Cómo controlar si una tarea programada de Cowork utiliza tu memoria (2026)

Cada ejecución es su propia sesión

La página de tareas programadas lo establece claramente: "Cada tarea programada se ejecuta como su propia sesión de Cowork. Puedes revisar los resultados cuando estén listos, al igual que cualquier otra tarea".

Por sí sola, esa frase se lee como cualquier otro diseño de agente desatendido. Lee la siguiente y todo cambia: "Las tareas programadas se ejecutan de forma remota, por lo que se ejecutan en su cadencia incluso cuando tu computadora está inactiva o la aplicación Claude Desktop está cerrada".

De forma remota, es decir, en la nube.

Las sesiones en la nube comparten memoria con tus chats

Esta es la parte que hace que Cowork sea diferente. La propia página de inicio de Cowork lo enumera como una característica: "Memoria compartida con el chat: En las sesiones en la nube, Claude comienza a partir de lo que ya recuerda de tus chats, y lo que surge en una tarea de Cowork se transfiere de vuelta al chat".

Ambas direcciones. Una sesión en la nube comienza con lo que Claude ya recuerda, y lo que sucede en la tarea fluye de regreso.

Por lo tanto, una tarea programada que se ejecuta en la nube no comienza de cero. Comienza desde tu memoria y contribuye a ella. Esa es una propuesta significativamente diferente de una ejecución programada que comienza con un contexto vacío, y es la razón por la que existe este artículo.

Lo que la tarea guarda es tu prompt, no lo que aprendió

Vale la pena ser precisos sobre el mecanismo, porque "tener memoria" puede significar dos cosas. La tarea programada en sí almacena instrucciones: "Cuando creas una tarea programada, Claude guarda tu prompt como las instrucciones de la tarea y las ejecuta con la cadencia que elijas".

Esa es la definición de la tarea. La memoria es la capa separada de la que lee la sesión en la nube. Una tarea no acumula su propio historial privado de ejecuciones anteriores; vuelve a ejecutar un prompt guardado en una sesión que resulta tener acceso a tu memoria. Ambas cosas son ciertas y no son lo mismo, que es la distinción central de lo que realmente es la memoria persistente.

Las dos notas que no coinciden

Ahora la parte no resuelta, y vale la pena leer ambas frases tal como se publicaron en lugar de elegir una.

La página de tareas programadas dice: "Nota: Las tareas programadas utilizan las opciones de programación integradas y funcionan con tus conectores y los archivos guardados en tu cuenta de Claude. No se pueden vincular a una carpeta en tu computadora".

La misma página, en las instrucciones de configuración manual, enumera "En qué carpeta debe trabajar Claude [opcional]" como un campo, seguido de: "Nota: Si una tarea programada requiere archivos o aplicaciones locales, solo se ejecutará localmente".

Mientras tanto, la página de inicio describe una tercera disposición: Cowork "ejecuta tus sesiones de forma remota en la nube (en beta)", y se accede a las capacidades locales a través de la aplicación de escritorio en lugar de ejecutar la sesión localmente: "Estas capacidades acceden a elementos en tu computadora, por lo que necesitan la aplicación aunque tu sesión se ejecute en la nube".

Tres páginas actuales, tres enfoques sobre dónde se ejecuta una tarea vinculada a una carpeta. No vamos a reconciliarlos en nombre de Anthropic, porque adivinar sería peor que decirlo. Lo que debes extraer de esto: si tu tarea programada toca archivos locales, no asumas nada sobre el comportamiento de su memoria. Verifícalo.

Asumir que una tarea programada comienza en blanco. Es la suposición más común, y en el caso de Cowork es incorrecta para las ejecuciones en la nube. Lleva a las personas a meter todo su contexto en el prompt de la tarea, que luego debe editarse a mano cada vez que cambia un detalle del proyecto.

Asumir que, por lo tanto, lo sabe todo. El error opuesto. La memoria se comparte con el chat en las sesiones en la nube; no es una transcripción de las ejecuciones anteriores de esa tarea. Si la ejecución tres necesita saber qué concluyó la ejecución dos, la memoria es un canal débil para eso y el resultado de la tarea es una mejor opción.

