{"id":129666,"date":"2026-03-02T23:17:05","date_gmt":"2026-03-03T05:17:05","guid":{"rendered":"https:\/\/pongara.net\/news\/open-brain-la-arquitectura-de-memoria-que-promete-liberar-a-los-agentes-de-ia-del-encierro-de-las-plataformas\/"},"modified":"2026-03-02T23:17:05","modified_gmt":"2026-03-03T05:17:05","slug":"open-brain-la-arquitectura-de-memoria-que-promete-liberar-a-los-agentes-de-ia-del-encierro-de-las-plataformas","status":"publish","type":"post","link":"https:\/\/pongara.net\/news\/open-brain-la-arquitectura-de-memoria-que-promete-liberar-a-los-agentes-de-ia-del-encierro-de-las-plataformas\/","title":{"rendered":"Open brain: la arquitectura de memoria que promete liberar a los agentes de IA del encierro de las plataformas"},"content":{"rendered":"<div>\n<div><img width=\"640\" height=\"384\" src=\"https:\/\/pongara.net\/news\/wp-content\/uploads\/2026\/03\/canuto-imagine-1772514794-840x504-1.jpg\" class=\"attachment-large size-large wp-post-image\" alt=\"\" style=\"margin-bottom: 15px;\" loading=\"lazy\" decoding=\"async\" srcset=\"https:\/\/pongara.net\/news\/wp-content\/uploads\/2026\/03\/canuto-imagine-1772514794-840x504-1.jpg 840w, https:\/\/diariobitcoin.b-cdn.net\/wp-content\/uploads\/2026\/03\/canuto-imagine-1772514794-608x365.jpg 608w, https:\/\/diariobitcoin.b-cdn.net\/wp-content\/uploads\/2026\/03\/canuto-imagine-1772514794-768x461.jpg 768w, https:\/\/diariobitcoin.b-cdn.net\/wp-content\/uploads\/2026\/03\/canuto-imagine-1772514794.jpg 1226w\" sizes=\"auto, (max-width: 640px) 100vw, 640px\"><\/div>\n<p><strong>En un momento en que los agentes de IA se vuelven \u201cmainstream\u201d, el autor Nate B Jones plantea que el verdadero cuello de botella ya no es el modelo, sino la memoria: un sistema propio, sem\u00e1ntico y legible por agentes que unifique el contexto entre herramientas y evite el lock-in.<br \/>\n***<\/strong><\/p>\n<ul>\n<li><strong><strong>Propone \u201copen brain\u201d:<\/strong> una arquitectura de memoria \u201cagent readable\u201d basada en Postgres, embeddings vectoriales y un servidor MCP para que cualquier IA consulte el mismo contexto.<\/strong><\/li>\n<li><strong><strong>Critica la memoria aislada:<\/strong> las funciones de memoria en plataformas como Claude, ChatGPT y otras no se comparten entre s\u00ed y refuerzan el encierro del usuario.<\/strong><\/li>\n<li><strong><strong>Apuesta por bajo costo y no-code:<\/strong> describe un montaje de unos 45 minutos, con captura desde apps como Slack y un costo estimado de USD $0,10 a USD $0,30 al mes.<\/strong><\/li>\n<\/ul>\n<p>\u00a0<\/p>\n<hr>\n<p>La adopci\u00f3n de agentes de inteligencia artificial est\u00e1 empujando un debate que hasta hace poco parec\u00eda secundario: la memoria. En el video \u201c<a href=\"https:\/\/www.youtube.com\/watch?v=2JiMmye2ezg\">You Don\u2019t Need SaaS. The $0.10 System That Replaced My AI Workflow (45 Min No-Code Build)<\/a>\u201d, el autor Nate B Jones sostiene que muchos agentes \u201cno tienen cerebro\u201d porque carecen de un sistema confiable para leer, mantener y usar el contexto que una persona acumula durante meses o a\u00f1os.<\/p>\n<p>Su tesis es directa: la calidad de lo que produce la IA depende de la capacidad de especificar, y esa capacidad se sostiene sobre infraestructura de contexto. Sin una memoria persistente, cada conversaci\u00f3n vuelve a empezar desde cero, y gran parte del trabajo termina siendo \u201ctransferencia de contexto\u201d en lugar de ejecuci\u00f3n real. Para Jones, ese problema se vuelve cr\u00edtico cuando se incorporan agentes aut\u00f3nomos que requieren acceder a recuerdos relevantes de forma segura.<\/p>\n<p>El planteamiento tambi\u00e9n toca una dimensi\u00f3n de mercado. A medida que las plataformas a\u00f1aden \u201cmemoria\u201d como funcionalidad, la usan como estrategia de producto para generar dependencia. Jones argumenta que el conocimiento personal no deber\u00eda ser reh\u00e9n de un proveedor, y propone un dise\u00f1o alternativo que busca ser futuro, interoperable y controlado por el usuario.