Visa responsável pela área de negócios de criptomoedas, Cuy Sheffield, destacou que as criptomoedas e a IA estão passando de “teoricamente viáveis” para “praticamente implementáveis”. Em 2026, o foco será na acumulação estável de infraestrutura, remodelando o fluxo de valor e os modelos de trabalho. Este artigo é baseado em um texto de Cuy Sheffield, organizado, traduzido e escrito pela Foresight News.
（Contexto anterior: Forbes analisa as principais tendências das criptomoedas em 2026: cinco grandes tendências revelam a indústria entrando na maturidade）
（Complemento de contexto: Bloomberg compila as expectativas de 50 instituições de Wall Street para 2026: IA impulsionará crescimento global médio de 3%, avaliações de alto risco ainda requerem cautela）

Índice deste artigo

• Tema 1: As criptomoedas estão se transformando de ativos especulativos para tecnologias de alta qualidade
• Tema 2: Stablecoins são um resultado claro da “praticidade” das criptomoedas
• Tema 3: Quando as criptomoedas se tornam infraestrutura, “capacidade de distribuição” é mais importante que “novidade tecnológica”
• Tema 4: Agentes de IA possuem valor prático, influenciando além do campo da codificação
• Tema 5: O gargalo da IA mudou de “nível de inteligência” para “confiança”
• Tema 6: Engenharia de sistemas determina se a IA pode ser implementada em cenários de produção
• Tema 7: O conflito entre modelos abertos e controle centralizado gera problemas de governança ainda não resolvidos
• Tema 8: Moedas programáveis impulsionam novos fluxos de pagamento com agentes inteligentes
• Conclusão

À medida que criptomoedas e IA evoluem para a maturidade, as mudanças mais importantes nesses dois campos não são mais “teoricamente possíveis”, mas “confiavelmente implementáveis na prática”. Atualmente, ambas as tecnologias ultrapassaram barreiras críticas, com melhorias de desempenho notáveis, embora a adoção prática ainda seja desigual. E o movimento central de 2026 surge justamente dessa lacuna entre “desempenho e adoção”.

A seguir, algumas das principais áreas de interesse de longo prazo e reflexões iniciais sobre os rumos de desenvolvimento dessas tecnologias, os campos de acumulação de valor e até mesmo “por que os vencedores finais podem ser completamente diferentes dos pioneiros do setor”.

Tema 1: As criptomoedas estão se transformando de ativos especulativos para tecnologias de alta qualidade

Nos primeiros dez anos do desenvolvimento das criptomoedas, a característica central foi a “vantagem especulativa” — seu mercado é global, contínuo e altamente aberto, e a volatilidade intensa torna as negociações mais dinâmicas e atraentes do que os mercados financeiros tradicionais.

Por outro lado, a tecnologia subjacente ainda não estava preparada para aplicações mainstream: blockchains iniciais eram lentas, caras e pouco estáveis. Além de cenários especulativos, as criptomoedas quase nunca superaram os sistemas tradicionais em termos de custo, velocidade ou conveniência.

Hoje, esse desequilíbrio começa a se reverter. A tecnologia blockchain tornou-se mais rápida, econômica e confiável, e os cenários de aplicação mais atraentes deixam de ser especulativos, passando a incluir infraestrutura — especialmente em liquidação e pagamentos. Com a maturidade crescente das criptomoedas, a posição de destaque na especulação tende a enfraquecer: ela não desaparecerá completamente, mas deixará de ser a principal fonte de valor.

Tema 2: Stablecoins são um resultado claro da “praticidade” das criptomoedas

As stablecoins diferem da narrativa anterior das criptomoedas, pois seu sucesso baseia-se em padrões concretos e objetivos: em certos cenários, elas são mais rápidas, mais baratas e mais abrangentes que os métodos tradicionais de pagamento, além de se integrarem perfeitamente aos sistemas de software modernos.

As stablecoins não exigem que os usuários vejam as criptomoedas como uma “ideologia” para confiar nelas; suas aplicações muitas vezes ocorrem de forma “implícita” em produtos e fluxos de trabalho existentes — isso também permite que instituições e empresas que antes consideravam o ecossistema de criptomoedas “volátil demais e pouco transparente” finalmente compreendam claramente seu valor.

