Największe tokenizacje ostatnich lat – ranking

Maciej Zieliński

26 lut 2021
Największe tokenizacje ostatnich lat – ranking

Tokenizacja jest stosunkowo młodą technologią, jednak jej znaczenie dla świata finansów zwiększa się znacząco z każdym rokiem. Dzisiaj interesują się nią nie tylko innowacyjne startupy z branży fintech, ale i największe banki na świecie czy potentaci rynku nieruchomości. Jakie były największe tokenizacje ostatnich lat?

Największe tokenizacje ostatnich lat:

8. Santander Bank - tokenizacja obligacji 

W 2019 roku hiszpański bank Santander we współpracy z londyńskim startupem Nivaura przeprowadził tokenizację obligacji wartych 20 milionów euro. Przedsięwzięcie było ukoronowaniem badań nad wykorzystaniem technologii Blockchain rozpoczętych przez firmę już w 2016 roku. 

Do wydarzenia odniósł się José María Linares, zarządzający Santander Corporate & Investment Banking: “Nasi klienci coraz częściej wymagają najlepszego myślenia i technologii w tym, jak służymy im w ich wysiłkach związanych z pozyskiwaniem kapitału. Emisja tych obligacji w technologii blockchain stawia Santander na czele innowacji na rynkach kapitałowych i pokazuje klientom, że jesteśmy najlepszym partnerem, który wspiera ich w cyfrowej podróży." 

7. Tokenizacja nieruchomości na ulicy Bahnhofstrasse w Zurychu

W 2020 roku firma BrickMark kupiła większościowy udział w Bahnhofstrasse 52 -  nieruchomości na jednym z najbardziej prestiżowych bulwarów handlowych na świecie. Aby sfinalizować transakcję z grupą inwestycyjną nieruchomości RFR Holding stworzyła i wyemitowała zastrzeżone tokeny oparte na Ethereum. Łącznie 20% procent wartego 134 miliony zakupy dokonane zostało w tokenach. Stanowi to światowe rekord w tokenizacji nieruchomości. 

“Realizujemy to, co kiedyś było jedynie koncepcją w branży nieruchomości” - skomentował Stephan Rind, CEO w BrickMark

6. Bank światowy- tokenizacja obligacji 

W sierpniu 2018 roku  Bank Światowy uruchomił bond-i, pierwszą na świecie obligację, która została stworzona, przydzielona, przeniesiona i zarządzana w całym cyklu życia przy użyciu technologii Blockchain.  Dwuletnia obligacja zebrała 110 mln dolarów australijskich. 

"Cieszę się, że ta pionierska transakcja obligacyjna z wykorzystaniem technologii distributed ledger, bond-i, została niezwykle dobrze przyjęta przez inwestorów. Jesteśmy pod szczególnym wrażeniem ogromnego zainteresowania ze strony instytucji publicznych, zarządzających funduszami i banków. Bez wątpienia udało nam się przejść od koncepcji do rzeczywistości, ponieważ ci wysokiej klasy inwestorzy zrozumieli wartość wykorzystania technologii dla innowacji na rynkach kapitałowych.” - oznajmiła Arunma Oteh, skarbnik Banku światowego.

największe tokenizacje

5. Daimler - tokenizacja obligacji emisyjnych

Niemiecki gigant motoryzacyjny stojący za markami takimi jak Macedes-Benz w 2018 roku przeprowadził tokenizację rocznych obligacji korporacyjnych wartych 100 milionów euro. 

Według Daimlera cały cykl transakcji - od powstania, dystrybucji, alokacji i wykonania umowy pożyczki, po potwierdzenie spłaty i wypłaty odsetek - został zautomatyzowany cyfrowo poprzez sieć Blockchain.

“Blockchain pozwala na zarządzanie informacjami bez centralnej jednostki sterującej, w przeciwieństwie do konwencjonalnej emisji, gdzie tę rolę przejmuje bank. Zapewnia to większą przejrzystość, a także zmniejsza obciążenia administracyjne. Każdy z trzech etapów emisji - przygotowanie, marketing i wdrożenie - skorzysta na cyfryzacji.” - mówi Kurt Schäfer, szef działu skarbu w firmie Daimler.

4. Societe generale - tokenizacja 5 letnich obligacji zabezpieczonych

Wykorzystując blockchain Ethereum spółka zależna giganta bankowego Societe Generale SFH, wyemitowała w kwietniu 2019 obligacje zabezpieczone o wartości 100 milionów euro. 

