Nuevo campo de batalla en la competencia de IA: la memoria a largo plazo se convierte en un punto doloroso, ¿cómo pueden los usuarios mantener la propiedad de su contexto?

nulo

Autor: Zen, PANews

Has dedicado medio año a hacer que ChatGPT entienda tus hábitos laborales, estilo de escritura y proyectos a largo plazo. Sabe cómo sueles modificar artículos, cuáles empresas te interesan y poco a poco comprende tus preferencias sobre estructura de contenido, tono y densidad de información.

Pero un día, aparece un modelo más potente. Abres Claude, Gemini o DeepSeek y descubres que todo debe empezar de nuevo. Los nuevos modelos no te conocen, no saben el contexto de trabajo que has acumulado en los últimos meses, ni cómo piensas, escribes o tomas decisiones.

En los últimos dos años, la competencia más importante en la industria de la IA ha girado en torno a la “capacidad del modelo”. Quién tiene mejor razonamiento, mayor contexto, mejor capacidad de código, casi decide todo. Pero ahora, surge una nueva pregunta: la IA te entiende cada vez más, pero ¿a quién pertenece realmente esa “comprensión”?

Cambio de rol, la IA pasa de ser una herramienta de chat a convertirse en asistente digital personal

En noviembre de 2022, el chatbot de IA ChatGPT emergió de la nada. Tras su lanzamiento, desató una ola de conversación global, alcanzando en solo dos meses más de cien millones de usuarios activos mensuales, convirtiéndose en la aplicación de consumo de más rápido crecimiento en la historia. En ese entonces, los grandes modelos eran más como una “búsqueda avanzada”. Los usuarios preguntaban a la IA, que generaba respuestas instantáneas, y tras terminar la conversación, la relación también se interrumpía.

Pero en los últimos dos años, el rol de la IA ha cambiado notablemente. Con mejoras continuas en razonamiento, capacidad de código y llamadas a herramientas, la IA ha comenzado a integrarse profundamente en flujos de trabajo reales. Cada vez más personas la usan para programar, organizar información, analizar datos, planificar viajes, gestionar agendas, e incluso participar a largo plazo en creación de contenido y decisiones comerciales.

En muchos casos, los usuarios ya no solo “preguntan a la IA”, sino que colaboran con ella a largo plazo. La IA empieza a entender tu forma de trabajar, tus hábitos de expresión y tus objetivos a largo plazo, participando continuamente en el mismo proyecto, en el mismo flujo de trabajo, e incluso asumiendo tareas ejecutivas. En cierto modo, la IA está pasando de ser una herramienta de preguntas y respuestas puntual a convertirse en un asistente digital personal que existe de forma continua.

Y con la mejora significativa en capacidades de los modelos, la cercanía de los productos líderes y el uso prolongado y amplio de la IA, comienzan a surgir nuevas cuestiones.

Una vez que la IA colabora durante mucho tiempo, la “memoria” que almacena y recupera experiencias pasadas para mejorar decisiones y rendimiento global deja de ser solo una base de datos trivial. En muchos escenarios, el cuello de botella ya no es la capacidad de razonamiento del modelo, sino la gestión de memoria a largo plazo y contexto. Cloudflare también llama a la memoria “agentic memory” como uno de los mayores desafíos y áreas de desarrollo más rápidas 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 divide la memoria de ChatGPT en “memorias guardadas” y “historial de chat de referencia”: las primeras almacenan información que el usuario desea conservar a largo plazo, y las segundas permiten a ChatGPT extraer contenido útil de conversaciones pasadas para respuestas personalizadas posteriores. Gemini también empieza a aprender las preferencias del usuario basándose en diálogos previos. Claude, por su parte, lanza “memory” y soporta importación y exportación de memorias.

Las islas de plataformas hacen que la “memoria” de la IA se convierta en un nuevo campo de batalla en la industria

Pero el problema es que estas capacidades de memoria, en general, siguen operando en plataformas independientes, perteneciendo a sistemas de cuentas y entornos de producto aislados, formando islas. Aunque Anthropic soporta importación y exportación de memorias, actualmente parece más una herramienta de migración para Claude que un estándar universal de memoria adoptado por todos.

