Kepala Visa untuk Cryptocurrency: Delapan Tren Perkembangan Utama Crypto dan AI pada 2026

Penulis Asli: Cuy Sheffield, Wakil Presiden Visa dan Kepala Bisnis Kripto

Kompilasi Asli: Saoirse, Foresight News

Seiring dengan pematangan bertahap mata uang kripto dan AI, transformasi terpenting di kedua bidang ini tidak lagi “secara teoritis layak”, tetapi “dapat diandalkan dalam praktik”. Saat ini, kedua teknologi telah melampaui ambang kritis, dengan peningkatan kinerja yang signifikan, namun adopsi aplikasi praktis tetap tidak seimbang. Dinamika pengembangan inti pada tahun 2026 justru bersumber dari perbedaan “kinerja versus adopsi” ini.

Berikut adalah beberapa tema inti yang telah saya perhatikan untuk jangka panjang, berserta pemikiran awal tentang arah pengembangan teknologi ini, wilayah akumulasi nilai, dan bahkan “mengapa pemenang akhirnya mungkin sangat berbeda dari pelopor industri”.

Tema Satu: Mata Uang Kripto Bertransformasi dari Kelas Aset Spekulatif menuju Teknologi Berkualitas Tinggi

Dekade pertama pengembangan mata uang kripto, ciri inti adalah “keuntungan spekulatif” — pasarnya bersifat global, berkelanjutan, dan sangat terbuka, dengan volatilitas luar biasa yang membuat perdagangan mata uang kripto lebih hidup dan menarik dibanding pasar keuangan tradisional.

Namun bersamaan dengan itu, teknologi mendasarnya belum siap untuk adopsi arus utama: blockchain awal lambat, mahal, dan tidak cukup stabil. Kecuali untuk skenario spekulatif, mata uang kripto hampir tidak pernah mengungguli sistem tradisional yang ada dalam hal biaya, kecepatan, atau kenyamanan.

Kini, ketidakseimbangan ini mulai berubah. Teknologi blockchain telah menjadi lebih cepat, lebih ekonomis, dan lebih andal. Skenario aplikasi paling menarik untuk mata uang kripto tidak lagi spekulasi, melainkan infrastruktur — khususnya penyelesaian dan pembayaran. Seiring dengan mata uang kripto yang secara bertahap menjadi teknologi yang lebih matang, peran inti spekulasi akan melemah: tidak akan sepenuhnya hilang, tetapi tidak lagi akan menjadi sumber nilai utama.

Tema Dua: Stablecoin adalah Hasil Jelas Mata Uang Kripto dalam “Utilitas Murni”

Stablecoin berbeda dari narasi mata uang kripto sebelumnya, kesuksesannya didasarkan pada standar konkret dan objektif: dalam skenario tertentu, stablecoin lebih cepat, lebih murah, dan memiliki jangkauan lebih luas dibanding saluran pembayaran tradisional, sambil dapat diintegrasikan dengan mulus ke dalam sistem perangkat lunak modern.

Stablecoin tidak memerlukan pengguna untuk menganggap mata uang kripto sebagai “ideologi” untuk dipercayai, aplikasinya sering terjadi “secara implisit” dalam produk dan alur kerja yang ada — ini juga memungkinkan institusi dan perusahaan yang sebelumnya berpikir ekosistem kripto “terlalu volatil dan kurang transparan” untuk akhirnya memahami nilainya dengan jelas.

Dapat dikatakan bahwa stablecoin membantu mata uang kripto mereankori kembali “utilitas” bukan “spekulasi”, dan menetapkan tolok ukur yang jelas untuk “bagaimana mata uang kripto dapat berhasil diimplementasikan”.

Tema Tiga: Ketika Mata Uang Kripto Menjadi Infrastruktur, “Kemampuan Distribusi” Lebih Penting daripada “Kebaruan Teknologi”

Di masa lalu, ketika mata uang kripto terutama memainkan peran “alat spekulasi”, “distribusi” -nya bersifat endogen — token baru hanya perlu “ada”, dan secara alami mengumpulkan likuiditas dan perhatian.

Setelah mata uang kripto menjadi infrastruktur, skenario aplikasinya bergeser dari “tingkat pasar” ke “tingkat produk”: disematkan ke dalam alur pembayaran, platform, dan sistem perusahaan, sementara pengguna akhir sering tidak menyadari kehadirannya.

