TL;DR: la memoria condivisa tra chat e agente evita di ripetere contesto, preferenze e decisioni. Ma trasforma l’assistente AI in un sistema con stato: può riportare un dato nel progetto sbagliato, conservare un’informazione oltre il necessario o applicare una regola ormai scaduta. Per una PMI la soluzione non è spegnere tutto. È separare memoria personale, memoria di progetto e dati ufficiali, con un responsabile, una scadenza e un controllo prima di ogni azione esterna.

Il 25 agosto 2026 Anthropic ha unificato la memoria usata da Claude Chat e Claude Cowork. Secondo TechCrunch, le informazioni apprese in chat possono quindi seguire l’utente quando passa dalla discussione all’esecuzione di un’attività. La documentazione Anthropic aggiornata precisa un limite importante: la condivisione vale per Cowork nel cloud, non per le sessioni eseguite localmente sul computer.

La novità riduce un attrito reale. Un assistente può ricordare il ruolo dell’utente, il tono di una comunicazione, le persone coinvolte e lo stato di un progetto. Il problema arriva subito dopo: quelle informazioni non restano dentro una risposta. Influenzano attività successive, anche quando l’agente usa file, browser e connettori. La memoria diventa parte del processo operativo.

Cosa cambia davvero con la memoria condivisa

Claude ora salva la memoria come una serie di argomenti distinti mentre la conversazione è in corso. Non aspetta la fine della chat per produrre un unico riassunto. L’utente può leggere, modificare o eliminare ogni voce da Settings > Memory; può anche chiedere direttamente all’assistente di ricordare o dimenticare qualcosa.

Ogni progetto mantiene uno spazio di memoria separato e un proprio riepilogo. Questa separazione è utile, ma non va confusa con un sistema documentale: la memoria serve a recuperare contesto, non a certificare quale versione di un contratto, listino o procedura sia quella valida. Inoltre, per i piani Free, Pro e Max la memoria è attiva di default; su Team ed Enterprise è disattivata finché un owner non la abilita.

Qui sta il punto operativo. Prima un errore di contesto moriva spesso con la conversazione. Ora può propagarsi. Se l’assistente memorizza che il prezzo di una consulenza è 900 franchi, continuerà a usare quel dato anche dopo un aggiornamento del listino, finché la memoria non viene corretta o una fonte più autorevole non prevale.

La memoria non è il database dell’azienda

Tratterei la memoria AI come una cache editoriale controllabile. È utile per accelerare il lavoro, ma non deve diventare la fonte ufficiale. Anagrafiche, consensi, prezzi, scadenze contrattuali e stato degli ordini devono restare nel CRM, nell’ERP, nel gestionale o in un documento con versione e proprietario.

La distinzione evita due errori opposti. Il primo è caricare ogni dettaglio nella memoria per ottenere risposte più personalizzate. Il secondo è vietare qualsiasi memoria e costringere il team a riscrivere istruzioni identiche in ogni sessione. Per una PMI conviene scegliere cosa può essere ricordato in base a stabilità e impatto.

  • Le preferenze stabili, come lingua, formato dei report e tono editoriale, possono stare nella memoria generale.
  • Obiettivi, glossario e vincoli di un cliente devono stare nella memoria del relativo progetto, separati dagli altri.
  • Prezzi, autorizzazioni e date con valore operativo vanno letti dalla fonte ufficiale al momento dell’uso.
  • Password, token, dati bancari e identificativi non devono entrare né nella memoria né nei prompt.

La mia regola è semplice: se un’informazione cambia una scrittura su WordPress, un invio email, un preventivo o un record cliente, l’agente deve verificarla su una fonte esplicita. Non basta che la “ricordi”.

Quattro livelli per progettare la memoria AI

1. Preferenze personali

Qui rientrano scelte a basso rischio: italiano, unità di misura, struttura di un report, stile di una bozza. Sono dati trasversali e relativamente stabili. Vanno comunque rivisti periodicamente, perché una preferenza sbagliata si ripete ovunque.

2. Contesto di progetto

Ogni cliente o processo dovrebbe avere un progetto dedicato. Dentro possono stare obiettivo, pubblico, terminologia approvata, vincoli tecnici e link ai documenti di riferimento. La memoria di progetto riduce la contaminazione tra lavori. Non elimina però il bisogno di controllare chi può accedere a file e connettori.

3. Stato operativo

È il livello più delicato: attività aperte, responsabili, scadenze, approvazioni e decisioni. Questi dati invecchiano. Se vengono memorizzati, devono avere una data assoluta e una fonte. Meglio ancora: l’assistente recupera lo stato dal task manager o dal CRM ogni volta che deve agire.

4. Dati esclusi

Credenziali, chiavi API, dati sanitari, documenti d’identità, informazioni finanziarie e materiale di terzi non necessario al compito restano fuori. Anthropic applica filtri e non salva alcune categorie, ma i guardrail del fornitore non sostituiscono la classificazione interna. L’azienda deve ridurre il dato prima che raggiunga il modello.

