Відповідальний за криптовалюти у Visa: вісім основних напрямків розвитку Crypto та AI до 2026 року

нуль

Автор оригіналу: Cuy Sheffield, віце-президент Visa та керівник криптовалютного бізнесу

Переклад оригіналу: Saoirse, Foresight News

Зі зростанням зрілості криптовалют та AI, найважливішими змінами в цих двох сферах вже не є «теоретична можливість», а «надійне впровадження на практиці». Наразі обидві технології вже подолали ключові пороги, досягли значного покращення продуктивності, але рівень їхнього поширення в реальному застосуванні все ще нерівномірний. А основний тренд розвитку до 2026 року виникає саме з цієї різниці між «продуктивністю та поширеністю».

Нижче наведені кілька ключових тем, які я відстежую довгостроково, а також мої попередні роздуми щодо напрямків розвитку цих технологій, сфери накопичення цінності, і навіть «чому кінцевий переможець може суттєво відрізнятися від галузевих лідерів».

Тема 1: Криптовалюти трансформуються з спекулятивного активу у високоякісну технологію

Перший десятиліття розвитку криптовалют характеризувався «спекулятивною перевагою» — їхній ринок має глобальний, безперервний та високопроникний характер, а різкі коливання цін роблять торгівлю криптовалютами більш динамічною та привабливою, ніж традиційні фінансові ринки.

Однак водночас їхня базова технологія ще не була готова до масового застосування: на ранніх етапах швидкість блокчейну була низькою, витрати високими, а стабільність недостатньою. Крім сценаріїв спекуляції, криптовалюти майже ніколи не перевищували традиційні системи за вартістю, швидкістю або зручністю.

Зараз ця дисбаланс починає зникати. Технологія блокчейн стала швидшою, економічнішою та надійнішою, а найпривабливіші сценарії застосування криптовалют вже не стільки для спекуляції, скільки для інфраструктурних цілей — особливо у сферах розрахунків та платежів. Зі зростанням зрілості криптовалют, роль спекуляції поступово слабшатиме: вона не зникне повністю, але вже не буде основним джерелом цінності.

Тема 2: Стейблкоїни — чіткий результат «чистої практичності» криптовалют

Стейблкоїни відрізняються від попередніх нарративів про криптовалюти тим, що їхній успіх базується на конкретних, об’єктивних стандартах: у певних сценаріях вони швидші, дешевші та ширше охоплюють, ніж традиційні платіжні канали, і при цьому безшовно інтегруються у сучасні програмні системи.

Стейблкоїни не вимагають від користувачів сприймати криптовалюти як «ідеологію» — їх застосування часто відбувається «неявно» у рамках існуючих продуктів та робочих процесів. Це дозволяє організаціям та компаніям, які раніше вважали, що криптовалюти «занадто волатильні» або «недостатньо прозорі», чітко зрозуміти їхню цінність.

Можна сказати, що стейблкоїни допомогли криптовалютам знову закріпитися у сфері «практичності», а не «спекуляції», і встановили чіткий стандарт для «успішного впровадження криптовалют».

Тема 3: Коли криптовалюти стають інфраструктурою, «здібності розповсюдження» важливіше за «інноваційність технології»

Раніше, коли криптовалюти виступали переважно як «спекулятивні інструменти», їхнє «розповсюдження» було внутрішньо зумовленим — нові токени просто «існували», і автоматично накопичували ліквідність та увагу.

Але коли криптовалюти стають інфраструктурою, їхні сценарії застосування змінюються з «ринкових» на «продуктові»: вони інтегруються у платіжні процеси, платформи та корпоративні системи, і кінцеві користувачі часто навіть не усвідомлюють їхньої присутності.

Ця трансформація дуже вигідна двом групам: по-перше, компаніям із вже існуючими каналами розповсюдження та надійними клієнтськими відносинами; по-друге, організаціям із регуляторними ліцензіями, системами відповідності та інфраструктурою управління ризиками. Лише «інноваційність протоколу» вже недостатня для масштабного впровадження криптовалют.

Тема 4: Інтелектуальні агенти AI мають практичну цінність, їхній вплив перевищує сферу кодування

Практичність інтелектуальних агентів (Agents) зростає, але їхню роль часто неправильно розуміють: найуспішніші агенти — це не «самостійні приймачі рішень», а «інструменти для зниження витрат на координацію у робочих процесах».

З історичної точки зору, це особливо проявляється у сфері розробки програмного забезпечення — інструменти-агенти прискорюють процес кодування, налагодження, рефакторингу та створення середовищ. Але останнім часом цей «ціновий ефект» значно поширюється і на інші сфери.

Наприклад, такі інструменти, як Claude Code, хоча й позиціонуються як «інструменти для розробників», їхня швидка популяризація відображає глибший тренд: системи агентів стають «інтерфейсами для знань роботи», а не лише для програмування. Користувачі починають застосовувати «робочі процеси, керовані агентами» у дослідженнях, аналізах, написанні, плануванні, обробці даних та операціях — ці завдання більше схожі на «загальні професійні роботи», ніж на традиційне програмування.

Головне тут — не «сам процес кодування», а його ключова модель:

• користувач передає «цільові наміри», а не «конкретні кроки»;

• агенти керують «контекстною інформацією» між файлами, інструментами та завданнями;

• робочий режим змінюється з «лінійного» на «ітеративний, діалоговий».

