Novo campo de batalha na competição de IA: memória de longo prazo se torna ponto de dor, como os usuários podem manter a propriedade de seu contexto completo

nulo

Autor: Zen, PANews

Você passou seis meses fazendo o ChatGPT entender seus hábitos de trabalho, estilo de escrita e projetos de longo prazo. Ele sabe como você costuma editar artigos, quais empresas você acompanha frequentemente, e gradualmente compreende suas preferências sobre estrutura de conteúdo, tom e densidade de informação.

Mas certo dia, um modelo mais avançado surgiu. Você abre Claude, Gemini ou DeepSeek e percebe que tudo precisa começar do zero novamente. Os novos modelos não te conhecem, não sabem o contexto do seu trabalho acumulado nos últimos meses, nem como você pensa, escreve ou toma decisões.

Nos últimos dois anos, a competição mais importante na indústria de IA girou em torno de “capacidade do modelo”. Quem tem raciocínio mais forte, contexto mais longo, melhor capacidade de codificação, quase decide tudo. Mas agora, uma nova questão está surgindo: a IA está cada vez mais entendendo você, mas de quem realmente é esse “entendimento”?

Mudança de papel, IA de ferramenta de conversa a assistente digital pessoal

Em novembro de 2022, o chatbot de IA ChatGPT surgiu de repente. Após seu lançamento, causou uma onda de popularidade mundial, atingindo mais de 100 milhões de usuários ativos em apenas dois meses, tornando-se o aplicativo de consumo de crescimento mais rápido da história. Naquela época, grandes modelos eram mais como uma “pesquisa avançada”. Os usuários perguntavam à IA, ela gerava respostas instantaneamente, e após a conversa, a relação também se encerrava.

Mas nos últimos dois anos, o papel da IA vem mudando claramente. Com o aprimoramento contínuo de raciocínio, capacidade de codificação e chamadas de ferramentas, a IA começou a se aprofundar nos fluxos de trabalho reais. Cada vez mais pessoas usam ela para escrever código, organizar informações, analisar dados, planejar viagens, gerenciar agendas, e até participar de criação de conteúdo e decisões comerciais de longo prazo.

Em muitos casos, os usuários já não estão mais apenas “fazendo perguntas à IA”, mas colaborando com ela a longo prazo. Ela começa a entender seu modo de trabalho, hábitos de expressão e objetivos de longo prazo, além de participar continuamente do mesmo projeto, do mesmo fluxo de trabalho, e até assumir tarefas executivas parciais. Em certo grau, a IA está evoluindo de uma ferramenta de perguntas e respostas pontual para um assistente digital pessoal de longo prazo.

E com o aumento significativo da capacidade do modelo, a força dos principais produtos se aproxima cada vez mais, e o uso prolongado e amplo da IA traz novas questões.

Quando a IA começa a colaborar por longos períodos, a “memória” que armazena e recupera experiências passadas para melhorar decisões e desempenho geral deixa de ser apenas um banco de dados irrelevante. Em muitos cenários, o gargalo não é mais o raciocínio do modelo, mas a capacidade de gerenciar memória de longo prazo e contexto. A Cloudflare também chama a memória agentic de um dos maiores desafios atuais na infraestrutura de IA, além de uma das áreas de desenvolvimento mais rápidas.

As principais empresas de IA também perceberam que a memória de longo prazo está se tornando parte da experiência do produto. A OpenAI divide a memória do ChatGPT em memórias salvas e histórico de chat de referência, onde as primeiras guardam informações que o usuário deseja manter por longo prazo, e as segundas permitem que o ChatGPT extraia conteúdos úteis de conversas passadas para respostas futuras personalizadas. Gemini também começou a aprender preferências do usuário com base em diálogos anteriores. Claude lançou uma função de memória, suportando importação e exportação de memórias.

Ilhas de plataforma tornam a “memória” da IA um novo campo de batalha na indústria

Mas o problema é que essas capacidades de memória ainda operam principalmente dentro de suas próprias plataformas, pertencendo a sistemas de contas e ambientes de produto independentes, formando ilhas isoladas. Embora a Anthropic suporte importação e exportação de memórias, atualmente isso funciona mais como uma ferramenta de migração para Claude, e não como um padrão universal de memória adotado por várias empresas.

