หัวหน้าฝ่ายคริปโตของ Visa: 8 ทิศทางสำคัญของ Crypto และ AI ในปี 2026

ผู้เขียนต้นฉบับ: Cuy Sheffield รองประธานและหัวหน้าฝ่ายธุรกิจคริปโตของ Visa

ผู้แปลต้นฉบับ: Saoirse, Foresight News

ในขณะที่คริปโตเคอเรนซีและ AI ก้าวเข้าสู่ความสมบูรณ์มากขึ้น การเปลี่ยนแปลงที่สำคัญที่สุดในสองสาขานี้ไม่ใช่แค่ "ความเป็นไปได้ในทางทฤษฎี" อีกต่อไป แต่คือ "การนำไปปฏิบัติได้อย่างน่าเชื่อถือ" ในปัจจุบัน เทคโนโลยีทั้งสองได้ก้าวข้ามเกณฑ์สำคัญแล้ว โดยมีประสิทธิภาพที่เพิ่มขึ้นอย่างมีนัยสำคัญ แต่การยอมรับและการใช้งานจริงยังคงไม่สม่ำเสมอ และแนวโน้มหลักในปี 2026 นี้ เกิดจากช่องว่างระหว่าง "ประสิทธิภาพและการยอมรับ" นี่เอง

ต่อไปนี้คือหัวข้อหลักบางส่วนที่ฉันติดตามมาอย่างยาวนาน พร้อมด้วยความคิดเบื้องต้นเกี่ยวกับทิศทางของเทคโนโลยีเหล่านี้ พื้นที่ที่มูลค่าจะสะสม และ "เหตุผลที่ผู้ชนะในท้ายที่สุดอาจแตกต่างอย่างมากจากผู้บุกเบิกในอุตสาหกรรม"

หัวข้อที่ 1: คริปโตเคอเรนซีกำลังเปลี่ยนจากสินทรัพย์เก็งกำไรไปเป็นเทคโนโลยีคุณภาพสูง

ทศวรรษแรกของการพัฒนาคริปโตเคอเรนซีมีลักษณะเด่นคือ "ความได้เปรียบด้านการเก็งกำไร" — ตลาดมีลักษณะเป็นสากล ต่อเนื่อง และเปิดกว้างอย่างมาก ความผันผวนที่รุนแรงยังทำให้การเทรดคริปโตมีชีวิตชีวามีเสน่ห์ดึงดูดมากกว่าตลาดการเงินแบบดั้งเดิม

แต่ในเวลาเดียวกัน เทคโนโลยีพื้นฐานยังไม่พร้อมสำหรับการใช้งานหลัก: บล็อกเชนในยุคแรกนั้นช้า มีต้นทุนสูง และไม่เสถียรพอ นอกเหนือจากสถานการณ์การเก็งกำไรแล้ว คริปโตเคอเรนซีแทบจะไม่เคยเหนือกว่าระบบดั้งเดิมที่มีอยู่เดิมในด้านต้นทุน ความเร็ว หรือความสะดวกเลย

ปัจจุบัน สถานการณ์ที่ไม่สมดุลนี้กำลังเริ่มเปลี่ยนทิศทาง เทคโนโลยีบล็อกเชนได้กลายเป็นสิ่งที่เร็วขึ้น ราคาถูกลง และเชื่อถือได้มากขึ้น สถานการณ์การใช้งานที่น่าสนใจที่สุดของคริปโตเคอเรนซีไม่ใช่การเก็งกำไรอีกต่อไป แต่คือด้านโครงสร้างพื้นฐาน — โดยเฉพาะอย่างยิ่งในขั้นตอนการชำระเงินและการชำระเงิน เมื่อคริปโตเคอเรนซีค่อยๆ กลายเป็นเทคโนโลยีที่เติบโตเต็มที่มากขึ้น บทบาทหลักของการเก็งกำไรจะค่อยๆ ลดลง: มันจะไม่หายไปทั้งหมด แต่จะไม่ใช่แหล่งที่มาหลักของมูลค่าอีกต่อไป

หัวข้อที่ 2: สเตเบิลคอยน์คือผลลัพธ์ที่ชัดเจนของคริปโตเคอเรนซีในด้าน "ประโยชน์ใช้สอยบริสุทธิ์"