<\/p>\n<h3>El \u201cproblema de memoria\u201d detr\u00e1s del prompting y la productividad<\/h3>\n<p>Jones enmarca la discusi\u00f3n en el avance de las pr\u00e1cticas de prompting. Describe una jerarqu\u00eda que va desde \u201cprompt craft\u201d hacia \u201ccontext engineering\u201d, \u201cintent engineering\u201d y \u201cspecification engineering\u201d, y asegura que las personas m\u00e1s efectivas construyen infraestructura para que la especificaci\u00f3n ocurra antes de escribir un solo prompt.<\/p>\n<p>En esa l\u00f3gica, el gran obst\u00e1culo es que la IA no conoce lo que el usuario ya trabaj\u00f3: intentos previos, restricciones, decisiones recientes o personas clave. Cuando el contexto no se conserva, el usuario paga un \u201cimpuesto\u201d constante por reexplicar. Seg\u00fan el autor, ese desgaste se multiplica al cambiar entre herramientas como Claude, ChatGPT o Cursor, porque el rastro de contexto queda fragmentado por aplicaci\u00f3n.<\/p>\n<p>El video cita un dato para dimensionar el costo mental: un estudio de Harvard Business Review que hall\u00f3 que los trabajadores digitales alternan entre aplicaciones cerca de 1.200 veces al d\u00eda. En la visi\u00f3n del autor, la suma de esos microcambios erosiona la atenci\u00f3n y agrava el problema de especificaci\u00f3n. Por eso, sostiene que la arquitectura de memoria determina m\u00e1s las capacidades de un agente que la selecci\u00f3n del modelo, una afirmaci\u00f3n que, dice, suele subestimarse.<\/p>\n<p>Jones reconoce que varias plataformas ya ofrecen memoria, incluyendo Claude, ChatGPT, Grok y Google. Aun as\u00ed, marca el l\u00edmite: esas memorias no se comparten. La memoria de una herramienta no \u201csigue\u201d al usuario a otra, y eso crea jardines amurallados de contexto. En su lectura, esa brecha ya es suficientemente grande como para impulsar una nueva categor\u00eda de productos que intentan sincronizar contexto entre servicios.<\/p>\n<h3>De la \u201cweb humana\u201d a la \u201cweb de agentes\u201d: por qu\u00e9 las notas tradicionales no alcanzan<\/h3>\n<p>Una parte central del argumento es que las herramientas cl\u00e1sicas de notas fueron dise\u00f1adas para ojos humanos, no para agentes. Jones describe una \u201cbifurcaci\u00f3n\u201d en la que conviven la web humana, con interfaces, p\u00e1ginas y dise\u00f1o visual, y una web emergente para agentes, basada en APIs y datos estructurados.<\/p>\n<p>En ese marco, menciona ejemplos de software centrado en la experiencia humana. Cita espacios de trabajo en Notion con p\u00e1ginas, vistas y elementos visuales; notas en ecosistemas cerrados como Apple; o repositorios con \u201cclutter\u201d acumulado como Evernote. Su punto no es que sean in\u00fatiles para personas, sino que no fueron construidos con la expectativa de que agentes consultar\u00edan el contenido por significado y de forma program\u00e1tica.<\/p>\n<p>Tambi\u00e9n cuestiona el enfoque de \u201cbolt-ons\u201d de IA, como \u201cchatea con tus notas\u201d. Aunque puede ser \u00fatil, dice, suele terminar en un silo m\u00e1s: un solo asistente que busca dentro de una sola aplicaci\u00f3n. Para quienes usan varias herramientas por semana, el resultado se parece a \u201ccinco pilas de notas adhesivas en cinco escritorios distintos\u201d.<\/p>\n<p>Para Jones, la llegada de agentes vuelve este punto urgente. Los casos de uso m\u00e1s potentes dependen de que el agente pueda acceder, de forma segura, a memorias relevantes del usuario. Sin esa capa, el agente \u201cadivina\u201d y se vuelve menos \u00fatil. Y si la memoria se convierte en mecanismo de lock-in, el usuario pierde libertad para cambiar de modelo sin perder contexto.<\/p>\n<h3>\u201cOpen brain\u201d: una arquitectura propia con Postgres, embeddings y MCP<\/h3>\n<p>La propuesta del autor es almacenar pensamientos en infraestructura \u201cdise\u00f1ada para cualquier cosa\u201d, no en una app para humanos. El n\u00facleo ser\u00eda una base de datos Postgres bajo control del usuario, complementada con embeddings vectoriales que capturan significado y habilitan b\u00fasqueda sem\u00e1ntica. La idea es que el sistema sea \u201cAI accessible\u201d y \u201cdatabase-backed\u201d, evitando intermediarios SaaS que pueden romper, repricing o desaparecer.