Llevo meses usando inteligencia artificial todos los días para tareas que antes me ocupaban horas: análisis de datos, redacción, automatizaciones, decisiones de negocio. Y cuanto más profundizo, más claro tengo que el verdadero salto de productividad con IA no viene de tener un modelo más potente, sino de algo mucho menos glamuroso: la memoria que construyes alrededor de él.
Lo voy a explicar con una película que probablemente has visto.
Leonard Shelby no recuerda nada
En Memento, de Christopher Nolan, el protagonista sufre amnesia anterógrada: no puede formar nuevos recuerdos. Cada mañana se despierta sin saber quién es la persona que duerme a su lado, qué hizo ayer ni por qué tiene moratones. Para sobrevivir y avanzar en su investigación, monta un sistema obsesivo de polaroids con anotaciones, pósits, y se tatúa los hechos importantes en el cuerpo.
Sin esos tatuajes y notas, Leonard sería un hombre brillante incapaz de hacer absolutamente nada útil de forma sostenida. Con ellos, resuelve cosas que parecen imposibles para alguien sin memoria.
Hay un eco más doloroso en Eternal Sunshine of the Spotless Mind (Olvídate de mí): cuando Joel borra a su exnovia, descubre que también pierde quién era él en relación con ella, las decisiones que tomaron juntos, los errores ya cometidos. La memoria no es solo un archivo de hechos: es la base sobre la que se construye una historia compartida de trabajo.
Lo que pasa hoy con la IA profesional
Durante mucho tiempo, la mayoría de asistentes de IA han funcionado como Leonard al despertar. Brillantes en el minuto presente, pero incapaces de sostener una historia de trabajo contigo.
Esto está cambiando. ChatGPT, Gemini y otros ya incorporan algún tipo de memoria, historial de conversaciones o personalización. Pero, y aquí está el matiz importante, eso no resuelve del todo el problema profesional.
Recordar «cosas sobre ti» no es lo mismo que tener una memoria de trabajo fiable. Cuando la memoria del asistente es automática, opaca y la decide el modelo, te encuentras con preguntas incómodas:
- ¿Qué recuerda exactamente, y qué ha decidido olvidar?
- ¿De dónde sale ese recuerdo y con qué prioridad lo usa?
- ¿Puedes auditarlo, corregirlo o desactivarlo?
- ¿Puedes separarlo por cliente, proyecto o contexto sin que se mezcle todo?
Sin respuesta clara a esas preguntas, la memoria del asistente es un acto de fe. Y en un trabajo serio no puedes apoyar decisiones en algo que no controlas.
Memoria automática frente a memoria diseñada
La memoria que ofrecen los productos de IA por defecto es memoria automática: el modelo decide qué guardar, cuándo recordarlo y con qué peso. Útil para preferencias generales («me llamo Álex, prefiero el español»), pero pobre para trabajo profesional.
Lo que de verdad cambia tu productividad es construir una memoria diseñada: un conjunto de reglas, contexto, decisiones, criterios, procedimientos y correcciones que tú escribes, revisas y editas. Una memoria que no depende de la inspiración del modelo, sino de una infraestructura que tú gobiernas.
En mi caso lo tengo organizado así:
- Un archivo de identidad del proyecto. Quién soy, en qué trabajo, qué herramientas uso, qué máquinas tengo, dónde están los datos.
- Reglas de negocio críticas. «Para calcular ingresos usa esta tabla, no aquella». «Antes de enviar nada a Outlook pregúntame qué cuenta usar». «Los clientes nunca quieren ver jerga técnica».
- Historial de feedback. Cada vez que la IA hace algo que no me gusta y se lo corrijo, esa corrección queda escrita para que no vuelva a fallar.
- Procedimientos repetibles. Los flujos que hago todos los días (informes, briefings, análisis) están escritos como recetas que la IA puede ejecutar sin que yo le explique cada paso.
El resultado es que cuando hoy abro una conversación nueva, mi asistente ya sabe en qué proyecto estoy trabajando, dónde vive cada dato, qué cliente tiene cada particularidad, y qué cosas no debe volver a proponerme. No empezamos desde cero: continuamos desde donde lo dejamos ayer. Y, sobre todo, yo puedo abrir esa memoria, leerla y modificarla cuando quiera.
Sin esa infraestructura, usar IA es como contratar un consultor brillantísimo que cada lunes llega con amnesia.
La conclusión que importa
La inteligencia bruta del modelo no es lo que te hace productivo con IA. Lo que te hace productivo es la infraestructura de memoria que construyes alrededor.
Es exactamente la misma lección que da Leonard Shelby: no era más tonto que el resto, era simplemente alguien sin memoria que aprendió a vivir con un sistema disciplinado de notas externas. Sin el sistema, fracasaba. Con el sistema, conseguía cosas que nadie creía posibles.
Si estás usando IA y sientes que cada día empiezas de cero, no siempre necesitas un modelo más potente. Muchas veces necesitas un sistema mejor alrededor del modelo.
Empieza pequeño. Un archivo de texto con tus reglas. Una lista de cosas que la IA hace mal y debe dejar de hacer. Un par de procedimientos escritos. Y úsalos cada vez que abras una conversación.
Vas a notar la diferencia desde el primer día.
¿Y tú, cómo enseñas a tu IA?
Esta es la parte que más me interesa: cada uno está montando su propio sistema sobre la marcha, casi sin referencias. Me encantaría leer cómo lo haces tú.
- ¿Tienes un archivo de reglas, un documento maestro, varias notas sueltas… o nada todavía?
- ¿Qué cosas le has tenido que repetir tantas veces que has acabado escribiéndolas?
- ¿Separas memoria por proyecto o por cliente, o lo metes todo en el mismo sitio?
- ¿Hay algo que tu IA hacía mal y dejó de hacer porque encontraste la forma de enseñárselo?
Cuéntamelo en los comentarios o escríbeme. Si recojo varias respuestas interesantes, las ordeno y hago un segundo post con ejemplos reales de cómo otros profesionales están construyendo memoria diseñada para sus asistentes.
Deja un comentario