Autor: Zen, PANews
Pasaste seis meses haciendo que ChatGPT comprendiera tus hábitos de trabajo, tu estilo de escritura y tus proyectos a largo plazo. Sabe cómo modificas tus artículos, qué empresas sigues con frecuencia y ha ido entendiendo gradualmente tus preferencias en cuanto a estructura del contenido, tono y densidad de información.
Pero algún día, aparece un modelo nuevo y más potente. Abres Claude, Gemini o DeepSeek y te das cuenta de que todo vuelve a empezar de cero. El nuevo modelo no te conoce, no sabe el contexto de trabajo que has acumulado durante los últimos meses, ni cómo piensas, cómo escribes ni 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". Quien tuviera una inferencia más fuerte, un contexto más largo y mejores habilidades de programación lo decidía casi todo. Pero ahora, surge una nueva pregunta: la IA entiende cada vez mejor qué eres, pero ¿a quién pertenecen realmente estos "entendimientos"?
Cambio de rol: la IA pasa de ser una herramienta de chat a un asistente digital personal
En noviembre de 2022, el chatbot de inteligencia artificial ChatGPT surgió de la nada. Tras su lanzamiento, generó una ola de popularidad global, alcanzando más de 100 millones de usuarios activos mensuales en solo dos meses, convirtiéndose en la aplicación de consumo con el crecimiento más rápido de la historia. En ese entonces, los modelos grandes parecían más bien una “búsqueda avanzada”. Los usuarios hacían preguntas a la IA, que generaba respuestas inmediatas, y al finalizar la conversación, la relación se interrumpía.
Pero en los últimos dos años, el papel de la IA ha experimentado un cambio notable. Con la mejora continua de sus capacidades de razonamiento, programación y llamada a herramientas, la IA ha comenzado a integrarse profundamente en flujos de trabajo reales. Cada vez más personas la utilizan para escribir código, organizar información, analizar datos, planificar viajes, gestionar su agenda e incluso participar a largo plazo en la creación de contenido y 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. La IA comienza a comprender tu forma de trabajar, tus hábitos de expresión y tus objetivos a largo plazo, y participa continuamente en el mismo proyecto, el mismo flujo de trabajo, e incluso asume gradualmente tareas de ejecución. En cierto sentido, la IA está pasando de ser una herramienta de preguntas y respuestas puntuales a convertirse en un asistente digital privado de larga duración.
Sin embargo, a medida que la capacidad de los modelos mejora significativamente, la fuerza de los productos líderes se vuelve cada vez más similar, y con el uso prolongado y amplio de la IA, surgen nuevos problemas.
Cuando la IA comienza a colaborar durante largos períodos, la "memoria", que almacena y recupera experiencias pasadas para mejorar la toma de decisiones y el rendimiento general, ya no es simplemente una 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 gestionar la memoria a largo plazo y el contexto. Cloudflare también denomina directamente a la memoria agente como uno de los mayores desafíos y al mismo tiempo uno de los campos de más rápido crecimiento en la infraestructura actual de IA.
Las principales empresas de IA también han reconocido que la memoria a largo plazo se está convirtiendo en parte de la experiencia del producto. OpenAI ha dividido la memoria de ChatGPT en "saved memories" y "Reference chat history"; los primeros guardan la información que el usuario desea conservar a largo plazo, mientras que los segundos permiten que ChatGPT extraiga contenido útil de conversaciones anteriores para generar respuestas personalizadas posteriores. Gemini también ha comenzado a aprender las preferencias del usuario a partir de conversaciones anteriores. Claude ha lanzado memory, con soporte para importar y exportar memorias.
Los silos de la plataforma convierten la "memoria" de la IA en un nuevo campo de batalla para la industria
Pero el problema es que estas capacidades de memoria aún se centran en cada plataforma individualmente, perteneciendo únicamente a sistemas de cuentas y entornos de productos independientes, siguiendo siendo islas aisladas. Aunque Anthropic ya admite la importación y exportación de memorias, actualmente parece más bien una herramienta de migración orientada a Claude, en lugar de un estándar universal adoptado conjuntamente por todas las plataformas.
ZetaChain busca llenar precisamente este vacío. Tras adoptar completamente la IA, ZetaChain ha ampliado el concepto de "propiedad", originalmente propio del mundo cripto, hacia la memoria de la IA y el contexto del usuario. Su objetivo no es solo crear un producto de chat, sino una capa de memoria privada independiente de las plataformas de modelos, que permita a los usuarios poseer realmente sus memorias a largo plazo, preferencias de comportamiento y contexto de IA.
