Memória de IA: o que é, como funciona e o que armazena

A memória de IA é a informação que um assistente de IA conversacional salva das suas conversas anteriores e leva para as novas, para que possa lembrar suas preferências e seu contexto. O próprio modelo não guarda nada disso. O assistente armazena essas informações separadamente e as adiciona de volta quando são relevantes, o que dá ao modelo um contexto persistente que, de outra forma, ele não teria.

Este guia explica como os assistentes salvam e recuperam essas informações, o que armazenam, por que às vezes erram e como visualizar, alterar ou desativar a memória.

O que é memória de IA?

A memória de IA, também chamada de memória persistente, é um recurso de assistentes de IA que armazena informações sobre você, como preferências, fatos e contexto de interações anteriores, que o assistente pode usar em conversas posteriores.

Um assistente de IA pode montar esse registro a partir do que você pede para ele lembrar, de detalhes que ele capta por conta própria e de chats anteriores que ele pode consultar.

A camada de memória de IA permite que os assistentes de IA ofereçam respostas personalizadas sem que você precise compartilhar suas preferências em cada chat. Se você contou a um assistente que está treinando para uma maratona e prefere quilômetros, sua próxima pergunta sobre ritmo receberá uma resposta em quilômetros sem que você precise repetir isso.

Em comparação com explicar sua situação de novo em cada chat, a memória economiza digitação e mantém o prompt curto, o que é importante porque entradas longas tornam as respostas menos precisas.

A memória não é uma transcrição de todas as conversas, mas uma coleção de fatos importantes sobre você. Assim, ela vai lembrar que você prefere quilômetros. Já encontrar o plano de treino exato que o assistente elaborou no mês passado depende de ele também conseguir consultar chats anteriores.

Tipos de memória de IA

Pesquisadores da Universidade de Princeton (2024) tomaram emprestada a terminologia da ciência da memória humana para classificar os tipos de sistemas de memória de IA. A estrutura proposta por eles separa a memória de trabalho da memória de longo prazo:

• Memória de trabalho: O que o modelo mantém para a etapa atual, ou seja, a conversa até o momento mais tudo o que ele recuperou. Também conhecida como memória de curto prazo.
• Memória de longo prazo: Memória persistente entre sessões. Este artigo trata desse tipo de memória.

A memória de longo prazo é composta por três tipos de memória:

• Memória episódica: Registros de interações anteriores, como o chat em que você pediu um plano de treino no mês passado.
• Memória semântica: Conhecimento sobre o mundo e sobre você, como a preferência por quilômetros.
• Memória procedural: Como um agente de IA se comporta, algo incorporado aos pesos do modelo e ao código e aos prompts que executam o agente. Em um assistente de IA, o equivalente mais próximo é o prompt do sistema e suas instruções personalizadas.

Expandir

Memória de assistente de IA vs. memória de agente de IA

A memória de assistente de IA e a memória de agente de IA são ambas memórias de longo prazo. A memória de assistente de IA é principalmente memória semântica e armazena fatos sobre você, para que as respostas se adaptem a você. A memória de agente, como o Brain da Perplexity, armazena o que o agente fez e como foi, incluindo o que funcionou e o que você corrigiu, para que ele comece cada nova tarefa em uma posição melhor.

Memória de IA vs. janelas de contexto, dados de treinamento e instruções personalizadas

É fácil confundir a memória de IA com três outros elementos que moldam uma resposta: a janela de contexto do modelo, os dados de treinamento e as instruções personalizadas. Cada um guarda informações diferentes, dura por períodos diferentes e é controlado por um sistema diferente.

Uma janela de contexto é a quantidade de texto que um grande modelo de linguagem (LLM) consegue ler de uma só vez e abrange a conversa atual. Ela é redefinida quando você inicia um novo chat.

Alguns modelos atuais têm janelas de contexto grandes, de um milhão de tokens ou mais, então, tecnicamente, você poderia colar suas informações principais em todas as conversas. Mas processar tudo isso aumenta a latência e o custo.

Vários estudos também constataram que a precisão das respostas diminui à medida que a entrada cresce, mesmo quando a resposta está no contexto.

Um estudo da Universidade de Illinois e da Amazon de 2025 observou isso mesmo quando os modelos conseguiam recitar todos os detalhes relevantes: a precisão caiu entre 13,9% e 85% à medida que as entradas chegavam a 30.000 tokens, muito abaixo dos limites anunciados pelos modelos. O NoLiMa, um benchmark de 2025 da Adobe Research e da LMU Munich, constatou que 11 dos 13 modelos testados tiveram desempenho significativamente inferior com apenas 32.000 tokens sempre que a pergunta e a resposta não compartilhavam palavras-chave. O relatório de julho de 2025 da Chroma observou isso em 18 modelos, inclusive quando eles respondiam com base em um histórico de chat de 113.000 tokens.

