Líder de cripto en Visa: Ocho evoluciones clave de criptomonedas e IA para 2026

Título original: Perspectiva 2026: Temas clave que dan forma a las criptomonedas y la IA

Autor original: Cuy Sheffield, Jefe de Criptomonedas en Visa

Traducción original: Saoirse, Foresight News

A medida que las criptomonedas y la IA maduran gradualmente, los cambios más importantes en estas dos áreas principales ya no son meramente "teóricamente posibles", sino "prácticamente alcanzables". Actualmente, ambas tecnologías han cruzado umbrales clave en la mejora del rendimiento, sin embargo, la tasa de adopción en el mundo real sigue siendo desigual. La dinámica central del desarrollo en 2026 surge de esta brecha entre el rendimiento y la adopción.

A continuación, se presentan varios temas clave que he estado siguiendo de cerca, incluyendo pensamientos preliminares sobre la dirección del desarrollo tecnológico, áreas de acumulación de valor y por qué los ganadores finales pueden ser drásticamente diferentes de los pioneros de la industria.

Tema uno: Las criptomonedas pasan de ser una clase de activo especulativo a una tecnología premium

En la primera década del desarrollo de las criptomonedas, una característica clave fue su "ventaja especulativa": su mercado exhibía características globales, continuas y altamente abiertas, con una intensa volatilidad que hacía que el trading de criptomonedas fuera más dinámico y atractivo que los mercados financieros tradicionales.

Sin embargo, al mismo tiempo, su tecnología subyacente aún no estaba preparada para aplicaciones convencionales: el blockchain inicial era lento, costoso y carecía de estabilidad. Aparte de los escenarios especulativos, las criptomonedas casi nunca han superado a los sistemas tradicionales existentes en términos de costo, velocidad o conveniencia.

Ahora, este desequilibrio está comenzando a cambiar. La tecnología blockchain se ha vuelto más rápida, más económica y más confiable, y los escenarios de aplicación más atractivos para las criptomonedas ya no son especulativos, sino en el campo de la infraestructura, especialmente en los procesos de liquidación y pago. A medida que las criptomonedas evolucionan hacia una tecnología más madura, la posición central de la especulación se debilitará gradualmente: no desaparecerá por completo, pero ya no será la principal fuente de valor.

Tema dos: Las stablecoin son un resultado claro de las criptomonedas en el "pragmatismo puro"

A diferencia de las narrativas anteriores sobre las criptomonedas, el éxito de las stablecoin se basa en estándares específicos y objetivos: en escenarios específicos, las stablecoin son más rápidas, más baratas, más accesibles que los canales de pago tradicionales y pueden integrarse perfectamente en los sistemas de software modernos.

Las stablecoin no requieren que los usuarios consideren a las criptomonedas como una "ideología" en la que creer; sus aplicaciones a menudo "ocurren implícitamente" en productos y flujos de trabajo existentes; esto también permite que las instituciones y empresas que anteriormente consideraban que el ecosistema de las criptomonedas era "demasiado volátil y opaco" finalmente comprendan su valor claramente.

Se puede decir que las stablecoin han ayudado al espacio de las criptomonedas a volver a anclarse en la "utilidad" en lugar de la "especulación", estableciendo un punto de referencia claro sobre "cómo las criptomonedas pueden aterrizar con éxito".

Tema tres: Cuando las criptomonedas se convierten en infraestructura, la "capacidad de distribución" es más importante que la "novedad técnica"

En el pasado, cuando las criptomonedas desempeñaban principalmente un papel como "herramienta especulativa", su "distribución" tenía endogeneidad: los nuevos tokens acumulaban naturalmente liquidez y atención simplemente por "existir".

Sin embargo, a medida que las criptomonedas se convierten en infraestructura, sus casos de uso se están desplazando del "nivel de mercado" al "nivel de producto": están integradas en flujos de pago, plataformas y sistemas empresariales, a menudo sin que los usuarios finales lo noten.

