Visa Exec Menjabarkan 8 Tren Utama untuk Kripto dan AI hingga 2026

Penulis asli: Cuy Sheffield, Wakil Presiden Visa dan Pemimpin Bisnis Kripto

Terjemahan asli: Saoirse, Foresight News

Dengan perkembangan cryptocurrency dan AI yang semakin matang, perubahan terpenting dalam kedua bidang ini saat ini bukan lagi pada aspek "teoritis layak dilakukan", melainkan "dapat diimplementasikan secara andal dalam praktik". Saat ini, kedua teknologi tersebut telah melewati ambang batas kritis, mengalami peningkatan kinerja yang signifikan, tetapi tingkat penerapannya masih tidak merata. Dinamika utama pada tahun 2026 berasal dari perbedaan antara "kinerja" dan "tingkat penerimaan".

Berikut adalah beberapa topik inti yang telah lama saya perhatikan, serta pemikiran awal saya mengenai arah perkembangan teknologi, bidang akumulasi nilai, hingga "mengapa pemenang akhirnya mungkin sangat berbeda dengan pelopor industri."

Dekade pertama perkembangan kriptografi ditandai dengan "keunggulan spekulatif"—pasar kripto memiliki sifat global, kontinu, dan sangat terbuka. Volatilitas yang tinggi membuat perdagangan kripto lebih dinamis dan menarik dibandingkan pasar keuangan tradisional.

Namun, secara bersamaan, teknologi di baliknya belum siap untuk aplikasi utama: blockchain awal lambat, mahal, dan kurang stabil. Dengan pengecualian skenario spekulatif, kripto hampir tidak pernah mengungguli sistem tradisional yang ada dalam hal biaya, kecepatan, atau kenyamanan.

Saat ini, ketidakseimbangan ini mulai berubah. Teknologi blockchain telah menjadi lebih cepat, ekonomis, dan dapat diandalkan, sementara skenario aplikasi paling menarik dari mata uang kripto bukan lagi spekulasi, melainkan bidang infrastruktur—terutama dalam aspek penyelesaian dan pembayaran. Seiring dengan berkembangnya mata uang kripto menjadi teknologi yang lebih matang, peran utama spekulasi akan secara bertahap melemah: spekulasi tidak akan menghilang sepenuhnya, tetapi tidak lagi menjadi sumber utama nilai.

Stablecoin berbeda dari narasi kripto sebelumnya, keberhasilannya didasarkan pada standar yang spesifik dan objektif: dalam skenario tertentu, stablecoin lebih cepat, lebih murah, cakupannya lebih luas dibandingkan saluran pembayaran tradisional, sekaligus dapat terintegrasi secara mulus ke dalam sistem perangkat lunak modern.

Stabil koin tidak memerlukan pengguna untuk memandang mata uang kripto sebagai "ideologi" yang harus dianut. Aplikasinya sering terjadi secara "tersembunyi" dalam produk dan alur kerja yang ada—ini juga memungkinkan lembaga dan perusahaan yang sebelumnya menganggap ekosistem mata uang kripto "terlalu volatil dan kurang transparan" akhirnya memahami nilai sebenarnya.

Dapat dikatakan bahwa stablecoin membantu kripto kembali berpegang pada "kemanfaatan" daripada "spekulasi", dan menetapkan standar yang jelas untuk "bagaimana kripto dapat berhasil diterapkan".

Di masa lalu, ketika kripto utamanya memainkan peran sebagai "alat spekulasi", "distribusinya" bersifat endogen — token baru hanya perlu "ada", untuk secara alami mengumpulkan likuiditas dan perhatian.

Namun setelah kripto menjadi infrastruktur, skenario penerapannya mulai beralih dari "tingkat pasar" ke "tingkat produk": kripto disisipkan ke dalam proses pembayaran, platform, dan sistem perusahaan, sehingga pengguna akhir sering kali tidak menyadari keberadaannya.

Perubahan ini sangat menguntungkan dua jenis pihak: pertama, perusahaan yang memiliki saluran distribusi yang sudah ada dan hubungan pelanggan yang dapat diandalkan; kedua, lembaga yang memiliki izin pengawasan, sistem kepatuhan, dan infrastruktur pencegahan risiko. Hanya dengan "keterbaruan protokol" saja, sudah tidak cukup untuk mendorong adopsi massal mata uang kripto.