Perubahan ini sangat menguntungkan bagi dua jenis subjek: pertama, perusahaan yang memiliki saluran distribusi yang ada dan hubungan pelanggan yang dapat diandalkan; kedua, institusi yang memiliki lisensi regulasi, sistem kepatuhan, dan infrastruktur pencegahan risiko. Hanya dengan “kebaruan protokol” saja, tidak cukup untuk mendorong penerapan mata uang kripto berskala besar.

Tema Empat: Agen AI Memiliki Nilai Praktis, Dampaknya Melampaui Domain Pengkodean

Utilitas agen AI (Agents) semakin nyata, namun dampaknya sering disalahpahami: agen paling sukses bukan “pembuat keputusan otonom”, melainkan “alat untuk mengurangi biaya koordinasi dalam alur kerja”.

Secara historis, hal ini paling jelas terlihat di bidang pengembangan perangkat lunak — alat agen mempercepat efisiensi pengkodean, debugging, refaktorisasi kode, dan penyiapan lingkungan. Namun dalam beberapa tahun terakhir, “nilai alat” ini menyebar secara luas ke banyak bidang lainnya.

Dengan contoh alat seperti Claude Code, meskipun ditentukan sebagai “alat pengembang”, penyebarannya yang cepat mencerminkan tren yang lebih dalam: sistem agen menjadi “antarmuka untuk pekerjaan pengetahuan”, bukan hanya terbatas pada domain pemrograman. Pengguna mulai menerapkan “alur kerja yang didorong agen” untuk penelitian, analisis, penulisan, perencanaan, pemrosesan data, dan tugas operasional — tugas-tugas ini lebih condong ke “pekerjaan profesional umum” daripada pemrograman tradisional.

Apa yang benar-benar penting bukanlah “pengkodean suasana” itu sendiri, melainkan pola inti di baliknya:

Pengguna mempercayakan “maksud tujuan”, bukan “langkah-langkah spesifik”;

Agen melintasi file, alat, dan informasi konteks “manajemen tugas”;

Pola kerja bergeser dari “kemajuan linier” ke “berulang, berbasis percakapan”.

Dalam berbagai pekerjaan pengetahuan, agen pandai mengumpulkan konteks, menjalankan tugas terbatas, mengurangi pertukaran proses, dan mempercepat efisiensi iterasi, namun masih memiliki kelemahan dalam “penilaian terbuka”, “penetapan tanggung jawab”, dan “perbaikan kesalahan”.

Oleh karena itu, sebagian besar agen yang digunakan dalam skenario produksi masih memerlukan “cakupan terbatas, suprvisi, penyematan sistem”, bukan berjalan sepenuhnya independen. Nilai aktual agen bersumber dari “restrukturisasi alur kerja pengetahuan”, bukan “menggantikan tenaga kerja” atau “mencapai kemandirian penuh”.

Tema Lima: Hambatan AI Telah Bergeser dari “Tingkat Intelijen” menuju “Tingkat Kepercayaan”

Tingkat intelijen model AI telah mencapai peningkatan cepat, pembatas saat ini bukan lagi “kelancaran bahasa tunggal atau kemampuan penalaran”, tetapi “keandalan dalam sistem praktis”.

Lingkungan produksi tidak menoleransi tiga jenis masalah: pertama, AI “halusinasi” (menghasilkan informasi palsu), kedua, konsistensi hasil keluaran, ketiga, pola kegagalan tidak transparan. Setelah AI melibatkan layanan pelanggan, transfer dana, atau kepatuhan, hasil “kira-kira benar” sudah tidak dapat diterima.

Pembentukan “kepercayaan” memerlukan empat fondasi: pertama, hasil dapat dilacak, kedua, memiliki kemampuan memori, ketiga, dapat diverifikasi, keempat, dapat secara proaktif mengekspos “ketidakpastian”. Sebelum kapabilitas ini cukup matang, kemandirian AI harus dibatasi.

Tema Enam: Rekayasa Sistem Menentukan Apakah AI Dapat Diterapkan dalam Skenario Produksi

Produk AI yang sukses akan melihat “model” sebagai “komponen” bukan “produk jadi” — keandalannya bersumber dari “desain arsitektur”, bukan “optimasi prompt”.

“Desain arsitektur” di sini mencakup manajemen status, aliran kontrol, sistem evaluasi dan pemantauan, serta mekanisme penanganan dan pemulihan kesalahan. Juga karena itu, pengembangan AI saat ini semakin dekat dengan “rekayasa perangkat lunak tradisional”, bukan “penelitian teori terdepan”.