Według firmy: "Ta transakcja na żywo bada bardziej efektywny proces emisji obligacji. Przewiduje się wiele obszarów wartości dodanej, w tym skalowalność produktu i skrócenie czasu wprowadzania na rynek, strukturyzację automatyzacji kodu komputerowego, a tym samym lepszą przejrzystość, szybsze przenoszenie i rozliczanie. Proponuje ona nowy standard dla emisji i obrotu obligacjami na rynku wtórnym oraz zmniejsza koszty i liczbę pośredników."

największe tokenizacje

3. BBVA - tokenizacja kredytu konsorcjalnego

Pod koniec 2018 roku hiszpański gigant bankowy BBVA zakończył pilotaż, w ramach którego stokenizował pożyczkę konsorcjalną dla Red Electrica, hiszpańskiego krajowego operatora sieci elektroenergetycznej.

Warta 150 milionów euro transakcja została przeprowadzona w prywatnej sieci blockchain, wykorzystującej technologię Hyperledger Fabric.  Uczestniczyło w niej sześć oddzielnych podmiotów: Red Eléctrica; trzy banki finansujące: BBVA, BNP Paribas i MUFG; oraz dwóch radców prawnych Linklaters i Herbert Smith Freehills.

Każdy etap negocjacji rejestrowany w sieci DLT (technologia rozproszonej księgi) wraz z tożsamością użytkownika i znacznikiem czasu. Udostępniając informacje w prywatnej sieci blockchain, wszystkie strony mogły śledzić postęp negocjacji i ich status. 

Do przedsięwzięcia odniosła się Maria Teresa Quiros Alvarez, CFO w Red Eléctrica - “Ta transakcja jest częścią inicjatywy naszej firmy mającej na celu popchnięcie cyfrowej transformacji i innowacji jako dźwigni wzrostu i wydajności, umożliwiając nam sprostanie wyzwaniom, jakie zmieniające się środowisko energetyczne stanowi dla naszej firmy ”.

największe

2. Tokenizacja obligacji rządowych w Austrii

W 2018 roku Austria stała się pierwszym krajem na świecie, który przeprowadził tokenizację obligacji rządowych. Wykorzystując Blockchain Ethereum do zarządzania emisją papierów wartościowych rząd austriacki sprzedał wtedy aktywa o łącznej wartości 1,15 miliarda euro. 

„To dodatkowe zabezpieczenie przyczynia się do wysokiego poziomu zaufania do procesu aukcji austriackich obligacji rządowych i wzmacnia dobrą pozycję Austrii na rynku, co może również pośrednio przyczynić się do korzystnych kosztów finansowania” - powiedział Markus Stix szef Agencji Finansów Rządu Federalnego (OeBFA)

1. Bank of China - największe tokenizacje obligacji

W tym samym roku Bank od China przeprowadził tokenizację obligacji wartych aż 20 miliardów yuanów ( 2.8 miliarda dolarów amerykańskich). Ich emisja stanowił część inicjatywy mającej na celu ożywienie chińskiej gospodarki poprzez wspieranie mikro i małych przedsiębiorstw. Do tej pory jest to największa tokenizacja przeprowadzona w historii.

Największe tokenizacje - podsumowanie

Tokenizacja 2.8 miliarda dolarów robi gigantyczne wrażenie, tak samo jak wielomilionowe transakcje w tokenach na rynku nieruchomości. Jednak należy pamiętać, że tokenizacja jest narzędziem nie tylko dla wielkich korporacji i banków. Już dziś tysiące małych i średnich przedsiębiorców wykorzystuje tokenizację by pozyskac finansowanie na swoje projekty.

Chcesz wiedzieć jak tokenizacja sprawdziłaby się w twojej firmie? Napisz na contanct@nextrope.com i umów się na darmowe konsultację.  

Most viewed


Never miss a story

Stay updated about Nextrope news as it happens.

You are subscribed

AI w Branży Nieruchomości. Jak wspiera rynek mieszkań?

Miłosz Mach

13 mar 2025
AI w Branży Nieruchomości. Jak wspiera rynek mieszkań?

Obecnie wiele sektorów gospodarki przechodzi transformację cyfrową. AI w 2025 to już nie tylko gadżet, a narzędzie, które przeprowadza rozmowy z klientami, usprawnia podejmowanie decyzji i optymalizuje procesy sprzedażowe. Równolegle, technologia blockchain zapewnia bezpieczeństwo , transparentność i skalowalność transakcji. Tym wpisem rozpoczynamy serię publikacji o AI w biznesie, a dzisiejszy artykuł poświęcimy wykorzystaniu sztucznej inteligencji w branży nieruchomości.

