Executivo da Visa Descreve 8 Tendências Principais para Criptomoedas e IA até 2026

Autor original: Cuy Sheffield, vice-presidente da Visa e responsável pelo negócio de criptomoedas

Traduzido por: Saoirse, Foresight News

À medida que as criptomoedas e a inteligência artificial avançam para a maturidade, a transformação mais importante nestes dois domínios deixou de ser a transição de "teoricamente viável" para "viável e confiável na prática". Atualmente, ambas as tecnologias ultrapassaram um limiar crítico, com melhorias significativas no desempenho, embora a sua aplicação prática ainda seja desigual. A dinâmica central de 2026 surge exatamente dessa lacuna entre "desempenho" e "adaptação generalizada".

Abaixo estão os principais temas centrais que tenho seguido há muito tempo, bem como as minhas reflexões iniciais sobre as direções de desenvolvimento tecnológico, os campos de acumulação de valor, e até mesmo sobre "por que os vencedores finais podem ser radicalmente diferentes dos pioneiros da indústria".

O primeiro decénio de desenvolvimento das criptomoedas foi caracterizado pela "vantagem especulativa" — o seu mercado é global, contínuo e altamente aberto, e a sua volatilidade intensa torna o comércio de criptomoedas mais dinâmico e atraente do que os mercados financeiros tradicionais.

Ao mesmo tempo, a tecnologia subjacente ainda não estava preparada para aplicações de massa: as primeiras blockchains eram lentas, caras e instáveis. Fora dos cenários especulativos, as criptomoedas raramente superaram os sistemas tradicionais existentes em termos de custo, velocidade ou conveniência.

Atualmente, esta situação desequilibrada está começando a inverter-se. A tecnologia blockchain tornou-se mais rápida, económica e fiável, e os cenários de aplicação mais atraentes das criptomoedas deixaram de ser a especulação para se concentrarem na infraestrutura — especialmente nos processos de liquidação e pagamento. À medida que as criptomoedas se tornam progressivamente numa tecnologia mais madura, o papel central da especulação irá gradualmente enfraquecer: ela não desaparecerá por completo, mas deixará de ser a principal fonte de valor.

Ao contrário do discurso anterior sobre moedas criptográficas, o sucesso das moedas estáveis baseia-se em critérios específicos e objectivos: em cenários específicos, as moedas estáveis são mais rápidas, mais económicas e têm uma cobertura mais ampla do que os canais de pagamento tradicionais, ao mesmo tempo que se integram perfeitamente nos sistemas de software modernos.

As moedas estáveis não exigem que os utilizadores vejam as criptomoedas como uma "ideologia" a seguir, e a sua aplicação ocorre frequentemente de forma "implícita" nos produtos e processos existentes - o que também permite que instituições e empresas que anteriormente consideravam o ecossistema das criptomoedas "muito volúvel e pouco transparente" compreendam finalmente o seu valor.

Pode-se dizer que as stablecoins ajudam a reanclar as criptomoedas na "utilidade" em vez da "especulação", e estabelecem um padrão claro para o "sucesso da adoção das criptomoedas".

No passado, quando as criptomoedas desempenhavam principalmente o papel de "instrumento especulativo", a sua "distribuição" era inerente — um novo token só precisava "existir" para naturalmente acumular liquidez e atenção.

E, uma vez que as criptomoedas se tornem infraestrutura, os seus casos de utilização estão a mudar do "nível de mercado" para o "nível de produto": são integradas nos processos de pagamento, plataformas e sistemas empresariais, sendo que os utilizadores finais nem sempre são conscientes da sua existência.

Esta transição beneficia fortemente dois tipos de entidades: empresas que já possuem canais de distribuição estabelecidos e relações confiáveis com clientes, e instituições que contam com licenças regulatórias, sistemas de conformidade e infraestrutura para prevenção de riscos. Apenas a "novidade do protocolo" já não é suficiente para impulsionar a adoção em massa de moedas virtuais.

A utilidade dos agentes de inteligência artificial está cada vez mais evidente, mas o seu papel é frequentemente mal compreendido: os agentes mais bem-sucedidos não são "tomadores de decisão autónomos", mas sim "ferramentas que reduzem os custos de coordenação nos processos de trabalho".

Historicamente, este fenómeno manifestou-se de forma mais evidente no domínio do desenvolvimento de software — ferramentas de agentes inteligentes aceleraram a eficiência da codificação, depuração, refatoração de código e configuração de ambientes. No entanto, nos últimos anos, este "valor das ferramentas" tem vindo a difundir-se significativamente para mais domínios.

Tomando como exemplo ferramentas como o Claude Code, apesar de ser posicionado como uma "ferramenta para desenvolvedores", a sua rápida popularização reflete uma tendência mais profunda: os sistemas de agentes inteligentes estão a tornar-se "interfaces para trabalhos intelectuais", ultrapassando o âmbito limitado da programação. Os utilizadores começam a aplicar "fluxos de trabalho impulsionados por agentes inteligentes" a tarefas de investigação, análise, escrita, planeamento, processamento de dados e operações — tarefas que se inclinam mais para "trabalhos profissionais genéricos", em vez de se limitarem à programação tradicional.

O que realmente importa não é a "codificação do ambiente" em si, mas sim o padrão central por trás dela:

• O que o utilizador encarrega é a "intenção alvo", e não os "passos específicos";
• Agentes gerem informações de contexto transversalmente a ficheiros, ferramentas e gestão de tarefas;
• O modo de trabalho muda de "avanço linear" para "iterativo e dialogal".