Apuntar una programación a una carpeta local para darle más contexto. Un instinto comprensible, y es el movimiento con mayor probabilidad de cambiar dónde se ejecuta la tarea, que es exactamente aquello en lo que las tres páginas no están de acuerdo. Agregar acceso a archivos locales para obtener contexto puede costarte la memoria en la que confiabas.

Compararlo con las ejecuciones programadas de otras herramientas y generalizar. Las tareas programadas de ChatGPT y los agentes en la nube de Warp comienzan desde cero por diseño, y es tentador asumir que Cowork se comporta de la misma manera. No es así para las ejecuciones en la nube. Si tu modelo mental proviene de las tareas programadas de ChatGPT que comienzan de nuevo en cada ejecución o de los agentes en la nube de Warp, necesitas una actualización específica para Cowork.

Asumir que los Proyectos y la memoria son lo mismo. Los proyectos de Cowork "agrupan tareas relacionadas en espacios de trabajo separados con sus propios archivos, contexto, instrucciones y memoria", lo cual es una disposición por espacio de trabajo, no la memoria a nivel de cuenta compartida con el chat. Ambos existen; son ámbitos diferentes. El límite se aborda en la memoria de Claude en el chat y Cowork.

Paso 1: Clasifica tus programaciones según si necesitan tu computadora

Revisa tus tareas programadas y coloca cada una en una de estas dos categorías.

Tareas exclusivas de la nube. Resúmenes diarios de Slack o correo electrónico, informes semanales de herramientas conectadas, investigación recurrente, resúmenes de estado. Estas utilizan conectores y archivos guardados en tu cuenta de Claude. Se ejecutan de forma remota en su cadencia y, según la documentación, se ejecutan como sesiones en la nube, que es donde se aplica la memoria compartida con el chat.

Tareas que necesitan algo en tu máquina. Organización de archivos en una carpeta local, cualquier cosa que lea aplicaciones locales. Estas son aquellas en las que entran en juego el campo de carpeta y la nota "solo se ejecutará localmente", y donde no debes asumir el comportamiento de la memoria.

Para la segunda categoría, pregúntate si la tarea realmente necesita acceso local. Una cantidad sorprendente de programaciones para "organizar mis archivos" pueden funcionar con archivos guardados en tu cuenta de Claude, lo que las traslada limpiamente a la primera categoría y elimina la ambigüedad.

Paso 2: Verifica el comportamiento de la memoria de una tarea en cada categoría

No deduzcas esto. Pruébalo una vez y lo sabrás para tu configuración.

Crea una tarea programada de prueba cuyo prompt le pida a Claude que indique un dato específico que solo debería conocer por tu memoria: una preferencia que hayas establecido en el chat, un detalle del proyecto que nunca hayas escrito en ese prompt. Ejecútala manualmente, lo cual permiten las opciones de programación, y lee el resultado.

Luego repite el proceso con una versión vinculada a una carpeta de la misma tarea. Si las respuestas difieren, habrás descubierto dónde se encuentra el límite en tu cuenta, lo cual es más confiable que cualquier deducción de tres páginas que lo plantean de manera diferente.

Guarda el resultado por escrito en algún lugar. Este es exactamente el tipo de comportamiento que cambia a medida que Cowork sale de la fase beta en la web y el móvil, así que considéralo como un hallazgo con fecha de caducidad en lugar de un hecho permanente.

Paso 3: Coloca lo que la tarea necesita en una capa que no dependa de dónde se ejecute

Aquí está la solución estructural. Todo lo anterior sirve para determinar cuál de los dos comportamientos obtienes. Hay una tercera opción: hacer que la tarea no dependa de la respuesta.

Si el conocimiento que necesita una ejecución programada reside en una capa de memoria externa que la tarea lee explícitamente, entonces no importa si esa ejecución es una sesión en la nube con memoria compartida o una local sin ella. El contexto llega de la misma manera en ambos casos. Has reemplazado una pregunta que tienes que estar verificando constantemente por una disposición que es estable en cualquier escenario.

Esa es también la respuesta al problema de la edición de prompts. El prompt de una tarea es una cadena guardada; cada vez que tu proyecto cambia, alguien tiene que abrir la programación y editarla. Un prompt que dice "usa las convenciones del proyecto actual" y las lee de un almacén no necesita edición cuando cambian las convenciones. MemoryLake se configura en tres pasos.

