Standar Terbuka Akan Membuka Terobosan Berikutnya dari AI Agenik dalam Fintech

Manik Surtani adalah Kepala Open Source di Block.

Temukan berita dan acara fintech teratas!

Berlangganan buletin FinTech Weekly

Dibaca oleh para eksekutif di JP Morgan, Coinbase, Blackrock, Klarna, dan lainnya

Pada tahun 2025, agen AI mengubah cara fintech beroperasi secara internal, mengotomatisasi alur kerja yang kompleks dan berkoordinasi lintas berbagai alat dengan arahan manusia yang minimal. Pada tahun 2026, kita akan melihat semakin banyak fitur agentik ini ditawarkan langsung kepada pelanggan. Namun, industri ini menghadapi sebuah pilihan. Ekosistem teknologi keuangan saat ini sangat terfragmentasi. Setiap prosesor pembayaran, pemberi pinjaman, bank, dan platform memiliki format data dan API-nya sendiri. Pelanggan dapat memperoleh agen yang hanya bekerja di dalam sistem yang terisolasi, atau kita bisa secara kolektif bergerak menuju standar terbuka yang memungkinkan agen beroperasi di beragam konteks keuangan yang lebih luas.

Awal bulan ini, Block, Anthropic, dan OpenAI, dalam kemitraan dengan Linux Foundation, mengumumkan pembentukan Agentic AI Foundation (AAIF), yang menghimpun kontribusi dari masing-masing perusahaan mereka, dengan dukungan dari pemimpin AI lainnya, untuk menetapkan standar terbuka bagi AI agentik. Meskipun masih dini, ini merupakan langkah yang bermakna untuk meningkatkan interoperabilitas dalam teknologi keuangan. Jika industri merangkul arah ini, kita bisa membangun ekosistem di mana agen dapat belajar dari data yang lebih kaya, mengakses antarmuka yang diselaraskan, dan memberikan manfaat yang terakumulasi—bukan terpecah. Jika tidak, kita berisiko mereplikasi arsitektur silo yang sama yang telah memperlambat inovasi selama puluhan tahun, hanya saja kali ini dengan teknologi yang lebih kuat.

Batasan Agentic AI dalam Sistem Silo

Fintech secara historis berkembang melalui tumpukan teknologi yang bersifat proprietary. Model itu berhasil di masa lalu, tetapi agentic AI menyingkap keterbatasannya. Agen memerlukan akses yang konsisten ke konteks, permukaan aksi, dan sinyal dari berbagai sistem.

Ketika setiap institusi menyusun transaksi, identitas, indikator risiko, dan profil merchant secara berbeda, agentic AI menghadapi hambatan serius. Data yang terfragmentasi melemahkan kemampuan agen untuk bernalar atau mengambil tindakan yang percaya diri. Gesekan integrasi memperlambat penerapan dan meningkatkan biaya rekayasa. Penguncian vendor memaksa perusahaan memilih alat yang kurang efektif hanya karena alat tersebut sesuai dengan arsitektur yang ada, atau yang lebih buruk lagi, membuat silo mereka sendiri yang justru semakin memperparah masalah tersebut.

Agentic AI berhasil ketika ia dapat mengamati, memutuskan, dan bertindak lintas sistem yang saling terhubung. Lingkungan yang terisolasi melemahkan ketiga kemampuan tersebut.

Mengapa Standar Terbuka Mengubah Segalanya

Standar terbuka (skema, definisi, dan protokol bersama) melakukan lebih dari sekadar menyederhanakan integrasi. Standar terbuka membentuk fondasi bagi perilaku agentik yang skalabel dan interoperabel.