Este cambio beneficia enormemente a dos tipos de entidades: aquellas con canales de distribución existentes y relaciones confiables con los clientes, y aquellas con licencias regulatorias, sistemas de cumplimiento e infraestructura de gestión de riesgos. Confiar únicamente en la "novedad del protocolo" ya no es suficiente para impulsar la adopción generalizada de las criptomonedas.

Tema cuatro: Los agentes de IA tienen un valor práctico y su influencia se está extendiendo más allá del campo de la codificación

La practicidad de los agentes de IA se está volviendo cada vez más prominente, pero su papel a menudo se malinterpreta: los agentes más exitosos no son "tomadores de decisiones autónomos", sino "herramientas que reducen los costos de coordinación en los flujos de trabajo".

Históricamente, esto ha sido más evidente en el campo del desarrollo de software: las herramientas de agentes han acelerado la eficiencia de la codificación, la depuración, la refactorización de código y la configuración del entorno. Sin embargo, en los últimos años, este "valor de herramienta" se ha expandido significativamente a más dominios.

Tomemos herramientas como Claude Code, por ejemplo. A pesar de estar posicionadas como "herramientas para desarrolladores", la rápida adopción de tales herramientas refleja una tendencia más profunda: los sistemas de agentes se están convirtiendo en una "interfaz para el trabajo de conocimiento", extendiéndose más allá del dominio de la codificación. Los usuarios están comenzando a aplicar "flujos de trabajo impulsados por agentes" a la investigación, el análisis, la escritura, la planificación, el procesamiento de datos y las tareas operativas, tareas que se inclinan más hacia el "trabajo profesional general" que hacia la codificación tradicional.

La clave real no es el "codificado ambiental" en sí, sino los patrones centrales detrás de él:

· Los usuarios delegan la "intención del objetivo" en lugar de "pasos específicos";

· Los agentes gestionan la "información de contexto" a través de archivos, herramientas y tareas;

· Los flujos de trabajo cambian de una "progresión lineal" a una "iterativa y conversacional".

En varios tipos de trabajo de conocimiento, los agentes sobresalen en la recopilación de contexto, la realización de tareas definidas, la reducción de traspasos de procesos y la aceleración de la eficiencia iterativa, pero todavía tienen deficiencias en el "juicio abierto", la "atribución de responsabilidad" y la "corrección de errores".

Por lo tanto, la mayoría de los agentes de IA utilizados actualmente en escenarios de producción todavía requieren "sistemas restringidos, supervisados e integrados" en lugar de funcionar de forma totalmente independiente. El valor real de los agentes de IA proviene de la "reestructuración de los flujos de trabajo de conocimiento" en lugar de "reemplazar mano de obra" o "lograr una autonomía total".

Tema cinco: El cuello de botella de la IA se ha desplazado del "nivel de inteligencia" a la "confiabilidad"

El nivel de inteligencia de los modelos de IA ha experimentado un avance rápido, y el factor limitante actual ya no es "una fluidez de lenguaje única o capacidad de razonamiento", sino la "confiabilidad en los sistemas del mundo real".

Los entornos de producción tienen tolerancia cero para tres tipos de problemas: "ilusiones" de IA (generación de información falsa), resultados inconsistentes y modos de falla opacos. Una vez que la IA está involucrada en el servicio al cliente, las transacciones financieras o los procesos de cumplimiento, los resultados "aproximadamente correctos" ya no son aceptables.

Construir "confianza" requiere cuatro fundamentos clave: resultados rastreables, capacidades de memoria, verificabilidad y la capacidad de exponer activamente la "incertidumbre". Hasta que estas capacidades sean lo suficientemente maduras, la autonomía de la IA debe estar restringida.

Tema seis: La ingeniería de sistemas determina si la IA puede implementarse en un escenario de producción

Un producto de IA exitoso verá el "modelo" como un "componente" en lugar de un "producto terminado"; su confiabilidad proviene del "diseño de arquitectura" en lugar de la "optimización de palabras de aviso".