O que a ZetaChain quer preencher é exatamente essa lacuna. Após a transição completa para IA, a ZetaChain começou a expandir o conceito de “propriedade”, originalmente pertencente ao mundo da criptografia, para incluir memórias de IA e contextos de usuário. Ela deseja criar não apenas um produto de chat, mas uma camada de memória privada (Private Memory Layer) independente da plataforma de modelos, permitindo que o usuário realmente possua suas memórias de longo prazo, preferências comportamentais e contexto de IA.

O produto de consumo de IA da ZetaChain, Anuma, propõe que os usuários tenham uma memória privada criptografada, suportando integração fluida entre diferentes modelos de IA principais como ChatGPT, Claude, Gemini. Assim, o usuário não precisa reconstruir seu contexto, preferências e hábitos toda vez que troca de modelo, controlando o acesso às suas memórias históricas e levando-as para diferentes modelos e agentes.

À medida que a IA acumula preferências de uso, hábitos de escrita, fluxos de trabalho e diálogos históricos, essa “memória” se torna cada vez mais uma espécie de “espelho de personalidade”. Ela não só influencia se as respostas do modelo atendem às preferências do usuário, mas também pode determinar se, no futuro, o modelo agirá de acordo com seus hábitos e valores ao tomar decisões por você.

Além de garantir a propriedade da memória ao usuário e oferecer modelos especializados para diferentes tarefas, a Anuma está construindo um sistema de permissões programável, auditável e revogável, que permite que um agente de IA leia registros de uma só vez, com possibilidade de revogar permissões a qualquer momento, e todas as mudanças de permissão podem ser registradas e rastreadas na blockchain.

Além disso, a memória e o grafo de conhecimento do usuário poderão se tornar ativos compartilháveis, autorizáveis e monetizáveis, sem expor dados originais. Isso permite que profissionais como investidores, médicos, advogados e desenvolvedores encapsulem seu conhecimento em agentes, que podem ser publicados no marketplace de agentes, gerando receita toda vez que forem utilizados por outros.

De cross-chain a cross-AI, por que a ZetaChain está se transformando?

O que permite à Anuma realizar essas funções é a infraestrutura de base desenvolvida pela ZetaChain, a camada de memória privada (Private Memory Layer). Como uma infraestrutura de identidade, permissões, pagamento e agentes voltada para IA, ela visa possibilitar a colaboração entre aplicações e agentes de diferentes modelos, mantendo o controle total do usuário.

A ZetaChain sempre focou na infraestrutura de interoperabilidade entre blockchains, com o objetivo central de resolver a transferência de ativos e mensagens entre diferentes redes. Sua narrativa e rede são de grande escala. Segundo dados oficiais, há 11,9 milhões de endereços únicos e 241 milhões de transações na sua blockchain.

Porém, após o lançamento do Anuma em 27 de abril deste ano, com mais de 50 mil usuários no primeiro mês, a ZetaChain decidiu se reorientar totalmente para IA, encerrando gradualmente seus negócios de interoperabilidade entre blockchains. Essa mudança tem uma lógica interna relativamente clara.

No passado, a ZetaChain lidava principalmente com a falta de comunicação entre blockchains. Hoje, o mesmo tipo de fragmentação existe no mundo da IA. Em certo sentido, ativos digitais na blockchain são como memórias e contextos na IA. Modelos diferentes possuem sistemas de memória fechados, e ao trocar de plataforma, o contexto e preferências acumulados ao longo do tempo tendem a se interromper.

Com o desenvolvimento recente, a ZetaChain acredita que o maior desafio atual não é mais a transferência entre blockchains, mas a continuidade entre diferentes modelos, agentes e a propriedade do contexto do usuário.

A a16z crypto também analisou que os agentes já começaram a se tornar participantes econômicos, mas ainda carecem de identidade portátil, pagamentos programáveis, autorizações verificáveis e uma camada de coordenação pública para colaboração entre ambientes. Assim, ao contrário de muitos projetos de IA + Cripto que buscam aplicações de forma abrupta, a lógica de transformação da ZetaChain é muito mais fluida.

Na história do mercado, a transformação bem-sucedida de infraestruturas não é incomum. Essas empresas geralmente não mudam de setor de forma simples, mas perseguem novos gargalos com base na lógica do produto. A Nvidia, inicialmente famosa por gráficos e placas de vídeo para jogos, com o crescimento da IA, viu sua arquitetura de GPU se tornar infraestrutura central de toda a indústria de IA. Infraestruturas nunca permanecem fixas ao mesmo ponto de restrição, e os verdadeiros vencedores são aqueles que primeiro identificam o “próximo gargalo” emergente.

