L’AI generativa sta passando dalla semplice conversazione alla memoria persistente. OpenAI e Perplexity mostrano come il contesto accumulato possa diventare una componente centrale dei nuovi assistenti.
La personalizzazione delle AI generative non è più un’opzione: è la nuova frontiera, e passa soprattutto dalla memoria.
Negli ultimi mesi stiamo assistendo a un cambio di paradigma netto. Le piattaforme di AI generativa, invece di limitarsi a rispondere meglio o più velocemente, stanno imparando a conoscerci, a ricordare il nostro contesto e a migliorare nel tempo. Ma il motore di questa trasformazione non riguarda più solo il modello più grande o il prompt engineering più raffinato, perché la nuova chiave di volta è la memoria.
Dalla chat “a freddo” al contesto persistente
Fino a poco tempo fa ogni nuova conversazione ripartiva da zero. Oggi i sistemi più avanzati costruiscono un profilo dinamico dell’utente e del suo lavoro, aggiornandolo in background. OpenAI ha formalizzato questo approccio con Dreaming, un processo asincrono che sintetizza conversazioni passate, preferenze e vincoli in un profilo coerente e aggiornato, consultabile e modificabile dall’utente (ne abbiamo parlato qualche mese fa). Il risultato? Miglioramenti misurabili sul richiamo di fatti rilevanti, sull’aderenza alle preferenze e sulla capacità di restare “al passo con il tempo” (ciò che era “sto andando a Singapore a luglio” diventa correttamente “sono andato a Singapore”).
La stessa logica si estende oltre la chat: con Computer History (disponibile per ora nell’app desktop ChatGPT per macOS), OpenAI trasforma l’attività recente su app e siti web in memorie e in una timeline interrogabile. Non si limita a catturare screenshot o audio, ma registra anche eventi di interazione (click, digitazione, cambio app) tramite le API di accessibilità di macOS, li riassume in file Markdown locali e li rende disponibili a ChatGPT e Codex. L’utente controlla quali app includere, può mettere in pausa la raccolta e cancellare singoli elementi. L’obiettivo dichiarato è riprendere il lavoro dove si era interrotti, ritrovare documenti e trasformare workflow ripetitivi in skill o automazioni.
Memoria agentica: il caso “Perplexity Brain”
Un approccio ancora più strutturato arriva da Perplexity con Brain, il sistema di memoria agentica di Computer. Qui la memoria non è una semplice lista di fatti, ma un knowledge wiki organizzato come filesystem Markdown: pagine collegate tra loro (wikilink laterali) e ancorate a evidenze (sessioni, file, connettori).
Gli agenti “in foreground” navigano questo grafo on-demand; in background, invece, gli agenti “Dream” raffinano e aggiornano la knowledge base, sintetizzando nuove informazioni e depurando quelle obsolete. Il design privilegia tracciabilità, navigabilità e miglioramento continuo: le valutazioni interne indicano guadagni di correttezza e richiamo su task che richiedono contesto storico, insieme a una riduzione dei costi.
Perché è una tendenza destinata a consolidarsi
La personalizzazione basata su memoria risolve un problema strutturale dell’AI generativa: la mancanza di continuità. Un assistente che ricorda progetti in corso, preferenze di stile, vincoli e decisioni passate riduce drasticamente il carico cognitivo dell’utente e aumenta l’utilità pratica. Non è più “un’AI generica”, ma un collaboratore che accumula conoscenza sul tuo lavoro.
Allo stesso tempo, come sempre, emergono nodi critici:
- Controllo e trasparenza: chi decide cosa viene ricordato? Quanto è auditabile?
- Privacy: anche con opt-in e storage locale (come in Computer History), il perimetro dei dati si allarga.
- Staleness vs. sintesi: ricordare troppo o troppo poco degrada l’esperienza; i sistemi migliori bilanciano freschezza, rilevanza e sintesi.
Cosa significa per professionisti e aziende
La memoria sta diventando un “differenziatore competitivo”. Chi saprà integrarla in modo controllato (con policy chiare, possibilità di esportazione, cancellazione e scoping per progetto o team) otterrà assistenti più produttivi e meno “amnesici”. Chi la tratterà come black box rischierà friction, problemi di compliance e perdita di fiducia.
In sintesi: la prossima generazione di piattaforme generative non si distinguerà solo per capacità di ragionamento o di tool-use, ma per la qualità della memoria che costruisce intorno all’utente e al suo lavoro. OpenAI e Perplexity stanno già tracciando due strade complementari — profilo sintetico + timeline di attività da un lato, knowledge wiki agentica e self-improving dall’altro. Il resto del mercato seguirà.
La personalizzazione, insomma, non è più una feature: è l’infrastruttura.
Fonti ufficiali per approfondire:
https://learn.chatgpt.com/docs/customization/computer-history
https://www.perplexity.ai/hub/blog/brain-agentic-memory-as-a-knowledge-wiki
