رهبر بخش ارز دیجیتال ویزا: هشت تحول کلیدی ارز دیجیتال و هوش مصنوعی تا سال ۲۰۲۶

عنوان اصلی: چشم‌انداز ۲۰۲۶: مضامین کلیدی شکل‌دهنده ارز دیجیتال و هوش مصنوعی

نویسنده اصلی: Cuy Sheffield، رئیس بخش ارز دیجیتال در ویزا

ترجمه اصلی: Saoirse، Foresight News

همانطور که ارز دیجیتال و هوش مصنوعی به تدریج بالغ می‌شوند، مهم‌ترین تغییرات در این دو حوزه اصلی دیگر صرفاً «از نظر تئوری ممکن» نیستند، بلکه «در عمل قابل دستیابی» هستند. در حال حاضر، هر دو فناوری از آستانه‌های کلیدی در بهبود عملکرد عبور کرده‌اند، با این حال نرخ پذیرش در دنیای واقعی همچنان ناهمگون است. پویایی‌های اصلی توسعه در سال ۲۰۲۶ از همین شکاف بین عملکرد و پذیرش ناشی می‌شود.

در زیر چندین موضوع کلیدی که از نزدیک دنبال کرده‌ام، از جمله افکار اولیه در مورد جهت توسعه فناوری، حوزه‌های انباشت ارزش، و اینکه چرا برندگان نهایی ممکن است به شدت با پیشگامان صنعت متفاوت باشند، آورده شده است.

موضوع اول: گذار ارز دیجیتال از یک کلاس دارایی سوداگرانه به فناوری ممتاز

در دهه اول توسعه ارز دیجیتال، یک ویژگی کلیدی «مزیت سوداگرانه» آن بود — بازار آن ویژگی‌های جهانی، مستمر و بسیار باز را نشان می‌داد، با نوسانات شدید که معاملات ارز دیجیتال را پویاتر و جذاب‌تر از بازارهای مالی سنتی می‌کرد.

با این حال، در همان زمان، فناوری زیربنایی آن هنوز برای کاربردهای اصلی آماده نبود: بلاک‌چین اولیه کند، پرهزینه و فاقد ثبات بود. به غیر از سناریوهای سوداگرانه، ارز دیجیتال تقریباً هرگز از نظر هزینه، سرعت یا راحتی از سیستم‌های سنتی موجود پیشی نگرفته بود.

اکنون، این عدم تعادل شروع به تغییر کرده است. فناوری بلاک‌چین سریع‌تر، اقتصادی‌تر و قابل‌اعتمادتر شده است و جذاب‌ترین سناریوهای کاربردی برای ارز دیجیتال دیگر سوداگرانه نیستند، بلکه در حوزه زیرساخت — به‌ویژه در فرآیندهای تسویه و پرداخت — قرار دارند. همانطور که ارز دیجیتال به یک فناوری بالغ‌تر تبدیل می‌شود، موقعیت اصلی سوداگری به تدریج تضعیف خواهد شد: این موضوع به طور کامل ناپدید نخواهد شد اما دیگر منبع اصلی ارزش نخواهد بود.

موضوع دوم: استیبل‌کوین‌ها نتیجه واضح ارز دیجیتال در «عمل‌گرایی محض» هستند

برخلاف روایت‌های قبلی ارز دیجیتال، موفقیت استیبل‌کوین‌ها بر اساس استانداردهای خاص و عینی است: در سناریوهای خاص، استیبل‌کوین‌ها سریع‌تر، ارزان‌تر، در دسترس‌تر از کانال‌های پرداخت سنتی هستند و می‌توانند به طور یکپارچه در سیستم‌های نرم‌افزاری مدرن ادغام شوند.

استیبل‌کوین‌ها نیازی ندارند که کاربران ارز دیجیتال را به عنوان یک «ایدئولوژی» برای باور داشتن در نظر بگیرند؛ کاربردهای آن‌ها اغلب «به طور ضمنی» در محصولات و گردش‌های کاری موجود رخ می‌دهد — این همچنین به نهادها و شرکت‌هایی که قبلاً اکوسیستم ارز دیجیتال را «بسیار پرنوسان و غیرشفاف» می‌دانستند، اجازه می‌دهد تا در نهایت ارزش آن را به وضوح درک کنند.