Pode-se dizer que as stablecoins ajudam a reposicionar as criptomoedas na prática, focando na “praticidade” ao invés da “especulação”, estabelecendo um padrão claro para o sucesso na implementação real.

Tema 3: Quando as criptomoedas se tornam infraestrutura, “capacidade de distribuição” é mais importante que “novidade tecnológica”

No passado, quando as criptomoedas atuavam principalmente como “instrumentos de especulação”, sua “distribuição” era intrínseca — novos tokens simplesmente “existiam” e, assim, acumulavam liquidez e atenção de forma natural.

Com a transformação para infraestrutura, os cenários de aplicação mudam do “nível de mercado” para o “nível de produto”: elas são incorporadas em processos de pagamento, plataformas e sistemas empresariais, muitas vezes de forma que o usuário final nem percebe sua presença.

Essa mudança beneficia duas categorias principais: empresas com canais de distribuição existentes e relacionamentos confiáveis com clientes; e instituições com licenças regulatórias, sistemas de conformidade e infraestrutura de gerenciamento de riscos. Apenas a “novidade do protocolo” não é suficiente para impulsionar uma adoção em larga escala das criptomoedas.

Tema 4: Agentes de IA possuem valor prático, influenciando além do campo da codificação

A utilidade dos agentes de IA (Agents) torna-se cada vez mais evidente, mas seu papel muitas vezes é mal interpretado: os agentes mais bem-sucedidos não são “tomadores de decisão autônomos”, mas “ferramentas que reduzem custos de coordenação em fluxos de trabalho”.

Historicamente, isso se manifesta de forma mais clara na área de desenvolvimento de software — ferramentas de agentes aceleraram a codificação, depuração, refatoração e configuração de ambientes. Nos últimos anos, esse “valor de ferramenta” tem se expandido para muitas outras áreas.

Tomemos como exemplo ferramentas como Claude Code: embora sejam posicionadas como “ferramentas para desenvolvedores”, sua rápida adoção reflete uma tendência mais profunda: sistemas de agentes estão se tornando a “interface do trabalho de conhecimento”, e não apenas uma ferramenta de programação. Usuários começam a aplicar “fluxos de trabalho orientados por agentes” em pesquisa, análise, escrita, planejamento, processamento de dados e operações — tarefas mais relacionadas a “trabalho profissional geral” do que à programação tradicional.

O verdadeiro ponto-chave não é o “codificação atmosférica” em si, mas o padrão central por trás dela:

· Os usuários delegam “intenções de objetivo”, não “passos específicos”;

· Os agentes gerenciam “contexto” entre arquivos, ferramentas e tarefas;

· Os modos de trabalho evoluem de “avanço linear” para “iteração dialogada”.

Em várias áreas de trabalho do conhecimento, os agentes são bons em coletar contexto, executar tarefas limitadas, reduzir transferências de fluxo e acelerar iterações, mas ainda apresentam limitações em “julgamento aberto”, “responsabilidade” e “correção de erros”.

Portanto, a maior parte dos agentes utilizados em cenários de produção ainda precisa de “limitação de escopo, supervisão e integração ao sistema”, e não de operação totalmente autônoma. O valor real dos agentes está na “reconstrução do fluxo de trabalho de conhecimento”, e não na “substituição de força de trabalho” ou “autonomia total”.

Tema 5: O gargalo da IA mudou de “nível de inteligência” para “confiança”

O nível de inteligência dos modelos de IA evoluiu rapidamente, mas os limites atuais não são mais “fluência linguística ou raciocínio”, e sim “confiabilidade em sistemas reais”.

Ambientes de produção não toleram erros: um é a “ilusão” da IA(gerando informações falsas), outro é a inconsistência nos resultados, e o terceiro são modos de falha opacos. Quando a IA envolve atendimento ao cliente, movimentação de fundos ou conformidade, resultados “aproximadamente corretos” já não são aceitáveis.

A construção de “confiança” exige quatro fundamentos: rastreabilidade dos resultados, capacidade de memória, verificabilidade e capacidade de expor “incertezas” de forma proativa. Antes que essas capacidades estejam maduras, a autonomia da IA deve ser limitada.