Paso 1: Crea una clave API

Inicia sesión y genera una clave API desde tu panel de control. No está vinculada a una interfaz específica, que es la propiedad que importa aquí: las ejecuciones locales y en la nube leen el mismo almacén, por lo que la cuestión de nube versus local deja de determinar lo que sabe tu tarea.

Paso 2: Sube tus primeras memorias

Introduce lo que tus tareas programadas necesitan constantemente: las convenciones para el formato de un informe semanal, la lista de lo que se considera relevante en un resumen de investigación, las cuentas y términos que debe vigilar un reporte, las preferencias permanentes que de otro modo pegarías en cada prompt de tarea.

Aquí también es donde pertenecen las conclusiones entre ejecuciones. Si la ejecución del martes debe saber lo que decidió la del lunes, escribe eso en el almacén en lugar de esperar que la memoria compartida lo transmita.

Paso 3: Conecta tu IA y agentes

Apunta Cowork al almacén. Las ejecuciones desatendidas comenzarán entonces con el mismo conocimiento que tus sesiones interactivas, en ambas interfaces, y un cambio que realices una vez se propagará a cada programación en lugar de solo a los prompts que te acordaste de editar.

El primer cambio es que las programaciones dejan de ser cadenas frágiles. Hoy en día, el prompt de una tarea es una instantánea de lo que era cierto cuando lo escribiste. Cualquier cambio en el proyecto envejece silenciosamente cada programación que lo menciona.

El segundo es que dejas de necesitar rastrear un límite de fase beta para saber qué sabe tu automatización. Las sesiones de Cowork en la nube están en beta en la web y el móvil, el navegador integrado se está implementando gradualmente y Dispatch está en beta limitada para algunos planes. Todo eso es normal para un producto que avanza rápidamente, y nada de eso es una buena base para un informe semanal del que alguien realmente dependa.

El tercero es que la continuidad entre ejecuciones se vuelve explícita. La memoria compartida con el chat es una característica real y un mecanismo deficiente para saber "qué concluyó la ejecución de la semana pasada". Escribir las conclusiones en un almacén y leerlas de nuevo en la siguiente ejecución es la versión que funciona independientemente de si la ejecución se realiza en la nube o no; el mismo razonamiento detrás de la memoria para tareas de MCP.

• Clasifica las programaciones según si necesitan tu computadora. Esa es la única variable con mayor probabilidad de cambiar el comportamiento que obtienes.
• Prefiere los archivos guardados en tu cuenta de Claude antes que las carpetas locales cuando la tarea lo permita. Las tareas exclusivas de la nube tienen el comportamiento documentado más claro.
• Prueba el comportamiento de la memoria una vez por categoría y anota lo que encontraste. Las ejecuciones manuales hacen que esto sea económico, y el hallazgo tiene fecha de caducidad.
• Mantén los prompts de las tareas cortos y enfocados en la tarea. El formato, la cadencia y la estructura del resultado pertenecen al prompt; el conocimiento del proyecto, no.
• No utilices la memoria compartida como un registro de ejecuciones. Si la ejecución N necesita la conclusión de la ejecución N−1, escríbela en algún lugar a propósito.
• Recuerda que los Proyectos son un ámbito independiente. El espacio de trabajo de un proyecto tiene sus propios archivos, contexto, instrucciones y memoria; esa no es la memoria a nivel de cuenta compartida con el chat.
• Vuelve a verificar después de los cambios en Cowork. Las sesiones en la nube están en beta en la web y el móvil, y el comportamiento en fase beta cambia.
• Revisa a qué puede acceder la programación. Las tareas programadas tienen las mismas capacidades que las tareas normales de Cowork, incluidos los conectores, habilidades y complementos instalados, lo cual vale la pena auditar si una tarea se ejecuta de forma desatendida con una cadencia.

Las tareas programadas de Cowork son una mejor opción que el estándar de la industria: una ejecución en la nube comienza a partir de lo que Claude ya recuerda y se retroalimenta de ello, en lugar de comenzar de la nada. Eso es realmente útil y vale la pena saberlo.

También es condicional de una manera que la documentación actualmente no resuelve para las tareas vinculadas a carpetas. Así que clasifica tus programaciones, prueba una en cada categoría y, para cualquier cosa de la que realmente dependas, coloca el conocimiento en un lugar que no cambie su respuesta según la máquina en la que haya caído la ejecución.