Nilai jangka panjang akan condong ke dua jenis subjek: pertama, pembangun sistem, kedua, pemilik platform yang mengontrol alur kerja dan saluran distribusi.

Seiring dengan alat agen berkembang dari domain pengkodean ke penelitian, penulisan, analisis, dan proses operasional, pentingnya “rekayasa sistem” akan semakin tersorot: pekerjaan pengetahuan sering kali kompleks, bergantung pada informasi status dan padat konteks, ini membuat agen yang “dapat mengelola memori, alat, dan proses iterasi secara andal” (bukan hanya agen yang dapat menghasilkan output) lebih berharga.

Tema Tujuh: Kontradiksi antara Model Terbuka dan Kontrol Terpusat, Memicu Masalah Tata Kelola yang Belum Terselesaikan

Seiring dengan kemampuan sistem AI yang meningkat dan integrasi yang lebih dalam dengan bidang ekonomi, pertanyaan “siapa yang memiliki dan mengontrol model AI paling kuat”, sedang memicu kontradiksi inti.

Di satu sisi, penelitian dan pengembangan di bidang terdepan AI masih bersifat “padat modal”, dan dipengaruhi oleh “akses daya komputasi, kebijakan regulasi, dan geopolitik”, dengan konsentrasi yang terus meningkat; di sisi lain, model sumber terbuka dan alat sumber terbuka terus melakukan iterasi dan optimasi didorong oleh “eksperimen luas dan penerapan yang nyaman”.

Lanskap “konsentrasi dan keterbukaan koeksistensi” ini memicu serangkaian pertanyaan yang belum terpecahkan: risiko ketergantungan, dapat diaudit, transparansi, kemampuan bernegosiasi jangka panjang, dan kontrol atas infrastruktur kritis. Hasil yang paling mungkin adalah “model hibrida” — model terdepan mendorong terobosan kemampuan teknologi, sementara sistem terbuka atau semi-terbuka mengintegrasikan kemampuan ini ke dalam “perangkat lunak yang didistribusikan luas”.

Tema Delapan: Uang yang Dapat Diprogram Memicu Aliran Pembayaran Agen Cerdas Baru

Ketika sistem AI memainkan peran dalam alur kerja, kebutuhan mereka akan “interaksi ekonomi” meningkat — misalnya membayar layanan, memanggil API, membayar agen lain, atau menyelesaikan “biaya interaksi berbasis penggunaan”.

Kebutuhan ini membuat “stablecoin” menerima perhatian kembali: dilihat sebagai “uang asli mesin”, dengan kemampuan pemrograman, dapat diaudit, dan dapat mentransfer tanpa intervensi manusia.

Dengan contoh protokol “oriented developer” seperti x402, meskipun masih dalam tahap eksperimen awal, arah yang ditunjukkannya sangat jelas: aliran pembayaran akan beroperasi dalam “bentuk API”, bukan “halaman checkout” tradisional — ini dapat memungkinkan agen perangkat lunak merealisasikan “transaksi berkelanjutan, butir halus”.

Saat ini, bidang ini masih terlihat belum matang: skala transaksi kecil, pengalaman pengguna kasar, sistem keamanan dan izin masih dalam penyempurnaan. Namun inovasi infrastruktur sering kali dimulai dari “eksplorasi awal” seperti ini.

Yang perlu diperhatikan adalah signifikansinya bukan “otonomi demi otonomi”, melainkan “ketika perangkat lunak dapat menyelesaikan transaksi melalui pemrograman, perilaku ekonomi baru akan menjadi mungkin”.

Kesimpulan

Baik mata uang kripto maupun kecerdasan buatan, fase pengembangan awal lebih menyukai “konsep yang menarik perhatian” dan “kebaruan teknologi”; sementara di tahap berikutnya, “keandalan”, “kemampuan tata kelola”, dan “kemampuan distribusi” akan menjadi dimensi kompetisi yang lebih penting.

Saat ini, teknologi itu sendiri bukan lagi pembatas utama, “menyematkan teknologi ke dalam sistem praktis” adalah kuncinya.

Menurut saya, fitur tandai tahun 2026 bukan “satu terobosan teknologi”, melainkan “akumulasi infrastruktur yang stabil” — infrastruktur ini, sambil beroperasi senyap, juga secara diam-diam membentuk kembali “cara aliran nilai” dan “cara kerja dikembangkan”.