می‌توان گفت که استیبل‌کوین‌ها به فضای ارز دیجیتال کمک کرده‌اند تا به جای «سوداگری» دوباره به «کاربرد» لنگر بیندازد و یک معیار واضح برای «چگونگی موفقیت ارز دیجیتال در پیاده‌سازی» تعیین کند.

موضوع سوم: وقتی ارز دیجیتال به زیرساخت تبدیل می‌شود، «قابلیت توزیع» مهم‌تر از «نوآوری فنی» است

در گذشته، زمانی که ارز دیجیتال عمدتاً به عنوان یک «ابزار سوداگرانه» نقش ایفا می‌کرد، «توزیع» آن درون‌زا بود — توکن‌های جدید به سادگی با «وجود داشتن» به طور طبیعی نقدینگی و توجه جمع می‌کردند.

با این حال، همانطور که ارز دیجیتال به زیرساخت تبدیل می‌شود، موارد استفاده آن از «سطح بازار» به «سطح محصول» در حال تغییر است: این فناوری در جریان‌های پرداخت، پلتفرم‌ها و سیستم‌های سازمانی تعبیه شده است و اغلب توسط کاربران نهایی مورد توجه قرار نمی‌گیرد.

این تغییر به شدت به نفع دو نوع نهاد است: کسانی که کانال‌های توزیع موجود و روابط مشتری قابل‌اعتماد دارند، و کسانی که دارای مجوزهای نظارتی، سیستم‌های انطباق و زیرساخت مدیریت ریسک هستند. تکیه صرف بر «نوآوری پروتکل» دیگر برای هدایت پذیرش گسترده ارز دیجیتال کافی نیست.

موضوع چهارم: ایجنت‌های هوش مصنوعی ارزش عملی دارند و تأثیر آن‌ها فراتر از حوزه کدنویسی در حال گسترش است

عملی بودن ایجنت‌های هوش مصنوعی به طور فزاینده‌ای برجسته می‌شود، اما نقش آن‌ها اغلب به اشتباه درک می‌شود: موفق‌ترین ایجنت‌ها «تصمیم‌گیرندگان مستقل» نیستند، بلکه «ابزارهایی هستند که هزینه‌های هماهنگی در گردش‌های کاری را کاهش می‌دهند».

از نظر تاریخی، این موضوع در حوزه توسعه نرم‌افزار مشهودتر بوده است — ابزارهای ایجنت کارایی کدنویسی، دیباگ کردن، بازنویسی کد و راه‌اندازی محیط را تسریع کرده‌اند. با این حال، در سال‌های اخیر، این «ارزش ابزاری» به طور قابل توجهی به حوزه‌های بیشتری گسترش یافته است.

ابزارهایی مانند Claude Code را در نظر بگیرید. با وجود اینکه به عنوان «ابزارهای توسعه‌دهنده» موقعیت‌یابی شده‌اند، پذیرش سریع چنین ابزارهایی نشان‌دهنده یک روند عمیق‌تر است: سیستم‌های ایجنت در حال تبدیل شدن به یک «رابط برای کار دانش‌محور» هستند که فراتر از حوزه کدنویسی گسترش می‌یابد. کاربران شروع به اعمال «گردش‌های کاری مبتنی بر ایجنت» در تحقیق، تحلیل، نوشتن، برنامه‌ریزی، پردازش داده‌ها و وظایف عملیاتی کرده‌اند — وظایفی که بیشتر به «کار حرفه‌ای عمومی» متمایل هستند تا کدنویسی سنتی.

کلید واقعی خود «کدنویسی محیطی» نیست، بلکه الگوهای اصلی پشت آن است:

· کاربران «قصد هدف» را تفویض می‌کنند نه «مراحل خاص»؛

· ایجنت‌ها «اطلاعات زمینه» را در فایل‌ها، ابزارها و وظایف مدیریت می‌کنند؛

· گردش‌های کاری از «پیشرفت خطی» به «تکراری، گفتگویی» تغییر می‌کنند.

