Руководитель по криптовалютам Visa: восемь основных направлений развития Crypto и AI к 2026 году

Автор оригинала: Кай Шеффилд, вице-президент Visa и глава направления криптовалют

Компиляция: Saoirse, Foresight News

По мере того, как криптовалюты и ИИ постепенно приходят в зрелость, главный сдвиг в этих двух областях произошел — от «теоретической возможности» к «надежной реализации на практике». В настоящее время обе технологии преодолели критические пороги, демонстрируя значительные улучшения производительности, однако распространение практического применения остается неравномерным. Основная динамика развития в 2026 году вытекает из этого разрыва между «производительностью и распространением».

Ниже приведены несколько ключевых тем, на которые я длительное время обращаю внимание, а также первоначальные размышления о направлениях развития этих технологий, областях накопления стоимости и, особенно, о том, «почему конечные победители могут кардинально отличаться от пионеров отрасли».

Тема первая: криптовалюты переходят от спекулятивного класса активов к качественной технологии

Первое десятилетие развития криптовалют было характеризовано «спекулятивным преимуществом» — его рынок глобален, работает непрерывно и крайне открыт, а экстремальная волатильность делает торговлю криптовалютами более динамичной и привлекательной, чем традиционные финансовые рынки.

Однако одновременно базовая технология не была готова к массовому применению: ранние блокчейны были медленными, дорогостоящими и ненадежными. Помимо спекулятивных сценариев, криптовалюты практически никогда не превосходили существующие традиционные системы по стоимости, скорости или удобству.

Сейчас этот дисбаланс начинает меняться. Технология блокчейна стала быстрее, экономичнее и надежнее, а наиболее привлекательные сценарии применения криптовалют теперь находятся не в спекуляции, а в инфраструктурной сфере — особенно в расчетах и платежах. По мере того, как криптовалюты становятся более зрелой технологией, спекуляция теряет позицию главного драйвера стоимости: она не исчезнет полностью, но перестанет быть основным источником ценности.

Тема вторая: стейблкойны — явный результат криптовалют в области «чистой практичности»

Стейблкойны отличаются от традиционного повествования о криптовалютах: их успех основан на конкретных, объективных стандартах. В определенных сценариях стейблкойны быстрее, дешевле, охватывают более широкий географический охват и беспрепятственно интегрируются в современные программные системы, чем традиционные платежные каналы.

Стейблкойны не требуют от пользователей воспринимать криптовалюты как «идеологию», их применение часто происходит «скрыто» в существующих продуктах и рабочих процессах — это позволило учреждениям и предприятиям, которые считали экосистему криптовалют «слишком волатильной и недостаточно прозрачной», наконец понять ее ценность.

Можно сказать, что стейблкойны помогли криптовалютам переориентироваться с «спекуляции» на «практичность» и установили четкий ориентир для того, «как криптовалюты успешно внедряются».

Тема третья: когда криптовалюты становятся инфраструктурой, «способность к распределению» важнее, чем «технологическая новизна»

В прошлом, когда криптовалюты играли роль «спекулятивного инструмента», их «распределение» было эндогенным — новые токены нужно было просто «существовать», чтобы естественным образом накапливать ликвидность и внимание.

Когда же криптовалюты становятся инфраструктурой, их применение переходит с «рыночного уровня» на «уровень продукта»: они встраиваются в платежные процессы, платформы и системы предприятий, и конечные пользователи часто не осознают их наличие.

Эта трансформация исключительно выгодна двум типам субъектов: во-первых, предприятиям, обладающим существующими каналами распределения и надежными отношениями с клиентами; во-вторых, учреждениям, имеющим нормативное разрешение, системы соответствия требованиям и инфраструктуру управления рисками. Одной лишь «технологической новизны протокола» недостаточно для крупномасштабного внедрения криптовалют.

Тема четвертая: ИИ-агенты обладают практической ценностью, влияние которой выходит за пределы кодирования

Практическая ценность ИИ-агентов (Agents) становится все более очевидной, однако их роль часто неправильно понимается: наиболее успешные агенты — это не «автономные лица, принимающие решения», а «инструменты для снижения затрат на координацию в рабочих процессах».

Исторически это наиболее ярко проявляется в области разработки программного обеспечения — инструменты-агенты ускорили эффективность кодирования, отладки, рефакторинга кода и настройки окружения. Но в последние годы эта «ценность инструмента» стремительно распространяется на гораздо больше областей.

Возьмем, к примеру, такие инструменты, как Claude Code. Несмотря на позиционирование как «инструмент разработчика», быстрое распространение указывает на более глубокий тренд: системы агентов становятся «интерфейсом для интеллектуальной работы», а не ограничиваются только сферой программирования. Пользователи начинают применять «рабочие процессы, управляемые агентами», к исследованиям, анализу, письму, планированию, обработке данных и операционным задачам — эти задачи больше относятся к «универсальной профессиональной работе», чем к традиционному программированию.

Действительно ключевым является не само «кодирование в атмосфере», а базовая模式 за ним:

пользователи поручают «целевые намерения», а не «конкретные шаги»;

агенты управляют «контекстной информацией» между файлами, инструментами и управлением задачами;

рабочий режим переходит от «линейного продвижения» к «итеративному, диалоговому».

Во всех видах интеллектуальной работы агенты преуспевают в сборе контекста, выполнении ограниченных задач, сокращении передачи процессов и ускорении итеративной эффективности, но все еще имеют недостатки в «открытом суждении», «привлечении к ответственности» и «исправлении ошибок».