AI vs. Tradycja: Kluczowe Implementacje AI w Sektorze Nieruchomości

Projektowanie, sprzedaż, i zarządzanie - dotychczasowe metody ustępują miejsca decyzjom wspieranym danymi.

Przełom w Obsłudze Klienta

Chatboty i Asystenci AI zmieniają sposób, w jaki firmy komunikują się z klientami. Obsługują równocześnie setki zapytań, personalizują oferty i prowadzą klientów przez proces zakupowy. Wdrożenie agentów AI może prowadzić do wzrostu jakościowych leadów dla deweloperów oraz automatyzacji odpowiedzi na większość standardowych zapytań klientów. Wyzwania techniczne przy implementacji takich systemów obejmują:

  • Integrację z istniejącymi bazami danych nieruchomości - chatbot musi mieć dostęp do aktualnych ofert, cen i dostępności
  • Personalizację komunikacji - system musi dostosowywać komunikację do indywidualnych potrzeb klienta
  • Zarządzanie wiedzą branżową - chatbot potrzebuje specjalistycznej wiedzy o lokalnym rynku nieruchomości

Zaawansowana Analiza Danych

Systemy kognitywnej AI wykorzystują uczenie głębokie (deep learning) do analizy złożonych zależności na rynku nieruchomości, t.j. trendów makroekonomicznych, lokalnych planów zagospodarowania czy zachowań użytkowników na platformach społecznościowych. Wdrożenie takiego rozwiązania wymaga:

  • Zebrania wysokiej jakości danych historycznych
  • Stworzenia infrastruktury do przetwarzania danych w czasie rzeczywistym
  • Opracowania odpowiednich modeli uczenia maszynowego
  • Ciągłego monitorowania i aktualizacji modeli w oparciu o nowe dane

Inteligentne Projektowanie

Generatywna sztuczna inteligencja rewolucjonizuje projektowanie architektoniczne. Te zaawansowane algorytmy potrafią generować dziesiątki wariantów projektu budynku uwzględniających ograniczenia działki, wymogi prawne, efektywność energetyczną i preferencje estetyczne.

Optymalizacja Efektywności Energetycznej Budynków

Inteligentne systemy zarządzania budynkami (BMS) wykorzystują AI do optymalizacji zużycia energii przy jednoczesnym zachowaniu komfortu mieszkańców. Algorytmy uczenia ze wzmocnieniem (reinforcement learning) badają dane z czujników temperatury, wilgotności i jakości powietrza, a następnie dostosowują parametry ogrzewania, klimatyzacji i wentylacji.

Integracja AI z Blockchain a Tokenizacja Nieruchomości

Połączenie AI z technologią blockchain stwarza nowe możliwości dla branży nieruchomości. Blockchain to rozproszona baza danych, w której informacje są przechowywane w niezmienialnych "blokach". Zapewnia bezpieczeństwo transakcji i transparentność danych, podczas gdy AI analizuje te dane i wyciąga wnioski. W praktyce oznacza to, że historia własności, wszystkie transakcje i modyfikacje nieruchomości są zapisane w sposób niemożliwy do podrobienia, a AI pomaga w interpretacji tych danych i podejmowaniu decyzji.

Przyszłość AI w Branży Nieruchomości: Trendy i Prognozy

AI w sektorze nieruchomości ma potencjał przyniesienia branży wartości od 110 do 180 miliardów dolarów amerykańskich, jak podkreślają eksperci McKinsey & Company.

Kluczowe kierunki rozwoju w najbliższych latach to:

  • Autonomiczne systemy negocjacyjne - agenci AI wyposażeni w strategie teorii gier, zdolni do prowadzenia złożonych negocjacji
  • AI w planowaniu urbanistycznym - algorytmy planujące rozwój miast i optymalną alokację przestrzeni
  • Tokenizacja nieruchomości - wykorzystanie blockchain do podziału nieruchomości na cyfrowe tokeny, umożliwiające inwestowanie w części nieruchomości

Wnioski

Pytanie dla firm nie brzmi już "czy", ale "jak" wdrażać AI, aby maksymalizować korzyści i konkurencyjność swoich ofert. Strategiczne podejście zaczyna się od zdefiniowania konkretnych problemów biznesowych, a następnie doboru odpowiednich technologii.