Lo que ZetaChain busca abordar precisamente es esa brecha. Tras su transición total hacia IA, ZetaChain empieza a extender el concepto de “propiedad”, originalmente del mundo cripto, a la memoria de IA y al contexto del usuario. Su objetivo no es solo crear un producto de chat, sino construir una capa de memoria privada (Private Memory Layer) independiente de plataformas de modelos, que permita a los usuarios poseer verdaderamente su memoria a largo plazo, preferencias y contexto de IA.

El producto de consumo de IA de ZetaChain, Anuma, propone que los usuarios tengan una memoria privada cifrada, y que puedan usarla sin problemas entre diferentes modelos de IA principales como ChatGPT, Claude, Gemini. Los usuarios no necesitan reconstruir su contexto, preferencias y hábitos cada vez que cambian de modelo, sino que controlan el acceso y llevan su memoria histórica a diferentes modelos y agentes.

A medida que la IA acumula preferencias de uso, hábitos de escritura, flujos de trabajo y diálogos históricos, esa “memoria” se asemejará 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 las decisiones futuras del modelo, actuando según sus hábitos y valores.

Además de dar a los usuarios la propiedad de su memoria y permitirles elegir modelos especializados para diferentes tareas, Anuma está construyendo un sistema de permisos programable, auditable y revocable, que permite a los agentes de IA leer registros de forma única, con permisos que pueden ser revocados en cualquier momento, y todos los cambios de permisos pueden ser registrados y rastreados en la cadena.

Asimismo, la memoria y el grafo de conocimiento del usuario podrán convertirse en activos compartibles, autorizables y monetizables, sin exponer datos originales. Esto permite a profesionales como inversores, médicos, abogados y desarrolladores encapsular su conocimiento en agentes, publicarlos en un mercado de agentes y obtener beneficios por su uso.

¿De las cadenas cruzadas a plataformas cruzadas de IA, por qué ZetaChain se está transformando?

Lo que permite a Anuma ofrecer esas funciones es la infraestructura subyacente desarrollada por ZetaChain: Private Memory Layer. Como infraestructura de memoria privada, identidad, permisos, pagos y agentes para IA, busca facilitar la colaboración entre aplicaciones y agentes a través de diferentes modelos, manteniendo siempre el control del usuario.

ZetaChain siempre se centró en infraestructura de interoperabilidad entre cadenas, con el objetivo principal de resolver la transferencia de activos y mensajes entre blockchains. En “puerta de entrada unificada a múltiples cadenas”, ha construido una red y narrativa de escala considerable. Según datos oficiales, en esa blockchain hay 11.9 millones de direcciones independientes y 241 millones de transacciones.

Pero tras el lanzamiento de Anuma el 27 de abril de este año, y tras superar los 50,000 usuarios en el primer mes, ZetaChain decidió cambiar su enfoque completamente hacia IA, cerrando progresivamente su negocio de interoperabilidad entre cadenas. Esta transformación tiene una lógica interna bastante clara.

Antes, ZetaChain trataba principalmente de resolver la falta de comunicación entre cadenas. Hoy en día, en el mundo de la IA, existe una desconexión similar. En cierto modo, los activos digitales en blockchain son como la memoria y el contexto en IA. Los modelos cerrados, las preferencias y comportamientos acumulados se pierden al cambiar de plataforma.

Con el desarrollo reciente, ZetaChain considera que el mayor desafío ya no es la transferencia entre cadenas, sino la continuidad entre diferentes modelos y agentes, y la propiedad del contexto del usuario.

A16z Crypto también mencionó en análisis previos que los agentes ya empiezan a ser participantes económicos, pero aún carecen de identidad portable, pagos programables, autorizaciones verificables y una capa de coordinación pública para colaboración entre entornos. Por eso, en lugar de buscar aplicaciones de forma forzada como muchos proyectos de IA + cripto, la lógica de la transformación de ZetaChain es mucho más fluida.

En la historia empresarial, no es raro que las empresas de infraestructura se transformen con éxito. No solo cambian de sector, sino que persiguen nuevos cuellos de botella basados en la lógica del producto. Nvidia empezó con la narrativa de gráficos y tarjetas gráficas para juegos, pero con el auge de la IA, su arquitectura GPU se convirtió en infraestructura clave para toda la industria. La infraestructura nunca se mantiene fija en un solo punto de restricción; los verdaderos ganadores son quienes detectan primero “el próximo cuello de botella” que aparece.

