Memòria de la IA: què és, com funciona i què emmagatzema

La memòria de la IA és la informació que un assistent d'IA conversacional desa de les teves converses anteriors i incorpora a les noves, perquè pugui recordar les teves preferències i el teu context. El model en si no en conserva res. L'assistent l'emmagatzema per separat i la torna a afegir quan és rellevant, cosa que dona al model un context persistent que, d'altra manera, no tindria.

Aquesta guia explica com els assistents desen i recuperen aquesta informació, què emmagatzemen, per què de vegades s'equivoquen i com pots veure-la, canviar-la o desactivar-la.

Què és la memòria de la IA?

La memòria de la IA, també anomenada memòria persistent, és una funció dels assistents d'IA que emmagatzema informació sobre tu, com ara preferències, fets i context d'interaccions anteriors, que l'assistent pot utilitzar en converses posteriors.

Un assistent d'IA pot crear aquest registre a partir de coses que li demanes que recordi, detalls que capta pel seu compte i xats anteriors que pot tornar a consultar.

La capa de memòria de la IA permet als assistents d'IA oferir respostes personalitzades sense que hagis de compartir les teves preferències a cada xat. Si has dit a un assistent que t'estàs entrenant per a una marató i que prefereixes els quilòmetres, la propera pregunta que facis sobre el ritme rebrà una resposta en quilòmetres sense que ho hagis de repetir.

En comparació amb tornar a explicar la teva situació a cada xat, la memòria t'estalvia d'escriure i manté la indicació curta, cosa important perquè les entrades llargues fan que les respostes siguin menys precises.

La memòria no és una transcripció de cada conversa, sinó un recull de fets clau sobre tu. Així, recordarà que prefereixes els quilòmetres. Trobar el pla d'entrenament exacte que va redactar el mes passat depèn de si l'assistent també pot consultar xats anteriors.

Tipus de memòria de la IA

Uns investigadors de la Universitat de Princeton (2024) han manllevat terminologia de la ciència de la memòria humana per classificar els tipus de sistemes de memòria de la IA. El seu marc distingeix la memòria de treball de la memòria a llarg termini:

• Memòria de treball: El que el model té present per al pas actual, és a dir, la conversa fins al moment més tot el que ha recuperat. També s'anomena memòria a curt termini.
• Memòria a llarg termini: Memòria persistent entre sessions. Aquest és el tipus de memòria del qual tracta aquest article.

La memòria a llarg termini consta de tres tipus de memòria:

• Memòria episòdica: Registres d'interaccions anteriors, com el xat en què vas demanar un pla d'entrenament el mes passat.
• Memòria semàntica: Coneixement sobre el món i sobre tu, com ara la preferència pels quilòmetres.
• Memòria procedimental: Com es comporta un agent d'IA, integrat en els pesos del model i en el codi i les indicacions que fan funcionar l'agent. En un assistent d'IA, l'equivalent més proper és la indicació del sistema i les teves instruccions personalitzades.

Amplia

Memòria dels assistents d'IA enfront de memòria dels agents d'IA

Tant la memòria dels assistents d'IA com la dels agents d'IA són memòria a llarg termini. La memòria dels assistents d'IA és sobretot memòria semàntica i emmagatzema fets sobre tu, perquè les respostes s'adaptin a tu. La memòria dels agents, com el Brain de Perplexity, emmagatzema què ha fet l'agent i com ha anat, inclòs què ha funcionat i què has corregit, de manera que comença cada tasca nova des d'una posició millor.

Memòria de la IA enfront de finestres de context, dades d'entrenament i instruccions personalitzades

És fàcil confondre la memòria de la IA amb tres altres elements que configuren una resposta: la finestra de context del model, les dades d'entrenament i les instruccions personalitzades. Cadascun conté informació diferent, dura un temps diferent i el controla un sistema diferent.

Una finestra de context és la quantitat de text que un model de llenguatge gran (LLM) pot llegir alhora i abasta la conversa actual. Es restableix quan comences un xat nou.

Alguns models actuals tenen finestres de context grans, d'un milió de tokens o més, de manera que tècnicament podries enganxar la teva informació clau a cada conversa. Però processar-la tota afegeix latència i cost.

Diversos estudis també han constatat que la precisió de la sortida disminueix a mesura que l'entrada creix, fins i tot quan la resposta és dins del context.

Un estudi de la Universitat d'Illinois i Amazon del 2025 ho va observar fins i tot quan els models podien recitar tots els detalls rellevants: la precisió va caure entre un 13,9 % i un 85 % a mesura que les entrades creixien fins als 30.000 tokens, molt per sota dels límits declarats dels models. NoLiMa, un banc de proves del 2025 d'Adobe Research i la LMU de Munic, va constatar que 11 dels 13 models provats tenien un rendiment significativament inferior amb només 32.000 tokens sempre que la pregunta i la resposta no compartien cap paraula clau. L'informe de juliol de 2025 de Chroma ho va observar en 18 models, fins i tot quan responien a partir d'un historial de xat de 113.000 tokens.