Jakie wartości potencjalnie wniesie do Twojej organizacji?
  • Obniżenie kosztów operacyjnych dzięki automatyzacji
  • Poprawę doświadczenia klienta i skrócenie czasu transakcji
  • Zwiększenie dokładności prognoz i wycen, redukcja ryzyka biznesowego
Nextrope Logo

Chcesz wdrożyć AI w swoim biznesie nieruchomości?

Nextrope specjalizuje się w implementacji rozwiązań AI i blockchain dostosowanych do konkretnych potrzeb biznesowych. Nasze doświadczenie pozwala na:

  • Tworzenie inteligentnych chatbotów obsługujących klientów 24/7
  • Implementację systemów analitycznych do wyceny nieruchomości
  • Budowę bezpiecznych rozwiązań blockchain dla transakcji nieruchomościowych
Umów bezpłatną konsultację

Lub sprawdź pozostałe artykuły z serii "AI w biznesie"

AI w automatyzacji frontendowej – jak zmienia pracę programisty?

Gracjan Prusik

10 mar 2025
AI w automatyzacji frontendowej – jak zmienia pracę programisty?

Rewolucja AI w Warsztacie Frontendowca

W dzisiejszych czasach programowanie bez wsparcia AI to rezygnacja z potężnego narzędzia, które radykalnie zwiększa produktywność i wydajność developera. Dla współczesnego developera AI w automatyzacji frontendowej to nie tylko ciekawostka, ale kluczowe narzędzie zwiększające produktywność. Od automatycznego generowania komponentów, przez refaktoryzację, aż po testowanie - narzędzia AI fundamentalnie zmieniają naszą codzienną pracę, pozwalając skupić się na kreatywnych aspektach programowania zamiast na żmudnym pisaniu powtarzalnego kodu. W tym artykule pokażę, jak najczęściej wykorzystywane są te narzędzia, aby pracować szybciej, mądrzej i z większą satysfakcją.

Ten wpis rozpoczyna serię poświęconą zastosowaniu AI w automatyzacji frontendowej, w której będziemy analizować i omawiać konkretne narzędzia, techniki i praktyczne przypadki użycia AI, pomagające programistom w codziennej pracy.

AI w automatyzacji frontendowej – jak pomaga w refaktoryzacji kodu?

Jednym z najczęstszych zastosowań AI jest poprawianie jakości kodu i znajdowanie błędów. Narzędzia potrafią analizować kod i sugerować optymalizacje. Dzięki temu będziemy w stanie pisać kod znacznie szybciej, a także znacznie zmniejszyć ryzyko związane z ludzkim błędem.

Jak AI ratuje nas przed frustrującymi błędami

Wyobraź sobie sytuację: spędzasz godziny debugując aplikację, nie rozumiejąc dlaczego dane nie są pobierane. Wszystko wydaje się poprawne, składnia jest prawidłowa, a jednak coś nie działa. Często problem tkwi w drobnych szczegółach, które trudno wychwycić podczas przeglądania kodu.

Spójrzmy na przykład:

function fetchData() {
    fetch("htts://jsonplaceholder.typicode.com/posts")
      .then((response) => response.json())
      .then((data) => console.log(data))
      .catch((error) => console.error(error));
}

Na pierwszy rzut oka kod wygląda poprawnie. Jednak po uruchomieniu nie otrzymamy żadnych danych. Dlaczego? W URL-u znajduje się literówka - "htts" zamiast "https". To klasyczny przykład błędu, który może kosztować developera godziny frustrującego debugowania.

Kiedy poprosimy AI o refaktoryzację tego kodu, nie tylko otrzymamy bardziej czytelną wersję wykorzystującą nowsze wzorce (async/await), ale również - co najważniejsze - AI automatycznie wykryje i naprawi literówkę w adresie URL:

async function fetchPosts() {
    try {
      const response = await fetch(
        "https://jsonplaceholder.typicode.com/posts"
      );
      const data = await response.json();
      console.log(data);
    } catch (error) {
      console.error(error);
    }
}

Jak AI w automatyzacji frontendowej przyspiesza tworzenie UI?

Jednym z najbardziej oczywistych zastosowań AI w frontendzie jest generowanie komponentów UI. Narzędzia takie jak GitHub Copilot, ChatGPT czy Claude potrafią wygenerować kod komponentu na podstawie krótkiego opisu lub przesłanego im obrazu.