<\/p>\n<p>La capa que conecta todo es MCP, que el autor describe como un cambio de protocolo que empez\u00f3 como un experimento de c\u00f3digo abierto de Anthropic en noviembre de 2024 y que habr\u00eda evolucionado hacia un est\u00e1ndar comparable con infraestructura base de internet. En su analog\u00eda, MCP ser\u00eda como \u201cHTTP\u201d o como un \u201cUSB-C\u201d para la era de la IA: un protocolo para que distintas herramientas hablen con el mismo \u201ccerebro\u201d.<\/p>\n<p>El funcionamiento pr\u00e1ctico se explica con un ejemplo de captura r\u00e1pida: el usuario escribe un pensamiento en un canal tipo Slack, y en unos cinco segundos el sistema guarda el texto, genera el embedding, extrae metadatos (personas, temas, tipo, action items) y lo almacena en la base. Luego, cualquier IA conectada por MCP podr\u00eda recuperar esa informaci\u00f3n mediante b\u00fasqueda sem\u00e1ntica, listado de recientes o estad\u00edsticas.<\/p>\n<div class=\"diari-in-content-middle\" id=\"diari-2213252358\">\n<div id=\"diari-3302826091\" data-diari-trackid=\"195495\" data-diari-trackbid=\"1\" class=\"diari-target diari-target\"><\/div>\n<\/div>\n<p>Jones afirma que este dise\u00f1o permite que el usuario cambie de herramienta sin reiniciar el contexto. Si ma\u00f1ana aparece un nuevo cliente compatible con MCP, podr\u00eda \u201cenchufarse\u201d y consultar el mismo repositorio. Esa portabilidad, insiste, reduce la dependencia de la memoria propietaria de plataformas y vuelve m\u00e1s \u201cfutureproof\u201d el sistema.<\/p>\n<h3>Implementaci\u00f3n \u201cno-code\u201d y costos estimados: de USD $0,10 a USD $0,30 al mes<\/h3>\n<p>El video sostiene que el montaje puede hacerse sin programar, en cerca de 45 minutos, siguiendo una gu\u00eda complementaria. Jones dice que prob\u00f3 el proceso con una persona sin experiencia de coding, y que logr\u00f3 configurarlo en ese tiempo. La promesa apunta a bajar la barrera t\u00e9cnica para que el factor decisivo sea el h\u00e1bito de capturar, no la ingenier\u00eda.<\/p>\n<p>En el esquema descrito, la captura pasa por una funci\u00f3n tipo edge que genera embeddings y extrae metadatos en paralelo, y almacena ambos en Postgres con soporte vectorial. Luego, la recuperaci\u00f3n se hace a trav\u00e9s de un servidor MCP que expone herramientas de consulta. El autor menciona tres funciones concretas: b\u00fasqueda sem\u00e1ntica, \u201clisting recent\u201d y \u201cstats\u201d para detectar patrones.<\/p>\n<p>En cuanto a costos, Jones asegura que, usando niveles gratuitos de servicios como Slack y Supabase, el gasto mensual rondar\u00eda entre USD $0,10 y USD $0,30, considerando llamadas de API para unas 20 ideas al d\u00eda. El argumento busca contrastar ese monto con el valor de recuperar tiempo y atenci\u00f3n que hoy se pierde en reexplicar contexto entre chats y herramientas.<\/p>\n<p>El autor admite l\u00edmites. La extracci\u00f3n de metadatos no siempre ser\u00eda perfecta, porque un modelo puede clasificar mal o pasar por alto un nombre. Sin embargo, sostiene que los embeddings compensan gran parte del problema, ya que la recuperaci\u00f3n por significado funciona incluso si el etiquetado falla. En su enfoque, el requisito real es la constancia: el sistema \u201ccompone\u201d valor con el tiempo, pero necesita entradas diarias.<\/p>\n<h3>Ventaja compuesta, agentes y el incentivo de las grandes plataformas<\/h3>\n<p>Jones plantea que la infraestructura de memoria define una brecha de carrera: entre \u201cuso IA a veces\u201d y \u201cIA est\u00e1 integrada en c\u00f3mo pienso y trabajo\u201d. Para ilustrarlo, compara dos flujos. En el primero, una persona abre un chatbot y dedica minutos a explicar rol, proyecto y restricciones. En el segundo, la herramienta ya conoce esos elementos porque est\u00e1n en el \u201copen brain\u201d, por lo que la respuesta se apoya en meses de contexto.<\/p>\n<p>Ese diferencial, seg\u00fan el autor, se vuelve compuesto. Cada decisi\u00f3n registrada, cada nota sobre una persona y cada insight capturado se convierten en nodos que aumentan la probabilidad de que la IA encuentre conexiones \u00fatiles en el futuro. En cambio, quien reinicia desde cero en cada conversaci\u00f3n puede sentir que la IA sigue siendo un truco de fiesta, aunque use la misma tecnolog\u00eda base.