Les dades d'entrenament són la informació integrada en els pesos del model abans del llançament. Els usuaris no les poden canviar. Els desenvolupadors poden ajustar un model amb dades noves (fine-tuning), però això és un procés d'enginyeria, no una opció de configuració de l'usuari,

Les instruccions personalitzades són regles desades a la configuració de l'assistent que escrius i edites tu mateix per personalitzar el comportament i les respostes de l'assistent d'IA. Per exemple, podries utilitzar instruccions personalitzades per definir el to i l'estil de les respostes o quines fonts pot utilitzar l'assistent.

Així és com es comparen tots quatre:

Què emmagatzema la memòria de la IA

Els assistents conserven detalls seleccionats sobre tu, com ara fets, preferències i resums, i alguns també recorren als teus xats anteriors.

• Fets i preferències que li demanes que recordi: Són detalls que dius explícitament a l'assistent que desi, com ara «recorda que prefereixo els quilòmetres». L'assistent crea el record quan li ho demanes, i dura fins que l'elimines o una conversa posterior l'actualitza.
• Detalls que capta de les teves converses: L'assistent els desa quan l'opció està activada. Perplexity «afavoreix la freqüència de les preguntes fetes i la informació donada per l'usuari», de manera que és més probable que es quedi una cosa que esmentes sovint que no pas una que esmentes una sola vegada. El record dura fins que s'actualitza o l'elimines.
• Referències als teus xats anteriors: L'assistent recorre directament a converses anteriors en lloc d'una llista desada. Perplexity ho anomena historial de cerca: les teves preguntes i respostes anteriors, que s'utilitzen per fer que una resposta nova sigui més rellevant.

Com funciona la memòria de la IA

El model d'IA no recorda res d'una conversa a l'altra. Aquesta feina la fa el sistema de memòria de la IA: conserva un registre separat sobre tu i afegeix les parts rellevants a cada conversa nova. L'emmagatzematge i la recuperació tenen lloc entre bastidors, de manera que el model llegeix aquesta informació juntament amb la teva pregunta.

Amplia

Aquest procés té cinc passos:

1. Desament: L'assistent desa un record quan li ho demanes o quan considera que val la pena conservar un detall.
2. Emmagatzematge: Els records es guarden en una base de dades separada del model. En molts sistemes, és una base de dades vectorial, de manera que es poden cercar pel significat. La llista que veus a la configuració és una vista d'aquest magatzem de memòria.
3. Recuperació: Quan envies un missatge, l'assistent decideix quins records són pertinents. Molts sistemes ho fan convertint el teu missatge i cada record en vectors d'incrustació (embeddings), representacions numèriques del significat, i triant les coincidències més properes. Així és com poden recuperar un record fins i tot quan no comparteix cap paraula amb la teva pregunta. Els sistemes més senzills carreguen tots els records desats a cada conversa.
4. Ús: Els records recuperats s'insereixen com a text sense format a l'entrada, normalment en un bloc d'instruccions que el model llegeix abans del teu missatge. El model els processa com qualsevol altre text d'aquesta entrada.
5. Actualització i eliminació: L'assistent extreu fets dels xats, cerca entre els records existents i decideix si afegir-los com a nous, actualitzar un record existent, fusionar-los amb un altre o eliminar un record antic que contradiu la informació nova. Alguns assistents posen una marca de temps a cada record per distingir la informació més nova de la més antiga.

Reptes i riscos de la memòria de la IA

La memòria de la IA té com a objectiu millorar la qualitat de les respostes, però els bancs de proves mostren que la recuperació de records no sempre fa aflorar informació rellevant o actual, sobretot en bases de dades grans. També comporta riscos per a la seguretat i la privadesa.

Entre els problemes habituals de fiabilitat i seguretat relacionats amb la memòria de la IA hi ha:

• Records mal aplicats: Un record es pot incorporar a una resposta amb la qual no té res a veure. Un estudi del 2026 va provar 18 models per veure si un record desat d'un àmbit de la vida es filtrava en una resposta sobre un altre. La mediana de la taxa d'error va ser del 53 %. L'estudi també va constatar que, un cop la memòria contenia les creences dels usuaris o la seva suposada expertesa, gairebé tots els models se'n feien ressò fins i tot quan la pregunta requeria una resposta neutral.
• Records obsolets: L'assistent continua actuant segons un detall després que una conversa posterior l'hagi fet deixar de ser cert, sobretot quan no ho has dit mai explícitament. En un banc de proves de maig de 2026, que avaluava si els models detecten aquests canvis implícits, el millor model va obtenir una mitjana del 55,2 %.
• Sobrecàrrega de memòria: Com més ha de rellegir un assistent, més li costa destriar el que és important. LongMemEval, un banc de proves del 2024, va constatar que els models que llegien un historial de xat d'uns 115.000 tokens tenien un rendiment entre un 30 % i un 60 % pitjor que els models que només rebien les sessions rellevants.
• Enverinament de la memòria: Informació falsa o instruccions ocultes entren a la memòria d'un assistent, per exemple, a través de contingut que li demanes que llegeixi, i provoquen respostes esbiaixades o insegures o filtracions de dades.
• Riscos per a la privadesa: La memòria conserva dades personals més enllà del xat d'on provenen, de vegades durant més temps del que esperes. Perplexity, per exemple, pot conservar un registre dels records eliminats durant un màxim de 30 dies per motius de seguretat i depuració. La legislació de protecció de dades considera els records emmagatzemats dades personals, de manera que hauries de poder revisar-los i eliminar-los.

Com veure, editar i desactivar la memòria de la IA

Pots veure què ha desat un assistent, eliminar-ho, desactivar la memòria o utilitzar un xat privat que no crea records.

La gestió de la memòria es redueix a uns quants controls. Això és el que fa cadascun i quan s'ha d'utilitzar:

Per començar de zero, desactiva la memòria i esborra el que s'hi ha desat.

Com gestiona la memòria Perplexity

La memòria de Perplexity funciona amb tots els models que ofereix.

Perplexity personalitza les respostes a partir de dues fonts: els records, que són les preferències i els detalls que comparteixes, i el teu historial de cerca. Quan un record influeix en una resposta, apareix entre les fonts d'aquesta resposta, de manera que pots veure quins records s'han utilitzat i eliminar-ne qualsevol.

Amplia

També pots personalitzar les respostes proporcionant detalls sobre tu i instruccions personalitzades per als projectes (cada projecte té la seva pròpia capa de memòria).

Amplia

Perplexity pot utilitzar el contingut de la memòria per millorar els seus models en els comptes de consumidor (mai en els d'Enterprise), tret que ho desactivis (Retenció de dades d'IA a Configuració → Preferències → Intel·ligència artificial).

Els subscriptors de Max i Enterprise Max també tenen Brain, una capa de memòria compartida que amplia la memòria fent un seguiment dels teus projectes i de la teva feina. Té el seu propi interruptor i ignora les sessions d'incògnit.

Prova Perplexity i comprova com els records donen forma a la teva propera resposta.

Preguntes freqüents sobre la memòria de la IA

Què és la memòria limitada en la IA?

IBM defineix la IA de memòria limitada com la IA que pot recordar esdeveniments i resultats passats i fer un seguiment de situacions al llarg del temps, però que no pot conservar aquestes dades en una biblioteca a llarg termini d'experiències passades. És una de les quatre categories d'una taxonomia de sistemes d'IA, i IBM hi inclou els xatbots i els assistents virtuals.

La memòria de l'assistent és una memòria externa que aquests sistemes hi afegeixen a sobre. Es manté entre sessions, de manera que un assistent pot utilitzar detalls que vas compartir en una conversa anterior.

Quin assistent d'IA té la millor memòria?

No hi ha cap assistent que sigui el millor per a tothom. Una bona memòria és la que pots controlar, així que avalua les eines d'IA fent-te quatre preguntes: Pots veure què ha desat? Pots eliminar un record per separat del xat d'on prové? L'entrenament és una opció independent de la memòria? Hi ha un mode temporal o d'incògnit que no creï records?

Un model d'IA aprèn del que recorda de tu?

Utilitzar la memòria en una resposta és un procés diferent de l'entrenament. Perplexity afirma que recupera el context rellevant del teu magatzem de memòria en lloc de tractar el teu historial com a dades d'entrenament. Que el teu contingut es pugui utilitzar per millorar els models és una opció independent. En els comptes de consumidor, Perplexity pot utilitzar el contingut de la memòria amb aquesta finalitat, i l'opció Retenció de dades d'IA ho desactiva.

Amplia

Què hauries de mantenir fora de la memòria de la IA?

Mantén fora de la memòria de la IA qualsevol cosa que no vulguis que es desi, que s'utilitzi per elaborar el teu perfil o que es repeteixi més endavant: dades d'identitat i financeres, informació de salut, contrasenyes, informació d'altres persones i qualsevol cosa relacionada amb infants. L'Oficina del Comissionat de Privadesa del Canadà (maig de 2025) i el Centre Nacional de Ciberseguretat del Regne Unit (març de 2023) recomanen evitar qualsevol indicació que pogués causar problemes si es fes pública.

Els filtres redueixen els riscos de privadesa, però no garanteixen que la teva informació de salut o financera no es desi en absolut, així que revisa el teu banc de memòria i utilitza el mode incògnit per a preguntes delicades puntuals.