Kemanfaatan agen AI semakin terlihat, tetapi peran mereka sering kali disalahpahami: agen yang paling sukses bukanlah "pengambil keputusan otonom", melainkan "alat yang mengurangi biaya koordinasi dalam alur kerja."

Secara historis, hal ini paling jelas terlihat di bidang pengembangan perangkat lunak—alat agen mempercepat efisiensi dalam penulisan kode, debugging, refaktorisasi kode, dan pembuatan lingkungan. Namun dalam beberapa tahun terakhir, nilai "alat" ini semakin menyebar secara signifikan ke berbagai bidang lainnya.

Ambil contoh alat seperti Claude Code, meskipun alat ini diarahkan sebagai "alat pengembang", namun penyebarannya yang cepat mencerminkan tren yang lebih dalam: sistem agen sedang menjadi "antarmuka pekerjaan berbasis pengetahuan", bukan hanya terbatas pada bidang pemrograman. Pengguna mulai menerapkan "alur kerja yang didorong agen" dalam penelitian, analisis, penulisan, perencanaan, pengolahan data, dan tugas operasional—tugas-tugas yang lebih cenderung pada "pekerjaan profesional umum", bukan pemrograman tradisional.

Yang benar-benar penting bukanlah "encoding suasana" itu sendiri, melainkan pola inti di baliknya:

• Yang diberikan pengguna adalah "tujuan", bukan "langkah spesifik";
• Agen lintas file, alat, dan pengelolaan tugas "informasi konteks";
• Mode kerja berubah dari "progresif linear" ke "iteratif dan dialogis".

Dalam berbagai jenis pekerjaan berbasis pengetahuan, agen cerdas mahir dalam mengumpulkan konteks, menyelesaikan tugas terbatas, mengurangi handover proses, dan mempercepat efisiensi iterasi. Namun, agen tersebut masih memiliki kekurangan dalam hal "penilaian terbuka", "atribusi tanggung jawab", dan "perbaikan kesalahan".

Oleh karena itu, sebagian besar agen yang digunakan dalam skenario produksi saat ini masih memerlukan "ruang lingkup terbatas, pengawasan, dan integrasi ke dalam sistem", bukan berjalan sepenuhnya mandiri. Nilai nyata dari agen berasal dari "rekonstruksi alur kerja berbasis pengetahuan", bukan "menggantikan tenaga kerja" atau "mencapai otonomi penuh".

Tingkat kecerdasan model AI telah mencapai peningkatan yang pesat, dan kini faktor pembatas bukan lagi "kelancaran bahasa tunggal atau kemampuan berpikir", melainkan "keandalan dalam sistem nyata".

Lingkungan produksi tidak mentolerir tiga jenis masalah: pertama, ilusi AI (menghasilkan informasi palsu), kedua, hasil output yang tidak konsisten, dan ketiga, pola kegagalan yang tidak transparan. Setelah AI terlibat dalam layanan pelanggan, transaksi keuangan, atau proses kepatuhan, hasil yang "lebih kurang benar" tidak lagi dapat diterima.

Pembangunan "kepercayaan" membutuhkan empat fondasi utama: pertama, hasil dapat ditelusuri, kedua, memiliki kemampuan memori, ketiga, dapat diverifikasi, dan keempat, mampu secara aktif mengungkapkan "ketidakpastian". Sebelum kemampuan-kemampuan ini cukup matang, otonomi AI harus dibatasi.

Produk AI yang sukses memandang "model" sebagai "komponen" bukan "hasil akhir"—keandalannya berasal dari "desain arsitektur", bukan "optimisasi prompt".

"Desain arsitektur" di sini mencakup manajemen status, alur kontrol, sistem evaluasi dan pemantauan, serta mekanisme penanganan dan pemulihan kegagalan. Karena itulah, perkembangan AI saat ini semakin mendekati "insinyur perangkat lunak tradisional", bukan "penelitian teori terdepan".