El producto de consumo basado en IA de ZetaChain, Anuma, permite a los usuarios poseer un conjunto de memorias privadas cifradas y facilita el uso fluido entre modelos de IA principales como ChatGPT, Claude y Gemini. Los usuarios no necesitan volver a configurar el contexto, las preferencias y los hábitos de trabajo cada vez que cambian de modelo; en su lugar, ellos controlan los permisos de acceso y llevan sus memorias históricas a diferentes modelos y agentes.
A medida que la IA acumula progresivamente las preferencias de uso, los hábitos de escritura, los flujos de trabajo y las conversaciones históricas del usuario, la llamada "memoria" se volverá cada vez más como un "espejo de personalidad". No solo determinará si las respuestas del modelo se ajustan a las preferencias del usuario, sino que también podría decidir si, en el futuro, el modelo toma decisiones en tu nombre siguiendo tus hábitos y valores.
Además de permitir a los usuarios poseer la propiedad de sus recuerdos y elegir modelos con diferentes habilidades según la tarea, Anuma está desarrollando un sistema de permisos programable, auditables y revocable que permite a los agentes de IA leer los registros una sola vez, con la posibilidad de revocar los permisos en cualquier momento, y todos los cambios de permisos pueden ser registrados y rastreados en la cadena.
Además, la memoria y el conocimiento del usuario también podrán convertirse en activos compartibles, autorizables y monetizables sin exponer los datos originales. Esto permite que usuarios de profesiones como inversores, médicos, abogados y desarrolladores puedan empaquetar su conocimiento especializado en Agentes y publicarlos en el Agent Marketplace, obteniendo ingresos cuando otros los utilicen.
¿Por qué ZetaChain cambió de cadena cruzada a plataforma cruzada de IA?
Lo que permite que Anuma logre las funciones anteriores es la infraestructura subyacente Private Memory Layer desarrollada por ZetaChain. Como infraestructura privada de memoria, identidad, permisos, pagos y agentes orientada a IA, tiene como objetivo permitir que las aplicaciones y agentes colaboren entre modelos, mientras los usuarios mantienen siempre el control.
ZetaChain se ha centrado históricamente en la infraestructura de interoperabilidad entre cadenas, con el objetivo principal de resolver los problemas de transferencia de activos y mensajes entre diferentes blockchains. En cuanto a la creación de una "entrada unificada multi-cadena", ha construido una red y una narrativa de gran escala. Según sus datos oficiales, esta blockchain cuenta con 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 y el superar los 50,000 usuarios en su primer mes, ZetaChain comenzó a decidir orientarse completamente hacia la IA y a cerrar gradualmente su negocio de interoperabilidad entre cadenas. Detrás de esta transformación también existe una lógica interna relativamente clara.
En el pasado, ZetaChain se enfocaba principalmente en resolver el problema de la falta de interoperabilidad entre cadenas. En el mundo de la IA de hoy, existen divisiones similares. En cierto sentido, los activos digitales son a las blockchains lo que la memoria y el contexto son a la IA. Diferentes modelos poseen sistemas de memoria cerrados, y cuando los usuarios cambian de plataforma, el contexto y las preferencias de comportamiento acumulados durante mucho tiempo suelen interrumpirse.
Con el desarrollo de los últimos años, ZetaChain considera que el mayor desafío que enfrenta hoy ya no es la transferencia cruzada entre blockchains, sino la continuidad entre diferentes modelos y diferentes Agentes, así como la propiedad del contexto por parte del usuario.
a16z crypto también mencionó previamente en un artículo de análisis que los agentes ya han comenzado a convertirse en participantes económicos, pero aún les faltan identidades portátiles, pagos programables, autorizaciones verificables y una capa de coordinación pública necesaria para la colaboración entre entornos. Por lo tanto, en comparación con muchos proyectos de IA + Crypto que buscan forzadamente aplicaciones prácticas, la lógica de la transformación de ZetaChain es mucho más fluida.
En la historia empresarial, la transformación exitosa de empresas de infraestructura no es rara. Estas empresas generalmente no simplemente cambian de sector, sino que persiguen nuevos cuellos de botella basándose en la lógica de sus productos. La narrativa más importante inicial de NVIDIA era el cálculo gráfico y las tarjetas gráficas para juegos, pero con el auge de la IA, su arquitectura GPU terminó convirtiéndose en la infraestructura central de toda la industria de la IA. La infraestructura nunca se mantiene centrada permanentemente en el mismo punto de restricción, y los verdaderos ganadores suelen ser quienes identifican primero que está surgiendo el “próximo cuello de botella”.
De la capa de memoria de privacidad a la capa de consumo de IA
Con el auge explosivo de la IA, la forma futura de la IA claramente no se limitará a las ventanas de chat, sino que evolucionará hacia una gran cantidad de asistentes de IA persistentes y colaborativos. Sobre la base de este juicio, ZetaChain, además de proponer la “capa de memoria privada” y abordar el problema de cómo la IA puede comprender a los usuarios a largo plazo, ha introducido además el concepto de “capa de consumo de IA (AI Consumer Layer)”, con el objetivo de redefinir la relación entre los usuarios y la IA tras el trabajo prolongado de la IA en representación de los usuarios.