สเตเบิลคอยน์แตกต่างจากเรื่องเล่าของคริปโตเคอเรนซีในอดีต ความสำเร็จของมันขึ้นอยู่กับมาตรฐานที่เฉพาะเจาะจงและเป็นวัตถุวิสัย: ในสถานการณ์เฉพาะ สเตเบิลคอยน์เร็วกว่า มีต้นทุนต่ำกว่า มีขอบเขตการเข้าถึงที่กว้างกว่าช่องทางการชำระเงินแบบดั้งเดิม และยังสามารถผสานรวมเข้ากับระบบซอฟต์แวร์สมัยใหม่ได้อย่างราบรื่น

สเตเบิลคอยน์ไม่ต้องการให้ผู้ใช้มองว่าคริปโตเคอเรนซีเป็น "อุดมการณ์" ที่ต้องศรัทธา การใช้งานของมันมักเกิดขึ้น "โดยซ่อนเร้น" ภายในผลิตภัณฑ์และขั้นตอนการทำงานที่มีอยู่เดิม — ซึ่งทำให้สถาบันและองค์กรที่เคยมองว่าชุมชนคริปโต "ผันผวนเกินไปและไม่โปร่งใสพอ" ในที่สุดก็สามารถเข้าใจคุณค่าของมันได้อย่างชัดเจน

กล่าวได้ว่าสเตเบิลคอยน์ช่วยให้คริปโตเคอเรนซีกลับมาเชื่อมโยงกับ "ประโยชน์ใช้สอย" แทนที่ "การเก็งกำไร" และสร้างมาตรฐานที่ชัดเจนสำหรับ "วิธีการที่คริปโตเคอเรนซีจะประสบความสำเร็จในการนำไปปฏิบัติ"

หัวข้อที่ 3: เมื่อคริปโตเคอเรนซีกลายเป็นโครงสร้างพื้นฐาน "ความสามารถในการกระจาย" สำคัญกว่า "ความใหม่ของเทคโนโลยี"

ในอดีต เมื่อคริปโตเคอเรนซีมีบทบาทหลักเป็น "เครื่องมือเก็งกำไร" การ "กระจาย" ของมันมีลักษณะภายใน — โทเคนใหม่ๆ เพียงแค่ "มีอยู่" ก็สามารถสะสมสภาพคล่องและความสนใจได้ตามธรรมชาติ

แต่เมื่อคริปโตเคอเรนซีกลายเป็นโครงสร้างพื้นฐาน สถานการณ์การใช้งานของมันกำลังเปลี่ยนจาก "ระดับตลาด" ไปสู่ "ระดับผลิตภัณฑ์": มันถูกฝังอยู่ในขั้นตอนการชำระเงิน แพลตฟอร์ม และระบบองค์กร ผู้ใช้ปลายทางมักไม่รู้ตัวถึงการมีอยู่ของมัน

การเปลี่ยนแปลงนี้เป็นประโยชน์อย่างยิ่งต่อผู้เล่นสองประเภท: ประเภทแรกคือองค์กรที่มีช่องทางการกระจายที่มีอยู่เดิมและมีความสัมพันธ์กับลูกค้าที่น่าเชื่อถือ ประเภทที่สองคือสถาบันที่มีใบอนุญาตตามกฎหมาย ระบบการปฏิบัติตามกฎระเบียบ และโครงสร้างพื้นฐานในการควบคุมความเสี่ยง การมีเพียง "ความใหม่ของโปรโตคอล" ไม่เพียงพออีกต่อไปที่จะขับเคลื่อนการนำคริปโตเคอเรนซีไปใช้ในวงกว้าง

หัวข้อที่ 4: เอเจนต์ AI มีคุณค่าทางการใช้สอย และอิทธิพลของมันกำลังขยายเกินขอบเขตการเขียนโค้ด

ประโยชน์ใช้สอยของเอเจนต์ AI (Agents) มีความชัดเจนมากขึ้นเรื่อยๆ แต่บทบาทของมันมักถูกเข้าใจผิด: เอเจนต์ที่ประสบความสำเร็จมากที่สุดไม่ใช่ "ผู้ตัดสินใจอิสระ" แต่เป็น "เครื่องมือที่ลดต้นทุนการประสานงานในขั้นตอนการทำงาน"

จากประวัติศาสตร์ สิ่งนี้เห็นได้ชัดเจนที่สุดในด้านการพัฒนาซอฟต์แวร์ — เครื่องมือเอเจนต์ช่วยเร่งประสิทธิภาพในการเขียนโค้ด แก้ไขข้อบกพร่อง การปรับโครงสร้างโค้ดใหม่ และการตั้งสภาพแวดล้อม แต่ในช่วงไม่กี่ปีที่ผ่านมา "คุณค่าเครื่องมือ" นี้กำลังแพร่กระจายไปสู่สาขาอื่นๆ อย่างมาก