Dzięki tym narzędziom możemy tworzyć złożone interfejsy użytkownika w zaledwie kilkadziesiąt sekund. Wygenerowanie kompletnego, funkcjonalnego komponentu UI zajmuje często mniej niż minutę. Co więcej, wygenerowany kod jest zazwyczaj pozbawiony błędów, zawiera odpowiednie animacje i jest w pełni responsywny, dostosowując się do różnych rozmiarów ekranu. Ważne jest, aby dokładnie opisać czego oczekujemy.

Widok wygenerowany przez Claude po wpisaniu "Na podstawie wczytywanych danych wyświetl posty. Strona ma być responsywna. Kolory przewodnie to: #CCFF89, #151515 i #E4E4E4".

Wygenerowany widok postów

AI w analizie i rozumieniu kodu

AI może analizować istniejący kod i pomóc w jego zrozumieniu, co jest szczególnie przydatne w przypadku dużych, skomplikowanych projektów lub kodu napisanego przez kogoś innego.

Przykład: Generowanie podsumowania działania funkcji

Załóżmy, że mamy funkcję do przetwarzania danych użytkowników, której działania nie rozumiemy na pierwszy rzut oka. AI może przeanalizować kod i wygenerować jego czytelne wyjaśnienie:

function processUserData(users) {
  return users
    .filter(user => user.isActive) // Sprawdza wartość `isActive` dla każdego użytkownika i zostawia tylko te obiekty, gdzie `isActive` jest prawdziwe (true)
    .map(user => ({ 
      id: user.id, // Pobiera wartość `id` z każdego obiektu użytkownika
      name: `${user.firstName} ${user.lastName}`, // Tworzy nowy string, łącząc `firstName` i `lastName`
      email: user.email.toLowerCase(), // Zamienia adres e-mail na małe litery
    }));
}

W tym przypadku AI nie tylko podsumowuje działanie kodu, ale też rozbija poszczególne operacje na łatwiejsze do zrozumienia fragmenty.

AI w automatyzacji frontendowej – tłumaczenia i wykrywanie błędów

Każdy frontendowiec wie, że praca programisty to nie tylko kreatywne tworzenie interfejsów, ale także mnóstwo powtarzalnych, żmudnych zadań. Jednym z nich jest implementacja tłumaczeń dla aplikacji wielojęzycznych (i18n). Dodawanie tłumaczeń dla każdego klucza w plikach JSON, a następnie ich weryfikacja, potrafi być czasochłonna i podatna na błędy.

Dzięki AI możemy jednak znacznie przyspieszyć ten proces. Wykorzystanie ChatGPT, DeepSeek czy Claude pozwala na automatyczne generowanie tłumaczeń dla interfejsu użytkownika, a także wychwytywanie błędów językowych i stylistycznych.

Przykład:

Mamy plik tłumaczeń w formacie JSON:

{
  "welcome_message": "Witaj w naszej aplikacji!",
  "logout_button": "Wyloguj się",
  "error_message": "Coś poszło nie tak. Spróbuj ponownie później."
}

AI może automatycznie wygenerować jego wersję w języku angielskim:

{
  "welcome_message": "Welcome to our application!",
  "logout_button": "Log out",
  "error_message": "Something went wrong. Please try again later."
}

Co więcej, AI potrafi wykryć błędy ortograficzne czy niekonsekwencje w tłumaczeniach. Jeśli na przykład w jednym miejscu użyliśmy "Wyloguj się", a w innym "Wyjdź", AI może zasugerować ujednolicenie terminologii.

Tego typu automatyzacja nie tylko oszczędza czas, ale też minimalizuje ryzyko ludzkich błędów. A to tylko jeden z przykładów – AI pomaga również w generowaniu dokumentacji, pisaniu testów oraz optymalizacji wydajności – o czym opowiemy w kolejnych artykułach.

Podsumowanie

Sztuczna inteligencja zmienia sposób, w jaki frontendowcy pracują na co dzień. Od generowania komponentów, przez refaktoryzację kodu i wykrywanie błędów, aż po automatyczne testowanie i dokumentację – AI znacząco przyspiesza i usprawnia pracę. Bez tych narzędzi stracimy bardzo dużo czasu, czego oczywiście nie chcemy.

W kolejnych częściach serii omówimy m.in.:

Śledź nas, aby być na bieżąco!