Dados de treinamento são as informações incorporadas aos pesos do modelo antes do lançamento. Os usuários não podem alterá-los. Os desenvolvedores podem fazer o ajuste fino de um modelo com novos dados, mas esse é um processo de engenharia, não uma configuração do usuário,

Instruções personalizadas são regras salvas nas configurações do assistente que você mesmo escreve e edita para personalizar o comportamento e as respostas do assistente de IA. Por exemplo, você pode usar instruções personalizadas para definir o tom e o estilo das respostas ou quais fontes o assistente pode usar.

Veja como os quatro se comparam:

O que a memória de IA armazena

Os assistentes guardam detalhes selecionados sobre você, como fatos, preferências e resumos, e alguns também recorrem aos seus chats anteriores.

• Fatos e preferências que você pede para ele lembrar: São detalhes que você pede explicitamente ao assistente para salvar, como "lembre-se de que eu prefiro quilômetros". O assistente cria a memória quando você pede, e ela dura até você excluí-la ou até uma conversa posterior atualizá-la.
• Detalhes que ele capta nas suas conversas: O assistente salva esses detalhes quando a configuração está ativada. A Perplexity "prioriza a frequência das perguntas feitas e das informações fornecidas pelo usuário", então algo que você menciona com frequência tem mais chance de ser lembrado do que algo que você menciona uma única vez. A memória dura até ser atualizada ou até você excluí-la.
• Referências aos seus chats anteriores: O assistente recorre diretamente a conversas anteriores, em vez de a uma lista salva. A Perplexity chama isso de histórico de pesquisa: suas perguntas e respostas anteriores, usadas para tornar uma nova resposta mais relevante.

Como a memória de IA funciona

O modelo de IA não se lembra de nada entre uma conversa e outra. Quem faz esse trabalho é o sistema de memória de IA: ele mantém um registro separado sobre você e adiciona as partes relevantes a cada nova conversa. O armazenamento e a recuperação acontecem nos bastidores, e o modelo lê essas informações junto com a sua pergunta.

Expandir

Esse processo acontece em cinco etapas:

1. Salvamento: O assistente salva uma memória quando você pede ou quando considera que vale a pena guardar um detalhe.
2. Armazenamento: As memórias vão para um banco de dados mantido separado do modelo. Em muitos sistemas, trata-se de um banco de dados vetorial, para que elas possam ser pesquisadas por significado. A lista que você vê nas configurações é uma visualização desse repositório de memória.
3. Recuperação: Quando você envia uma mensagem, o assistente decide quais memórias se aplicam. Muitos sistemas fazem isso convertendo sua mensagem e cada memória em embeddings, representações numéricas de significado, e escolhendo as correspondências mais próximas. É assim que eles conseguem recuperar uma memória mesmo quando ela não compartilha nenhuma palavra com a sua pergunta. Sistemas mais simples carregam todas as memórias salvas em cada conversa.
4. Uso: As memórias recuperadas são inseridas como texto simples na entrada, geralmente em um bloco de instruções que o modelo lê antes da sua mensagem. O modelo as processa como qualquer outro texto dessa entrada.
5. Atualização e remoção: O assistente extrai fatos dos chats, pesquisa as memórias existentes e decide se deve adicionar o fato como novo, atualizar uma memória existente, mesclá-lo com uma delas ou excluir uma memória antiga que contradiz as novas informações. Alguns assistentes registram data e hora em cada memória para distinguir informações mais recentes das mais antigas.

Desafios e riscos da memória de IA

A memória de IA tem o objetivo de melhorar a qualidade das respostas, mas benchmarks mostram que a recuperação de memória nem sempre traz informações relevantes ou atuais, especialmente de bancos de dados grandes. Ela também apresenta riscos de segurança e privacidade.

Entre os problemas comuns de confiabilidade e segurança relacionados à memória de IA, estão:

