Cuando se escribe una novela larga con IA, la ambientación decidida al principio se va desdibujando. Para resolverlo construí el Mundo, el diccionario de ambientación de TypeTak, y en cada entrega cuento qué me planteé y qué elegí.

¿Por qué la IA olvida el principio de una novela?

Una IA olvida el principio de una novela larga porque solo puede leer una cantidad limitada de texto de una vez. Cuando el manuscrito supera esa cantidad, la IA ya no ve directamente las primeras partes y tiene que volver a buscar lo que se haya anotado en otro sitio. A mi modo de ver, hay dos formas de hacer esa búsqueda: RAG, que localiza párrafos de significado parecido y los añade, y leer archivos donde la información ya está ordenada.

Desarrollo TypeTak, un editor de escritura con IA en el que los autores escriben novelas junto a un agente (una IA que trabaja con ellos). Para que la IA no olvide en una novela larga la ambientación decidida al principio, construí el Mundo: un diccionario de ambientación donde todo queda ordenado y la IA lo consulta. Esta serie cuenta, en orden, cómo lo hice.

La primera entrega es de cuando el Mundo aún no existía. Cuento cómo me planteé hacer que la IA recordara lo anterior de una novela y cuál de los dos caminos tomar.

Lo que se puede leer de una vez tiene un límite

La cantidad de texto que un modelo de IA lee de una vez se llama ventana de contexto. Cada modelo tiene una ventana de distinto tamaño, y crecen año tras año, pero cuando una novela por entregas pasa de cien capítulos, es difícil meter el manuscrito entero cada vez. Y aunque se pueda, sale caro.

Incluso con una ventana amplia, el problema sigue ahí. Un estudio de marzo de 2026, «Lost in Stories», midió con qué frecuencia una IA que escribe una historia larga produce frases que contradicen hechos establecidos antes. Las contradicciones aparecían sobre todo en los hechos (quién tiene qué) y en el tiempo (cuándo pasó qué), y se concentraban hacia la mitad de la historia, más que al principio o al final. (arXiv)

Para un autor, se ve así: el protagonista que se hirió el brazo izquierdo en el capítulo 3 blande la espada con los dos brazos en el capítulo 10, y un secundario que siempre hablaba con formalidad de pronto tutea a todo el mundo.

Por eso toda herramienta de IA que trabaje con novelas largas tiene que responder a la misma pregunta: cómo hacer que vuelva a encontrar y leer, cuando haga falta, lo anterior que quedó fuera de la ventana. Yo vi dos respuestas.

Primera vía, RAG: buscar por significado no encuentra lo acumulado

RAG consiste en guardar el manuscrito troceado y, cuando se escribe una escena, buscar los fragmentos de significado parecido y pasárselos a la IA junto con ella. Funciona bien cuando la respuesta cabe entera en un solo párrafo, como en documentos internos de una empresa o en atención al cliente.

En una novela, pensé, ahí se atasca. Porque lo que necesita una historia no son frases parecidas, sino el resultado de lo que se ha ido acumulando.

Si se pregunta «¿cómo tiene ahora el protagonista el brazo izquierdo?», RAG trae varios párrafos donde aparece «brazo izquierdo». Llegan mezclados la escena de la herida, la del vendaje y la de la curación, pero nada indica cuál corresponde al momento actual. Y una razón que se ha ido acumulando a lo largo de varios capítulos, como «¿por qué se distanciaron estos dos personajes?», no está completa en ningún párrafo, así que al buscar por significado solo salen fragmentos.

Buscar por significado responde a «¿a qué se parece esto?», pero no a «¿qué se ha acumulado hasta ahora?». Por eso decidí no poner RAG en el centro de la memoria.

Segunda vía, archivos: siguen los enlaces, pero no tienen formato

El otro camino es ordenar la ambientación en archivos aparte y hacer que la IA los lea. Es la misma idea que la biblia de la historia que llevan muchos autores: un documento con los personajes, los lugares y la trama de la obra. Lo habitual es darle forma de wiki: un documento por personaje y por lugar, enlazados entre sí.

Lo que me atrajo de los archivos fueron los enlaces. En una wiki se puede pasar del documento «protagonista» al de «maestro del protagonista», y de ahí al de «el suceso en que se hirió el maestro». Se sigue lo que está conectado, se parezca o no en significado. Para encontrar una historia acumulada, este camino encajaba mejor.

Aun así, los archivos también tenían dos puntos débiles.

• No tienen formato. Si se deja que la IA escriba a su manera, cada documento acaba con una forma distinta. La IA los lee igual, pero a una persona le cuesta repasarlos y corregirlos. Y en una biblia de la historia que el autor no puede comprobar, no se puede confiar.
• Si no se ordenan, se acumulan. La ambientación cambia mientras se escribe el manuscrito. Si no se ordena cada vez que cambia, el mismo personaje acaba con dos documentos, o en un mismo documento quedan datos que se contradicen. Una biblia de la historia contradictoria es peor que no tener ninguna.

Así que elegí los archivos

Con los dos caminos delante, la respuesta estaba en los archivos. Los límites de RAG nacen del propio método, mientras que los dos puntos débiles de los archivos me parecían problemas con solución.

• Si no hay formato, basta con definirlo: uno que las personas lean con comodidad y que la IA pueda rellenar por su cuenta.
• Si lo que no se ordena se acumula, basta con convertir el orden en una tarea: que no aparezca dos veces lo mismo y que cada cambio de ambientación vaya a su sitio.

Dicho así parece fácil. Resolver esos dos problemas me llevó más de lo que pensaba, y los archivos que salieron de ahí son hoy el Mundo de TypeTak.

La próxima entrega trata del primer problema: el formato. La pista la encontré en Namuwiki, la gran wiki colaborativa coreana. Contaré cómo es posible que miles de fichas de obras, escritas por personas distintas, tengan la misma forma, y qué tomé de ahí.

Preguntas frecuentes