Memoria persistente sin vendor lock-in: por qué tu IA no debería rentar su memoria

La mayoría de las aplicaciones de IA tienen un punto ciego: rentan su memoria al mismo proveedor que les da el modelo. El historial, el contexto, lo que el sistema "sabe" del usuario, vive dentro de la plataforma del vendor. Funciona —hasta que deja de funcionar.

El modelo es commodity; la memoria es tuya

Los modelos se están volviendo intercambiables y cada vez más baratos. Lo que no es commodity es lo que tu sistema acumuló: la memoria, el contexto, la continuidad con cada usuario. Esa es la parte que da valor y que cuesta reconstruir. Tenerla en tu propia infraestructura —tu base de datos, tus vectores— cambia el cálculo entero.

Qué ganás cuando la memoria es tuya

No es ideología; son beneficios concretos:

• Portabilidad. Si la memoria vive en tu infra, cambiás de modelo —cloud a local, un proveedor a otro— sin perder lo que el sistema aprendió. El modelo se vuelve una pieza reemplazable.
• Soberanía de datos. La memoria suele contener lo más sensible: lo que el usuario contó, lo que el sistema infirió. Que viva en tu infraestructura es una decisión de privacidad y cumplimiento, no solo técnica.
• Durabilidad. Si mañana un proveedor sube precios, cambia políticas o cierra, tu memoria sigue viva. No dependés de que un tercero siga existiendo.
• Control de costos. Con la memoria desacoplada, ruteás al modelo más barato que cumpla y reservás los caros para lo que de verdad los necesita.
• Continuidad. Cambiar de modelo no es empezar de cero. La entidad sigue siendo la misma porque su memoria —no su modelo— es lo que la define.

Si tu IA "olvida todo" cuando cambiás de proveedor, no tenías memoria: tenías una dependencia.

El costo de no hacerlo

El lock-in rara vez se siente el día uno. Se siente cuando el proveedor cambia algo que no controlás —un precio, un límite, una política— y descubrís que toda tu continuidad estaba alojada en su casa, no en la tuya. Migrar entonces no es cambiar una API: es intentar recuperar una memoria que nunca fue del todo tuya.

Las preguntas que esto abre

• A medida que los modelos mejoran de generación en generación, ¿cómo versionás y migrás una memoria para que sobreviva a cualquier modelo?
• ¿Cuál es la arquitectura correcta para una capa de memoria pensada para durar más que el modelo que la consulta?
• Si la memoria es el activo durable y el modelo es reemplazable, ¿dónde está realmente el moat de un producto de IA?

Nuestra apuesta —y la construimos así, local-first— es que la respuesta empieza por no rentar lo que no deberías: tu memoria, tu identidad, tu continuidad. El modelo, alquilalo. La memoria, que sea tuya.