در انواع مختلف کار دانش‌محور، ایجنت‌ها در جمع‌آوری زمینه، انجام وظایف تعریف‌شده، کاهش انتقال فرآیند و تسریع کارایی تکراری عالی هستند، اما هنوز در «قضاوت باز»، «انتساب مسئولیت» و «اصلاح خطا» کاستی‌هایی دارند.

بنابراین، اکثر ایجنت‌های هوش مصنوعی که در حال حاضر در سناریوهای تولید استفاده می‌شوند، همچنان به «سیستم‌های محدود، تحت نظارت و تعبیه شده» نیاز دارند تا اینکه به طور کامل و مستقل اجرا شوند. ارزش واقعی ایجنت‌های هوش مصنوعی از «بازسازی گردش‌های کاری دانش» ناشی می‌شود نه «جایگزینی نیروی کار» یا «دستیابی به خودمختاری کامل».

موضوع پنجم: گلوگاه هوش مصنوعی از «سطح هوش» به «قابلیت اطمینان» تغییر یافته است

سطح هوش مدل‌های هوش مصنوعی پیشرفت سریعی داشته است و عامل محدودکننده فعلی دیگر «روانی زبان یا توانایی استدلال واحد» نیست، بلکه «قابلیت اطمینان در سیستم‌های دنیای واقعی» است.

محیط‌های تولید نسبت به سه نوع مشکل تحمل صفر دارند: «توهمات» هوش مصنوعی (تولید اطلاعات نادرست)، خروجی ناسازگار و حالت‌های شکست غیرشفاف. هنگامی که هوش مصنوعی در خدمات مشتری، تراکنش‌های مالی یا فرآیندهای انطباق درگیر می‌شود، نتایج «تقریباً درست» دیگر قابل قبول نیستند.

ایجاد «اعتماد» نیازمند چهار پایه کلیدی است: نتایج قابل ردیابی، قابلیت‌های حافظه، قابلیت تأیید و توانایی فعالانه برای افشای «عدم قطعیت». تا زمانی که این قابلیت‌ها به اندازه کافی بالغ نشوند، خودمختاری هوش مصنوعی باید محدود شود.

موضوع ششم: مهندسی سیستم تعیین می‌کند که آیا هوش مصنوعی می‌تواند در یک سناریوی تولید پیاده‌سازی شود یا خیر

یک محصول هوش مصنوعی موفق به «مدل» به عنوان یک «جزء» نگاه می‌کند نه یک «محصول نهایی» — قابلیت اطمینان آن از «طراحی معماری» ناشی می‌شود نه «بهینه‌سازی کلمات پرامپت».

این «طراحی معماری» شامل مدیریت وضعیت، جریان کنترل، سیستم‌های ارزیابی و نظارت، و همچنین مکانیسم‌های رسیدگی به خطا و بازیابی است. به همین دلیل است که توسعه هوش مصنوعی به طور فزاینده‌ای به «مهندسی نرم‌افزار سنتی» نزدیک می‌شود نه «تحقیقات نظری پیشرفته».

ارزش بلندمدت به سمت دو نهاد اصلی متمایل خواهد شد: سازندگان سیستم و مالکان پلتفرم که گردش‌های کاری و کانال‌های توزیع را کنترل می‌کنند.

همانطور که ابزارهای ایجنت هوشمند از حوزه کدنویسی به فرآیندهای تحقیق، نوشتن، تحلیل و عملیاتی گسترش می‌یابند، اهمیت «مهندسی سیستم» بیشتر برجسته خواهد شد: کار دانش‌محور اغلب پیچیده است، به اطلاعات وضعیت متکی است و زمینه-محور است، که باعث می‌شود یک ایجنت هوشمند که می‌تواند «حافظه، ابزارها و فرآیندهای تکراری را به طور قابل‌اعتماد مدیریت کند» (به جای اینکه فقط خروجی تولید کند) ارزشمندتر باشد.

موضوع هفتم: تضاد بین مدل‌های باز و کنترل متمرکز، مسائل حاکمیتی حل‌نشده را برمی‌انگیزد

همانطور که سیستم‌های هوش مصنوعی توانمندتر می‌شوند و عمیق‌تر در حوزه اقتصادی ادغام می‌شوند، سؤال «چه کسی قدرتمندترین مدل‌های هوش مصنوعی را مالک و کنترل می‌کند» باعث یک تضاد اساسی شده است.

