23 лютого 2026 року, у звичайний спокійний понеділок, акції IBM зазнали найжорстокішого одноденного обвалу з жовтня 2000 року. Наприкінці торгів їхній курс знизився на 13,2%, втративши близько 40 мільярдів доларів ринкової капіталізації за кілька годин. Причиною цього не стали фінансові звіти з провалом або регуляторний удар, а повідомлення про продукт: нова AI-компанія Anthropic оголосила, що їхній інструмент Claude Code здатен модернізувати COBOL — мову програмування, яка працює на системах IBM, і яка є саме тією “захисною зоною” високих прибутків IBM.
Через три дні події розгорнулися зовсім інакше. 26 лютого компанія Block, під керівництвом Джек Дорсі, оголосила про скорочення близько 4000 працівників — майже 50% штату, і причиною знову ж таки назвала підвищення ефективності за допомогою AI. Але реакція ринку була зовсім іншою — акції Block у післяторговельний час зросли більш ніж на 24%. У листі до акціонерів Дорсі зізнався: “Я вірю, що протягом наступного року більшість компаній зроблять такий самий висновок і проведуть подібні структурні коригування.”
Обидві події — один і той самий драйвер — AI; два кардинально різні ринкові реакції — один обвал, інший зростання. Що ж насправді відбувається? Відповідь, можливо, вказує на глибше питання: AI перезадає уявлення про “цінні активи”. Для керівників публічних компаній, інвесторів і традиційних бізнес-лідерів розуміння цієї переоцінки вже перестало бути стратегічною перспективою і стало питанням виживання.
1. Один і той самий AI — різні ринкові оцінки
Щоб зрозуміти цю різницю, потрібно спершу розібратися з активною структурою кожної компанії.
Обвал IBM — це, з одного боку, технічна загроза від інструменту Claude Code, але з іншого — переоцінка ринком їхнього основного активу. COBOL — мова програмування, створена наприкінці 1950-х років, яка й досі підтримує близько 95% транзакцій через банкомати та багато ключових систем у фінансовій, авіаційній, державній сферах. У блозі Anthropic зазначають: “Щодня у виробничих системах працює трильйони рядків COBOL, забезпечуючи життєво важливі системи. Попри це, кількість фахівців з COBOL щороку зменшується.”
Довгий час модернізація COBOL-систем була складною та дорогою задачею, що й стало своєрідною “захисною зоною” високих прибутків IBM. Але Anthropic стверджує: “За допомогою AI команда може модернізувати кодову базу COBOL за кілька сезонів, не витрачаючи роки.” У ринку звучить підсвідомий меседж: доходи IBM від людських ресурсів, що обслуговують системи на великих машинах, — під загрозою через AI.
Проте вже наступного дня акції IBM відновилися на 2,68%. Аналізатори, такі як Wedbush і Evercore ISI, швидко виступили з заявами, що цей обвал — “безпідставна надмірна реакція”. Вони наголошують: клієнти не відмовляться від своїх систем через один новий AI-інструмент для перекладу застарілого коду. Між мовою коду та глибокою інтеграцією апаратного й програмного забезпечення існує величезна прірва.
Сам IBM у цей же день опублікував відповідь, наголошуючи: виклик модернізації — не COBOL як мова, а платформа IBM Z. Переклад коду майже не враховує складність реальної системи, а цінність платформи зумовлена десятиліттями інтеграції апаратного й програмного забезпечення — це те, що не можна просто перекласти.
Ще один приклад — події компанії Block. Так само масштабне скорочення штату, так само під впливом AI, але реакція ринку — зростання на 24%. Головна причина — змінюється структура активів Block. З 2024 року компанія перебудовує свою бізнес-модель і кадрову політику, активно інвестуючи в AI-інструменти для підвищення ефективності, зокрема розробляючи власний інструмент Goose.
Фінансовий директор Block Амріта Ахуя під час пояснення скорочень наголосила: “Ми вживаємо сміливих і рішучих заходів, але на основі міцних позицій.” І ці позиції підтверджуються даними: валовий прибуток за 2025 рік склав 10,36 млрд доларів, зростаючи на 17%. Такий фінансовий результат дає компанії можливість безпечно рухатися до масштабної реструктуризації.
Ринок розуміє: Block не пасує під AI-удар, а навпаки — активно оптимізує структуру активів, щоб отримати більшу продуктивність за менших людських ресурсів. Скорочення на 50% і підвищення прогнозу — сигнал, що цінність кожного працівника зростає завдяки AI.