ยกตัวอย่างเช่นเครื่องมืออย่าง Claude Code แม้ว่าจะถูกกำหนดตำแหน่งเป็น "เครื่องมือสำหรับนักพัฒนา" แต่การแพร่หลายอย่างรวดเร็วของมันสะท้อนให้เห็นแนวโน้มที่ลึกซึ้งยิ่งขึ้น: ระบบเอเจนต์กำลังกลายเป็น "อินเทอร์เฟซสำหรับงานความรู้" ไม่ได้จำกัดอยู่แค่ในสาขาการเขียนโปรแกรมอีกต่อไป ผู้ใช้เริ่มนำ "ขั้นตอนการทำงานที่ขับเคลื่อนโดยเอเจนต์" ไปใช้กับการวิจัย การวิเคราะห์ การเขียน การวางแผน การประมวลผลข้อมูล และงานปฏิบัติการ — งานเหล่านี้มีลักษณะเป็น "งานวิชาชีพทั่วไป" มากกว่า "การเขียนโปรแกรมแบบดั้งเดิม"

สิ่งที่สำคัญจริงๆ ไม่ใช่ "การเขียนโค้ดแบบบรรยากาศ" เอง แต่คือรูปแบบหลักที่อยู่เบื้องหลัง:

• ผู้ใช้มอบหมาย "ความตั้งใจของเป้าหมาย" ไม่ใช่ "ขั้นตอนที่เฉพาะเจาะจง";
• เอเจนต์จัดการ "ข้อมูลบริบท" ข้ามไฟล์ เครื่องมือ และงานต่างๆ;
• โหมดการทำงานเปลี่ยนจาก "การดำเนินการเชิงเส้น" เป็น "แบบวนซ้ำ แบบสนทนา"

ในงานความรู้ประเภทต่างๆ เอเจนต์มีความเชี่ยวชาญในการรวบรวมบริบท การทำงานที่กำหนดขอบเขต การลดการส่งต่อระหว่างขั้นตอน และการเร่งประสิทธิภาพการวนซ้ำ แต่ยังมีข้อด้อยในด้าน "การตัดสินใจแบบเปิด" "การรับผิดชอบ" และ "การแก้ไขข้อผิดพลาด"

ดังนั้น เอเจนต์ส่วนใหญ่ที่ใช้ในสถานการณ์การผลิตในปัจจุบันยังคงต้องการ "ขอบเขตที่จำกัด อยู่ภายใต้การกำกับดูแล และถูกฝังในระบบ" ไม่ใช่การทำงานอิสระอย่างสมบูรณ์ คุณค่าที่แท้จริงของเอเจนต์มาจาก "การปรับโครงสร้างขั้นตอนการทำงานของงานความรู้" ไม่ใช่ "การแทนที่แรงงาน" หรือ "การบรรลุความเป็นอิสระอย่างสมบูรณ์"

หัวข้อที่ 5: จุดคอขวดของ AI ได้เปลี่ยนจาก "ระดับความฉลาด" ไปเป็น "ระดับความน่าเชื่อถือ"

ระดับความฉลาดของโมเดล AI ได้รับการพัฒนาอย่างรวดเร็ว ปัจจัยจำกัดในปัจจุบันไม่ใช่แค่ "ความคล่องแคล่วทางภาษาหรือความสามารถในการให้เหตุผลเพียงอย่างเดียว" อีกต่อไป แต่คือ "ความน่าเชื่อถือในระบบปฏิบัติการจริง"

สภาพแวดล้อมการผลิตไม่ยอมรับปัญหาสามประเภท: ประการแรกคือ "ภาพหลอน" ของ AI (สร้างข้อมูลเท็จ) ประการที่สองคือผลลัพธ์ที่ไม่สอดคล้องกัน และประการที่สามคือโหมดความล้มเหลวที่ไม่โปร่งใส เมื่อ AI เกี่ยวข้องกับการบริการลูกค้า การเคลื่อนไหวของเงิน หรือขั้นตอนการปฏิบัติตามกฎระเบียบ ผลลัพธ์ที่ "ถูกต้องโดยประมาณ" ไม่สามารถยอมรับได้อีกต่อไป

