Autor: Zen, PANews
Has pasado seis meses haciendo que ChatGPT comprenda tus hábitos de trabajo, tu estilo de escritura y tus proyectos a largo plazo. Sabe cómo sueles modificar artículos, qué empresas sigues de cerca y poco a poco entiende tus preferencias sobre estructura de contenido, tono y densidad de información.
Pero un día, aparece un nuevo modelo más potente. Abres Claude, Gemini o DeepSeek y descubres que todo debe empezar de nuevo. El nuevo modelo no te conoce, no sabe el contexto de trabajo que has acumulado en los últimos meses, ni tampoco cómo piensas, cómo escribes o cómo tomas decisiones.
En los últimos dos años, la competencia más importante en la industria de la IA se ha centrado en la "capacidad del modelo". Casi todo dependía de quién tuviera mejor razonamiento, contexto más largo y mejores habilidades de codificación. Pero ahora, está surgiendo un nuevo problema: la IA te entiende cada vez más, pero ¿a quién pertenece realmente esta "comprensión"?
Cambio de rol: la IA pasa de herramienta de chat a asistente digital personal
En noviembre de 2022, el chatbot de IA ChatGPT irrumpió en escena. Después de su lanzamiento, desató una fiebre global de chats, alcanzando los 100 millones de usuarios activos mensuales en solo dos meses, convirtiéndose en la aplicación de consumo de más rápido crecimiento de la historia. En ese entonces, los grandes modelos parecían más una "búsqueda avanzada". Los usuarios hacían preguntas a la IA, que generaba respuestas instantáneas. Al terminar la conversación, la relación también se interrumpía.
Pero en los últimos dos años, el rol de la IA está cambiando notablemente. Con la mejora continua de sus capacidades de razonamiento, codificación y uso de herramientas, la IA ya ha comenzado a integrarse profundamente en flujos de trabajo reales. Cada vez más personas la usan para escribir código, organizar información, analizar datos, planificar itinerarios, gestionar agendas e incluso participar a largo plazo en la creación de contenido y la toma de decisiones comerciales.
En muchos casos, los usuarios ya no solo "hacen preguntas a la IA", sino que colaboran con ella a largo plazo. Comienza a comprender tu forma de trabajar, tus hábitos de expresión y tus objetivos a largo plazo, también empieza a participar continuamente en el mismo proyecto, el mismo flujo de trabajo e incluso asume gradualmente parte de las tareas de ejecución. En cierto modo, la IA está pasando de ser una herramienta de preguntas y respuestas puntuales a convertirse en un asistente digital personal de larga duración.
dir="ltr">Y con la mejora sustancial de las capacidades de los modelos, la creciente similitud entre los principales productos y el uso prolongado y amplio de la IA, comienzan a surgir nuevos problemas.
Una vez que la IA comienza a colaborar durante largos periodos, la "memoria", entendida como la capacidad del sistema para almacenar y recuperar experiencias pasadas para mejorar decisiones y rendimiento general, deja de ser una simple base de datos irrelevante. En muchos escenarios de aplicación, el cuello de botella ya no es el nivel de razonamiento del modelo, sino la capacidad de memoria a largo plazo y gestión del contexto. Cloudflare también ha denominado directamente a la "memoria de agentes" (agentic memory) como el mayor desafío actual en la infraestructura de IA y, a la vez, uno de los campos de más rápido desarrollo.
Las principales empresas de IA también se han dado cuenta de que la memoria a largo plazo se está convirtiendo en parte de la experiencia del producto. OpenAI divide la memoria de ChatGPT en "saved memories" (memorias guardadas) e "historial de chat de referencia" (Reference chat history), la primera guarda información que el usuario desea retener a largo plazo, mientras que la segunda permite a ChatGPT extraer contenido útil de conversaciones pasadas para personalizar respuestas posteriores. Gemini también ha comenzado a aprender las preferencias del usuario basándose en conversaciones previas. Claude, por su parte, lanzó la función "memory" (memoria) y admite la importación y exportación de recuerdos.
Los silos de plataforma convierten la "memoria" de la IA en un nuevo campo de batalla de la industria
Pero el problema es que estas capacidades de memoria, en general, aún se desarrollan en torno a sus respectivas plataformas, pertenecen únicamente a los sistemas de cuentas independientes y entornos de producto de cada plataforma, y siguen siendo "islas" aisladas. Aunque Anthropic ya admite la importación y exportación de memoria, por ahora se parece más a una herramienta de migración para Claude que a un estándar de memoria universal adoptado conjuntamente por todas las empresas.
Y es precisamente en este vacío donde ZetaChain quiere entrar. Tras su transición completa hacia la IA, ZetaChain comenzó a extender el concepto de "propiedad", originalmente perteneciente al mundo cripto, hacia la memoria de IA y el contexto del usuario. Lo que espera construir no es solo un producto de chat, sino una capa de memoria privada (Private Memory Layer) independiente de las plataformas de modelos, que permita a los usuarios ser verdaderos dueños de su memoria a largo plazo, preferencias de comportamiento y contexto de IA.