Este "diseño de arquitectura" incluye la gestión de estados, el flujo de control, los sistemas de evaluación y monitoreo, así como los mecanismos de manejo y recuperación de fallas. Es por esta razón que el desarrollo de la IA se acerca cada vez más a la "ingeniería de software tradicional" en lugar de la "investigación teórica de vanguardia".

El valor a largo plazo se inclinará hacia dos entidades principales: los constructores de sistemas y los propietarios de plataformas que controlan los flujos de trabajo y los canales de distribución.

A medida que las herramientas de agentes inteligentes se expanden desde el dominio de la codificación a la investigación, la escritura, el análisis y los procesos operativos, la importancia de la "ingeniería de sistemas" se destacará aún más: el trabajo de conocimiento suele ser complejo, depende de la información de estado y es intensivo en contexto, lo que hace que un agente inteligente que pueda "gestionar de manera confiable la memoria, las herramientas y los procesos iterativos" (en lugar de solo generar resultados) sea más valioso.

Tema siete: La contradicción entre los modelos abiertos y el control centralizado desencadena problemas de gobernanza no resueltos

A medida que los sistemas de IA se vuelven más capaces y se integran más profundamente en el dominio económico, la cuestión de "quién posee y controla los modelos de IA más potentes" está causando una contradicción fundamental.

Por un lado, la investigación de IA en campos de vanguardia sigue siendo "intensiva en capital" y se concentra cada vez más debido a la influencia del "acceso a la potencia informática, las políticas regulatorias y la geopolítica"; por otro lado, los modelos y herramientas de código abierto continúan iterando y optimizando bajo el impulso de la "experimentación generalizada y el despliegue fácil".

Esta "coexistencia de centralización y apertura" ha planteado una serie de problemas no resueltos: riesgo de dependencia, auditabilidad, transparencia, poder de negociación a largo plazo y control de la infraestructura crítica. El resultado más probable es un "modelo híbrido", donde los modelos de vanguardia impulsan avances tecnológicos y los sistemas abiertos o semiabiertos integran estas capacidades en "software ampliamente distribuido".

Tema ocho: El dinero programable impulsa un nuevo flujo de pago de entidades inteligentes

A medida que los sistemas de IA desempeñan un papel en los flujos de trabajo, su demanda de "interacciones económicas" está aumentando, como pagar por servicios, llamar a API, pagar a otras entidades inteligentes o liquidar "tarifas de interacción basadas en el uso".

Esta demanda ha vuelto a poner a las stablecoin en el centro de atención: se consideran "moneda nativa de la máquina", con programabilidad, auditabilidad y la capacidad de transferir sin intervención humana.

Tomemos protocolos como x402, por ejemplo: la etapa actual todavía está en la fase de experimentación temprana, pero su dirección es clara: los flujos de pago operarán en forma de "API", en lugar de las tradicionales "páginas de pago", permitiendo "transacciones continuas y granulares" entre entidades de software.

Actualmente, esta área todavía parece inmadura: volúmenes de transacciones pequeños, experiencia de usuario tosca y sistemas de seguridad y permisos en evolución. Sin embargo, la innovación en infraestructura a menudo comienza con tales "exploraciones tempranas".

Vale la pena señalar que su importancia no es "autonomía por el bien de la autonomía", sino "cuando el software puede realizar transacciones programáticamente, se hacen posibles nuevos comportamientos económicos".

Conclusión

Ya sea que se trate de criptomonedas o inteligencia artificial, las primeras etapas de desarrollo tienden a favorecer "conceptos llamativos" y "novedad tecnológica"; en la próxima etapa, la "fiabilidad", la "capacidad de gobernanza" y la "capacidad de distribución" se convertirán en dimensiones competitivas más críticas.

Hoy en día, la tecnología en sí misma ya no es el principal factor limitante; "integrar la tecnología en sistemas reales" es clave.

En mi opinión, el sello distintivo de 2026 no es "alguna tecnología innovadora", sino la "acumulación constante de infraestructura"; estas instalaciones están remodelando silenciosamente "la forma en que fluye el valor" y "la forma en que se lleva a cabo el trabajo".

Enlace al artículo original