La memoria GitHub Copilot obtiene controles: la memoria con IA ahora necesita gobernanza

La memoria parece una ventaja obvia para un asistente de programación. Si la IA recuerda los patrones del proyecto, las preferencias del equipo y las decisiones anteriores, perderá menos tiempo preguntando lo básico. Pero la misma memoria que ahorra minutos también puede almacenar contexto erróneo, desactualizado o sensible. Por tanto, las novedades sobre la Memoria GitHub Copilot no se tratan sólo de productividad. Se trata de control.

El 26 de mayo de 2026, GitHub anunció nuevas funciones para Copilot Memory, aún en versión preliminar pública para planes pagos. La actualización incluye una mejor guía para la eliminación de memoria, el cierre por repositorio y el comando /memory en la CLI de Copilot. El cambio parece pequeño, pero toca el corazón de la siguiente fase de los asistentes de código: cómo continuar sin convertir el contexto en un riesgo permanente.

Qué pasó

Copilot Memory permite al asistente almacenar las preferencias del usuario y los datos del repositorio. Con la actualización, cuando alguien solicita olvidar información, Copilot ahora indica el lugar correcto para eliminar esos datos. Los administradores también pueden desactivar la memoria en un repositorio específico, impidiendo la lectura y escritura de hechos en ese ámbito.

En la CLI, el comando /memory ayuda a consultar el estado y controlar el recurso. GitHub también explicó mejor si la información se guardará como una preferencia personal o como un hecho del repositorio. Esta distinción es importante: no tiene el mismo peso "prefiero probar con Vitest" que "este servicio autentica a los usuarios a través de un flujo interno".

La técnica detrás

Los ayudantes de código dependen del contexto. Sin él, generan respuestas genéricas. Con demasiado contexto, pueden mezclar proyectos, repetir viejas decisiones o exponer información indebida. La memoria intenta resolver este equilibrio creando una capa persistente entre sesiones. El desafío es que la persistencia cambia la naturaleza de la herramienta: deja de ser solo una respuesta temporal y pasa a formar parte de la infraestructura de conocimiento del equipo.

Por tanto, el alcance es tan importante como la capacidad. Un recuerdo personal debe seguir al usuario. Se debe bloquear una memoria de repositorio en el proyecto. Es posible que la información confidencial nunca se recuerde. El verdadero progreso está en hacer que estas fronteras sean visibles y manejables.

Por qué esto es importante

Los equipos de ingeniería ya viven rodeados de contexto: problemas, relaciones públicas, ADR, README, wikis, registros y conversaciones. La IA promete unir todo esto, pero la costura debe ser auditable. Si un asistente sugiere un código basado en una memoria incorrecta, ¿quién se da cuenta? Si mantiene una regla que ya no es válida, ¿cómo la corrige el equipo? Si aprendió algo de un repositorio privado, ¿dónde reaparecen esos datos?

Los nuevos controles no resuelven todos estos problemas, pero apuntan en una dirección saludable. La memoria de IA debe tener un botón de apagado, revisar la pista y límites claros. Sin esto, los asistentes agentes pueden acelerar los errores con la misma eficacia con la que aceleran las tareas.

El futuro que anticipa

El siguiente paso para devtools no será solo completar un mejor código. Mantendrá una relación continua con el proyecto. La IA recordará patrones, revisará cambios, abrirá relaciones públicas, ejecutará pruebas y sugerirá arquitectura. En este mundo, el olvido también se convierte en una función de seguridad.

La pregunta para los equipos es incómoda: si la IA comienza a recordar cómo funciona su sistema, ¿quién dentro de la organización será responsable de revisar lo que cree que sabe?

Qué tener en cuenta

La función aún está en versión preliminar, por lo que el punto más importante será observar cómo los equipos reales organizan las políticas de uso. Un equipo pequeño puede aceptar la memoria limitada de forma predeterminada. Es posible que una empresa más grande necesite separar repositorios críticos, proyectos experimentales y entornos de datos confidenciales. La configuración correcta no será universal.

También será importante realizar un seguimiento de cómo se manejarán los recuerdos conflictivos. Los proyectos cambian el marco, las convenciones y la arquitectura. Si el copiloto mantiene una antigua preferencia, puede sugerir decisiones que parecen coherentes, pero que ya no tienen sentido. La calidad de los recursos dependerá de la edición, la caducidad y la revisión, no sólo de la recopilación.

Hay un cambio cultural arraigado aquí. Los desarrolladores están acostumbrados a revisar el código, pero no necesariamente a revisar la memoria de la herramienta. En un futuro próximo, mantener limpio el contexto de la IA podría convertirse en parte de la higiene de la ingeniería, así como actualizar la documentación, eliminar indicadores de funciones antiguas y archivar decisiones que hayan caducado.

Fuentes

1. https://github.blog/changelog/2026-05-26-copilot-memory-has-more-controls-for-deletion-scope-and-the-copilot-cli