Cuando empecé a construir mi harness personal —la estructura de contexto, memoria, herramientas, permisos y validaciones que rodea al modelo—, hice un pedido que, contado sin el resto de la historia, parece más extraño de lo que realmente fue:

Le pedí a ChatGPT que respondiera algunas preguntas como si fuera yo.

No bastaba con imitar mi forma de hablar.

En cada respuesta debía mostrar de dónde había salido la conclusión.

Después entregué ese inventario provisional al agente que estaba construyendo el sistema —un sistema capaz de elegir los próximos pasos y usar herramientas dentro de un objetivo delimitado— y le pedí que me entrevistara. Las preguntas debían revelar cómo tomo decisiones, qué tipo de evidencia me convence, cuándo cambio de tono, cómo escribo, dónde acepto autonomía y dónde quiero que la decisión vuelva a mí.

No estaba intentando crear una copia de mí.

Intentaba dejar de presentarme de nuevo a la máquina cada vez que iniciaba una conversación.

TL;DR

Dependiendo de la configuración de la cuenta, ChatGPT puede usar recuerdos guardados, conversaciones anteriores, instrucciones personalizadas, archivos y aplicaciones conectadas para adaptar sus respuestas. Eso no significa que “te conozca” como una persona conoce a otra, ni que toda inferencia sea correcta. Aproveché ese material como punto de partida: pedí a ChatGPT que formulara hipótesis sobre mí mostrando evidencia e incertidumbre; luego utilicé preguntas estratégicas para confirmar, corregir o rechazar cada hipótesis. Solo las conclusiones confirmadas se convirtieron en contratos de mi harness. El historial ofreció materia prima. La dirección siguió siendo mía.

“Saber sobre ti” no es conocerte

El título de este artículo es deliberadamente provocador.

ChatGPT puede haber recibido mucha información sobre ti. Puede recuperar fragmentos relevantes de ese material y producir una síntesis sorprendentemente coherente. Aun así, no hay allí una persona observando tu trayectoria, formando afecto o comprendiendo tu experiencia desde dentro.

Hay un sistema procesando contexto.

La documentación actual de la memoria de ChatGPT explica que, cuando la función está habilitada, puede aprovechar contexto proveniente de conversaciones, archivos, recuerdos y aplicaciones conectadas. La propia documentación también advierte que el resumen de memoria no muestra necesariamente todo lo que puede ser considerado y que los recuerdos pueden quedar desactualizados o contradictorios.

Eso sustenta una afirmación más modesta que el título:

ChatGPT puede tener material suficiente para formular hipótesis útiles sobre cómo piensas y trabajas.

Una hipótesis no es una identidad.

Personalización no es conciencia.

Coherencia narrativa no es prueba.

Empecé pidiendo una imitación que mostrara sus pruebas

Mi primer movimiento no fue escribir un perfil sobre mí desde cero.

Ya había pasado horas conversando con ChatGPT. Allí había decisiones, correcciones, preferencias de escritura, objeciones, cambios de rumbo, ejemplos y momentos en los que dije: “esto me representa” o “esto no soy yo”.

En vez de ignorar ese archivo, lo convertí en una entrevista inicial.

El pedido era más o menos este:

Responde las preguntas siguientes como si fueras yo, usando solo lo que
puedas sustentar a partir de nuestras conversaciones.

Para cada respuesta:
1. márcala como confirmada, inferida o desconocida;
2. presenta las evidencias que llevaron a la conclusión;
3. informa tu nivel de confianza;
4. muestra contradicciones o señales de que la información puede estar desactualizada;
5. no rellenes vacíos para producir una respuesta agradable o coherente.

Si no hay evidencia suficiente, di que no lo sabes.

Eso cambia bastante la calidad del resultado.

“Felipe prefiere respuestas directas” es una suposición plausible.

“Felipe corrigió tres veces respuestas que ocultaban el estado actual y pidió explícitamente que el texto comenzara por estado, riesgo y próximo paso” es una hipótesis auditable.

Todavía puede estar incompleta.

Pero ahora sé dónde discrepar.

El archivo de conversaciones se convirtió en materia prima, no en una constitución

También es posible exportar el historial y otros datos elegibles de la cuenta. La orientación oficial advierte que ese paquete puede contener información sensible y debe protegerse.