• Memórias aplicadas indevidamente: Uma memória pode ser incluída em uma resposta com a qual não tem nenhuma relação. Um estudo de 2026 testou 18 modelos para verificar se uma memória salva de uma área da vida vazava para uma resposta sobre outra. A taxa mediana de falha foi de 53%. O estudo também constatou que, quando a memória continha crenças dos usuários ou uma suposta especialidade deles, quase todos os modelos as repetiam, mesmo que a pergunta exigisse uma resposta neutra.
• Memórias desatualizadas: O assistente continua agindo com base em um detalhe depois que uma conversa posterior o tornou falso, especialmente quando você nunca disse isso de forma explícita. Em um benchmark de maio de 2026, que testou se os modelos percebem essas mudanças implícitas, o melhor modelo obteve média de 55,2%.
• Sobrecarga de memória: Quanto mais um assistente precisa reler, mais difícil é identificar o que importa. O LongMemEval, um benchmark de 2024, constatou que modelos que liam um histórico de chat de cerca de 115.000 tokens tiveram desempenho de 30% a 60% pior do que modelos que receberam apenas as sessões relevantes.
• Envenenamento de memória: Informações falsas ou instruções ocultas entram na memória de um assistente, por exemplo, por meio de conteúdo que você pede para ele ler, resultando em respostas tendenciosas ou inseguras ou em vazamentos de dados.
• Riscos à privacidade: A memória guarda detalhes pessoais além do chat de onde vieram, às vezes por mais tempo do que você imagina. A Perplexity, por exemplo, pode manter um registro das memórias excluídas por até 30 dias para fins de segurança e depuração. As leis de proteção de dados tratam as memórias armazenadas como dados pessoais, então você deve poder revisá-las e excluí-las.

Como visualizar, editar e desativar a memória de IA

Você pode ver o que um assistente salvou, excluir essas informações, desativar a memória ou usar um chat privado que não cria memórias.

O gerenciamento da memória se resume a alguns controles. Veja o que cada um faz e quando usá-lo:

Para começar do zero, desative a memória e apague o que estiver armazenado.

Como o Perplexity lida com a memória

A memória do Perplexity funciona em todos os modelos que ele oferece.

O Perplexity personaliza as respostas com base em duas fontes: as memórias, que são as preferências e os detalhes que você compartilha, e o seu histórico de pesquisa. Quando uma memória influencia uma resposta, ela aparece entre as fontes dessa resposta, para que você veja quais memórias foram usadas e exclua qualquer uma delas.

Expandir

Você também pode personalizar suas respostas fornecendo detalhes sobre você e instruções personalizadas para Projetos (cada Projeto tem sua própria camada de memória).

Expandir

O Perplexity pode usar o conteúdo da memória para aprimorar seus modelos em contas de consumidor (nunca em contas Enterprise), a menos que você desative essa opção (Retenção de dados de IA em Configurações → Preferências → Inteligência Artificial).

Os assinantes do Max e do Enterprise Max também têm acesso ao Brain, uma camada de memória compartilhada que amplia a memória ao acompanhar seus projetos e seu trabalho. Ele tem um botão de alternância próprio e ignora sessões anônimas.

Experimente o Perplexity e veja como as memórias influenciam sua próxima resposta.

Perguntas frequentes sobre memória de IA

O que é memória limitada em IA?

A IBM define a IA de memória limitada como uma IA capaz de lembrar eventos e resultados passados e monitorar situações ao longo do tempo, mas que não consegue manter esses dados em uma biblioteca de longo prazo de experiências passadas. Essa é uma das quatro categorias de uma taxonomia de sistemas de IA, e a IBM inclui nela os chatbots e os assistentes virtuais.

A memória do assistente é uma memória externa que esses sistemas adicionam por cima. Ela persiste entre sessões, para que um assistente possa usar detalhes que você compartilhou em uma conversa anterior.

Qual assistente de IA tem a melhor memória?

Nenhum assistente é o melhor para todo mundo. Uma boa memória é aquela que você consegue controlar, então avalie as ferramentas de IA fazendo quatro perguntas: Dá para ver o que foi salvo? Dá para excluir uma memória separadamente do chat de onde ela veio? O treinamento é uma configuração separada da memória? Existe uma sessão temporária ou anônima que não cria memórias?

Um modelo de IA aprende com o que lembra sobre você?

Usar a memória em uma resposta é um processo diferente do treinamento. O Perplexity afirma que recupera o contexto relevante do seu armazenamento de memória em vez de tratar seu histórico como dados de treinamento. Se o seu conteúdo pode ser usado para aprimorar modelos é uma configuração à parte. Em contas de consumidor, o Perplexity pode usar o conteúdo da memória para essa finalidade, e a Retenção de dados de IA desativa esse uso.

Expandir

O que deve ficar fora da memória da IA?

Deixe fora da memória da IA tudo o que você não gostaria que fosse armazenado, usado para traçar seu perfil ou repetido depois: dados de identidade e financeiros, informações de saúde, senhas, informações de outras pessoas e qualquer coisa sobre crianças. O Escritório do Comissário de Privacidade do Canadá (maio de 2025) e o Centro Nacional de Segurança Cibernética do Reino Unido (março de 2023) recomendam evitar qualquer prompt que causaria problemas caso se tornasse público.

Os filtros reduzem os riscos à privacidade, mas não garantem que suas informações de saúde ou financeiras não sejam armazenadas de forma alguma, por isso revise seu banco de memórias e use uma sessão anônima para perguntas sensíveis pontuais.