از یک سو، تحقیقات هوش مصنوعی در حوزه‌های پیشرفته همچنان «سرمایه‌بر» است و به دلیل تأثیر «دسترسی به قدرت محاسباتی، سیاست‌های نظارتی و ژئوپلیتیک» به طور فزاینده‌ای متمرکز شده است؛ از سوی دیگر، مدل‌ها و ابزارهای متن‌باز تحت فشار برای «آزمایش گسترده و استقرار آسان» به تکرار و بهینه‌سازی ادامه می‌دهند.

این «همزیستی تمرکز و باز بودن» مجموعه‌ای از مسائل حل‌نشده را ایجاد کرده است: ریسک وابستگی، قابلیت حسابرسی، شفافیت، قدرت چانه‌زنی بلندمدت و کنترل زیرساخت‌های حیاتی. محتمل‌ترین نتیجه یک «مدل ترکیبی» است — جایی که مدل‌های پیشرفته پیشرفت‌های فناوری را هدایت می‌کنند و سیستم‌های باز یا نیمه‌باز این قابلیت‌ها را در «نرم‌افزارهای توزیع‌شده گسترده» ادغام می‌کنند.

موضوع هشتم: پول قابل برنامه‌ریزی جریان پرداخت موجودیت هوشمند جدید را هدایت می‌کند

همانطور که سیستم‌های هوش مصنوعی در گردش‌های کاری نقش ایفا می‌کنند، تقاضای آن‌ها برای «تعاملات اقتصادی» در حال افزایش است — مانند پرداخت برای خدمات، فراخوانی APIها، پرداخت به سایر موجودیت‌های هوشمند یا تسویه «کارمزدهای تعاملی مبتنی بر استفاده».

این تقاضا استیبل‌کوین‌ها را دوباره به کانون توجه بازگردانده است: آن‌ها به عنوان «ارز بومی ماشین» دیده می‌شوند، با قابلیت برنامه‌ریزی، قابلیت حسابرسی و توانایی انتقال بدون دخالت انسان.

پروتکل‌هایی مانند x402 را در نظر بگیرید — مرحله فعلی هنوز در فاز آزمایش اولیه است، اما جهت آن مشخص است: جریان‌های پرداخت به شکل «API» عمل خواهند کرد، نه «صفحات پرداخت» سنتی — که امکان «تراکنش‌های مستمر و دانه‌ای» بین موجودیت‌های نرم‌افزاری را فراهم می‌کند.

در حال حاضر، این حوزه هنوز نابالغ به نظر می‌رسد: حجم تراکنش‌های کم، تجربه کاربری خام و سیستم‌های امنیتی و مجوز در حال تکامل. با این حال، نوآوری در زیرساخت اغلب با چنین «کاوش‌های اولیه» آغاز می‌شود.

شایان ذکر است که اهمیت آن «خودمختاری برای خودمختاری» نیست، بلکه «زمانی که نرم‌افزار بتواند به صورت برنامه‌ریزی‌شده تراکنش انجام دهد، رفتارهای اقتصادی جدید ممکن می‌شود».

نتیجه‌گیری

چه ارز دیجیتال باشد و چه هوش مصنوعی، مراحل اولیه توسعه تمایل دارند به «مفاهیم چشم‌گیر» و «نوآوری فنی» بها دهند؛ در مرحله بعدی، «قابلیت اطمینان»، «توانمندی حاکمیتی» و «قابلیت توزیع» به ابعاد رقابتی حیاتی‌تری تبدیل خواهند شد.

امروزه، خود فناوری دیگر عامل محدودکننده اصلی نیست؛ «تعبیه فناوری در سیستم‌های واقعی» کلیدی است.

به نظر من، نشانه سال ۲۰۲۶ «یک فناوری پیشگامانه» نیست، بلکه «انباشت پیوسته زیرساخت» است — این امکانات به آرامی در حال تغییر شکل «نحوه جریان ارزش» و «نحوه انجام کار» هستند.

لینک مقاله اصلی