En la visión de ZetaChain, el futuro de la IA no se limitará a responder preguntas, sino que participará profundamente en los flujos de trabajo y las decisiones diarias de los usuarios. Diferentes asistentes de IA se encargarán de distintas tareas: algunos manejarán código, otros organizarán finanzas, algunos se ocuparán de la planificación de itinerarios, y otros participarán a largo plazo en la creación de contenido y el análisis de investigación. Para que estas IA puedan colaborar realmente, necesitan compartir un mismo sistema de contexto, identidad y permisos a largo plazo.
Por lo tanto, la denominada "capa de consumo de IA" intenta integrar capacidades previamente dispersas en un marco unificado. Memory se encarga del contexto a largo plazo, Permissions del control de permisos, Identity del sistema de identidad, Payments de las llamadas y pagos entre IA, y Agents son la red de IA que finalmente ejecuta tareas en nombre del usuario.
Por eso es por lo que la "propiedad" se convierte en el concepto central que ZetaChain enfatiza una y otra vez.
Porque, dentro de este sistema, lo más importante es si el usuario sigue poseyendo su propio contexto, permisos e identidad. Por ejemplo, un AI encargado de la revisión de código puede recibir autorización temporal para leer repositorios de GitHub; un AI encargado de la organización fiscal puede acceder una sola vez a los documentos de declaración de impuestos; y un AI encargado de la planificación de viajes solo puede acceder a historial de viajes e información del calendario. Los permisos ya no son controlados uniformemente por la plataforma, sino que son asignados dinámicamente por el usuario y pueden ser revocados en cualquier momento.
Y esto es precisamente la razón por la que la blockchain comienza a volver a relacionarse con la IA.
A medida que cada vez más IA trabajen simultáneamente para los usuarios, 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. Los sistemas de permisos en cadena son naturalmente adecuados para manejar este tipo de relaciones de colaboración múltiple.
El token de infraestructura de IA, ZETA, experimenta un crecimiento de utilidad con la transformación.
Junto con la estrategia de ZetaChain, también se ajustan las funciones y utilidades del token ZETA. Anteriormente, ZETA actuaba como un token de cadena pública tradicional, encargándose principalmente de las funciones de Gas, validación y seguridad de la red cruzada, con un diseño de mecanismo poco innovador. Sin embargo, bajo la nueva narrativa, ZETA se convertirá en un "token de infraestructura de IA", y su utilidad aumentará significativamente.
Según la descripción actual de ZetaChain, ZETA tendrá varias funciones en el futuro:
En primer lugar, los permisos de acceso a modelos de IA y Agentes. Algunos modelos avanzados, herramientas de IA profesionales o servicios de Agentes requieren desbloqueo mediante ZETA o el pago de una tarifa de llamada.
Luego está el pago y la liquidación entre agentes. ZetaChain menciona que, en el futuro, las interacciones entre diferentes IA y aplicaciones se realizarán mediante el protocolo x402 para pagos en cadena. Su objetivo es claro: si en el futuro la IA llama automáticamente a otras IA, entonces también se necesitará un sistema de pago nativo entre máquinas.
El tercero es la operación en cadena para la actualización de permisos y memoria. Los cambios del usuario en permisos, control de acceso y estado de memoria podrían volverse registros en la cadena en el futuro.
La cuarta es la economía de creadores. ZetaChain espera que, en el futuro, desarrolladores, investigadores, abogados, médicos y otros profesionales puedan encapsular su conocimiento en herramientas o agentes de IA y generar ingresos mediante su llamada, mientras que ZETA asume el papel de intermediario en el flujo de valor.
Sin embargo, es importante aclarar que esta parte aún se encuentra principalmente en la etapa narrativa, ya que la economía de los AI Agentes aún está lejos de estar madura y aún no se han materializado llamadas a gran escala de “AI que llama a AI” ni “pagos autónomos de Agentes”. Conceptos como x402, permisos en cadena e identidad de IA siguen siendo principalmente infraestructura preparatoria, más que demandas a gran escala ya validadas.
Pero lo que hace que ZetaChain y su lógica de producto sean dignos de atención no es solo que haya creado una infraestructura y acompañado productos de IA, sino que intenta redefinir a quién pertenecen la memoria, la identidad, el contexto y los permisos de IA del usuario futuro: ¿al plataforma o al propio usuario? Lo que ZetaChain busca hacer, en esencia, es que这些东西 ya no estén bajo el control de la plataforma, sino que vuelvan a manos del usuario.