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 qué importa
La conversación sobre inteligencia artificial se volvió ruidosa, y eso hace más difícil ver lo importante. Lo importante casi nunca es el modelo: es qué proceso concreto queda más barato, más rápido o más confiable, y quién se hace responsable cuando la respuesta sale mal.
Lo que miro primero no es la capacidad del modelo sino el dato que lo alimenta. Casi todos los proyectos que vi fracasar no fracasaron por el algoritmo: fracasaron porque el dato estaba en tres sistemas con tres definiciones distintas y nadie quiso ser el que arreglara eso.
Lo que suele salir mal
El error que más veces vi repetirse es no medir nada antes de empezar. Se implementa, todo el mundo siente que mejoró, y cuando alguien pregunta cuánto, no hay respuesta. Sin línea base no hay forma de defender el presupuesto del año siguiente, y ahí es donde mueren buenos proyectos.
Qué mirar
- Quién revisa las salidas del modelo y con qué frecuencia — el punto donde la IA se vuelve auditable.
- El costo por consulta a volumen real, no el del piloto: es la variable que más sorpresas da.
- Dónde quedan los datos y bajo qué contrato, sobre todo si hay información de clientes de por medio.
Cómo leo esta entrada
Mi recomendación práctica es fijar desde el día uno qué se hace cuando el modelo se equivoca: quién revisa, con qué frecuencia, y en qué momento se apaga. Suena defensivo, pero es exactamente lo que permite ser agresivo después, porque el riesgo dejó de ser una incógnita.
La noticia original está publicada en otro idioma; acá se cita el extracto tal como lo entrega el medio y el comentario se escribe en español.
Comentarios
Todavía no hay comentarios. El primero puede ser el tuyo.
¿Lo estás viviendo en tu equipo?
Abrí el chat y contame cómo lo están manejando. Me interesa comparar notas.
