devuelve a la pregunta inicial: un recuerdo puede ser absolutamente preciso para la situación en que se formó y, sin embargo, estar ya lleno de errores cuando llegue la siguiente conversación.
Y quizá exista un patrón: cuanto más preciso sea un recuerdo comprimido en aquel momento, menos preciso puede resultar en el futuro.
Este problema también aparece en HorizonBench. Los investigadores construyeron 360 usuarios simulados y hasta seis meses de conversaciones para cada uno. Los usuarios mencionan cambios en su vida, pero no dicen directamente «mis preferencias han cambiado». Cuando después se pregunta por sus preferencias actuales, los modelos suelen responder con las antiguas. (HorizonBench, 2026)
Evolución sin punto final
En esta situación afrontamos una especie de paradoja lógica: por un lado, queremos mejorar continuamente los modelos y herramientas para realizar una compresión semántica suficientemente precisa en su momento y producir algo útil para la siguiente conversación, comprendiendo cada vez mejor al usuario. Por otro, debemos esperar que no cambie demasiado antes de esa conversación. Si pasa de querer fines de semana en solitario a querer socializar, por ejemplo, el recuerdo anterior ha «caducado» por completo. Solo podemos esperar que el modelo lo detecte pronto y lo corrija durante la ejecución.
Otra vía, por supuesto, consiste en convertir al agente en un creador de acertijos: no producir recuerdos ni descripciones precisos, sino elegir algunas descripciones generales comunes entre los usuarios. Si nunca he acertado, nunca puedo dejar de acertar. No es una broma. La mayoría de las pruebas de personalidad o psicológicas, e incluso muchos productos de internet, no intentan retratarte con precisión absoluta. Tratan de situarte en un grupo ya diseñado y analizado. Aunque no garantice un perfil extremadamente ajustado siempre, al menos evita una mala experiencia por encasillarte en uno inexacto.
Pero, desde mi perspectiva, el contexto y la memoria actuales ofrecen una forma completamente nueva de pensar. Ya no son información genérica, sino información única creada por cada usuario. Esa singularidad tiene dos sentidos: primero, las vidas y trayectorias difieren, por lo que es difícil vivir exactamente las mismas experiencias; segundo, incluso al describir un mismo suceso público, el tono, la puntuación y hasta los emoji difícilmente coinciden. Si la información es única, intentar encajar datos con tantas diferencias en un perfil genérico puede generar aún más problemas.
Volvamos a la palabra «evolución». Si dejamos a un lado los escenarios concretos y hablamos del concepto, por ejemplo del marco evolutivo de Darwin, encontramos cosas muy interesantes.
Por ejemplo, la evolución no tiene un bien y un mal absolutos. Las aves no tienen alas porque todos sus individuos decidieran correctamente hace muchos años que «nuestros descendientes deben tener alas» y empezaran a desarrollarlas. A lo largo de la historia, los descendientes de una población presentan variaciones hereditarias diferentes. En un entorno concreto, estas diferencias pueden influir en las posibilidades de supervivencia y reproducción, y los rasgos asociados pueden cambiar gradualmente durante muchas generaciones. Los individuos sin descendencia no evolucionaron «mal»; simplemente no transmitieron sus rasgos en el entorno de su época.
La evolución tampoco tiene una dirección fija. Si te interesa, descubrirás que incluso formas corporales parecidas a la de un cangrejo han evolucionado varias veces en linajes diferentes a lo largo de la historia conocida, y algunos perdieron después parte de sus características típicas. Me parece muy interesante. (Wolfe et al., 2021)
El primer día tienes una funda para el teléfono, decides que no la necesitas y la tiras. El segundo golpeas el teléfono por accidente. El tercero, preocupado por volver a golpearlo, compras otra. Visto el resultado, tirarla el primer día parece completamente irrazonable. Pero los seres vivos no cambian de forma porque sepan lo que sucederá en el futuro y decidan después si conservar un rasgo.
Volviendo a nuestra pregunta original, mi respuesta es que la evolución en la dimensión del contexto funciona igual para la IA. No tiene un bien ni un mal, tampoco dirección, y no puede existir un estándar de evaluación unificado en el plano individual.
En términos técnicos, esta evolución es esencialmente una compresión semántica de las interacciones entre persona y agente de aquel momento. Pero su objetivo ya no es producir un resumen general. Se trata de que el agente conjeture sobre las motivaciones y pensamientos internos del usuario y haga algunas predicciones sobre lo que podría ocurrir. Cuando el usuario diga que quiere socializar el fin de semana, idealmente el resultado de la evolución anterior ya debería haber incluido esa posibilidad: por ejemplo, que querer pasar los fines de semana solo sea un estado temporal y no un objetivo duradero.
En conjunto, la evolución propia en la dimensión del contexto es dinámica: sus resultados, dirección y evaluación son dinámicos. Solo el usuario es estático y actúa como entorno que selecciona entre los resultados evolutivos del agente, conservando lo que quiere en ese momento.
Más allá de la instantánea
Volvamos a aquel primer fin de semana.
El agente puede notar que las ideas del usuario han cambiado, pero no necesariamente sabe por qué. ¿Ha hecho nuevos amigos, ha cambiado algo en el trabajo o ha desarrollado otra comprensión del «descanso»? Todas estas posibilidades existen, pero ninguna puede determinarse con una sola conversación.
El agente puede preguntar o dejar la cuestión abierta por ahora. No necesita apresurarse a explicarle al usuario quién es.
En cuanto al futuro, puede reconocer que las ideas del usuario seguirán cambiando y prestar atención a esos cambios en conversaciones futuras. Pero «lo que podría ocurrir» no debe convertirse en «lo que inevitablemente llegará a ser». Puede ver más a sus amigos o volver a necesitar más soledad en algún momento: su vida futura y sus decisiones deben responder a esas preguntas.
La escritura deja huellas del pasado, pero quien las lee cambia. Un agente personal necesita recordar lo que el usuario pensaba y ser capaz de advertir que está cambiando. Puede intentar entender por qué, pero también debe saber que podría haberse equivocado.
Lo mismo ocurre con AirJelly. Esta pequeña medusa azul de tu pantalla te observará y acompañará en silencio, te ayudará a planificar todas tus tareas y llegará a conocer a tu yo futuro.
Cuando una interpretación del pasado ya no encaje en el presente, un agente personal debería poder soltar lo que aprendió y conocer de nuevo a la persona que tiene delante.