Esto importa porque “arrojar todo mi historial dentro de un agente” no es una estrategia de memoria.

Es una estrategia de filtración de datos acompañada de esperanza.

El archivo bruto puede contener:

• decisiones antiguas que ya fueron sustituidas;
• ejemplos dados solo para probar una idea;
• datos personales que no necesitan entrar en el sistema;
• información de clientes o terceros;
• reacciones momentáneas tratadas como preferencias permanentes;
• respuestas de la propia IA que yo nunca confirmé.

Por eso separo tres capas:

Capa	Para qué sirve	Lo que no puede hacer
Fuente bruta	Preservar la conversación y su origen	Convertirse automáticamente en regla
Hipótesis sobre el autor	Organizar patrones que merecen confirmación	Fingir que una inferencia es un hecho
Contrato confirmado	Orientar decisiones, escritura y operación	Congelar a la persona para siempre

El historial dice qué ocurrió.

La hipótesis propone qué puede significar.

Yo decido qué pasa a gobernar el sistema.

Después hice que el agente me entrevistara

El segundo paso fue más valioso que la primera síntesis.

En vez de preguntar “¿quién es Felipe?”, el agente empezó a formular preguntas que cambiarían el comportamiento del sistema.

Por ejemplo:

• Cuando una fuente contradice tu tesis inicial, ¿prefieres preservar la tesis, suspender la conclusión o reescribir el argumento?
• ¿Qué decisiones puede ejecutar el agente por su cuenta y cuáles deben volver a ti?
• ¿Qué transforma una sugerencia en una decisión vigente?
• ¿Cuándo el humor acerca al lector y cuándo reduce la seriedad del tema?
• ¿Qué palabras vuelven el texto técnicamente correcto, pero con voz de alguien que no eres tú?
• ¿Prefieres una respuesta rápida con incertidumbre explícita o esperar una verificación más profunda?
• ¿Qué información puede convertirse en memoria duradera y cuál debe morir con la conversación?
• ¿Qué es una preferencia reutilizable y qué depende del cliente, del riesgo o del contexto actual?

Cuando había una hipótesis fuerte, la pregunta ya podía ofrecer respuestas posibles:

Por las conversaciones anteriores, parece que prefieres infraestructura privada, componentes de código abierto y mayor control sobre los datos. ¿Es una regla general, una preferencia sujeta al contexto o una conclusión equivocada? ¿Qué excepciones aceptas?

Esa forma de preguntar ahorra tiempo sin transformar la suposición del agente en una decisión.

Todavía puedo responder:

“Es la primera opción.”

“Es una mezcla de la primera y la segunda.”

“No entendí la pregunta.”

“Eso no me representa.”

Fue exactamente así como una parte de este sistema ganó definición.

Qué vale la pena mapear en un harness personal

No existe un cuestionario universal, porque cada harness debe servir a una persona y una operación reales.

Aun así, algunas dimensiones suelen revelar mucho:

Dimensión	Pregunta útil	Resultado operativo
Decisión	¿Qué cuenta como evidencia suficiente?	Criterios de aceptación y escalamiento
Escritura	¿Cuándo el tono debe ser directo, didáctico, irónico o sobrio?	Guía de voz con ejemplos y contraejemplos
Incertidumbre	¿Cómo presentar algo que aún no fue comprobado?	Separación entre hecho, hipótesis y síntesis
Autonomía	¿Qué puede ejecutarse y qué solo puede recomendarse?	Permisos y puntos de aprobación
Riesgo	¿Qué exige confirmación proporcional antes de actuar?	Límites para acciones externas o difíciles de revertir
Fuentes	¿Qué evidencia sustenta cada tipo de afirmación?	Jerarquía de investigación y referencias
Herramientas	¿Qué capacidades existen y cuándo debe usarse cada una?	Enrutamiento de la ejecución
Continuidad	¿Qué debe sobrevivir a la conversación?	Memoria, contratos y fuente de verdad
Privacidad	¿Qué no debe guardarse, repetirse ni enviarse a terceros?	Minimización y control de acceso
Negocio	¿Qué problema resuelvo y qué promesa me niego a hacer?	Posicionamiento y comunicación coherentes

Así fue como preferencias aparentemente pequeñas empezaron a producir efectos reales.