Un caso pratico: memoria AI e pubblicazione WordPress

Immaginiamo una piccola agenzia che usa un assistente per preparare articoli WordPress. La memoria generale può conservare il tono, la lingua e la preferenza per HTML semantico. Il progetto del cliente può contenere pubblico, categorie ammesse, parole da evitare e linee guida visive.

Non affiderei invece alla memoria il destinatario di una campagna, le credenziali WordPress o l’autorizzazione a pubblicare. L’agente prepara una bozza; un workflow controlla titolo, categoria, immagine, link e stato draft. Solo un gate separato autorizza il go-live. È la stessa distinzione che ho descritto nel confronto tra assistente AI e workflow verticale: il contesto aiuta a produrre, il processo autorizza ad agire.

Questo modello regge anche quando cambia lo strumento. La memoria può passare da un fornitore all’altro; le regole di pubblicazione restano nel workflow e nella documentazione aziendale. La portabilità conta, ma conta di più evitare che un ricordo implicito diventi un permesso.

Retention e cancellazione: il punto che si dimentica

La documentazione Anthropic segnala una distinzione poco intuitiva: eliminare o far scadere una conversazione non rimuove automaticamente le voci di memoria generate da quella chat. Le singole memorie vanno cancellate dal pannello dedicato. Tutti i dati di memoria entrano inoltre negli export e seguono le politiche di retention dell’organizzazione.

Su Enterprise, gli owner possono definire periodi di conservazione personalizzati per chat e progetti, con un minimo di 30 giorni. In assenza di una regola personalizzata, la documentazione indica conservazione indefinita. Spegnere la memoria a livello organizzazione elimina invece tutte le memorie degli utenti e l’operazione non è reversibile.

Non è un dettaglio amministrativo. Prima di attivare la funzione, servono almeno un owner, una durata coerente con il processo e una procedura di uscita per chi lascia il team. Per ambiti regolati va verificata anche l’idoneità del prodotto: la documentazione attuale dichiara la memoria non disponibile per organizzazioni con configurazioni HIPAA, public-sector o accordi di retention personalizzati.

Una configurazione minima per una PMI

Partirei con un solo processo a basso rischio, per esempio la preparazione del report settimanale. Il primo giorno elencherei le informazioni ripetute in ogni richiesta. Il secondo le dividerei tra preferenze generali, progetto e fonte ufficiale. Il terzo creerei istruzioni brevi che dicano all’assistente cosa non deve memorizzare.

Poi limiterei i connettori. L’accesso in sola lettura è sufficiente nella fase iniziale; le azioni di scrittura richiedono conferma. Nell’articolo su accesso, costi e dati nei workflow AI avevo già evidenziato che il valore di un agente dipende dal perimetro che gli si concede, non dal numero di integrazioni collegate.

Dopo una settimana controllerei le memorie salvate e cercherei tre difetti: informazioni finite nel progetto sbagliato, regole senza data e dati che avrebbero dovuto restare nella fonte ufficiale. Infine simulerei un errore: una richiesta contiene un’istruzione malevola o un dato superato. L’agente deve fermarsi prima dell’azione esterna. La combinazione tra prevenzione e contenimento resta più robusta del solo prompt, come spiegato nella guida su sicurezza degli agenti AI.

Ripeterei il controllo una volta al mese e dopo ogni cambio di personale, listino o procedura. Il revisore non deve leggere tutte le conversazioni: confronta le voci di memoria con le fonti ufficiali e cancella ciò che non ha più uno scopo. Se una regola non ha proprietario o data di revisione, non dovrebbe guidare un’azione automatica. È un lavoro breve, ma impedisce al contesto vecchio di diventare una policy invisibile.

Checklist di governance prima di attivarla

  • Definisci chi abilita la memoria e chi la controlla.
  • Separa i progetti per cliente, reparto o finalità.
  • Scrivi quali dati possono essere ricordati e quali sono esclusi.
  • Indica la fonte ufficiale per prezzi, persone, consensi e scadenze.
  • Imposta retention e procedura di cancellazione.
  • Concedi ai connettori solo i permessi necessari.
  • Mantieni un gate umano per pubblicazioni, invii e modifiche irreversibili.
  • Rivedi le memorie dopo ogni cambio di processo o responsabile.

La mia take: governare il contesto prima del modello

La memoria rende l’assistente più utile perché elimina lavoro ripetitivo. Rende anche gli errori più persistenti. Per questo non la valuterei come una funzione di personalizzazione, ma come una componente dell’architettura informativa aziendale.

Il modello può cambiare. Il contesto resta, si accumula e finisce nelle decisioni. Una PMI dovrebbe quindi investire prima nella qualità della memoria: confini di progetto, fonti ufficiali, scadenze, permessi e cancellazione. Un agente che ricorda tutto non è maturo. È maturo quello che sa quale informazione può usare, da dove arriva e quando deve smettere di fidarsene.

Fonti

Approfondimenti