2. У епоху AI активи перезадають цінність
Обидва кейси демонструють один і той самий тренд: AI стає “перезадавачем” цінності активів. Різні типи активів у рамках AI-оцінки демонструють різні криві цінності.
Перша група — активи, що ґрунтуються на людській праці. Команди підтримки COBOL IBM, традиційні аналітики, програмісти — їхня цінність зменшується через AI. Anthropic зазначає, що Claude Code може виявити “ризики, які зазвичай виявляють місяцями роботи людських фахівців”. Це не означає, що люди вже не важливі, але ті роботи, що базуються на інформаційній асиметрії та процесних знаннях, — під загрозою.
Однак важливо розуміти: AI замінює “обробку інформації”, а не “створення цінності”. Аналізи Futurum Group вказують, що успішна модернізація COBOL вимагає багатогранного підходу: визначення бізнес-обсягів, технічна оцінка, планування міграції даних, перевірка поведінкової еквівалентності, моніторинг та управління змінами в організації — переклад коду є лише частиною. Людські навички, здатність розуміти бізнес і приймати стратегічні рішення залишаються дефіцитними.
Друга група — дані як активи. Вони стають ключовими у новій AI-епохі. Швидкий розвиток генеративного AI змінює цінність даних: їхня якість, релевантність і застосовність у рамках AI-інфраструктури визначають їхню цінність. Дослідження, опубліковане у PLOS One, показує, що генеративний AI змінює способи отримання, обробки та використання даних, і їхня цінність залежить не лише від внутрішніх характеристик, а й від застосовних сценаріїв, здатності трансформувати їх у корисний продукт і ринковий попит.
Це означає, що унікальність, безперервність і управління даними стають головними ціннісними характеристиками. Набір даних у одному контексті може бути дуже цінним, у іншому — ні. Компанії, що здатні забезпечити ексклюзивний, високоякісний і постійний потік даних для тренування AI-моделей, отримують нові можливості для ціноутворення.
Третя група — алгоритми та моделі. Співпраця OpenAI і Paradigm щодо створення EVMbench, що оцінює здатність AI виявляти та виправляти вразливості у смарт-контрактах, — яскравий приклад того, що алгоритми стають об’єктами кількісної оцінки. Ваги моделей, архітектура алгоритмів, методи тренування — все це стає об’єктом ідентифікації, контролю і монетизації.
Четверта група — традиційні матеріальні активи. Вони зазнають диференціації: активи, що залежать від “інформаційної асиметрії” та “людського посередництва”, втрачають цінність, тоді як ті, що мають “стійкість до AI-замінювання” — енергетичні об’єкти, ресурси, інфраструктура — зберігають свою цінність. Причина проста: AI може аналізувати і оптимізувати їхню експлуатацію, але не здатен замінити фізичну присутність і функціональність.
3. Від “перезакласифікації активів” до “AI-імунітету”
Зі сказаного випливає, що компанії потрібна системна модель для визначення: чи зростає цінність їхніх активів у епоху AI, чи знижується. Інститут RWA пропонує концепцію “AI-імунних” активів, що має три ключові ознаки.
Перша — некодованість. Це активи, які важко повністю навчити або скопіювати AI. COBOL-код можна перекласти, але транзакційна здатність систем IBM Z, квантове шифрування, надійність “вісім дев’яток” — це те, що AI не може відтворити. Дослідження Futurum Group підкреслює: “Переклад коду не враховує складність системи, цінність платформи зумовлена десятиліттями інтеграції апаратного й програмного забезпечення”. Аналогічно, контроль над фізичним середовищем, приховані галузеві знання, мережі — ці “некодовані” фактори формують перший бар’єр імунітету.
Друга — захисна зона даних. Чи має компанія унікальні, постійні, керовані дані? Чи використовує вона відкриті джерела, чи здатна генерувати дані, що недоступні іншим? Наприклад, CITIC Bank вже досліджує оцінку цінності даних за допомогою великих моделей і прагне “інкорпорувати дані у баланс”. Логіка проста: у AI-епоху дані — не лише сировина, а й актив. Але не всі дані мають захисну зону — публічні дані швидко “перетравлюються” AI, тоді як унікальні, контрольовані дані — цінність зростає.
Третя — гнучкість під AI. Чи може актив бути підсилений AI, а не замінений? Це ключ до розрізнення IBM і Block. IBM — його бізнес-модель — піддається заміні AI, тоді як Block — може бути підсилений. Наприклад, IBM розробила Watsonx Code Assistant for Z, що дозволяє клієнтам безпечно оновлювати та модернізувати застарілий код, зберігаючи безпеку. Якщо актив може співпрацювати з AI і давати додаткову цінність — його цінність зростає.