“No quiero adulación” se convirtió en una exigencia de contrapunto e incertidumbre explícita.

“La dirección es mía” se convirtió en un límite de aprobación.

“Explica el término técnico sin empobrecer el tema” se convirtió en una regla editorial.

“Evaluación antes de publicar” se convirtió en un proceso; el Pull Request quedó solamente como la forma técnica de materializarlo en este blog.

Una frase confirmada deja de ser decoración cuando cambia la forma en que trabaja el sistema.

Las instrucciones personalizadas ayudan, pero no sostienen toda la operación

Las instrucciones personalizadas de ChatGPT permiten declarar directamente qué quieres que el sistema considere en sus respuestas.

Son útiles para preferencias generales.

Pero un harness operativo suele necesitar más:

• reglas diferentes para proyectos diferentes;
• archivos con origen, responsable y vigencia;
• procedimientos reutilizables;
• herramientas y permisos;
• memoria revisable;
• validaciones automáticas;
• agentes especializados;
• criterios claros para detenerse y pedir una decisión.

En este entorno, AGENTS.md funciona como puerta de entrada. El agente lo lee para entender las reglas iniciales, descubrir cómo navegar por los archivos, localizar herramientas y flujos de trabajo y saber qué verificaciones debe concluir antes de actuar.

No contiene todo.

Enseña al sistema cómo encontrar lo que importa.

La diferencia es importante: poner toda la información en un solo prompt aumenta el volumen. Construir rutas de navegación aumenta la capacidad de recuperar el contexto correcto.

El riesgo más sutil es recibir una versión aduladora de ti mismo

Existe una trampa especialmente peligrosa en este proceso.

Le pides a la IA que describa cómo piensas.

Produce un perfil bonito, coherente y admirable.

Y te gusta tanto lo que lees que olvidas comprobar si es cierto.

Es la misma agradabilidad excesiva que ya discutí en este blog, ahora aplicada a la identidad del usuario.

Un sistema que sabe que valoro la autonomía puede exagerarla hasta convertirme en una caricatura incapaz de colaborar.

Un sistema que percibe mi interés por el código abierto puede tratar una preferencia de arquitectura como un dogma, sin considerar costo, riesgo o contexto.

Un sistema ajustado para reproducir mi tono puede repetir mis vicios de escritura y llamarlos autenticidad.

Por eso la revisión también debe buscar:

• evidencia contraria;
• excepciones;
• cambios a lo largo del tiempo;
• diferencias entre preferencia declarada y decisión observada;
• atributos que suenan sospechosamente halagadores;
• inferencias sensibles que no deberían persistirse.

El objetivo no es crear un espejo que esté de acuerdo conmigo.

Es construir un sistema que comprenda mis premisas lo suficiente como para ayudarme, incluso cuando necesita señalar que estoy contradiciendo una de ellas.

No todo lo que ChatGPT recuerda merece entrar en el harness

La documentación de OpenAI dice que la información sensible puede aparecer en la memoria cuando se comparte. También describe controles para revisar, corregir, eliminar o desactivar la memoria y para usar conversaciones temporales, cuyo comportamiento varía según la personalización elegida.

Antes de reutilizar cualquier historial, aplicaría al menos estas reglas:

1. Minimiza. Conserva solo la información que tenga un propósito y un consumidor claros.
2. Clasifica. Separa hecho declarado, comportamiento observado, inferencia y laguna.
3. Muestra el origen. Una regla sin evidencia es difícil de corregir.
4. Pide confirmación. Ninguna inferencia relevante se convierte por sí sola en contrato.
5. Define vigencia. Las preferencias cambian; algunas necesitan fecha o ciclo de revisión.
6. Protege a terceros. Las conversaciones pueden contener datos que no te pertenecen solo a ti.
7. Crea el derecho al olvido. El sistema debe permitir retirar lo que ya no debe utilizarse.

Memoria útil no es memoria infinita.

Es memoria gobernada.