Nos vários tipos de trabalho com conhecimento, os agentes inteligentes são especializados em recolher contexto, executar tarefas específicas, reduzir a transferência entre processos e acelerar a eficiência iterativa. No entanto, ainda apresentam deficiências na "avaliação aberta", na "atribuição de responsabilidade" e na "correção de erros".

Assim, a maioria dos agentes inteligentes utilizados atualmente em cenários produtivos ainda necessita de "limites definidos, supervisão e integração em sistemas", em vez de operar de forma completamente independente. O valor real dos agentes inteligentes provém da "reconstrução dos processos de trabalho baseados em conhecimento", e não da "substituição da mão de obra" ou da "autonomia total".

O nível de inteligência dos modelos de IA já alcançou um rápido progresso, e o fator limitante hoje já não é "a fluidez linguística ou a capacidade de raciocínio individual", mas sim "a fiabilidade nos sistemas práticos".

O ambiente de produção não tolera três tipos de problemas: primeiro, as "ilusões" do IA (geração de informações falsas), segundo, resultados de saída inconsistentes, e terceiro, modos de falha opacos. Assim que a IA estiver envolvida em serviços ao cliente, transações financeiras ou questões de conformidade, resultados "mais ou menos corretos" já não serão aceitáveis.

A construção da "confiança" requer quatro bases fundamentais: primeiro, a rastreabilidade dos resultados; segundo, a capacidade de memória; terceiro, a verificabilidade; e quarto, a capacidade de revelar ativamente a "incerteza". Antes que estas capacidades estejam suficientemente maduras, a autonomia da IA deve ser limitada.

Produtos de IA bem-sucedidos consideram o "modelo" como um "componente" e não como um "produto final" — a sua fiabilidade provém do "design arquitetónico" e não da "otimização de prompts".

Aqui, a "arquitetura de design" inclui a gestão de estados, o fluxo de controlo, os sistemas de avaliação e monitorização, bem como os mecanismos de tratamento e recuperação de falhas. Por isso mesmo, o desenvolvimento da IA está cada vez mais próximo da "engenharia de software tradicional", em vez de "investigação teórica de ponta".

O valor de longo prazo inclinar-se-á para dois tipos de partes: um é os construtores do sistema e o outro é os proprietários das plataformas que controlam os processos de trabalho e canais de distribuição.

À medida que as ferramentas de agentes inteligentes se expandem da área de codificação para a investigação, escrita, análise e processos operacionais, a importância da "engenharia de sistemas" tornar-se-á ainda mais evidente: o trabalho com conhecimento é frequentemente complexo, dependente de informações de estado e denso em contexto, o que torna mais valiosos os agentes que "conseguem gerir de forma confiável a memória, as ferramentas e os processos iterativos" (em vez de agentes que apenas geram saídas).

À medida que as capacidades dos sistemas de IA aumentam e a sua integração com os domínios económicos se aprofunda, a questão de "quem possui e controla os modelos de IA mais poderosos" está a gerar um conflito essencial.

Por um lado, a investigação e desenvolvimento nas frentes mais avançadas da IA mantêm-se "capital intensivos", e a concentração está a aumentar devido à influência da "acessibilidade ao poder computacional, políticas regulamentares e geopolítica". Por outro lado, os modelos e ferramentas open-source continuam a evoluir e a ser otimizados, impulsionados pela "ampla experimentação" e pela "implantação conveniente".

Esta configuração de "centralização e abertura coexistentes" levanta uma série de questões pendentes: riscos de dependência, auditoria, transparência, capacidade de negociação a longo prazo e o controlo sobre infraestruturas críticas. O resultado mais provável será um "modelo híbrido" — modelos de vanguarda impulsionam quebras nas capacidades tecnológicas, enquanto sistemas abertos ou semiabertos integram essas capacidades em "software amplamente distribuído".

Quando os sistemas de IA desempenham um papel nos processos de trabalho, surge uma crescente necessidade de "interações económicas" — por exemplo, pagar por serviços, chamar APIs, recompensar outros agentes ou liquidar "custos de interação baseados no uso".

Esta necessidade trouxe de volta a atenção para as "moedas estáveis": elas são vistas como "moedas nativas da máquina", com programabilidade, auditoria e transferência sem necessidade de intervenção humana.

Tomando como exemplo protocolos como o x402, que são "protocolos orientados para desenvolvedores", apesar de ainda estarem em fase experimental inicial, a direção que apontam é bastante clara: os fluxos de pagamento serão executados na forma de "APIs", e não por meio de páginas de "checkout" tradicionais — permitindo que os agentes de software realizem "transações contínuas e refinadas" entre si.

Actualmente, este campo ainda é imaturo: os volumes de transação são pequenos, a experiência do utilizador é tosca e os sistemas de segurança e permissões ainda estão a ser aperfeiçoados. No entanto, a inovação nas infraestruturas frequentemente começa com tais "explorações iniciais".

O que é digno de nota é que o seu significado não é "autonomia por si mesma", mas sim "quando o software puder ser programado para concluir transações, novas formas de comportamento económico tornar-se-ão possíveis".

Seja em criptomoedas ou inteligência artificial, nas fases iniciais desenvolve-se uma preferência por "conceitos chamativos" e "novidade tecnológica"; na próxima fase, a "fiabilidade", a "capacidade de governança" e a "capacidade de distribuição" tornar-se-ão dimensões mais importantes de concorrência.

Actualmente, a própria tecnologia já não é o principal fator limitante; o que importa é "incorporar a tecnologia em sistemas práticos".

Na minha opinião, a característica marcante de 2026 não será "uma tecnologia disruptiva", mas sim "a acumulação gradual de infraestrutura" — estas instalações, enquanto operam silenciosamente, estão a remodelar discretamente a "forma como o valor se move" e o "modo como o trabalho é realizado".