Следовательно, большинство агентов, используемых в производственных сценариях, пока что должны быть «ограничены в масштабе, подлежать надзору, встроены в системы», а не работать полностью независимо. Практическая ценность агентов заключается в «реструктуризации рабочих процессов интеллектуального труда», а не в «замене рабочей силы» или «достижении полной автономии».

Тема пятая: узкое место ИИ переместилось с «уровня интеллекта» на «степень доверия»

Уровень интеллекта моделей ИИ быстро повысился, теперь ограничивающие факторы — это не «отдельная беглость речи или способность рассуждать», а «надежность в реальных системах».

Производственная среда не терпит трех типов проблем: во-первых, ИИ-«галлюцинации» (генерация ложной информации), во-вторых, несогласованность результатов, в-третьих, непрозрачные режимы отказа. Когда ИИ связан с обслуживанием клиентов, денежными потоками или нормативными элементами, результаты, которые «примерно правильны», больше не приемлемы.

Построение «доверия» требует четырех основ: во-первых, результаты подлежат отслеживанию, во-вторых, наличие способности к памяти, в-третьих, проверяемость, в-четвертых, способность активно раскрывать «неопределенность». До тех пор, пока эти способности не станут достаточно зрелыми, автономность ИИ должна быть ограничена.

Тема шестая: системная инженерия определяет, сможет ли ИИ внедриться в производственные сценарии

Успешные ИИ-продукты рассматривают «модель» как «компонент», а не как «готовый продукт» — их надежность проистекает из «архитектурного проектирования», а не из «оптимизации подсказок».

Здесь «архитектурный проект» включает управление состоянием, управление потоками управления, системы оценки и мониторинга, а также механизмы обработки сбоев и восстановления. Именно по этой причине развитие ИИ становится все более похожим на «традиционную программную инженерию», чем на «передовые теоретические исследования».

Долгосрочная ценность будет накапливаться у двух типов субъектов: во-первых, у строителей систем, во-вторых, у владельцев платформ, которые контролируют рабочие процессы и каналы распределения.

По мере расширения инструментов агентов с области кодирования на исследования, письмо, анализ и операционные процессы, важность «системной инженерии» будет еще больше выявляться: интеллектуальная работа часто сложна, зависит от информации о состоянии и является контекстно-интенсивной, что делает агентов, которые «надежно управляют памятью, инструментами и итеративными процессами» (а не просто могут генерировать результаты), более ценными.

Тема седьмая: противоречие между открытыми моделями и централизованным контролем вызывает нерешенные проблемы управления

По мере усиления возможностей ИИ-систем и более глубокой интеграции с экономической сферой, вопрос «кто владеет и контролирует самые мощные модели ИИ» становится источником основного противоречия.

С одной стороны, НИОКР на передовой ИИ остаются «капиталоемкими» и подвергаются влиянию «доступа к вычислительным ресурсам, нормативной политики и геополитики», с растущей концентрацией власти; с другой стороны, открытые модели и инструменты с открытым исходным кодом продолжают итерировать и совершенствоваться благодаря «широким экспериментам и простоте развертывания».

Этот ландшафт «концентрации и открытости, сосуществующих», вызывает ряд нерешенных проблем: риски зависимости, проверяемость, прозрачность, долгосрочная переговорная способность и контроль над критической инфраструктурой. Наиболее вероятный результат — это «гибридная модель» — передовые модели стимулируют прорывы в технологических возможностях, тогда как открытые или полуоткрытые системы интегрируют эти возможности в «широко распределенное программное обеспечение».

Тема восьмая: программируемые деньги порождают новые типы умных платежных потоков агентов

Когда ИИ-системы играют роль в рабочих процессах, они все больше нуждаются в «экономических взаимодействиях» — например, оплата услуг, вызов API, оплата вознаграждения другим агентам или расчет «интерактивных комиссий на основе использования».

Эта потребность вновь привлекает внимание к «стейблкойнам»: они рассматриваются как «машинная родная валюта» с программируемостью, проверяемостью и возможностью передачи без ручного вмешательства.

Возьмем, например, такие «ориентированные на разработчиков протоколы», как x402. Хотя в настоящее время они все еще находятся на ранней стадии экспериментов, направление, на которое они указывают, очень четко: платежные потоки будут работать в «форме API», а не в традиционной «форме кассы» — это позволит программным агентам осуществлять «постоянные, детализированные транзакции» между собой.

В настоящее время эта область все еще кажется незрелой: объемы транзакций малы, пользовательский опыт грубый, системы безопасности и разрешений все еще совершенствуются. Но инновация инфраструктуры часто начинается с такого «раннего изучения».

Примечательно, что смысл состоит не в «автономности ради автономности», а в том, что «когда программное обеспечение может программно завершать транзакции, становятся возможны новые экономические поведения».

Итоговые размышления

Будь то криптовалюты или искусственный интеллект, на ранних этапах развития больше ценятся «привлекающие внимание концепции» и «технологическая новизна»; на следующем этапе «надежность», «управленческая способность» и «способность к распределению» станут более важными конкурентными параметрами.

На данный момент сама технология уже не является главным ограничивающим фактором; ключевой залог — это «встраивание технологии в реальные системы».

На мой взгляд, отличительная черта 2026 года — это не «какой-то прорывной технологический прогресс», а «постепенное накопление инфраструктуры» — эта инфраструктура, работая молча в фоновом режиме, также незаметно переформирует «способы потоков стоимости» и «режимы выполнения работы».