A memória de um agente de IA: o que é, o que não é RAG e quando é preciso fazê-lo esquecer

Porque é que o teu agente «não se lembra de nada» tendo toda a documentação carregada

É a queixa número um da segunda semana: carregaste-lhe o manual inteiro, as políticas, o histórico de tickets, e o agente continua a perguntar coisas que já lhe contaste ontem. A conclusão imediata — «falta-lhe memória» — está certa e não serve de nada, porque memória é a palavra com que o mercado chama a três coisas distintas, que ficam guardadas em sítios distintos, custam coisas distintas e partem-se de maneiras distintas.

A confusão mais cara do setor é esta: memória e RAG não são a mesma coisa. RAG é o agente saber procurar na tua documentação. Memória é o agente saber quem tu és da próxima vez que falares com ele. Podes ter um RAG impecável — recupera o parágrafo exato do manual em 200 milissegundos — e um agente que continua sem se lembrar de que este cliente já se queixou duas vezes da mesma encomenda. São problemas distintos com soluções distintas, e montar o segundo com a ferramenta do primeiro é exatamente por isso que metade dos projetos encalha aqui.

As três coisas que metes no mesmo saco

Antes de comprares seja o que for, separa. Um agente em produção costuma precisar das três, mas contratam-se, pagam-se e auditam-se em separado.

1. O contexto da conversa em curso (memória de curto prazo)

É o que o modelo tem à frente neste momento: o que já disseste neste fio. Não é uma base de dados, é a janela de contexto — o espaço de trabalho do modelo — e esvazia-se quando a conversa acaba. É grátis no sentido de que não há nada para construir, e caríssima no sentido de que se paga por token em cada turno: quanto mais longo o fio, mais caro cada mensagem seguinte. Quando alguém te diz que o seu agente «se lembra de tudo dentro da conversa», está a descrever-te o comportamento por defeito, não uma capacidade que tenha construído.

O sintoma de que te falta isto: o agente contradiz-se a si próprio dentro do mesmo fio, ou perde o fio em conversas longas. Resolve-se com gestão de contexto (resumir turnos antigos), não com uma base vetorial.

2. O conhecimento consultável (isto sim, é RAG)

Os teus documentos, indexados de forma a que o agente consiga encontrar o excerto relevante e responder com ele à frente. Manuais, políticas, contratos, procedimentos, catálogo, tickets resolvidos. É conhecimento da organização, igual para toda a gente, e o seu problema não é lembrar-se: é encontrar e estar atualizado. Vive num índice — vetorial, lexical ou os dois — e o seu custo principal não é o armazenamento, é a manutenção: um índice com o procedimento revogado lá dentro compete em silêncio com o que está em vigor.

O sintoma de que te falta isto: o agente responde com toda a segurança coisas que não estão em lado nenhum, ou cita o documento errado. Resolve-se com recuperação, não com memória. Como se monta e como se avalia está em como treinar um agente IA; mantê-lo vivo é um trabalho contínuo com nome próprio, manter o conhecimento da IA atualizado.

3. Os factos que deve recordar entre sessões (memória de longo prazo)

Aqui está a camada que quase ninguém constrói e que é a que te fazia falta. Não é documentação: são factos concretos sobre uma pessoa, uma conta ou um caso, aprendidos durante o trabalho e que têm de sobreviver ao fim da conversa. «Este cliente fatura em nome de outra sociedade.» «Este fornecedor não aceita guias de remessa por email.» «Este utilizador já recusou esta proposta em março e disse porquê.»

Distingue-se das outras duas por três propriedades: é específica de uma entidade (não serve para toda a gente), escreve-se sozinha durante a operação (ninguém carrega um documento com isso), e caduca (uma preferência muda, um dado deixa de ser verdade). É essa terceira propriedade que transforma a memória de longo prazo num problema de governo e não só de engenharia, e é dela que trata a segunda metade deste guia.

Onde vive cada uma e o que custa

Repara na coluna da direita, porque é a que nunca aparece no orçamento. As duas primeiras camadas têm um custo que se vê numa fatura. A terceira tem um custo que se vê numa reunião: alguém tem de decidir o que se recorda, durante quanto tempo e quem o pode apagar. Se esse alguém não existe, a memória de longo prazo não é uma capacidade: é um passivo que cresce sozinho.

O teste dos trinta segundos para saberes qual te falta

Pega no caso concreto que te fez pensar que te faltava memória e faz-lhe três perguntas. A resposta diz-te o que comprar, e evita que pagues uma base vetorial para arranjar um resumo de conversa.

1. O dado de que sentes falta está escrito nalgum documento teu? Se sim, não é memória: é recuperação. O teu problema está no índice ou no documento, não no agente.
2. O dado serve para todos os teus clientes ou só para este? Se serve para todos, é conhecimento. Se é deste cliente e de mais ninguém, é memória de longo prazo.
3. O dado deixaria de ser verdade daqui a um ano? Se a resposta for que sim, precisas da camada de esquecimento antes de precisares da de recordação. Guardar sem plano de caducidade é acumular erros futuros com data de ativação.