การสร้าง "ความไว้วางใจ" ต้องการพื้นฐานสี่ประการ: ประการแรกคือผลลัพธ์สามารถสืบย้อนกลับได้ ประการที่สองคือมีความสามารถในการจดจำ ประการที่สามคือสามารถตรวจสอบได้ และประการที่สี่คือสามารถเปิดเผย "ความไม่แน่นอน" ได้อย่างแข็งขัน ก่อนที่ความสามารถเหล่านี้จะเติบโตเต็มที่พอ ความเป็นอิสระของ AI ต้องถูกจำกัด

หัวข้อที่ 6: วิศวกรรมระบบกำหนดว่า AI จะสามารถนำไปใช้ในสถานการณ์การผลิตได้หรือไม่

ผลิตภัณฑ์ AI ที่ประสบความสำเร็จ จะมอง "โมเดล" เป็น "ส่วนประกอบ" ไม่ใช่ "ผลิตภัณฑ์สำเร็จรูป" — ความน่าเชื่อถือของมันมาจาก "การออกแบบสถาปัตยกรรม" ไม่ใช่ "การปรับแต่งพรอมต์"

"การออกแบบสถาปัตยกรรม" ที่นี่รวมถึงการจัดการสถานะ การควบคุมโฟลว์ ระบบการประเมินและการตรวจสอบ ตลอดจนกลไกการจัดการความล้มเหลวและการกู้คืน ด้วยเหตุนี้เอง การพัฒนา AI ในปัจจุบันจึงใกล้เคียงกับ "วิศวกรรมซอฟต์แวร์แบบดั้งเดิม" มากกว่า "การวิจัยทางทฤษฎีล้ำสมัย"

มูลค่าในระยะยาวจะโน้มเอียงไปยังผู้เล่นสองประเภท: ประเภทแรกคือผู้สร้างระบบ ประเภทที่สองคือเจ้าของแพลตฟอร์มที่ควบคุมขั้นตอนการทำงานและช่องทางการกระจาย

เมื่อเครื่องมือเอเจนต์ขยายจากสาขาการเขียนโค้ดไปสู่ขั้นตอนการวิจัย การเขียน การวิเคราะห์ และการปฏิบัติการ ความสำคัญของ "วิศวกรรมระบบ" จะเด่นชัดยิ่งขึ้น: งานความรู้มักมีความซับซ้อน ขึ้นอยู่กับข้อมูลสถานะ และมีความหนาแน่นของบริบทสูง ซึ่งทำให้เอเจนต์ที่ "สามารถจัดการความจำ เครื่องมือ และกระบวนการวนซ้ำได้อย่างน่าเชื่อถือ" (มากกว่าเอเจนต์ที่สามารถสร้างผลลัพธ์ได้เพียงอย่างเดียว) มีคุณค่ามากกว่า

หัวข้อที่ 7: ความขัดแย้งระหว่างโมเดลเปิดและการควบคุมแบบรวมศูนย์ ก่อให้เกิดปัญหาการกำกับดูแลที่ยังไม่ได้รับการแก้ไข

ในขณะที่ความสามารถของระบบ AI เพิ่มขึ้นและผสานรวมกับภาคเศรษฐกิจลึกซึ้งยิ่งขึ้น คำถามที่ว่า "ใครเป็นเจ้าของและควบคุมโมเดล AI ที่ทรงพลังที่สุด" กำลังก่อให้เกิดความขัดแย้งหลัก

ในด้านหนึ่ง การวิจัยและพัฒนาในพื้นที่ล้ำสมัยของ AI ยังคงเป็น "แบบใช้ทุนหนาแน่น" และได้รับอิทธิพลจาก "การเข้าถึงพลังการคำนวณ นโยบายการกำกับดูแล และภูมิรัฐศาสตร์" ซึ่งทำให้มีความเข้มข้นมากขึ้นเรื่อยๆ ในอีกด้านหนึ่ง โมเดลโอเพ่นซอร์สและเครื่องมือโอเพ่นซอร์สได้รับการปรับปรุงอย่างต่อเนื่องภายใต้แรงผลักดันของ "การทดลองอย่างกว้างขวาง การปรับใช้ที่สะดวก"

รูปแบบ "การรวมศูนย์และการเปิดกว้างอยู่ร่วมกัน" นี้ ก่อให้เกิดปัญหาต่างๆ ที่ยังไม่ได้รับการแก้ไข: ความเสี่ยงจากการพึ่งพา ความสามารถในการตรวจสอบ auditability ความโปร่งใส transparency อำนาจต่อรองในระยะยาว และการควบคุมโครงสร้างพื้นฐานที่สำคัญ ผลลัพธ์ที่เป็นไปได้มากที่สุดคือ "รูปแบบผสม" — โมเดลล้ำสมัยขับเคลื่อนความก้าวหน้าทางความสามารถด้านเทคโนโลยี ในขณะที่ระบบเปิดหรือกึ่งเปิดจะผสานความสามารถเหล่านี้เข้ากับ "ซอฟต์แวร์ที่กระจายอย่างกว้างขวาง"

