Memoria
Quizá aún tengas duda de qué diferencia a Clatri de ChatGPT y si ChatGPT también es un agente o no. Bueno, ChatGPT es, de hecho, un agente. Claude.ai también lo es. Gemini App igualmente. Pero GPT no es un agente, Claude no es un agente y Gemini no es un agente.
¿Qué significa esto? Las empresas que crean los grandes modelos de lenguaje — OpenAI, Anthropic, Google — los ofrecen para consumo mediante API. Un desarrollador puede llamar a GPT, Claude o Gemini desde su código y obtener respuestas de texto. Eso es un modelo, no un agente. Pero esas mismas empresas también construyen productos para consumidores finales — ChatGPT, Claude.ai, Gemini App — y a esos productos les han ido incorporando capacidades agénticas: pueden generar código Python y ejecutarlo, crear archivos Excel, buscar en internet, generar imágenes y conectar con servicios de Google. Conforme pasa el tiempo, estos chatbots adquieren más herramientas y se comportan más como agentes.
Sin embargo, ninguno de ellos puede hacer lo que hace Clatri: guardar de forma estructurada tu información. Y esa diferencia lo cambia todo.
Memoria semántica y memoria estructurada
Nadie puede decir que ChatGPT no tiene memoria. Sabe cosas sobre ti y las usa para influenciar cómo te responde. Pero el tipo de memoria que utiliza es memoria semántica. ¿Qué significa esto?
Cuando le envías un mensaje, el modelo convierte tu texto en una representación numérica llamada embedding — un vector de cientos o miles de dimensiones que captura el significado de lo que dijiste, no las palabras exactas. "Tengo un dolor de cabeza terrible" y "me está matando la jaqueca" producen embeddings similares, porque el significado es parecido aunque las palabras sean distintas.
Con embeddings, un sistema puede buscar en tu historial de conversaciones y recuperar fragmentos relevantes para la pregunta actual. Esto se conoce como RAG (Retrieval-Augmented Generation): antes de responder, el modelo recupera información semánticamente relacionada y la inyecta en su contexto. Es poderoso para recordar conversaciones pasadas, preferencias expresadas o documentos que subiste.
Pero tiene un límite fundamental: no es preciso. La memoria semántica recupera lo que se parece a tu pregunta, no lo que es tu pregunta. Si le preguntas a ChatGPT "¿cuánto gasté en restaurantes en enero?", puede recordar que en alguna conversación mencionaste un gasto en un restaurante — pero no puede sumar tus transacciones, porque no las tiene almacenadas de forma estructurada. No hay una tabla de gastos con fecha, monto, categoría y cuenta. Solo hay texto recordado, aproximado, incompleto.
Clatri usa memoria estructurada. Cada dato que registras — un gasto, un ingreso, un medicamento, una tarea, una cita — se almacena en una base de datos PostgreSQL con tablas, columnas y relaciones definidas. Cuando le preguntas "¿cuánto gasté en restaurantes en enero?", el agente no busca en conversaciones pasadas: ejecuta una consulta SQL sobre tus transacciones reales, filtradas por categoría, fecha y entidad. El resultado es exacto, no aproximado.
Clatri opera hoy con más de 60 tablas estructuradas en 8 esquemas de PostgreSQL. Cada tabla tiene relaciones, restricciones y seguridad a nivel de fila. Cuando el agente actúa, opera sobre datos reales con precisión contable.
La memoria estructurada resuelve el problema de la precisión, pero no cubre todo. Hay cosas que no encajan en una tabla: el contexto de una conversación pasada, una preferencia que mencionaste al vuelo, una instrucción que diste hace semanas. Para eso, los planes de Clatri incluyen incorporar memoria semántica con RAG — un sistema que almacene embeddings de tus conversaciones y documentos, y los recupere cuando sean relevantes. La combinación de ambos tipos de memoria — estructurada para datos precisos, semántica para contexto y preferencias — es lo que permitirá a Clatri recordar no solo tus números, sino también tus intenciones.
Un solo chat
En ChatGPT, Claude.ai o Gemini App, tú creas sesiones de chat separadas: una para pedirle ayuda con un correo, otra para hablar de cocina, otra para código. Cada sesión es un hilo independiente con su propio contexto, y si quieres retomar algo que dijiste en otra conversación, tienes que buscarlo tú.
Clatri funciona diferente. Como su propósito es ser tu agente para todo — finanzas, salud, tareas, proyectos —, adopta un solo chat continuo por entidad. No hay sesiones que abrir y cerrar. Le hablas y el agente siempre tiene presente los últimos 6 mensajes del historial, lo que le da continuidad inmediata sin que tengas que repetir contexto reciente. No necesita sesiones separadas porque sus herramientas operan sobre tu base de datos: el contexto real no está en la conversación, está en tus datos.
Documentos procesados y almacenados
Cuando subes un archivo a Clatri, no se queda como un adjunto inerte. Cada documento pasa por un procesamiento que lo hace consultable a futuro:
- Imágenes: el sistema genera una descripción textual de su contenido, que queda almacenada y asociada al mensaje.
- Documentos (PDFs, Excel, CSV): pasan por un procesamiento OCR que extrae su contenido. El texto procesado se almacena con un identificador único, y el agente puede volver a consultarlo en cualquier momento usando sus herramientas — sin que tengas que subirlo de nuevo.
Esto significa que si hace tres meses subiste un extracto bancario en PDF, el agente puede recuperar su contenido y operar sobre él — siempre que le des indicaciones claras de a qué documento te refieres.