Nilai jangka panjang akan cenderung kepada dua kelompok utama: pertama, para pembangun sistem, dan kedua, pemilik platform yang mengendalikan alur kerja dan saluran distribusi.

Seiring dengan ekspansi alat agen dari bidang pemrograman ke penelitian, penulisan, analisis, dan proses operasional, pentingnya "teknik sistem" akan semakin meningkat: pekerjaan berbasis pengetahuan seringkali kompleks, bergantung pada informasi status, dan padat konteks. Hal ini membuat agen yang mampu mengelola memori, alat, dan proses iteratif secara andal menjadi lebih bernilai dibandingkan agen yang hanya mampu menghasilkan output.

Dengan meningkatnya kemampuan sistem AI dan semakin dalam fusi dengan bidang ekonomi, pertanyaan "siapa yang memiliki dan mengendalikan model AI paling kuat" mulai memicu kontradiksi inti.

Di satu sisi, penelitian dan pengembangan di bidang ujung AI tetap bersifat "modal intensif", dan dipengaruhi oleh "akses daya komputasi, kebijakan regulasi, dan politik geopolitik", sehingga konsentrasi semakin meningkat. Di sisi lain, model dan alat open source terus mengalami iterasi dan optimalisasi berkat dorongan dari "eksperimen luas dan penerapan yang mudah".

Struktur "terpusat sekaligus terbuka" ini memicu sejumlah pertanyaan yang belum terjawab: risiko ketergantungan, keterauditan, transparansi, daya tawar jangka panjang, serta kontrol terhadap infrastruktur kritis. Hasil yang paling mungkin adalah "model campuran"—model-model paling canggih mendorong terobosan kemampuan teknis, sementara sistem terbuka atau setengah terbuka memasukkan kemampuan-kemampuan ini ke dalam "perangkat lunak yang tersebar luas".

Ketika sistem AI memainkan peran dalam alur kerja, kebutuhan mereka terhadap "interaksi ekonomi" semakin meningkat—misalnya membayar untuk layanan, memanggil API, membayar kompensasi kepada agen lain, atau menyelesaikan "biaya interaksi berdasarkan penggunaan".

Permintaan ini membuat "stablecoin" kembali mendapat perhatian: dianggap sebagai "mata uang asli mesin", memiliki sifat yang dapat diprogram, dapat diaudit, serta dapat ditransfer tanpa perlu intervensi manual.

Ambil contoh protokol "developer-centric" seperti x402, meskipun saat ini masih berada di tahap eksperimen awal, arah yang ditunjuknya sangat jelas: alur pembayaran akan berjalan dalam bentuk "API", bukan halaman "checkout" tradisional—hal ini memungkinkan agen-agen perangkat lunak untuk melakukan transaksi yang "berkelanjutan dan terperinci".

Saat ini, bidang ini masih tergolong muda: skala transaksi masih kecil, pengalaman pengguna masih kasar, dan sistem keamanan serta otoritas masih dalam tahap penyempurnaan. Namun, inovasi dalam infrastruktur biasanya dimulai dari eksplorasi awal seperti ini.

Yang perlu dicatat adalah, maknanya bukanlah "kemandirian demi kemandirian", melainkan "ketika perangkat lunak dapat diprogram untuk menyelesaikan transaksi, maka perilaku ekonomi baru akan menjadi mungkin."

Baik cryptocurrency maupun kecerdasan buatan, pada tahap awal perkembangannya lebih mengutamakan "konsep yang menarik perhatian" dan "kebaruan teknologi"; sedangkan pada tahap berikutnya, "keandalan", "kemampuan tata kelola", dan "kemampuan distribusi" akan menjadi dimensi kompetisi yang lebih penting.

Saat ini, teknologi itu sendiri bukan lagi menjadi faktor pembatas utama, yang penting adalah "mengintegrasikan teknologi ke dalam sistem nyata".

Menurut saya, ciri khas tahun 2026 bukanlah "sebuah teknologi bermutasi luar biasa", melainkan "akumulasi perlahan dari infrastruktur"—fasilitas-fasilitas ini beroperasi secara diam-diam sambil secara perlahan mengubah "cara aliran nilai" dan "model pelaksanaan pekerjaan".