З іншого боку, активи, що мають три ознаки слабкості до AI: залежність від “обробки інформації”, стандартизація процесів, відсутність здатності до накопичення даних. За цими ознаками можна провести “стрес-тест” активів.
4. Нові можливості RWA: що варто токенізувати?
Застосовуючи цю модель до сфери токенізації реальних активів (RWA), можна зробити висновок: RWA — це не “все, що можна занести у блокчейн”, а активи, здатні пройти через AI-оцінку і зберегти цінність у довгостроковій перспективі.
На березень 2026 року загальна вартість RWA у блокчейні перевищила 25 мільярдів доларів — майже у чотири рази більше, ніж рік тому. Але у white paper Hong Kong Web3.0 Association від серпня 2025 року чітко зазначено: “Міф, що все може бути RWA”. Для масштабного впровадження активи мають відповідати трьом критеріям: стабільність цінності, чіткість правового статусу і можливість верифікації даних поза блокчейном.
З урахуванням концепції “AI-імунітету” можна деталізувати: варто токенізувати активи, цінність яких залишається стабільною у довгостроковій перспективі в умовах AI-оцінки.
Перша — активи з ознаками “AI-імунітету”. Це енергетика, інфраструктура, ресурси — ті, що базуються на фізичній присутності і реальній функціональності. Наприклад, нові енергетичні активи (станції зарядки, сонячні панелі), GPU-обчислювальні ресурси — саме вони мають стійкість до AI-замінювання. GPU, зокрема, через високий попит у AI-індустрії і “цифрове походження”, стають ідеальним активом для RWA.
Друга — програмовані дані. Унікальні, контрольовані дані, що автоматично монетизуються через смарт-контракти, — мають високий потенціал. Це і дані, і інтелектуальна власність, і кредити на зниження вуглецю. Важливо, щоб дані були постійними, підтвердженими і здатними до довгострокового збереження цінності.
Третя — комбіновані активи. Наприклад, нерухомість, що токенізована, але зберігає фізичний контроль і управління через професійні компанії. Така “двошарова” структура дозволяє поєднати переваги блокчейну і фізичного світу, зберігаючи “імунітет” до AI-замінювання.
Проте є активи, що у AI-епоху потребують обережності при токенізації: ті, що сильно залежать від людського посередництва, або не мають захисної зони даних.
5. Практичні рекомендації: від розуміння до дії
Обвал акцій IBM — сигнал: активи, що базуються на “інформаційній асиметрії” і людській праці, втрачають цінність під натиском AI. Зростання Block — приклад того, що компанії, які здатні адаптуватися і оптимізувати структуру активів, отримують перевагу.
Для керівників публічних компаній і традиційних бізнесів важливо не лише технологічне занепокоєння, а й фундаментальна переоцінка системи цінностей активів. Вони мають відповісти на питання: Скільки мої активи коштують у погляді AI?
З цією метою пропонуємо три конкретні кроки:
-
Почати “AI-стрес-тест” активів. За ознаками “AI-імунітету”: некодованість, захисна зона даних, гнучкість під AI — оцінити ключові бізнес-юнити. Визначити, які активи найбільше вразливі, а які — мають потенціал для зростання.
-
Створити динамічну систему управління портфелем активів. В умовах AI-реоцінки активи не можна тримати статично. Потрібно збільшувати частку “AI-імунних” активів і планувати трансформацію або виведення “AI-уразливих”. Це вимагає співпраці стратегічних, технічних і бізнес-підрозділів.
-
Переглянути стратегію RWA. Перед токенізацією — застосувати “AI-імунітет” для відбору активів. Головна цінність — не “завантажити у блокчейн”, а отримати кращу ліквідність і цінову ефективність. Якщо активи в довгостроковій перспективі знецінюються через AI — токенізація лише прискорить втрату цінності.
Звертаємо увагу: відповідно до постанови №42 Мінфіну і регуляторів Китаю, внутрішньому ринку заборонено будь-які форми випуску і торгівлі токенами. Обговорення RWA — це лише про легальні закордонні практики. Внутрішні компанії мають суворо дотримуватися регуляторних обмежень.
Коли AI починає переоцінювати активи, єдине джерело “безпеки” — це ті активи, які AI не може оцінити або замінити: не код, не дані, а людська здатність судити цінність.