<\/p>\n<p>El video tambi\u00e9n enmarca el avance de agentes en un contexto m\u00e1s amplio: menciona que Anthropic trabaja en agentes, que OpenAI contrat\u00f3 a Peter Steinberger (a quien identifica como inventor de Open Claw), y que Open Claw habr\u00eda superado 190.000 estrellas en GitHub y generado m\u00e1s de 1,5 millones de agentes aut\u00f3nomos en pocas semanas. Con ese tel\u00f3n de fondo, el autor insiste en que la memoria debe ser \u201cagent readable\u201d para que los agentes sean realmente proactivos.<\/p>\n<p>Finalmente, Jones advierte sobre el incentivo de lock-in. \u201cSentirse conocido\u201d es una experiencia atractiva, dice, y la memoria se convierte en palanca de retenci\u00f3n. Su alternativa busca que el usuario sea due\u00f1o del repositorio y que cualquier modelo conectado por MCP lo use. En esa visi\u00f3n, probar nuevas IAs deja de implicar perder el historial que hace valiosas las interacciones.<\/p>\n<h3>Prompts y rutinas: migraci\u00f3n de memoria, captura r\u00e1pida y revisi\u00f3n semanal<\/h3>\n<p>Como parte operativa, Jones describe cuatro prompts para cubrir el ciclo de vida del sistema. El primero ser\u00eda una \u201cmemory migration\u201d para extraer lo que la IA ya sabe del usuario desde memorias acumuladas en distintas herramientas y guardarlo en el open brain. La intenci\u00f3n es evitar que un nuevo cliente arranque sin contexto.<\/p>\n<p>El segundo ser\u00eda \u201copen brain spark\u201d, un prompt tipo entrevista para reducir el bloqueo al capturar. Pregunta por herramientas, decisiones, patrones de reexplicaci\u00f3n y personas clave, y sugiere categor\u00edas de informaci\u00f3n que convendr\u00eda registrar con regularidad. En la pr\u00e1ctica, busca convertir el \u201c\u00bfqu\u00e9 debo guardar hoy?\u201d en una rutina guiada.<\/p>\n<p>El tercer grupo son plantillas de captura r\u00e1pida, de unas cinco oraciones, optimizadas para mejorar la extracci\u00f3n de metadatos. Jones menciona formatos como captura de decisiones, nota sobre una persona, captura de insight y debrief de reuni\u00f3n. Su idea es que, con una semana de uso, el usuario desarrolle un estilo propio y dependa menos de plantillas.<\/p>\n<p>El cuarto es una revisi\u00f3n semanal que sintetiza lo capturado: agrupa por temas, identifica action items sin resolver, detecta patrones entre d\u00edas, encuentra conexiones perdidas y sugiere brechas en el tracking. El autor lo plantea como una inversi\u00f3n breve, de unos cinco minutos, que aumenta de valor conforme crece el repositorio.<\/p>\n<p>El cierre del argumento es cultural y pr\u00e1ctico. Jones sostiene que construir memoria propia es parte de ser \u201cciudadanos responsables\u201d en una era de agentes, del mismo modo en que antes lo fueron la computadora personal y la alfabetizaci\u00f3n digital. La propuesta de open brain, dice, no reemplaza un \u201csecond brain\u201d existente, sino que agrega una capa fundacional para que humanos y agentes consulten el mismo contexto sin depender de un proveedor.<\/p>\n<div class=\"footer-entry-meta\"><\/div>\n<\/div>\n","protected":false},"excerpt":{"rendered":"<p>En un momento en que los agentes de IA se vuelven \u201cmainstream\u201d, el autor Nate B Jones plantea que el verdadero cuello de botella ya [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":129667,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2,1],"tags":[11191,6760,30753,285,18572,11010,639,1268,1288,3368],"class_list":["post-129666","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-crypto","category-noticias","tag-agentes","tag-arquitectura","tag-brain","tag-crypto","tag-encierro","tag-liberar","tag-memoria","tag-noticias","tag-plataformas","tag-promete"],"_links":{"self":[{"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/posts\/129666","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/comments?post=129666"}],"version-history":[{"count":0,"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/posts\/129666\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/media\/129667"}],"wp:attachment":[{"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/media?parent=129666"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/categories?post=129666"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/tags?post=129666"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}