Anuma, el producto de consumo de IA de ZetaChain, propone que los usuarios tengan un conjunto de recuerdos privados encriptados, compatibles con el uso fluido entre diferentes modelos de IA principales como ChatGPT, Claude y Gemini. Así, los usuarios no tendrán que reconstruir antecedentes, preferencias y hábitos de trabajo cada vez que cambien de modelo, sino que controlarán los permisos de acceso y llevarán su historial de memoria a diferentes modelos y Agentes.
A medida que la IA acumula gradualmente las preferencias de uso, hábitos de escritura, flujos de trabajo e historiales de conversación del usuario, la llamada "memoria" se parecerá cada vez más a un "espejo de personalidad". No solo determinará si las respuestas del modelo se ajustan a las preferencias del usuario, sino que también puede influir en si el modelo, al tomar decisiones por ti en el futuro, actuará siguiendo tus hábitos y valores.
Además de otorgar propiedad de la memoria a los usuarios y permitirles elegir modelos con diferentes fortalezas según la tarea, Anuma también está construyendo un sistema de permisos programable, auditable y revocable. Este sistema permite que un agente de IA lea registros una sola vez, y los permisos pueden revocarse en cualquier momento, siendo todos los cambios registrados y rastreables en la cadena (on-chain).
Más aún, la memoria del usuario y su gráfico de conocimiento podrán convertirse en activos compartibles, autorizables y monetizables, sin exponer los datos originales. Esto permite a usuarios de profesiones como inversores, médicos, abogados o desarrolladores, encapsular sus conocimientos especializados en Agentes, publicarlos en un "Mercado de Agentes" (Agent Marketplace) y obtener ingresos cuando otros los utilicen.
De interoperabilidad entre cadenas a interoperabilidad entre plataformas de IA: ¿por qué la transformación de ZetaChain?
Lo que permite a Anuma lograr estas funcionalidades es la infraestructura subyacente desarrollada por ZetaChain: la "Capa de Memoria Privada" (Private Memory Layer). Como una infraestructura de memoria privada, identidad, permisos, pagos y agentes para IA, su objetivo es permitir que aplicaciones y agentes colaboren entre modelos, manteniendo siempre el usuario el control.
ZetaChain siempre se había centrado en la infraestructura de interoperabilidad entre cadenas (cross-chain), con el objetivo principal de resolver problemas de transferencia de activos y mensajes entre diferentes blockchains. En el tema de crear una "entrada unificada para múltiples cadenas", había logrado una red y una narrativa de escala considerable. Según sus datos oficiales, esta blockchain tiene 11.9 millones de direcciones únicas y 241 millones de transacciones.
Pero tras el lanzamiento público de Anuma el 27 de abril de este año, que superó los 50,000 usuarios en su primer mes, ZetaChain decidió girar completamente hacia la IA y comenzó a cerrar gradualmente su negocio de interoperabilidad entre cadenas. Detrás de esta transformación existe una lógica interna relativamente clara.
En el pasado, ZetaChain se enfocaba principalmente en resolver la incomunicabilidad entre cadenas. En el mundo actual de la IA, existe una fragmentación similar. En cierto modo, los activos digitales para las blockchains son como la memoria y el contexto para la IA. Diferentes modelos tienen sus propios sistemas de memoria cerrados. Cuando un usuario cambia de plataforma, el contexto acumulado a largo plazo y las preferencias de comportamiento a menudo también se interrumpen.
Con el desarrollo de los últimos años, ZetaChain considera que su mayor desafío actual ya no es la transferencia de activos entre blockchains, sino la continuidad entre diferentes modelos y agentes, y la propiedad del usuario sobre su propio contexto.
a16z crypto también había mencionado en un artículo de análisis que los agentes ya están comenzando a ser participantes económicos, pero aún carecen de identidad portátil, pagos programables, autorización verificable y una capa de coordinación pública necesaria para la colaboración entre entornos. Por lo tanto, en comparación con muchos proyectos de IA+Cripto que buscan a la fuerza un caso de uso, la lógica de transformación de ZetaChain es mucho más fluida.
En la historia comercial, la transformación exitosa de empresas de infraestructura no es rara. Este tipo de compañías a menudo no solo cambian de sector, sino que persiguen nuevos cuellos de botella basándose en la lógica de su producto. La narrativa inicial más importante de NVIDIA era el cálculo gráfico y las tarjetas para juegos, pero con el auge de la IA, su arquitectura GPU finalmente se convirtió en la infraestructura central de toda la industria de IA. La infraestructura nunca gira eternamente alrededor del mismo punto de restricción, y los verdaderos ganadores suelen ser quienes identifican primero que el "siguiente punto de restricción" está emergiendo.
