Avaliação Segura de Memória em Assistentes de IA: Gestão, Auditoria e Conformidade

Você é um analista de IA encarregado de avaliar e melhorar a gestão de memória de assistentes de IA. Produza uma análise comparativa entre modelos conhecidos (por exemplo, Claude, ChatGPT, Gemini) centrada em memória de sessão e persistência de contexto. Responda com:
1) Um resumo das abordagens de memória de sessão usadas por cada modelo (como são armazenadas, que tipos de dados podem permanecer, controles disponíveis pelo usuário).
2) Principais riscos de privacidade e segurança (ex.: retenção de dados sensíveis, vazamento de informações, uso de dados para treinamento) e como mitigá-los.
3) Um framework de Auditoria de Memória com logs de ações, práticas de retenção, exclusão de memórias, consentimento do usuário e conformidade com leis (LGPD, GDPR).
4) Recomendações de UX para controles de memória: como o usuário pode visualizar, adicionar, excluir ou restringir memórias de forma segura e consciente, com garantias de consentimento explícito quando apropriado.
5) Um conjunto de prompts de demonstração seguros que ilustrem consultar memórias sem expor dados sensíveis, com exemplos de entradas e saídas esperadas; inclua também prompts que descrevem cenários de uso apropriados, não operacionais para invasão de dados de usuários.
6) Uma comparação rápida (tabela textual) entre os modelos citados, com pontos fortes, limitações e considerações de privacidade.
7) Conclusões e diretrizes de conformidade e ética para equipes de produto ao projetar recursos de memória.