Da camada de memória privada à camada de consumo de IA

Com o crescimento explosivo da IA, o futuro não será apenas de janelas de chat, mas de uma evolução para múltiplos assistentes de IA de longo prazo, que colaboram entre si. Com essa previsão, a ZetaChain propôs a “camada de memória privada” e busca resolver como a IA compreende o usuário a longo prazo, além de introduzir o conceito de “Camada de consumo de IA (AI Consumer Layer)”, redefinindo a relação entre usuário e IA após a IA representar o trabalho do usuário de forma contínua.

Na visão da ZetaChain, o futuro da IA não será apenas responder perguntas, mas participar profundamente do fluxo de trabalho e das decisões diárias do usuário. Diferentes assistentes de IA cuidarão de tarefas distintas: codificação, organização financeira, planejamento de viagens, criação de conteúdo e pesquisa. Para que essas IA trabalhem de forma colaborativa, precisarão compartilhar um mesmo sistema de contexto, identidade e permissões de longo prazo.

Assim, a “Camada de consumo de IA” tenta integrar capacidades dispersas em uma estrutura unificada. Memory cuida do contexto de longo prazo, Permissions controla permissões, Identity gerencia identidade, Payments cuida de chamadas e pagamentos entre IA, e Agents representam a rede de IA que executa tarefas em nome do usuário.

Por isso, “propriedade” é uma ideia central que a ZetaChain reforça continuamente.

Nesse sistema, a questão mais importante é se o usuário ainda possui seu contexto, permissões e identidade. Por exemplo, uma IA de revisão de código pode receber autorização temporária para acessar repositórios no GitHub; uma IA de organização fiscal pode ler documentos de declaração de impostos de uma só vez; uma IA de planejamento de viagens só acessa histórico de deslocamentos e calendário. Essas permissões não serão mais controladas por uma plataforma única, mas atribuídas e revogadas dinamicamente pelo usuário, podendo ser rastreadas na blockchain.

Essa também é a razão de a blockchain estar voltando a se conectar com a IA.

Quando mais IA representam o usuário simultaneamente, “quem pode acessar o quê”, “permissões podem ser revogadas” e “chamadas podem ser rastreadas” se tornam questões de infraestrutura. Sistemas de permissão na blockchain são naturalmente adequados para gerenciar essas relações de múltiplas partes.

“Token de infraestrutura de IA” ZETA, com a mudança de estratégia, traz maior utilidade

A mudança na estratégia da ZetaChain também impacta a funcionalidade e utilidade do token ZETA. Antes, ZETA era mais como um token de blockchain tradicional, usado para gás, validação e segurança da rede de interoperabilidade, sem muitas inovações no mecanismo. Mas com a nova narrativa, ZETA se tornará um “token de infraestrutura de IA”, com utilidade significativamente ampliada.

Segundo a descrição atual da ZetaChain, o ZETA terá usos como:

Primeiro, controle de acesso a modelos de IA e agentes. Modelos avançados, ferramentas especializadas ou serviços de agentes precisarão de ZETA para desbloquear ou pagar por chamadas.

Segundo, pagamentos entre agentes. A ZetaChain menciona que futuras interações entre diferentes IA e aplicações usarão o protocolo x402 para pagamentos on-chain. O objetivo é claro: se IA podem chamar outras IA automaticamente, também precisarão de um sistema de pagamento nativo.

Terceiro, operações de atualização de permissões e memórias na cadeia. Modificações de permissões, controle de acesso e estado de memória poderão ser registradas na blockchain.

Quarto, economia de criadores. A ZetaChain deseja que desenvolvedores, pesquisadores, advogados e médicos possam encapsular seu conhecimento em ferramentas ou agentes de IA, recebendo receita por sua utilização, com ZETA atuando como facilitador de fluxo de valor.

Porém, essa parte ainda está na fase de narrativa. A economia de agentes de IA ainda não amadureceu, e chamadas massivas de IA para IA, pagamentos autônomos de agentes, conceitos como x402, permissões na cadeia e identidade de IA ainda são mais ideias de infraestrutura do que demandas comprovadas.

Mas o que torna a ZetaChain e sua lógica de produto dignas de atenção é justamente sua tentativa de redefinir o que será a memória, identidade, contexto e permissões de IA no futuro, se esses elementos pertencem à plataforma ou ao usuário. E o que a ZetaChain quer fazer, na essência, é devolver esses elementos ao controle do usuário, e não mais à plataforma.