De capa de memoria privada a capa de consumo de IA

Con el crecimiento explosivo de la IA, el futuro no será solo chat, sino una evolución hacia numerosos asistentes IA persistentes y colaborativos. Basándose en esta visión, ZetaChain propone la “capa de memoria privada” y también introduce el concepto de “capa de consumo de IA (AI Consumer Layer)”, buscando redefinir la relación entre usuarios y IA tras la participación prolongada de estas en tareas laborales.

En la visión de ZetaChain, la IA del futuro no solo responderá preguntas, sino que participará activamente en flujos de trabajo y decisiones diarias. Diferentes asistentes IA se encargarán de tareas específicas: programación, finanzas, planificación de viajes, creación de contenido, análisis de investigación. Para que estas IA colaboren realmente, necesitan compartir un mismo contexto, identidad y sistema de permisos a largo plazo.

Por eso, la “capa de consumo de IA” intenta integrar capacidades dispersas en un marco unificado. La memoria gestiona el contexto a largo plazo, los permisos controlan el acceso, la identidad estructura la identidad del usuario, los pagos facilitan llamadas y pagos entre IA, y los agentes son la red de IA que ejecuta tareas en nombre del usuario.

Por eso, “propiedad” es un concepto central que ZetaChain enfatiza una y otra vez.

En este sistema, la propiedad del contexto, permisos y identidad del usuario es fundamental. Por ejemplo, un IA encargado de revisión de código puede tener permisos temporales para acceder a un repositorio de GitHub; un IA de gestión fiscal puede leer documentos de declaración de impuestos en una sola vez; un IA de planificación de viajes solo puede acceder a historial de viajes y calendario. Los permisos ya no se controlan solo en la plataforma, sino que se asignan y retiran dinámicamente por el usuario, y todos los cambios se registran en la cadena.

Y esa es también la razón por la que blockchain empieza a reconectar con IA.

Cuando más IA representen al usuario en tareas, “quién puede acceder a qué”, “los permisos son revocables” y “las llamadas son rastreables” se convertirán en nuevos problemas de infraestructura. Los sistemas de permisos en cadena, por su naturaleza, son ideales para gestionar estas relaciones de colaboración múltiple.

“Token de infraestructura de IA” ZETA, que trae beneficios con la transformación

Junto con la estrategia de ZetaChain, también cambian las funciones y utilidad del token ZETA. Antes, ZETA era más como un token de cadena pública tradicional, que servía para pagar gas, validar y asegurar la red de interoperabilidad. Su diseño no tenía muchas novedades. Pero en la nueva narrativa, ZETA será un “token de infraestructura de IA”, con una utilidad mucho mayor.

Según la descripción actual de ZetaChain, en el futuro ZETA tendrá varias funciones:

Primero, control de acceso a modelos y agentes de IA. Algunos modelos avanzados, herramientas especializadas o servicios de agentes requerirán ZETA para desbloquear o pagar por su uso.

Segundo, pagos entre agentes. ZetaChain menciona que en el futuro, la interacción entre diferentes IA y aplicaciones se realizará mediante el protocolo x402 para pagos en cadena. La idea es clara: si las IA pueden llamar automáticamente a otras IA, también necesitan un sistema de pago nativo.

Tercero, operaciones en cadena para actualizar permisos y memorias. Las modificaciones en permisos, control de acceso y estado de memoria del usuario podrían registrarse en la cadena en el futuro.

Cuarto, economía de creadores. ZetaChain espera que desarrolladores, investigadores, abogados y médicos puedan encapsular su conocimiento en herramientas o agentes de IA, y obtener ingresos por su uso, con ZETA como medio de valor.

Pero hay que aclarar que esta parte todavía está en fase de narrativa. La economía de agentes de IA aún no está madura, y todavía no existen grandes casos de “IA llama a IA” o “pagos autónomos entre agentes”. Conceptos como x402, permisos en cadena y identidad de IA todavía son infraestructura en desarrollo, no demandas masivas verificadas.

Pero lo que hace que ZetaChain y su lógica de producto sean dignas de atención es que no solo construyen infraestructura y productos de IA, sino que buscan redefinir qué parte de la memoria, identidad, contexto y permisos de IA pertenece a la plataforma o al usuario. Y lo que quieren hacer, en esencia, es devolver esas cosas a los usuarios, que no sean controladas por la plataforma.