Visaの暗号責任者：2026年の暗号とAIの8つの進化方向

著者：Cuy Sheffield、Visa 副社長兼暗号資産事業責任者

編訳：Saoirse、Foresight News

暗号資産とAIが徐々に成熟する中、これら二つの分野における最も重要な変化は「理論的に可能」であることではなく、「実践的に信頼できる形で実現できること」となっています。現在、両技術は重要な閾値を越え、性能が著しく向上していますが、実際の応用普及率は依然として不均衡です。そして2026年の核心的な発展動向は、この「性能と普及」のギャップから生じています。

以下は、私が長期にわたり注目しているいくつかの核心テーマと、これらの技術の発展方向、価値の蓄積領域、さらには「最終的な勝者が業界の先駆者とは全く異なる可能性がある理由」に関する初歩的な考察です。

テーマ1：暗号資産は投機的資産カテゴリーから高品質技術へと転換中

暗号資産の発展の最初の10年の核心的特徴は「投機的優位性」------ その市場はグローバルで、連続性があり、高度にオープンであり、激しいボラティリティは暗号資産取引を従来の金融市場よりも活気に満ち、魅力的にしています。

しかし同時に、その基盤技術は主流の応用に向けて準備が整っていませんでした：初期のブロックチェーンは遅く、コストが高く、安定性が不足していました。投機的なシナリオを除けば、暗号資産はコスト、速度、便利さの面で、ほとんど既存の従来システムを超えたことはありません。

現在、この不均衡な状況は徐々に逆転し始めています。ブロックチェーン技術はより速く、より経済的で、より信頼性が高くなり、暗号資産の最も魅力的な応用シナリオはもはや投機ではなく、インフラストラクチャー分野 ------ 特に決済と支払いのプロセスです。暗号資産がより成熟した技術となるにつれて、投機の核心的地位は徐々に弱まります：完全に消えることはありませんが、価値の主要な源泉ではなくなります。

テーマ2：ステーブルコインは暗号資産の「純粋な実用性」における明確な成果

ステーブルコインは従来の暗号資産の物語とは異なり、その成功は具体的で客観的な基準に基づいています：特定のシナリオにおいて、ステーブルコインは従来の支払いチャネルよりも速く、コストが低く、カバレッジが広く、同時に現代のソフトウェアシステムにシームレスに統合されます。

ステーブルコインはユーザーに暗号資産を「イデオロギー」として信奉させる必要がなく、その応用はしばしば既存の製品やワークフローの中で「潜在的に発生」します ------ これにより、以前は暗号資産エコシステムが「ボラティリティが高く、透明性が不足している」と考えていた機関や企業も、その価値を明確に理解できるようになりました。

言い換えれば、ステーブルコインは暗号資産が「投機性」ではなく「実用性」に再び焦点を当てるのを助け、「暗号資産がどのように成功裏に実現されるか」の明確な基準を設定しました。

テーマ3：暗号資産がインフラストラクチャーとなるとき、「流通能力」が「技術の新規性」よりも重要

過去には、暗号資産が主に「投機ツール」としての役割を果たしていたとき、その「流通」は内生的でした ------ 新しいトークンは「存在する」だけで、自然に流動性と関心を集めることができました。

しかし、暗号資産がインフラストラクチャーとなると、その応用シナリオは「市場レベル」から「製品レベル」へと移行しています：それは支払いプロセス、プラットフォーム、企業システムに組み込まれ、エンドユーザーはその存在に気づかないことが多いです。

この変化は二つの主体にとって非常に有利です：一つは既存の流通チャネルと信頼できる顧客関係を持つ企業、もう一つは規制の許可、コンプライアンスシステム、リスク管理インフラを備えた機関です。「プロトコルの新規性」だけでは、暗号資産の大規模な実現を推進するには不十分です。

テーマ4：AIエージェントは実用的価値を持ち、影響はコーディングの領域を超えている

AIエージェントの実用性はますます顕著になっていますが、その役割はしばしば誤解されています：最も成功したエージェントは「自律的な意思決定者」ではなく、「ワークフロー内の調整コストを削減するツール」です。

歴史的に見て、この点はソフトウェア開発の分野で最も明確に表れています ------ エージェントツールはコーディング、デバッグ、コードリファクタリング、環境構築の効率を加速しました。しかし近年、この「ツールの価値」は他の多くの分野に急速に広がっています。

Claude Codeのようなツールを例に挙げると、開発者向けのツールとして位置付けられていますが、その急速な普及の背後にはより深いトレンドが反映されています：エージェントシステムは「知識労働のインターフェース」となり、単にプログラミングの領域に限られなくなっています。ユーザーは「エージェント駆動のワークフロー」を研究、分析、執筆、計画、データ処理、運用タスクに適用し始めています ------ これらのタスクはより「一般的な専門的作業」に偏っており、従来のプログラミングとは異なります。

本当に重要なのは「雰囲気コーディング」そのものではなく、その背後にある核心的なモデルです：

• ユーザーが委託するのは「目標意図」であり、「具体的なステップ」ではありません；
• エージェントはファイル、ツール、タスク管理の「コンテキスト情報」を横断します；
• ワークモードは「線形推進」から「反復的、対話的」へと変わります。

さまざまな知識労働の中で、エージェントはコンテキストを収集し、限定されたタスクを実行し、プロセスの引き継ぎを減少させ、反復効率を加速するのが得意ですが、「オープンな判断」「責任の所在」「エラー修正」に関しては依然として短所があります。

したがって、現在生産シーンで使用されるエージェントの大多数は「範囲を限定し、監視を受け、システムに組み込まれる」必要があり、完全に独立して動作することはありません。エージェントの実際の価値は「知識ワークフローの再構築」に由来し、「労働力の代替」や「完全な自律の実現」ではありません。

テーマ5：AIのボトルネックは「知能レベル」から「信頼度」へと移行

AIモデルの知能レベルは急速に向上していますが、現在の制約要因は「単一の言語流暢さや推論能力」ではなく、「実際のシステム内での信頼性」です。

生産環境は三つの問題に対してゼロトレランスです：一つはAIの「幻覚」（虚偽情報の生成）、二つは出力結果の不一致、三つは故障モードの不透明性です。一旦AIが顧客サービス、資金のやり取り、またはコンプライアンスの領域に関与すると、「大体正しい」結果は受け入れられません。

「信頼」の構築には四つの基盤が必要です：一つは結果の追跡可能性、二つは記憶能力、三つは検証可能性、四つは「不確実性」を積極的に開示できることです。これらの能力が十分に成熟するまで、AIの自律性は制限されなければなりません。

テーマ6：システム工学がAIの生産シーンへの実現を決定する

成功するAI製品は、「モデル」を「コンポーネント」として捉え、「完成品」としてではありません ------ その信頼性は「アーキテクチャ設計」に由来し、「プロンプトの最適化」ではありません。

ここでの「アーキテクチャ設計」には、状態管理、制御フロー、評価と監視システム、故障処理と回復メカニズムが含まれます。したがって、現在のAIの発展は「従来のソフトウェア工学」にますます近づいており、「最前線の理論研究」ではありません。

長期的な価値は二つの主体に傾斜します：一つはシステム構築者、もう一つはワークフローと流通チャネルを制御するプラットフォームの所有者です。

エージェントツールがコーディング