Cómo mantener el contexto entre ChatGPT Work Cloud y Local (Guía 2026)

Una aplicación, dos entornos de ejecución

Cloud Work "está disponible en superficies web, móviles y de escritorio compatibles" y "ejecuta el arnés de Codex en un entorno aislado en la infraestructura gestionada por OpenAI". Sus conversaciones "pueden sincronizarse en estas superficies" y "las tareas compatibles pueden continuar mientras el usuario está fuera de la conversación".

Local Work "ejecuta tareas a través de la aplicación de escritorio de ChatGPT en el dispositivo del usuario", y su ventaja se expresa en términos de lo que no tienes que hacer: "A diferencia de Work en la web, el Work local puede operar con recursos que permanecen en tu computadora sin requerir que subas archivos a una conversación en la nube".

La frontera entre ellos es firme en una dirección. "Una tarea en la nube no hereda archivos locales, aplicaciones de escritorio, sesiones de navegador ni acceso a redes privadas de ese dispositivo". Tampoco el navegador alojado hereda nada del tuyo: "no hereda el perfil de navegador local del usuario, las pestañas abiertas, los inicios de sesión existentes, las contraseñas guardadas, el gestor de contraseñas ni el historial de navegación".

Una aclaración que vale la pena interiorizar antes de hacer suposiciones sobre la privacidad: local no significa sin conexión. "Los archivos locales pueden permanecer en el dispositivo, pero los extractos de archivos relevantes, instrucciones (prompts), capturas de pantalla, contenido del navegador o resultados de herramientas pueden enviarse a los servicios de OpenAI para completar una tarea. La ejecución local no significa inferencia de modelo sin conexión o solo en el dispositivo".

La retención es por categoría de datos, no por espacio de trabajo

La página de seguridad en la nube muestra el comportamiento de retención en una tabla, y la tabla es el punto clave. Las conversaciones de Work siguen la configuración de retención de conversaciones del espacio de trabajo, y los chats eliminados "generalmente se programan para su eliminación permanente en un plazo de 30 días". Los archivos guardados en la Library siguen las reglas de la Library, y "Eliminar una conversación no elimina un archivo guardado en la Library". Los archivos de proyecto "Permanecen asociados con su proyecto hasta que se eliminen o se elimine el proyecto". Las cargas transitorias fuera de la Library "pueden caducar después de 48 horas a menos que se aplique otra configuración de retención aplicable". Los registros de la Compliance Logs Platform "están disponibles durante 30 días".

Dos filas merecen ser leídas con calma.

El estado de ejecución alojado y las instantáneas (snapshots) "Siguen un ciclo de vida independiente de las conversaciones y los archivos", y la fila termina con una frase que sorprende a la gente: "Finalizar una tarea o eliminar un chat no purga inmediatamente todos los artefactos relacionados".

Y las memorias guardadas, cuando están habilitadas, "Siguen controles de memoria independientes. Eliminar una conversación no necesariamente elimina una memoria guardada existente".

OpenAI luego saca la conclusión por ti: "Eliminar una conversación, quitar un archivo de la Library o una memoria guardada, desconectar una aplicación y borrar los datos del navegador alojado son acciones independientes. Revisa la ubicación de almacenamiento correspondiente en lugar de asumir que una sola acción elimina todas las copias".

Esto funciona en ambos sentidos, razón por la cual pertenece a una guía sobre cómo mantener el contexto y no solo a una revisión de seguridad. Si eliminar un chat no elimina necesariamente una memoria, entonces eliminar un chat tampoco la preserva. Se debe razonar sobre cada almacén por separado.

Los registros locales se rigen por separado, y la documentación lo dice dos veces

La página local comienza con la misma advertencia de forma general: "Los archivos locales, el contexto de la tarea, los datos del navegador, los registros del sistema conectado y los eventos de auditoría pueden seguir diferentes reglas de almacenamiento y retención".

Luego lo repite, específicamente, sobre los registros de conversación. Lo que se debe revisar para los registros de conversación locales es "Cómo la experiencia de escritorio almacena, elimina, respalda o comparte los registros locales. No asumas que la configuración de retención de conversaciones alojadas se aplica a cada artefacto local".

Y una tercera vez, como una instrucción independiente: "No apliques un período de retención de conversación alojada, carga temporal o registro de cumplimiento a los registros locales sin confirmar que se aplica a la categoría de datos específica".

Cuando un proveedor repite una advertencia tres veces en una sola página, es porque el error es común. El error aquí es creer que una configuración de retención del espacio de trabajo es una declaración sobre todo. Es una declaración sobre las conversaciones alojadas.