Un recorrido práctico para empezar

Si hoy reconstruyera este proceso, lo haría así:

1. Revisaría la configuración de memoria, personalización y datos de la cuenta.
2. Pediría a ChatGPT un inventario provisional de lo que puede sustentar con evidencia sobre mi forma de decidir, escribir y trabajar.
3. Exigiría evidencia, confianza, contradicciones y un campo explícito para “no lo sé”.
4. Eliminaría datos sensibles, circunstanciales o sin utilidad operativa.
5. Entregaría las hipótesis a un agente entrevistador, que formularía preguntas estratégicas en bloques pequeños y ofrecería respuestas posibles cuando hubiera base para hacerlo.
6. Confirmaría, corregiría o rechazaría cada conclusión.
7. Convertiría solo las conclusiones aprobadas en contratos, ejemplos, permisos, validaciones y memoria con origen.
8. Probaría el sistema en situaciones reales, especialmente cuando mis datos contradijeran mi preferencia inicial.
9. Revisaría periódicamente qué quedó obsoleto.

El sexto paso es el más importante.

Sin él, solo cambiaste un perfil vacío por una autobiografía probabilística.

ChatGPT puede entrevistarte para el sistema que construirás después

Hoy puedo decir unas pocas frases por el micrófono e iniciar una operación completa porque el sistema no empieza desde cero.

Tiene acceso a contratos que confirmé.

Sabe dónde buscar información.

Sabe cómo presentar incertidumbre.

Reconoce que quiero la mejor respuesta disponible, no la que más acaricia mi ego.

Y, como esta misma serie de artículos mostró, todavía puede perder una prioridad importante. Por eso el trabajo nunca termina en “ahora la IA me conoce”. Continúa mediante validación, corrección y mejora del sistema.

En i-9.ai, esta es una de las diferencias entre instalar una herramienta y construir una operación asistida por IA. Una herramienta responde. Una operación necesita incorporar contexto, reglas, fuentes, límites, rutas de decisión y aprendizaje verificable sin retirar la dirección de quien responde por el resultado.

Si te gusta esta forma de trabajar, ponte en contacto. Podemos empezar por las decisiones que tu equipo repite, la información dispersa y el contexto que no debería ser necesario volver a enseñar cada semana.

ChatGPT quizá ya sepa mucho sobre ti.

Pero tú decides qué, después de ser demostrado, merece gobernar tu sistema.

Para saber más

• Memoria en ChatGPT (en inglés): explica las fuentes de personalización, el resumen de memoria, las correcciones, la eliminación y las limitaciones actuales.
• Instrucciones personalizadas (en inglés): describe la orientación explícita que ChatGPT puede aplicar a las conversaciones.
• Exportación de datos de ChatGPT (en inglés): muestra cómo solicitar los datos elegibles y advierte sobre la sensibilidad del archivo exportado.
• Conversaciones temporales (en inglés): detalla cómo funcionan la memoria, la personalización, el historial y la retención en esta modalidad.
• La mejor respuesta no es la que más me agrada: el contrato de contrapunto, evidencia y decisión que orienta a mis agentes.
• Tu empresa no necesita adivinar dónde usar IA: cómo reconocer el cuello de botella y elegir la intervención adecuada antes de comprar una herramienta.
• La IA olvidó la decisión que yo ya había tomado: por qué conversación y memoria no sustituyen una fuente de verdad.

Referencias y límites de uso

• OpenAI, “Memory FAQ”: sustenta la descripción de cómo la memoria de ChatGPT puede usar distintas fuentes cuando está habilitada y de los controles disponibles. No prueba que una cuenta específica tenga todos los recursos activados ni que una inferencia sobre el usuario sea correcta.
• OpenAI, “ChatGPT Custom Instructions”: sustenta el uso de instrucciones explícitas para la personalización. No demuestra que las instrucciones personalizadas reemplacen la gobernanza, las herramientas o la validación externa.
• OpenAI, “Exporting your ChatGPT history and data”: sustenta la disponibilidad y los cuidados básicos de la exportación para cuentas elegibles. No garantiza que todos los datos que el usuario espera estén presentes en el paquete.
• OpenAI, “Temporary Chat FAQ”: sustenta las opciones actuales de conversación temporal y sus límites. El comportamiento depende de la elección de personalización y de la configuración de la cuenta.

El método de entrevistar a ChatGPT, exigir pruebas y convertir solo las conclusiones confirmadas en contratos es un relato de autor sobre cómo construí mi harness. No es un estudio experimental ni una garantía de que otro sistema reconstruirá fielmente la identidad, la escritura o la toma de decisiones de una persona.