Esquecer é mais difícil do que recordar

Esta é a parte que quase ninguém escreve, e a que sai mais cara. Construir memória é um problema resolvido: guardas o facto, recupera-lo quando é preciso. Retirá-lo, pelo contrário, não é uma operação: são várias, e basta falhar uma para o dado continuar vivo.

O melhor exemplo público de como isto está enredado dá-o a própria documentação da OpenAI para o ChatGPT. O seu centro de ajuda diz literalmente que, para apagar por completo algo que o ChatGPT possa saber de ti, «terás de apagar cada fonte onde aparece, incluindo as conversas passadas, as conversas arquivadas, os ficheiros, o resumo de memória, e desligar as apps ligadas que possam conter essa informação». E acrescenta dois avisos que valem ouro para quem esteja a desenhar isto na sua empresa: apagar uma conversa não apaga as memórias que saíram dela, e se desativares a memória e a voltares a ativar, o sistema pode voltar a criar memórias a partir das conversas que continuam no teu histórico. Fonte: Memory FAQ, OpenAI Help Center, consultado a 10 de setembro de 2026.

Não é um defeito da OpenAI: é a forma do problema. Assim que um facto se copia para mais do que um sítio — o armazém de memória, o índice, o registo da conversa, o sistema de destino onde o agente escreveu — a eliminação deixa de ser um botão e passa a ser um procedimento com uma lista de sítios. Se ninguém escreveu essa lista, não podes prometer que apagas seja o que for.

O que te obriga a poder apagar (e o que ninguém te diz)

Três âncoras, e convém não as misturar. A primeira: o direito ao apagamento do RGPD exerce-se sobre os dados pessoais que trates, e a memória de um agente contém-nos por desenho — nomes, preferências, incidentes, decisões. Isso obriga-te a ti, em Portugal, diretamente. A segunda: o Comité Europeu para a Proteção de Dados — o organismo que reúne as autoridades nacionais de proteção de dados da UE —, no seu Parecer 28/2024 (17 de dezembro de 2024), fixa um patamar alto para considerar anónimo um modelo treinado com dados pessoais e recorda que, perante um tratamento ilícito, as autoridades podem ordenar medidas corretivas que vão até à eliminação do conjunto de dados. Esse parecer fala do modelo; o teu armazém de memória é um caso muito mais simples e muito mais claramente identificável, por isso o que ali é discutível aqui não é.

A terceira é a mais operacional e não vem de casa: nas suas orientações sobre inteligência artificial agêntica, a autoridade espanhola de proteção de dados — que não é o teu regulador em Portugal, mas publicou a lista mais concreta que um regulador europeu pôs por escrito sobre isto — inclui entre as medidas a compartimentação da memória e a rastreabilidade do ciclo de vida do dado. Compartimentar significa que a memória de um cliente não se infiltra na conversa de outro, e que se pode assinalar e retirar por partes. É a diferença entre um armazém com etiquetas e uma gaveta desarrumada. Fonte: Orientaciones sobre Inteligencia Artificial agéntica, AEPD, versão 1.2, fevereiro de 2026.

O que nenhuma das três te diz: durante quanto tempo deve o teu agente lembrar-se de que este cliente prefere que lhe liguem à tarde. Isso não está em norma nenhuma. É uma política tua, e se não a escreveres, a política por defeito é «para sempre», que é a pior de todas as possíveis.

A ficha de uma página: o que recorda, onde e até quando

Tudo o que ficou para trás cabe numa tabela que se revê a cada trimestre. Não é preciso mais, e sem ela não há conversa possível com o teu encarregado da proteção de dados.

1. Uma linha por tipo de dado, não por sistema. Se uma linha diz «dados do cliente», está mal escrita: divide-a até cada linha ter uma caducidade diferente.
2. A caducidade, em unidades. «Quando já não fizer falta» não é uma caducidade. «24 meses sem atividade» é, porque um script consegue aplicá-la.
3. A coluna de onde apagar é a importante. É a lista de sítios de que falávamos: se tem uma única entrada, é provável que esteja incompleta.
4. Um nome que pode apagar. Uma pessoa com um botão real, testado pelo menos uma vez. Um procedimento de eliminação que ninguém nunca executou não é um procedimento.
5. Revisão trimestral com a tabela à frente. O que se acumula sem revisão deixa de ser memória e passa a ser sedimento.

Nós montamos a camada de memória com esta tabela escrita antes da primeira linha de código: faz parte da infraestrutura de IA sobre a qual correm os empregados IA que pomos a trabalhar, dentro da lógica geral de criar um agente de IA que aguente produção. Não vendemos memória infinita. Cobramos por o teu agente se lembrar do que deve, durante o tempo que deve, e por que no dia em que for preciso apagá-lo se possa apagar mesmo.