Руководитель Visa описывает 8 ключевых тенденций для криптовалют и ИИ к 2026 году

Автор оригинала: Кьюи Шеффилд, вице-президент Visa и руководитель криптовалютного направления

Перевод оригинального текста: Saoirse, Foresight News

По мере того, как криптовалюты и ИИ становятся зрелыми, наиболее важным изменением в этих двух областях стало не то, что «теоретически возможно», а то, что «можно надежно реализовать на практике». В настоящее время обе технологии перешли ключевой порог, значительно повысили свои характеристики, но степень их практического применения остается неравномерной. Основные динамики развития 2026 года как раз обусловлены этим разрывом между производительностью и популярностью.

Вот несколько ключевых тем, которые я долгое время наблюдаю, а также мои первоначальные размышления о направлениях развития этих технологий, областях накопления ценности, а также о том, почему в конечном итоге победители могут кардинально отличаться от пионеров отрасли.

Первый десятилетний развития криптовалют был отмечен «спекулятивным преимуществом»: рынок криптовалют является глобальным, непрерывным и высокооткрытым, а его высокая волатильность делает торговлю криптовалютами более динамичной и привлекательной, чем традиционные финансовые рынки.

Однако технологии, лежащие в основе криптовалют, еще не готовы к массовому применению: ранние блокчейны были медленными, дорогими и недостаточно надежными. За исключением спекулятивных сценариев, криптовалюты почти никогда не превосходили существующие традиционные системы по стоимости, скорости или удобству.

Сегодня эта дисбалансовая ситуация начинает меняться. Технология блокчейн стала быстрее, дешевле и надежнее, а самые привлекательные приложения криптовалют больше не являются спекулятивными, а находятся в области инфраструктуры - особенно в звене расчетов и платежей. По мере того, как криптовалюты становятся более зрелыми технологиями, спекулятивная роль будет постепенно ослабевать: она не исчезнет полностью, но больше не будет основным источником ценности.

Стейблкоины отличаются от предыдущих криптовалютных историй, их успех основан на конкретных и объективных критериях: в определенных сценариях стейблкоины быстрее, дешевле и шире по охвату, чем традиционные платежные системы, и при этом они без проблем интегрируются в современные программные системы.

Стабильные монеты не требуют от пользователей воспринимать криптовалюту как «идеологию» для веры, их применение часто происходит «скрыто» в существующих продуктах и рабочих процессах. Это также позволило организациям и предприятиям, которые ранее считали экосистему криптовалют «слишком волатильной и недостаточно прозрачной», наконец, ясно понять её ценность.

Можно сказать, что стейблкоины помогают криптовалюте заново привязаться к «практичности», а не к «спекулятивности», и устанавливают четкий ориентир для «успешного внедрения криптовалюты».

Ранее, когда криптовалюты в основном выполняли роль «инструмента спекуляций», их «распространение» имело внутреннюю природу — новым токенам требовалось просто «существовать», чтобы естественным образом накапливать ликвидность и привлекать внимание.

А после того, как криптовалюты стали частью инфраструктуры, их сценарии применения начали смещаться с уровня «рынка» на уровень «продукта»: они внедряются в процесс оплаты, в платформы и корпоративные системы, а конечные пользователи зачастую даже не осознают их существования.

Этот переход выгоден двум категориям участников: во-первых, компаниям, обладающим существующими каналами дистрибуции и надежными клиентскими отношениями; во-вторых, организациям, имеющим лицензии на регулирование, системы соответствия требованиям и инфраструктуру предотвращения рисков. Только «новизна соглашения» уже недостаточна для масштабного внедрения криптовалют.

Практическая польза от интеллектуальных агентов (Agents) искусственного интеллекта становится все более очевидной, но их роль часто ошибочно понимается: самые успешные агенты не являются «самостоятельными решателями», а являются «инструментами, снижающими издержки координации в рабочих процессах».

Исторически это проявляется наиболее явно в области разработки программного обеспечения — инструменты агентов ускоряют эффективность кодирования, отладки, рефакторинга кода и настройки окружения. Однако в последние годы эта «ценность инструментов» значительно расширяется и охватывает все большее количество сфер.

Возьмем, к примеру, инструмент вроде Claude Code. Несмотря на то, что он позиционируется как «инструмент для разработчиков», его быстрое распространение отражает более глубокую тенденцию: системы искусственного интеллекта становятся «интерфейсом для интеллектуального труда», выходя за рамки программирования. Пользователи начинают применять «рабочие процессы, управляемые ИИ» для исследований, анализа, написания текстов, планирования, обработки данных и операционных задач — то есть задач, которые скорее относятся к «универсальным профессиональным работам», чем к традиционному программированию.

Сама по себе «атмосферная кодировка» не является ключевой, а ключевым является основной паттерн, лежащий в её основе:

• Пользователь делегирует «цели и намерения», а не «конкретные шаги»;
• Агенты, перекрывающие файлы, инструменты и управление задачами «контекстной информации»;
• Режим работы перешел с "линейного продвижения" на "итеративный, диалоговый".

