Em poucos meses, os principais fabricantes de assistentes de IA passaram a oferecer, cada um à sua maneira, uma versão de memória: a capacidade de a IA lembrar de uma conversa na próxima. O Gemini, do Google, mantém o histórico de conversas ativo por padrão durante 18 meses — prazo que a pessoa pode encurtar para 3 meses, esticar para 36 ou deixar indefinido. A Claude, da Anthropic, segue outro caminho: guarda o conteúdo de pedidos e respostas por 30 dias para fins de segurança e depois apaga automaticamente, salvo exceção prevista em lei.
Não existe um padrão único entre os fabricantes, e há um detalhe que passa despercebido. Segundo a própria central de privacidade do Gemini, uma conversa revisada por um avaliador humano continua guardada por até três anos mesmo depois que a pessoa apaga o histórico daquele chat. Guardar e apagar não são a mesma decisão — cada fabricante resolve essa conta do seu jeito, para uso pessoal.
Isso é um detalhe de configuração até o momento em que vira um problema de empresa. Quando alguém do time cola informação de um cliente, de um contrato ou de uma planilha interna num assistente pessoal, a política que decide por quanto tempo aquilo fica guardado — e quem tem acesso a esse conteúdo — não pertence à empresa. Pertence ao fabricante daquele assistente, e a empresa não participa dessa decisão.
O que é memória pessoal e o que é conhecimento da empresa
A confusão mais comum é tratar toda memória como se fosse uma coisa só. Não é. Existem pelo menos dois tipos, e cada um deveria ter um dono diferente.
Memória pessoal é o jeito de trabalhar de cada pessoa: o formato preferido de resumo, o tom usado em e-mails, o fato de que aquela pessoa sempre revisa contrato de um jeito específico. Isso pertence a quem usa a IA no dia a dia e não precisa — nem deveria — virar informação disponível para o resto da empresa.
Conhecimento da empresa é outra categoria: a política de reembolso vigente, a tabela de preços atual, o processo aprovado para abertura de um chamado. Isso tem dono (a área responsável), tem versão (a mais recente substitui a anterior) e tem escopo (nem todo documento é para toda a empresa). Quando essa informação é tratada como "memória" solta de uma conversa qualquer, ela perde justamente as três coisas que a tornam confiável: dono, versão e escopo.
O regulador francês de proteção de dados, a CNIL, resume o princípio de um jeito que serve para qualquer arquitetura de IA: os dados usados precisam ser selecionados e organizados para cumprir uma finalidade clara, não acumulados por acaso. Isso vale tanto para o material que treina um modelo quanto para o que uma equipe deixa a IA lembrar no dia a dia.
Guardar tudo ou não guardar nada não resolve
O primeiro instinto, diante do risco, costuma ser um extremo: desligar a memória por completo, ou deixá-la acumulando tudo indefinidamente. Nenhum dos dois resolve.
Desligar a memória obriga a pessoa a reexplicar contexto todos os dias — quem é o cliente, qual é o processo, qual é a preferência de formato — e isso é exatamente o tipo de trabalho repetitivo que a IA deveria eliminar, não recriar. Uma equipe que reexplica tudo toda manhã não ganhou produtividade nenhuma; só trocou uma tarefa manual por outra.
Guardar tudo, para sempre, cria o problema oposto: informação desatualizada continua disponível como se ainda valesse, e ninguém mais lembra quando aquilo foi dito ou por quem. A própria central de privacidade do Gemini mostra como essa conta pode escapar do controle da pessoa: uma conversa revisada por um avaliador humano permanece guardada por até três anos, mesmo depois que o histórico é apagado pelo usuário — apagar não é sinônimo de sumir.
No Brasil, a Autoridade Nacional de Proteção de Dados também tem sinalizado essa preocupação. Segundo a Nota Técnica nº 12/2025, discutida em análises do mercado, uma parte relevante das organizações usa grandes volumes de dados para personalizar respostas de IA sem clareza suficiente sobre finalidade, prazo de retenção e base legal para manter aquilo guardado. O problema raramente é a IA em si — é a ausência de uma regra explícita sobre o que ela deveria lembrar e por quanto tempo.
O que precisa existir na prática
Um ambiente de IA corporativo bem desenhado trata memória como decisão de governança, não como configuração padrão do fabricante. Isso significa alguns mecanismos concretos.
Camadas de memória com dono definido. Memória pessoal (jeito de trabalhar de cada um) fica separada de conhecimento da empresa (documento com dono, versão e escopo por área) e de memória de agente (o contexto que uma automação específica acumula sobre uma rotina). Uma coisa não vira a outra sem passar por um processo.
Retenção configurável por tipo de informação, com expurgo automático. Um prazo único para tudo é tão errado quanto nenhum prazo. Uma preferência pessoal pode durar enquanto a pessoa quiser; um dado sensível de cliente deveria ter prazo curto e expiração automática, sem depender de alguém lembrar de apagar.
Promoção com aprovação, não automática. Quando algo que começou como anotação pessoal precisa virar conhecimento oficial da equipe, isso passa por revisão de quem é responsável por aquele assunto — a mesma lógica de "quatro olhos" que vale para qualquer documento que a IA vai usar para responder outras pessoas.
Trilha sobre a própria memória. Quando uma informação foi guardada, por quem, com que finalidade e quando expira: isso precisa ser consultável, do mesmo jeito que qualquer outra ação registrada no sistema.
É assim que a Skyller foi desenhada: memória pessoal permanece pessoal, conhecimento da empresa tem dono e versão definidos, e a retenção segue prazo configurável com expurgo automático — não um padrão único herdado de fora.
Da lembrança individual à memória que a equipe usa
O ganho mais imediato de separar essas camadas direito aparece na rotina, não na auditoria. Uma pessoa nova na equipe, hoje, herda o conhecimento formal da empresa — os documentos, os processos — mas não herda nada do que um colega aprendeu usando IA nos últimos seis meses. Aquele atalho de resposta a um cliente difícil, aquele jeito de estruturar um relatório que funcionou bem: fica só na cabeça e no histórico pessoal de quem descobriu.
Quando conhecimento da empresa é tratado como categoria própria — com dono, versão e permissão de reutilização —, o que uma pessoa aprimorou pode ser disponibilizado para o time inteiro, sem misturar isso com a preferência pessoal de ninguém. A memória deixa de ser um ativo individual, disperso em contas separadas, e passa a ser parte do que a empresa efetivamente sabe fazer.
Isso também facilita a auditoria e a conformidade: quando alguém pergunta de onde veio uma informação usada numa resposta, existe uma resposta verificável — o documento, a versão, quem aprovou — em vez de "a IA lembrou disso de algum lugar".
Um roteiro para decidir o que vale a pena lembrar
Antes de tratar memória como detalhe técnico, vale responder a estas perguntas com a área de TI e com quem lida com dados sensíveis:
- O que hoje é tratado como "memória" nos assistentes que o time já usa? Se a resposta for "não sabemos", o primeiro passo é simplesmente descobrir o que já está sendo guardado, e onde.
- Existe diferença clara entre preferência pessoal e conhecimento oficial da empresa? Se qualquer coisa dita numa conversa pode virar resposta padrão para outra pessoa, essa linha ainda não existe.
- Cada tipo de dado tem um prazo de retenção definido, ou tudo fica guardado até alguém lembrar de apagar? Prazo por tipo de dado é o que separa uma política de governança de uma acumulação sem controle.
- Quem aprova quando uma anotação pessoal vira conhecimento disponível para o time? Se a resposta for "ninguém, acontece sozinho", essa é a primeira lacuna a fechar.