Tema 6: Engenharia de sistemas determina se a IA pode ser implementada em cenários de produção

Produtos de IA bem-sucedidos veem o “modelo” como um “componente” e não como um “produto final” — sua confiabilidade depende do “design de arquitetura”, não da “otimização de prompts”.

Esse “design de arquitetura” inclui gerenciamento de estado, controle de fluxo, avaliação e monitoramento, além de mecanismos de tratamento e recuperação de falhas. Por isso, o desenvolvimento de IA hoje se aproxima mais de “engenharia de software tradicional” do que de “pesquisa de ponta”.

O valor de longo prazo se concentra em duas categorias: construtores de sistemas e plataformas que controlam fluxos de trabalho e canais de distribuição.

À medida que agentes de IA se expandem de codificação para pesquisa, escrita, análise e operações, a importância da “engenharia de sistemas” se intensifica: trabalhos de conhecimento geralmente são complexos, dependentes de informações de estado e altamente contextuais, tornando mais valioso um agente capaz de “gerenciar confiavelmente memória, ferramentas e processos de iteração” do que apenas gerar saídas.

( Tema 7: O conflito entre modelos abertos e controle centralizado gera problemas de governança ainda não resolvidos

À medida que as capacidades dos sistemas de IA aumentam e sua integração com o economia se aprofunda, a questão de “quem possui e controla os modelos de IA mais poderosos” está gerando conflitos centrais.

Por um lado, o desenvolvimento de ponta em IA ainda é “intensivo em capital”, e influenciado por “acesso a poder computacional, políticas regulatórias e geopolítica”, levando a uma concentração crescente; por outro, modelos e ferramentas de código aberto continuam a evoluir com “experimentos amplos e implantação facilitada”.

Esse cenário de “concentração e abertura simultâneas” gera uma série de problemas não resolvidos: riscos de dependência, auditabilidade, transparência, poder de barganha de longo prazo e controle sobre infraestrutura crítica. O resultado mais provável é um “modelo híbrido” — modelos de ponta impulsionando avanços tecnológicos, enquanto sistemas abertos ou semiabertos integram essas capacidades em “softwares amplamente distribuídos”.

) Tema 8: Moedas programáveis impulsionam novos fluxos de pagamento com agentes inteligentes

Quando sistemas de IA atuam nos fluxos de trabalho, a demanda por “interações econômicas” aumenta — como pagamento por serviços, chamadas de API, pagamento de recompensas a outros agentes inteligentes ou liquidação de “custos de interação baseados em uso”.

Essa demanda reacende o interesse pelas “stablecoins”: vistas como “moeda nativa de máquinas”, com capacidade de programação, auditabilidade e transferência automática sem intervenção humana.

Tomemos como exemplo protocolos como x402: embora ainda em fase inicial de experimentação, seu direcionamento é claro: os fluxos de pagamento ocorrerão via “API”, e não mais por “páginas de pagamento” tradicionais — permitindo que agentes de software realizem “transações contínuas e detalhadas”.

Atualmente, esse campo ainda é incipiente: volumes pequenos, experiência do usuário rudimentar, segurança e sistemas de permissão ainda em desenvolvimento. Mas a inovação na infraestrutura geralmente começa com essas “explorações iniciais”.

O mais importante é entender que isso não é “autonomia por si só”, mas sim que “quando o software consegue realizar transações por meio de programação, novas formas de economia se tornam possíveis”.

Conclusão

Tanto para criptomoedas quanto para inteligência artificial, as fases iniciais de desenvolvimento favorecem “conceitos chamativos” e “tecnologia inovadora”; na próxima fase, “confiabilidade”, “capacidade de governança” e “capacidade de distribuição” se tornarão dimensões de competição mais relevantes.

Hoje, a tecnologia em si não é mais o principal limitador; o que importa é “incorporar a tecnologia em sistemas reais”.

Na minha visão, a marca de 2026 não será uma “tecnologia revolucionária específica”, mas sim a “acumulação estável de infraestrutura” — essas instalações, operando silenciosamente, também estão remodelando “formas de fluxo de valor” e “modelos de trabalho” de forma silenciosa.