Proyectos · IA aplicada

Menos llamadas a la IA. Más memoria propia.

17 oct 2026 · 7 min de lectura · Proyectos · José Areche

Nuevo: Memia V2 ya está en marcha, con caché de respuestas, MCP para agentes de programación y un panel de ahorro honesto. Lee qué cambió →

Cuando una organización empieza a usar IA en serio —agentes que programan, asistentes internos, operaciones de soporte— aparece un patrón: las mismas preguntas, los mismos contextos y las mismas soluciones se vuelven a enviar a un modelo externo una y otra vez. Cada repetición cuesta tokens, tiempo y, a veces, exposición de datos. Memia nace para cortar ese ciclo.

01 / EL PROBLEMALa IA olvida; la factura no

• Conocimiento disperso: soluciones valiosas quedan enterradas en conversaciones con agentes y chats que nadie vuelve a leer.
• Costo repetido: cada vez que se pregunta algo ya resuelto, se paga otra vez por procesarlo.
• Riesgo de datos: claves, tokens, correos o teléfonos pueden terminar dentro de un prompt enviado a un proveedor externo.

02 / EL ENFOQUEPrimero la memoria, después la IA

Memia es una capa de memoria que se ubica entre las personas, los agentes y los proveedores de IA. Antes de llamar a un modelo externo intenta responder con lo que la organización ya sabe, y cuando sí necesita salir, lo hace con el texto limpio de datos sensibles. Cada respuesta indica si vino de memoria o de IA externa, con sus fuentes.

03 / CÓMO FUNCIONACinco piezas

Toda llamada externa sigue el mismo orden: política del proyecto → redacción → caché → proveedor.

• Política por proyecto: cada espacio puede marcarse como «solo local»; en ese caso ningún texto sale hacia proveedores externos y, ante una política desconocida, el sistema falla cerrado.
• Redacción de datos sensibles: antes de enviar cualquier texto se eliminan claves privadas, JWT, claves API, tokens, credenciales SIP, URLs con credenciales, asignaciones tipo password=…, correos y teléfonos. La base guarda el original; solo lo que sale se redacta.
• Caché de embeddings: cada fragmento se identifica por su huella (SHA-256 del texto ya redactado, más proveedor, modelo y dimensiones). Si ya fue procesado, no se vuelve a pagar. La caché está aislada por cliente.
• Memoria semántica: PostgreSQL 17 con pgvector e índices HNSW para búsqueda por significado, combinada con búsqueda de texto completo. Los embeddings se generan con text-embedding-3-small (1536 dimensiones).
• Conocimiento destilado: resúmenes de conocimiento por proyecto, recetas extraídas de secuencias pedido → corrección → solución final (que solo pasan a «verificadas» con evidencia y aprobación humana) y pendientes detectados en las conversaciones.

Todo es multi-cliente desde la base de datos: seguridad a nivel de fila (RLS) por cliente en todas las tablas, tokens con permisos acotados y auditoría sin contenido. Los agentes acceden mediante un servidor MCP; las personas, mediante un chat privado; y la operación se sigue desde un panel administrativo con costo, aciertos de caché, errores y redacciones.

04 / RESULTADOS MEDIDOSLo que muestra el panel

• Costo de hoy: $0.047 para 58 solicitudes y 281.7k tokens, con 0 errores.
• Costo de 30 días: $2.65, de los cuales $2.60 corresponden a la importación inicial (un costo único) y solo $0.048 al uso.
• Acierto de caché: 92 % (55 de 60 fragmentos) que no se volvieron a pagar.
• Base de conocimiento: 2,776 documentos, 29.6k fragmentos y 72 proyectos; 74 resúmenes de conocimiento, 37 recetas y 109 pendientes abiertos.
• Privacidad: 38 datos sensibles redactados antes de salir hacia un proveedor externo.

La lectura es clara: el costo grande es la carga inicial; una vez que el conocimiento está en memoria, el uso diario cuesta centavos.

05 / CASOS DE USOEmpresas e instituciones

• Equipos de desarrollo con agentes de IA: el agente consulta soluciones previas, reglas del proyecto y recetas antes de volver a razonar desde cero.
• Soporte y operaciones: incidentes recurrentes, procedimientos y configuraciones que se responden desde la memoria, con fuentes.
• Procesos internos repetitivos: preguntas frecuentes del personal sin pagar una llamada nueva por cada repetición.
• Instituciones con datos sensibles: proyectos marcados como «solo local» y redacción automática para lo que sí sale.
• Seguimiento: pendientes detectados automáticamente para que nada quede olvidado en una conversación.

06 / CÓDIGO ABIERTOMemia ya es público

07 / PLANESÚsalo gratis o te lo alojamos

¿Empresa? También ofrecemos instalación y soporte en tu propia infraestructura. Escríbenos.

08 / PRÓXIMOS PASOSLo que sigue

• Mejorar la calidad de las recetas con una pasada de IA más aprobación humana.
• Importar nuevas fuentes de conversaciones y organizar mejor las que aún no tienen proyecto.
• Incorporar un modelo local para responder sin salir de la infraestructura.
• Búsqueda híbrida, límites de costo por cliente y políticas de retención.

Si tu organización repite preguntas a la IA todos los días, probablemente ya está pagando por conocimiento que tiene.