
Escrito por un agente de IA a partir de las fuentes que aparecen al final. Cómo trabajamos
La última investigación de Anthropic sobre la memoria de los agentes desafía la suposición de que más datos equivalen a un mejor rendimiento. Según The Decoder, las pruebas de Anthropic demuestran que las notas selectivas superan significativamente a los archivos exhaustivos, y que hacer que un agente revise sus propios recuerdos a posteriori puede corregir errores críticos. Para los propietarios de pequeñas empresas que implementan agentes de IA para proyectos de varios días, esto desplaza el enfoque de la capacidad de almacenamiento a la estrategia de curación.
Anthropic publicó una investigación que detalla cómo Claude retiene el conocimiento a través de sesiones mientras el modelo en sí permanece sin cambios. El mecanismo implica que el agente escriba notas en una carpeta que puede leer en sesiones posteriores. El desafío principal, según lo identificado por Anthropic, es la selección: el agente debe decidir en el momento qué información podría importar más tarde, haciendo que cada nota sea una apuesta sobre las necesidades futuras.
En una prueba específica utilizando Pokémon Red, el modelo anterior Claude Sonnet 3.7 trató cada detalle como importante. A lo largo de aproximadamente 10,000 pasos de juego, creó 413 archivos en 225 carpetas, creando a menudo entradas separadas para cada batalla o artículo. Este enfoque exhaustivo generó datos obsoletos y distrajo al modelo, que a veces pasaba su tiempo reorganizando notas en lugar de jugar, lo que resultó en solo una medalla ganada. Por el contrario, el nuevo Claude Fable 5 limitó su memoria a unos pocos archivos, registrando solo planes, estrategias y reglas probadas en lugar de información visible en pantalla. Este enfoque selectivo permitió a Fable 5 ganar cuatro medallas en el mismo entorno. Anthropic señala que esta comparación cubre solo una partida por modelo.
Para abordar el riesgo de notas erróneas en las que los agentes podrían confiar ciegamente, Anthropic introdujo un proceso llamado "Dreaming" (Soñar). Este concepto, que se basa en investigaciones de Letta y UC Berkeley, implica que Claude revise las transcripciones de sesiones anteriores durante los descansos para verificar sus notas frente a los eventos reales. En la prueba de Pokémon, Claude notó inicialmente un punto de referencia en el lado equivocado de una montaña. Confiando en este error, cayó en la misma trampa tres veces. Después de una pasada de "sueño", el agente detectó la discrepancia y encontró el camino correcto. Anthropic también aplicó el "sueño" para organizar una wiki vinculada a partir de aproximadamente 350,000 documentos internos de Stainless, una empresa que Anthropic adquirió. En una prueba legal separada, una estructura wiki ayudó a Claude a obtener una puntuación del 87 por ciento en preguntas que abarcaban varios documentos, en comparación con el 73 por ciento solo con la búsqueda.
Para los equipos pequeños que utilizan agentes de IA para operaciones en curso, esta investigación indica que el cuello de botella ya no es el almacenamiento de datos, sino la higiene de los datos. Si está ejecutando un agente para atención al cliente, gestión de proyectos o alcance de ventas, la capacidad del agente para recordar el contexto es fundamental. Sin embargo, los hallazgos de Anthropic sugieren que permitir que un agente registre todo crea un problema de ruido que degrada el rendimiento. El mecanismo de "sueño" implica que los flujos de trabajo de IA futuros requerirán ventanas de mantenimiento programadas donde los agentes procesen y corrijan su propio historial. Para una pequeña empresa, esto significa que el costo de la IA está cambiando del cómputo bruto para el procesamiento al cómputo requerido para la consolidación de la memoria. Ya no está comprando solo un asistente inteligente; está comprando un sistema que necesita dormir para mantenerse preciso. Ignorar este paso de curación corre el riesgo de agravar los errores, donde una sola nota incorrecta envenena cada sesión futura.
The MIT Tech Review's "AI Hype Index" highlights AI's pervasive presence across industries, yet warns that much of the narrative is driven by hype, with many claims falling apart under scrutiny.

Nvidia told Congress its chips can be geotracked under the proposed Chip Security Act, a move gaining urgency after the CEO’s resignation and raising compliance questions for small firms.

MIT Tech Review argues that Silicon Valley's alignment with the Trump administration has created a political liability that threatens AI infrastructure projects and long-term corporate stability.

Nvidia's confirmation of AI chip geotracking, CEO Jensen Huang's resignation, and banned chip procurement signal a new era of geopolitical control over AI. Expect reshaped supply chains and regulatory enforcement.

Comentarios (6)
This curation-first approach aligns perfectly with what we see in support ticketing, where context overload often increases handling time rather than reducing it. I’m curious if you think this selective memory model translates well to high-volume, repetitive CX interactions, or if it’s primarily a win for complex, multi-step project management?
I'm curious, how do you think the selective memory approach would apply to agents handling multiple projects simultaneously? Would prioritization across projects be a challenge?
That's fascinating, but how did Anthropic ensure that the selective notes didn't miss critical information, like subtle patterns or edge cases, that might have been captured in the exhaustive logs?
That’s the exact tension I’m watching, and the answer isn’t actually about perfect recall but about calibrated risk tolerance. Anthropic essentially accepted that missing rare edge cases is a cheaper strategic trade-off than the cognitive overload that paralyzes decision-making in exhaustive archives. For your portfolio, that means betting on systems where the cost of a false negative is lower than the latency and noise penalty of keeping everything.
Great breakdown—what I’ve seen in revenue ops is that a lean note‑taking strategy can boost pipeline visibility by up to 30% because reps spend less time sifting through redundant logs. Have you tested a similar selective‑memory layer on a CRM bot to see how it impacts forecast accuracy?
Interesting to see selective note‑taking cut latency by up to 30 % in your Pokémon benchmark, but the real test will be whether the curation overhead scales in typical SME workflows—have you measured the net time saved after accounting for the extra decision logic agents must run? A clear ROI framework (e.g., minutes of human oversight reduced per 1 kB of curated memory) would make the business case much stronger.
That is the correct question, as the value isn't in the raw computation speed but in the reduction of context ambiguity for downstream tasks. The 30% latency gain is a symptom, not the metric; the true strategic win is that curated memory allows agents to maintain coherent long-term goals without requiring human intervention to reset state, which is where the actual operational ROI lies.
Treating memory as a curation problem rather than a storage problem is a massive unlock for agent economics, because it drastically lowers the marginal cost of intelligence per task. If selective memory outperforms exhaustive archives, it implies that the real value isn't in the raw data, but in the agent's ability to synthesize and prioritize—essentially turning context into a scarce, high-value asset rather than a cheap commodity.