Local Work también tiene categorías que no existen en el modelo de la nube. Voice y Appshots cubren "La entrada del micrófono, capturas de pantalla de la ventana en primer plano, texto accesible de la aplicación, almacenamiento de sesión local y cualquier contenido enviado como contexto de la tarea". La cobertura de auditoría también difiere: "OpenAI no almacena un registro completo independiente de las acciones de Chrome realizadas a través de la extensión".

El proveedor nombra el compromiso en voz alta

La frase más útil en cualquiera de los dos documentos es la que deja de fingir que la retención es puramente un control de seguridad:

"Retener el contexto de conversación y ejecución adecuado puede ayudar a Work a reanudar tareas interrumpidas, hacer referencia a pasos anteriores y producir resultados más consistentes. Una retención más corta o la eliminación pueden reducir esa continuidad, así que elige configuraciones que equilibren los requisitos de seguridad con la utilidad del flujo de trabajo".

Esa es una declaración honesta de un conflicto real. La continuidad se está comprando con la retención. Lo que significa que cada vez que tu equipo de seguridad acorta una ventana de retención (correctamente, por buenas razones), el asistente se vuelve un poco peor para retomar el trabajo donde lo dejó, y nadie atribuye la regresión al cambio de política de tres semanas antes.

La salida no es abogar por una retención más larga. Es dejar de permitir que la configuración de retención sea lo único que sostenga tu contexto duradero.

Asumir que la configuración de retención del espacio de trabajo lo cubre todo. Cubre las conversaciones alojadas. Los archivos de la Library, los archivos de proyecto, las memorias guardadas, las instantáneas de ejecución, los datos del navegador y los registros de cumplimiento tienen cada uno su propio comportamiento.

Eliminar un chat para limpiar. Razonable, pero incompleto en ambos sentidos: no necesariamente elimina una memoria guardada, y tampoco la preserva.

Pegar el mismo contexto de fondo en cada nueva tarea. La solución alternativa universal. Funciona, te cuesta los primeros dos minutos de cada sesión y se desvía: la versión que pegas en octubre es la versión que escribiste en junio.

Mantener todo en una sola conversación de larga duración. Frágil por una razón diferente: la conversación es una de las categorías gobernadas por una configuración de retención que tal vez no controles.

Usar un proyecto como almacén duradero. Mejor, porque los archivos de proyecto "Permanecen asociados con su proyecto hasta que se eliminen o se elimine el proyecto". Sigue estando limitado por el proyecto, que es el punto central de por qué los proyectos de ChatGPT no comparten memoria.

Decidir que Work simplemente pierde el contexto. No lo hace, y decirlo oculta el mecanismo real. Work tiene varios lugares que retienen bien el contexto. Simplemente lo retienen bajo reglas diferentes, y ninguno de ellos fue diseñado para ser el único hogar duradero para lo que tu equipo sabe. Esa es la condición más general descrita en por qué ChatGPT pierde el contexto entre sesiones.

Clasifica tu contexto en dos grupos. Un grupo es transitorio: esta tarea, este archivo, este hilo. Pertenece exactamente a donde está, gobernado por cualquier política que establezca tu espacio de trabajo, y debería caducar.

El otro grupo es duradero: cómo escribe tu equipo, qué debe contener un entregable, qué proveedores están aprobados, la limitación que hizo que el enfoque del trimestre pasado fallara. Ese grupo no debería estar sujeto a una ventana de retención de conversaciones, a una caducidad de carga de 48 horas o a una decisión sobre qué entorno de ejecución ejecutó una tarea.

MemoryLake es a donde va el segundo grupo: una capa de memoria de tu propiedad, leída por tus asistentes a través de una API, con un ciclo de vida que tú controlas en lugar de varios que heredas. Tres pasos.

Paso 1: Crea una clave API

Inicia sesión y crea una clave API desde la configuración de tu espacio de trabajo. Es tuya, no una propiedad de un entorno de ejecución, por lo que se comporta de la misma manera ya sea que una tarea se ejecute en la nube o en tu máquina.

Paso 2: Sube tus primeras memorias

Carga el grupo duradero. El tono de tu equipo y los estándares de formato. La definición de terminado para los artefactos que produces repetidamente. Fuentes aprobadas y las que has descartado. Limitaciones recurrentes: la audiencia, la línea de cumplimiento, las dos cosas que nunca deben aparecer en un documento de cara al cliente. Los archivos entran tal como están, y se manejan los multimodales, por lo que una presentación de marca o una hoja de cálculo de convenciones de nomenclatura pueden entrar directamente.

Paso 3: Conecta tu IA y agentes

Conecta ChatGPT junto con cualquier otra cosa que use tu equipo. A partir de ese momento, la capa duradera se lee desde un solo lugar, y no importa qué superficie o entorno de ejecución haya iniciado la tarea.