หัวข้อที่ 8: เงินที่โปรแกรมได้ กระตุ้นให้เกิดโฟลว์การชำระเงินแบบใหม่สำหรับเอเจนต์

เมื่อระบบ AI มีบทบาทในขั้นตอนการทำงาน ความต้องการของพวกมันสำหรับ "การโต้ตอบทางเศรษฐกิจ" ก็เพิ่มมากขึ้นเรื่อยๆ — เช่น การจ่ายเงินสำหรับบริการ การเรียกใช้ API การจ่ายค่าตอบแทนให้กับเอเจนต์อื่น หรือการชำระเงิน "ค่าธรรมเนียมการโต้ตอบตามการใช้งาน"

ความต้องการนี้ทำให้ "สเตเบิลคอยน์" ได้รับความสนใจอีกครั้ง: มันถูกมองว่าเป็น "สกุลเงินดั้งเดิมสำหรับเครื่องจักร" มีความสามารถในการโปรแกรม สามารถตรวจสอบ audit ได้ และสามารถโอนย้ายได้โดยไม่ต้องมีการแทรกแซงของมนุษย์

ยกตัวอย่างเช่นโปรโตคอลสำหรับนักพัฒนาอย่าง x402 แม้ว่าจะยังอยู่ในช่วงทดลองต้นๆ แต่ทิศทางที่มันชี้ไปนั้นชัดเจนมาก: โฟลว์การชำระเงินจะทำงานในรูปแบบ "API" ไม่ใช่ "หน้าชำระเงินแบบดั้งเดิม" อีกต่อไป — ซึ่งจะทำให้เอเจนต์ซอฟต์แวร์สามารถทำ "ธุรกรรมอย่างต่อเนื่องและละเอียด" ระหว่างกันได้

ปัจจุบัน พื้นที่นี้ยังคงอ่อนเยาว์: ขนาดธุรกรรมเล็ก ประสบการณ์ผู้ใช้ยังหยาบ ระบบความปลอดภัยและสิทธิ์ยังคงได้รับการปรับปรุงอยู่ แต่นวัตกรรมโครงสร้างพื้นฐาน มักจะเริ่มต้นจาก "การสำรวจในระยะเริ่มต้น" เช่นนี้

สิ่งที่ควรให้ความสนใจคือ ความหมายของมันไม่ใช่ "เพื่อความเป็นอิสระโดยตัวมันเอง" แต่คือ "เมื่อซอฟต์แวร์สามารถทำธุรกรรมผ่านการเขียนโปรแกรมได้ พฤติกรรมทางเศรษฐกิจใหม่ๆ ก็จะเกิดขึ้นได้"

สรุป

ไม่ว่าจะเป็นคริปโตเคอเรนซีหรือปัญญาประดิษฐ์ ในระยะเริ่มต้นของการพัฒนามักให้ความสำคัญกับ "แนวคิดที่ดึงดูดความสนใจ" และ "ความใหม่ของเทคโนโลยี" มากขึ้น แต่ในระยะต่อไป "ความน่าเชื่อถือ" "ความสามารถในการกำกับดูแล" และ "ความสามารถในการกระจาย" จะกลายเป็นมิติการแข่งขันที่สำคัญยิ่งขึ้น

ปัจจุบัน เทคโนโลยีเองไม่ใช่ปัจจัยจำกัดหลักอีกต่อไป "การฝังเทคโนโลยีเข้ากับระบบปฏิบัติการจริง" คือกุญแจสำคัญ

ในมุมมองของฉัน ลักษณะเด่นของปี 2026 ไม่ใช่ "เทคโนโลยีที่ก้าวล้ำอย่างใดอย่างหนึ่ง" แต่คือ "การสะสมโครงสร้างพื้นฐานอย่างมั่นคง" — สิ่งอำนวยความสะดวกเหล่านี้ในขณะที่ทำงานอย่างเงียบๆ ยังคงปรับเปลี่ยน "วิธีการไหลเวียนของมูลค่า" และ "วิธีการทำงาน" อย่างเงียบเชียบอีกด้วย