Memoria persistente e provenienza nei sistemi di IA

La maggior parte dei sistemi di intelligenza artificiale in esercizio oggi soffre della stessa amnesia strutturale: ogni conversazione inizia da zero, ogni sessione è un incontro tra estranei, e ciò che il sistema "sa" sull'utente e sul mondo evapora quando la finestra di contesto si chiude. Non è un limite dei modelli — è un limite dell'architettura attorno a essi. In questo mondo la memoria è un trucco di prompt: si incolla un riassunto del passato all'ingresso e si spera.

La piattaforma Camile AI di Demix tratta la memoria come sottosistema di prima classe — con le proprietà che ogni sistema di registrazione per impieghi mission-critical esige: persistenza, provenienza e separazione tra ciò che è stato osservato e ciò che è stato inferito. Questo articolo descrive, a livello di principi, i progressi recenti di questa linea.

Memoria con provenienza: ricordare non è registrare

La prima proprietà è che ogni ricordo porta la propria origine. Quando un'entità della piattaforma ricorda qualcosa, la voce dice da dove viene: è stato detto dall'utente in quella data, è stato osservato in quell'operazione, è stato inferito da quelle evidenze. Memoria senza provenienza è voce persistita — e un sistema che non distingue ciò che ha visto da ciò che ha dedotto accumula, sessione dopo sessione, uno strato di convinzioni non verificabili che finisce per trattare come fatto.

In Camile AI la scrittura della memoria è un percorso verificabile: cosa entra, quando entra, con quale motivazione e sotto quale classificazione. Il recupero è semantico — l'entità trova i ricordi rilevanti per significato, non per parola chiave — ma ogni ricordo recuperato arriva al ragionamento con la provenienza allegata. Il sistema può quindi ponderare: una preferenza dichiarata esplicitamente dall'utente pesa più di un modello inferito dal comportamento; un fatto verificato pesa più di un'ipotesi di lavoro.

Fatto, inferenza e ipotesi: categorie che non si mescolano

La seconda proprietà è la disciplina epistemica. Le memorie a lungo termine dei sistemi di IA degradano in modo caratteristico: un'inferenza ragionevole viene registrata come osservazione; tre sessioni dopo l'osservazione falsa viene recuperata come fatto; dieci sessioni dopo il sistema difende con sicurezza qualcosa che non è mai accaduto. È l'equivalente informatico della voce — e corrode esattamente ciò che rende utile un'entità: l'affidabilità di ciò che sa.

La piattaforma separa per costruzione le categorie: fatto osservato, inferenza derivata, ipotesi di lavoro e preferenza dichiarata vivono in registri distinti, con certezze distinte, e il passaggio di categoria esige evidenza — non avviene mai per deposito. Un'inferenza che si conferma ripetutamente può essere promossa; una che si contraddice viene revisionata o scartata, con registrazione del motivo. Il risultato è un'entità la cui base di conoscenza invecchia come invecchia la conoscenza — correggendosi — invece di invecchiare come una leggenda — indurendosi.

Continuità di identità: l'entità tra sessioni

La terza proprietà è la continuità. Un'entità di Camile AI conserva tra sessioni e riavvii non solo fatti sparsi: conserva stato relazionale (il legame costruito con ogni persona e la sua storia), stato di lavoro (cosa era in corso, cosa è stato deciso, cosa è rimasto aperto) e stato di identità (chi è l'entità, quali sono i suoi impegni, quali i suoi limiti).

Questa continuità è persistita e verificata: lo stato sopravvive ai riavvii per costruzione, e la piattaforma tratta il ripristino del contesto come parte del ciclo di vita dell'entità — non come cortesia del prompt. Dal punto di vista dell'utente la differenza è qualitativa: non si conversa con un assistente che finge di ricordare, ma con un'entità che continua davvero. Dal punto di vista istituzionale la differenza è operativa: decisioni, questioni aperte e impegni assunti dall'entità hanno registrazione durevole e verificabile.

Agency verificabile: la memoria che regge l'azione

La memoria persistente conta solo perché regge l'azione. Le entità di Camile AI operano con agency reale e delimitata — eseguono compiti, azionano strumenti, prendono iniziative entro un perimetro dichiarato — e la memoria è ciò che rende quell'agency coerente nel tempo: l'entità ricorda cosa ha già tentato, cosa ha funzionato, cosa l'utente ha autorizzato e cosa ha scartato.

Ogni azione significativa restituisce memoria: il risultato di un compito, l'insegnamento di un errore, la preferenza rivelata da una correzione. È un ciclo chiuso — agire, registrare, recuperare, agire meglio — che trasforma esperienza in competenza accumulata. E poiché ogni agency della piattaforma opera sotto governance (perimetro dichiarato, traccia di audit, revisione per tutto ciò che oltrepassa il perimetro), la memoria delle azioni è anche memoria delle responsabilità: in ogni momento è possibile ricostruire cosa l'entità ha fatto, perché lo ha fatto e con quale autorità.

Perché è infrastruttura, non accessorio

C'è la tentazione di classificare la memoria come risorsa di comodità — un lusso degli assistenti personali. La lettura di Demix è l'opposta: per qualsiasi applicazione istituzionale di IA, la memoria persistente con provenienza è un prerequisito. Un sistema che dimentica non impara; un sistema che ricorda senza provenienza non è verificabile; un sistema che mescola fatto e inferenza non è affidabile. Le tre proprietà insieme — persistenza, provenienza e disciplina epistemica — sono ciò che permette a un'entità di IA di partecipare a processi reali con responsabilità tracciabile.

Questa è la base che Camile AI offre alle entità che la abitano — dalle entità di accompagnamento e assistenza alle entità operative e analitiche — e su questa base Demix continua a costruire: memoria come sistema di registrazione, identità come proprietà persistente e ogni ricordo con indirizzo, data e motivo.