У всіх сферах знанкової роботи агенти добре справляються з збором контексту, виконанням обмежених завдань, зменшенням переходів між процесами та прискоренням ітерацій, але мають обмеження у «відкритому судженні», «відповідальності» та «виправленні помилок».

Тому більшість агентів, що використовуються у виробничих сценаріях, все ще потребують «обмеження обсягу, нагляду та інтеграції у системи», а не повної автономії. Їхня реальна цінність — у «переформатуванні робочих процесів знань», а не у «заміні робочої сили» або «досягненні повної автономії».

Тема 5: Обмеження AI змістилися з «рівня інтелекту» на «рівень довіри»

Рівень інтелектуальних можливостей моделей AI швидко зростає, але тепер обмежуючими факторами є не «мовна плавність або здатність до логічних висновків», а «надійність у реальних системах».

У виробничих умовах категорично не допускається три проблеми: по-перше, «галюцинації» AI (створення фальшивої інформації); по-друге, невідповідність результатів; по-третє, непрозорість режимів збоїв. Якщо AI залучений до обслуговування клієнтів, фінансових операцій або регуляторних процесів, «загалом правильний» результат вже недостатній.

«Довіра» будується на чотирьох основах: по-перше, можливість простежити результати; по-друге, здатність запам’ятовувати; по-третє, можливість верифікації; по-четверте, здатність активно демонструвати «невпевненість». Поки ці можливості не стануть достатньо зрілими, автономність AI має бути обмеженою.

Тема 6: Системна інженерія визначає, чи зможе AI впровадитися у виробничі сценарії

Успішний AI-продукт розглядає «модель» як «компонент», а не «готовий продукт» — його надійність залежить від «архітектурного дизайну», а не від «оптимізації підказок».

Тут «архітектурний дизайн» включає управління станами, контрольні потоки, системи оцінки та моніторингу, а також механізми обробки збоїв і відновлення. Саме тому сучасний розвиток AI дедалі більше нагадує «традиційну інженерію програмного забезпечення», а не «передові теоретичні дослідження».

Довгострокова цінність орієнтована на дві групи: по-перше, на розробників систем; по-друге, на платформених власників, що контролюють робочі процеси та канали розповсюдження.

Зі зростанням застосування інтелектуальних агентів у сферах досліджень, написання, аналізу та операцій, роль «системної інженерії» ще більше посилюється: знанкові роботи зазвичай складні, залежать від стану та контексту, тому «агенти, здатні надійно керувати пам’яттю, інструментами та ітераціями», мають більшу цінність, ніж просто здатність генерувати вихідні дані.

Тема 7: Протиріччя між відкритими моделями та централізованим контролем викликає нерозв’язані питання управління

Зі зростанням можливостей AI-систем і поглибленням їхньої інтеграції з економічною сферою, питання «хто володіє та контролює найпотужнішу модель AI» викликає основний конфлікт.

З одного боку, дослідження у передових сферах AI залишаються «капіталомісткими», і через «залежність від обчислювальних ресурсів, регуляторної політики та геополітичних факторів» концентрація зростає; з іншого — відкриті моделі та інструменти, що активно експериментують і швидко розгортаються, постійно вдосконалюються.

Ця «парадигма поєднання концентрації та відкритості» породжує низку нерозв’язаних питань: ризики залежності, можливість аудиту, прозорість, довгострокова здатність до переговорів і контроль над ключовою інфраструктурою. Найімовірніший сценарій — «гібридна модель»: передові моделі стимулюють технологічний прорив, тоді як відкриті або напіввідкриті системи інтегрують ці можливості у «широко розповсюджене програмне забезпечення».

Тема 8: Програмовані гроші стимулюють нові платіжні потоки інтелектуальних агентів

Коли AI-системи беруть участь у робочих процесах, їхній попит на «економічну взаємодію» зростає — наприклад, для оплати послуг, виклику API, виплати винагород іншим агентам або розрахунків «залежно від обсягу використання».

Це знову привертає увагу до стейблкоїнів: їх розглядають як «машинно-орієнтовану валюту», що має програмованість, можливість аудиту та здатність до автоматичних трансферів без людського втручання.

Наприклад, протоколи типу x402, орієнтовані на розробників, хоча й перебувають на ранніх етапах, мають чітке спрямування: платіжні потоки будуть працювати у форматі «API», а не через традиційні «сторінки оплати» — що дозволить інтелектуальним агентам здійснювати «безперервні, детальні транзакції».

Зараз ця сфера ще недосконала: обсяг транзакцій малий, користувацький досвід сирий, безпека та системи дозволів ще розробляються. Але саме з таких «ранніх досліджень» починається інновація інфраструктури.

Важливо розуміти, що її значення полягає не у «самостійності», а у тому, що «коли програми зможуть виконувати транзакції через код, з’являться нові економічні можливості».

Закінчення

Незалежно від того, чи йдеться про криптовалюти, чи про штучний інтелект, на ранніх етапах розвитку перевагу мають «яскраві концепції» та «технічна новизна»; у наступній фазі «надійність», «управлінські можливості» та «здібності до розповсюдження» стануть ключовими конкурентними факторами.

Зараз технології вже не є головним обмеженням — важливо «впроваджувати їх у реальні системи».

На мою думку, основною характеристикою 2026 року стане не «якась проривна технологія», а «послідовне накопичення інфраструктури» — ці системи, працюючи мовчки, водночас трансформують «шляхи обігу цінностей» та «методи роботи».