A memória do ChatGPT foi criada para guardar automaticamente informações úteis de conversas, arquivos e aplicativos conectados. O recurso usa esses dados para personalizar as respostas e evitar que o usuário precise repetir algumas informações em novos chats. A forma de gerenciar esse conteúdo mudou recentemente.
A memória do ChatGPT foi criada para guardar automaticamente informações úteis de conversas, arquivos e aplicativos conectados. O recurso usa esses dados para personalizar as respostas e evitar que o usuário precise repetir algumas informações em novos chats. A forma de gerenciar esse conteúdo mudou recentemente.
O resumo traz uma síntese das informações consideradas relevantes pelo sistema, mas não necessariamente representa tudo o que foi retido. Por isso, também é possível perguntar ao ChatGPT o que ele lembra sobre determinado assunto ou solicitar alterações específicas durante uma conversa.
Como ajustar a memória do ChatGPT? O usuário pode fazer alterações na memória por meio de comandos de texto. É possível adicionar informações, corrigir detalhes ou pedir a exclusão de determinados dados. Também é possível destacar trechos específicos do resumo para fazer uma correção pontual.
Vale lembrar que editar ou excluir uma informação do resumo não significa necessariamente apagá-la de todas as fontes. Para remover completamente algo que o ChatGPT sabe sobre você, é necessário excluir a informação dos locais onde ela aparece, como conversas antigas, chats arquivados, arquivos carregados e aplicativos conectados.
A exclusão de uma memória também não apaga automaticamente a conversa em que aquela informação foi mencionada. Para remover o registro do histórico, é necessário apagar o chat específico.
Pelo celular Para ajustar a memória pelo celular, siga os passos abaixo:
Em contexto
- Tema: Inteligencia Artificial — IA aplicada al negocio: casos, límites, costos y gobierno.
- Fonte: Canaltech
- Publicado: 18/10/2026
Continuar lendo na fonte original →
Trecho publicado automaticamente pelo radar do site. O texto completo pertence ao veículo e está vinculado acima.
Por que importa
A conversa sobre inteligência artificial ficou barulhenta, e isso dificulta enxergar o que importa. O que importa quase nunca é o modelo: é qual processo concreto fica mais barato, mais rápido ou mais confiável, e quem responde quando a resposta sai errada.
O que olho primeiro não é a capacidade do modelo, e sim o dado que o alimenta. Quase todos os projetos que vi fracassar não fracassaram pelo algoritmo: fracassaram porque o dado estava em três sistemas com três definições diferentes e ninguém quis ser quem arrumaria isso.
O que costuma dar errado
O erro que mais vi se repetir é não medir nada antes de começar. Implementa-se, todo mundo sente que melhorou, e quando alguém pergunta quanto, não há resposta. Sem linha de base não há como defender o orçamento do ano seguinte, e é aí que bons projetos morrem.
O que observar
- Quem revisa as saídas do modelo e com que frequência — o ponto em que a IA se torna auditável.
- O custo por consulta em volume real, não o do piloto: é a variável que mais dá surpresas.
- Onde ficam os dados e sob qual contrato, sobretudo quando há informação de clientes envolvida.
Como leio esta publicação
Minha recomendação prática é definir desde o primeiro dia o que se faz quando o modelo erra: quem revisa, com que frequência e em que momento se desliga. Soa defensivo, mas é exatamente o que permite ser agressivo depois, porque o risco deixou de ser uma incógnita.
Esta publicação é um trecho da fonte original, selecionada pelo radar do site. O comentário acima é próprio e não pertence ao veículo citado.
Comentários
Ainda não há comentários. O primeiro pode ser o seu.
Está vivendo isso na sua equipe?
Abra o chat e me conte como estão lidando com isso. Tenho interesse em comparar notas.
