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 externos. Conforme pasa el tiempo, estos chatbots adquieren más herramientas y se comportan más como agentes.
Todos ellos recuerdan cosas sobre ti — preferencias, conversaciones pasadas, contexto. Pero la forma en que recuerdan tiene límites concretos que determinan qué pueden y qué no pueden hacer con tu información. Clatri recuerda diferente, y esa diferencia cambia lo que es posible.
Tres formas de conocerte
Memoria estructurada
Cuando le envías un mensaje a ChatGPT, Claude.ai o Gemini App, el modelo puede recordar que en alguna conversación mencionaste un gasto en un restaurante. Pero no puede sumar tus transacciones del mes, 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 almacena cada dato que registras — un gasto, un ingreso, un medicamento, una tarea, una cita — 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 con más de 60 tablas estructuradas en 8 esquemas de PostgreSQL. Cada tabla tiene relaciones, restricciones y reglas de seguridad. Cuando el agente actúa, opera sobre datos reales con precisión contable.
Memoria semántica
La memoria estructurada resuelve la precisión, pero no cubre todo. Hay cosas que no encajan en una tabla: el contexto de una conversación pasada, una decisión que tomaste hace días, un hilo que quedó abierto.
Para eso, Clatri incorpora memoria semántica con RAG (Retrieval-Augmented Generation). El sistema crea periódicamente resúmenes comprimidos de tus conversaciones y los almacena como embeddings — representaciones numéricas que capturan el significado de lo que se dijo, no las palabras exactas. Cuando le envías un mensaje, el agente recupera los fragmentos de conversaciones pasadas que son semánticamente relevantes para lo que estás preguntando — sin necesidad de que repitas el contexto.
Esto significa que si la semana pasada estuvieron discutiendo los detalles de tu viaje a Japón en septiembre, el agente puede retomar ese hilo sin que tengas que explicar todo de nuevo. Y como se complementa con la memoria estructurada, no solo recuerda de qué hablaron — también puede acceder a los destinos, fechas, vuelos y hoteles que quedaron registrados explícitamente en tus datos.
Descripción de la entidad
Hay cosas que quieres que el agente sepa siempre — quién eres, a qué te dedicas, cuál es tu situación — pero que no tiene sentido repetir cada vez que le hablas.
La descripción de la entidad es un campo de texto libre en la configuración de cada entidad donde escribes contexto que quieres que el agente tenga presente en todo momento. Se inyecta en cada mensaje que le envías — es simplemente una forma de darle contexto persistente y útil desde los ajustes.
Piensa en la descripción como una carta de presentación permanente. No necesitas repetirle al agente que tienes diabetes cada vez que le preguntas algo de salud, ni recordarle que tu negocio opera en pesos colombianos cada vez que registras un gasto. Lo escribes una vez y el agente lo tiene presente siempre.
Ejemplos de descripción personal:
Vivo en Ciudad de México. Tengo 32 años, soy diseñador freelance.
Tomo metformina 850mg dos veces al día para diabetes tipo 2.
Mi presupuesto mensual de comida es $8,000 MXN.
Estoy ahorrando para un departamento — mi meta es $500,000 MXN para diciembre 2026.
Mis ingresos principales vienen de proyectos de diseño UX.
Ejemplos de descripción de negocio:
Cafetería "El Grano" en Bogotá. 3 empleados.
Moneda principal: COP. Abrimos en 2022.
Vendemos café de especialidad y repostería artesanal.
Nuestro proveedor principal es Café de Colombia S.A.
Horario: lunes a sábado, 7am a 7pm.
Facturación mensual promedio: $12,000,000 COP.
La descripción es específica por entidad. Puedes tener una descripción personal detallada y una de empresa con contexto completamente diferente.
La combinación de estas tres formas — datos estructurados para precisión, memoria conversacional para continuidad y descripción explícita para contexto permanente — es lo que permite a Clatri conocerte de una forma que un chatbot general no puede replicar.
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 tiene presente tus mensajes recientes más los fragmentos relevantes que recupera de tu memoria semántica, lo que le da continuidad sin que tengas que repetir contexto. 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.