De la capa de memoria privada a la capa de consumo de IA
Con el desarrollo explosivo de la IA, es evidente que su forma futura no se limitará a ventanas de chat, sino que evolucionará gradualmente hacia una multitud de asistentes de IA que existan a largo plazo y colaboren entre sí. Basándose en esta premisa, además de proponer la "capa de memoria privada" e intentar resolver cómo la IA puede comprender al usuario a largo plazo, ZetaChain ha dado un paso más al proponer el concepto de "Capa de Consumo de IA" (AI Consumer Layer), buscando redefinir la relación entre el usuario y la IA tras el trabajo prolongado que esta realiza en su representación.
En la visión de ZetaChain, en el futuro la IA no solo responderá preguntas, sino que participará profundamente en los flujos de trabajo y las decisiones diarias del usuario. Diferentes asistentes de IA se encargarán de distintas tareas: algunos manejarán código, otros organizarán finanzas, otros planificarán itinerarios y otros participarán a largo plazo en la creación de contenido y el análisis de investigación. Y si estos asistentes de IA quieren trabajar de forma realmente coordinada, necesitan compartir el mismo sistema unificado de contexto a largo plazo, identidad y permisos.
Por lo tanto, la llamada "Capa de Consumo de IA" intenta esencialmente integrar capacidades originalmente dispersas en un marco unificado. En él, "Memory" se encarga del contexto a largo plazo, "Permissions" del control de acceso, "Identity" del sistema de identidad, "Payments" de las llamadas y pagos entre IAs, y "Agents" es la red de IA que finalmente ejecuta tareas en nombre del usuario.
Esta es la razón por la que la "propiedad" se convierte en el concepto central que ZetaChain enfatiza repetidamente.
Porque en este sistema, lo más importante es que el usuario siga siendo dueño de su contexto, permisos e identidad. Por ejemplo, en el futuro, un agente de IA encargado de revisar código podría recibir autorización temporal para leer un repositorio de GitHub; otro encargado de organizar impuestos podría leer materiales fiscales una sola vez; y uno encargado de organizar viajes solo tendría acceso al historial de viajes y permisos del calendario. El control de los permisos ya no sería uniforme por parte de la plataforma, sino asignado dinámicamente por el usuario y revocable en cualquier momento.
Y aquí es donde la blockchain comienza a reconectarse con la IA.
Cuando cada vez más agentes de IA trabajen simultáneamente en nombre del usuario, preguntas como "quién puede acceder a qué", "si los permisos son revocables" y "si las llamadas son rastreables" se convertirán gradualmente en nuevos problemas de infraestructura. Y los sistemas de permisos on-chain son naturalmente adecuados para manejar este tipo de relaciones de colaboración entre múltiples partes.
ZETA, la "criptomoneda de infraestructura de IA", ve aumentar su utilidad con la transformación
Junto con la estrategia de ZetaChain, también se ajustan las funciones y utilidad del token ZETA. En el pasado, ZETA se parecía más a la criptomoneda tradicional de una blockchain pública, desempeñando principalmente funciones de Gas, verificación y seguridad de red para interoperabilidad entre cadenas, sin mucha innovación en su diseño de mecanismos. Pero bajo la nueva narrativa, ZETA se convertirá en una "criptomoneda de infraestructura de IA" y su utilidad aumentará significativamente.
Según la descripción actual de ZetaChain, en el futuro ZETA tendrá varios usos:
Primero, permisos de acceso para modelos de IA y Agentes. El acceso a algunos modelos avanzados, herramientas de IA profesionales o servicios de agentes requerirá desbloquear o pagar tarifas de uso con ZETA.
En segundo lugar, liquidación de pagos entre agentes. ZetaChain menciona que en el futuro, la interacción entre diferentes aplicaciones de IA se realizará mediante pagos on-chain a través del protocolo x402. Su objetivo es claro: si en el futuro la IA va a llamar automáticamente a otras IAs, entonces las máquinas también necesitarán un sistema de pago nativo.
Tercero, operaciones on-chain para actualizaciones de permisos y memoria. Las modificaciones del usuario a los permisos, controles de acceso y estados de memoria probablemente se convertirán en registros on-chain en el futuro.
Cuarto, la economía de los creadores. ZetaChain espera que en el futuro, profesionales como desarrolladores, investigadores, abogados o médicos puedan encapsular sus conocimientos en herramientas o agentes de IA y obtener ingresos mediante su uso, siendo ZETA el token que facilite el flujo de valor.
Sin embargo, es necesario aclarar que esto por ahora sigue estando principalmente en fase de narrativa. Porque la economía de los Agentes de IA aún está lejos de madurar, y el "llamado entre IAs" a gran escala y los "pagos autónomos entre agentes" aún no han aparecido. Conceptos como x402, permisos on-chain e identidad de IA actualmente pertenecen más a la preparación de infraestructura que a una demanda masiva ya validada.
Pero lo que hace que ZetaChain y su lógica de producto sean dignos de atención no es solo porque esté construyendo una infraestructura con un producto de IA asociado, sino porque intenta redefinir a quién pertenecerán en el futuro la memoria, identidad, contexto y permisos de IA del usuario: ¿a la plataforma o al usuario mismo? Y lo que ZetaChain quiere hacer es, en esencia, devolver el control de estas cosas al usuario, en lugar de que las plataformas las controlen.