В различных видах интеллектуального труда агенты проявляют себя хорошо при сборе контекста, выполнении ограниченных задач, сокращении передачи процессов и ускорении итеративной эффективности, но все еще имеют недостатки в таких аспектах, как «открытые суждения», «определение ответственности» и «устранение ошибок».

Поэтому большинство агентов, используемых в настоящее время в производственных сценариях, все еще требуют «ограниченного диапазона, надзора и интеграции в системы», а не полной автономной работы. Реальная ценность агентов исходит из «переосмысления рабочих процессов, основанных на знаниях», а не из «замены рабочей силы» или «достижения полной автономности».

Уровень интеллекта ИИ-моделей быстро растет, и сегодня ограничивающим фактором уже не являются «текучесть языка или способность рассуждать», а «надежность в реальных системах».

Производственная среда не терпит три категории проблем: во-первых, «галлюцинации» ИИ (генерация ложной информации), во-вторых, несогласованные выходные данные, в-третьих, непрозрачные режимы сбоя. Как только ИИ начинает использоваться в обслуживании клиентов, финансовых операциях или вопросах соответствия требованиям, результаты, которые «примерно верны», уже не принимаются.

Для построения доверия необходимо наличие четырех основ: во-первых, возможность прослеживания результатов, во-вторых, способность к запоминанию, в-третьих, возможность проверки, и, наконец, в-четвертых, способность активно раскрывать «неопределенность». До тех пор, пока эти способности не станут достаточно зрелыми, автономность ИИ должна быть ограничена.

Успешные продукты ИИ рассматривают «модель» как «компонент», а не как «готовый продукт» — их надежность основана на «архитектурном проектировании», а не на «оптимизации подсказок».

Здесь под «архитектурным проектированием» понимается управление состоянием, управляющие потоки, система оценки и мониторинга, а также механизмы обработки и восстановления при сбоях. Именно поэтому развитие ИИ всё больше приближается к «традиционному программному обеспечению», а не к «предельным теоретическим исследованиям».

Долгосрочная ценность будет склоняться к двум типам участников: первые — создатели систем, а вторые — владельцы платформ, управляющие рабочими процессами и каналами распространения.

По мере того, как инструменты агентов будут расширяться из области программирования в исследование, написание, анализ и операционные процессы, важность «системной инженерии» станет еще более очевидной: интеллектуальные задачи часто сложны, зависят от состояния и контекста, что делает агентов, способных надежно управлять памятью, инструментами и итеративными процессами, более ценными (а не только агентов, способных генерировать выходные данные).

По мере роста возможностей систем ИИ и углубления их интеграции в экономику, вопрос о том, «у кого есть и кто контролирует самые мощные модели ИИ», вызывает фундаментальные противоречия.

С одной стороны, исследования и разработки на переднем крае ИИ остаются «капиталоемкими» и подвержены влиянию «получения вычислительной мощности, регулирующих политик и геополитики», вследствие чего наблюдается рост концентрации. С другой стороны, открытые модели и инструменты непрерывно совершенствуются под воздействием «широкого экспериментирования и удобного развертывания».

Эта картина, сочетающая в себе централизацию и открытость, породила ряд нерешенных вопросов: риски зависимости, аудитоспособность, прозрачность, долгосрочная переговорная позиция, а также контроль над критической инфраструктурой. Наиболее вероятным результатом станет «гибридная модель»: авангардные модели будут продвигать технические достижения, а открытые или полузакрытые системы будут включать эти достижения в «широко распределенное программное обеспечение».

Когда системы ИИ играют роль в рабочих процессах, их потребность в «экономических взаимодействиях» растет — например, оплата за услуги, вызов API, выплата вознаграждения другим агентам или расчет «платежей за использование».

Этая потребность снова привлекает внимание к «стейблкоинам»: их рассматривают как «машинную природную валюту», обладающую программируемостью, аудитоспособностью, а также возможностью перевода без участия человека.

Возьмем, к примеру, «протоколы для разработчиков» вроде x402. Несмотря на то, что они все еще находятся на ранней экспериментальной стадии, направление их развития очень четко: потоки платежей будут работать в форме «API», а не традиционных «страниц оформления заказа» — это позволит интеллектуальным агентам программного обеспечения осуществлять «постоянные и тонко настроенные транзакции».

Сейчас эта сфера все еще несовершена: маленький объем торгов, грубый пользовательский опыт, безопасность и система прав все еще совершенствуются. Но инновации в инфраструктуре часто начинаются именно с таких «предварительных исследований».

Важно понимать, что суть не в том, чтобы быть независимым ради независимости, а в том, что «когда программное обеспечение может программировать сделки, появляются новые экономические возможности».

Независимо от того, речь идет о криптовалютах или искусственном интеллекте, на ранних этапах развития больше внимания уделяется «привлекательным идеям» и «новизне технологии»; на следующем этапе «надежность», «управленческие способности» и «способность к распределению» станут более важными конкурентными факторами.

Сегодня само по себе технологическое развитие уже не является основным ограничением, ключевым является внедрение технологий в реальные системы.

На мой взгляд, ключевая черта 2026 года — это не «какой-то прорывной технологический скачок», а «постепенное накопление инфраструктуры» — эти объекты работают бесшумно, но при этом тихо меняют «методы передачи ценности» и «модели организации работы».