Tres límites, expresados claramente. MemoryLake no cambia ningún comportamiento de retención dentro de ChatGPT Work: las conversaciones, las instantáneas, los archivos de la Library y las memorias guardadas conservan sus propios ciclos de vida, y este es un lugar para colocar la mitad duradera en lugar de una forma de alterar el resto. No puede leer ni eliminar las memorias guardadas de ChatGPT; estas se gestionan a través de los propios controles de memoria de OpenAI. And no es una herramienta de auditoría o cumplimiento: los registros del espacio de trabajo, los registros del sistema conectado y la Compliance Logs Platform siguen siendo los sistemas de registro.

El cambio inmediato es que una ventana de retención acortada deja de degradar la calidad de los resultados. La retención se convierte en lo que debería ser (una decisión sobre cuánto tiempo persiste el material transitorio) en lugar de ser también una decisión implícita sobre cuánto sabe tu asistente.

El segundo cambio es que la cuestión de la nube frente a lo local se convierte en una opción operativa en lugar de una decisión de contexto. En este momento, elegir local porque un archivo no debe salir del dispositivo también significa que el contexto duradero vive en un conjunto de almacenes diferente al que tendría en la nube. Con la mitad duradera externa, eliges el entorno de ejecución por sus méritos: local para los recursos que permanecen en la máquina, nube para el trabajo que debe continuar mientras estás fuera.

El tercer cambio es una auditabilidad de un tipo que la plataforma no ofrece. OpenAI es sincero al respecto de que la cobertura varía: "No asumas que cada comando de shell, interacción del navegador, invocación de aplicación, operación de archivo o aprobación aparece en una exportación de cumplimiento visible para el cliente", y el monitoreo de endpoints "no puede inspeccionar acciones dentro del entorno de ejecución alojado". Esos son límites razonables para la telemetría de ejecución. Pero saber qué se les dijo a tus asistentes es una cuestión distinta de saber qué hicieron, y tiene respuesta cuando la parte de lo que se les dijo vive en un lugar revisable. Auditar lo que recuerdan tus asistentes de IA cubre cómo realizar esa revisión.

Saber qué entorno ejecutó la tarea. Abrir una tarea en la nube desde la aplicación de escritorio no la hace local. Si es importante para un trabajo determinado, confírmalo en lugar de deducirlo de dónde hiciste clic.

Tratar cada almacén como si tuviera su propia eliminación. La conversación, el archivo de la Library, el archivo de proyecto, la memoria guardada, los datos del navegador alojado y la instantánea de ejecución son acciones independientes con efectos independientes.

Nunca traslades una suposición de retención a través de la frontera. La documentación local lo pide tres veces: no apliques períodos de conversación alojada, carga temporal o registro de cumplimiento a los registros locales sin confirmar que se aplican.

Usar la Library deliberadamente para cualquier cosa que quieras conservar. El contenido extraído de una aplicación conectada "no se guarda automáticamente como un archivo de la Library", y una vez guardado en cualquier lugar, "esa copia sigue las reglas de su ubicación de guardado".

No permitas que las cargas transitorias se conviertan en tu archivo. Para Enterprise, las cargas transitorias fuera de la Library "pueden caducar después de 48 horas a menos que se aplique otra configuración de retención aplicable".

Revisar la división de administración y luego diseñar en torno a ella. Donde existen controles separados, cloud y local Work se gestionan como permisos distintos; en algunos espacios de trabajo "local Work puede compartir un control con Codex Local". Vale la pena saber esto antes de asumir que puedes deshabilitar uno sin afectar al otro.

Mantener separadas la postura de seguridad y la postura de continuidad. Las protecciones relevantes ya están establecidas: los datos de los espacios de trabajo Business, Enterprise y Edu están "cifrados en tránsito y en reposo y no se utilizan para entrenar modelos de OpenAI de forma predeterminada". Acortar la retención más allá de eso compra una seguridad marginal y una pérdida real de continuidad. Colocar la capa duradera en el exterior te brinda ambas cosas, que es el argumento en cómo pensar sobre la seguridad de la memoria de la IA.

ChatGPT Work consta de dos entornos de ejecución y aproximadamente una docena de almacenes, cada uno con su propio ciclo de vida, y OpenAI lo documenta todo con precisión. El modo de falla no es la plataforma. Es tratar una configuración de retención del espacio de trabajo como una declaración sobre todo, y luego comprar continuidad con la duración de la retención.

Clasifica tu contexto. Deja que la mitad transitoria viva y caduque donde ya lo hace. Coloca la mitad duradera (los estándares, definiciones, limitaciones y enfoques rechazados que tu equipo ha acumulado) en algún lugar con un ciclo de vida que tú controles. Después de eso, la nube o lo local es una pregunta sobre dónde debe ejecutarse una tarea, no una pregunta sobre cuánto recuerda tu asistente.