Sebelum agen dapat bernalar lintas sistem atau bertindak atas nama pengguna, sistem-sistem tersebut harus berbicara dalam bahasa yang sama. Pertimbangkan Model Context Protocol (MCP), sebuah standar terbuka yang memberi sistem AI kemampuan untuk berinteraksi dengan alat dan data dunia nyata. Dalam waktu sekitar satu tahun, MCP telah menyaksikan adopsi yang terus meningkat di berbagai industri, termasuk perusahaan fintech dan commerce. Block membangun implementasi referensi pertama untuk MCP dengan goose dan menjadi kontributor awal untuk protokol itu sendiri. Stripe membangun dukungan MCP agar agen dapat mengakses data pembayaran, membuat sesi checkout, dan mengelola langganan. Square merilis server MCP untuk pembayaran, katalog, dan API pelanggan-nya. Shopify meluncurkan integrasi MCP untuk platform commerce-nya. Contoh-contoh ini menunjukkan minat pasar yang nyata terhadap interoperabilitas.

Dengan protokol yang interoperabel, agen dapat menafsirkan data dengan pemahaman konteks yang lebih baik. Sebaliknya, fragmentasi membatasi kualitas sinyal yang menjadi andalan agen.

Bandingkan ini dengan open banking. Open banking telah membutuhkan waktu bertahun-tahun untuk maju secara global (terutama di AS) karena institusi harus melakukan pekerjaan berat: membangun API baru, memastikan kepatuhan, dan berkoordinasi lintas regulator. Kemajuan bergantung pada tekanan regulasi, dan bahkan kemudian, adopsinya lambat dan tidak merata. Dalam kedua kasus tersebut, pelanggan diuntungkan oleh interoperabilitas yang lebih baik. Dengan agentic AI, perusahaan mungkin memiliki insentif tambahan: agen dapat membantu menjembatani atau menerjemahkan antar sistem, menurunkan beban integrasi, dan membuat standar terbuka menarik secara komersial—bukan hanya didorong oleh kepatuhan.

Generasi berikutnya dari agentic AI akan terdiri dari agen-agen khusus yang berkolaborasi. Satu agen mungkin unggul dalam klasifikasi dokumen, agen lain dalam deteksi penipuan, sementara agen lain dalam prakiraan arus kas. Antarmuka yang dapat diprediksi dan protokol bersama dapat membantu agen-agen ini menemukan layanan, mendelegasikan tugas, dan mengorkestrasi alur kerja tanpa kode khusus yang rapuh.

Begitu agen dapat bergerak dengan lancar lintas platform keuangan, kekuatan nyata interoperabilitas menjadi jelas. Saat ini, setiap layanan keuangan beroperasi secara terisolasi. Sistem payroll Anda tidak berbicara dengan aplikasi perbankan bisnis Anda. Alat manajemen pengeluaran Anda tidak bisa berkoordinasi dengan perangkat lunak akuntansi Anda. Prosesor pembayaran Anda tidak memiliki visibilitas terhadap prakiraan arus kas Anda. Dengan standar terbuka, agen dapat mengorkestrasi di seluruh hal tersebut. Mereka dapat merekonsiliasi pengeluaran secara otomatis dengan mengambil data dari kartu perusahaan Anda, mencocokkannya dengan faktur di sistem akuntansi Anda, dan memperbarui prakiraan anggaran secara real time. Mereka dapat mengoordinasikan waktu pembayaran di berbagai platform, memastikan Anda membayar vendor ketika arus kas kuat dan menunda ketika ketat. Mereka dapat menghubungkan data underwriting dari satu platform ke penilaian risiko di platform lain, sehingga Anda tidak perlu mengisi informasi yang sama berulang kali. Nilainya terletak pada menghubungkan sistem yang awalnya tidak dirancang untuk saling berinteroperasi.

Fintech yang lebih kecil juga diuntungkan. Standar terbuka meratakan medan permainan dengan memungkinkan pendatang baru menghubungkan agen mereka ke bank dan prosesor tanpa proyek rekayasa yang mahal. Mereka dapat bersaing berdasarkan wawasan dan pengalaman, bukan berdasarkan anggaran integrasi.

Bangun Rel-nya, Bukan Temboknya

Dekade berikutnya dari fintech akan ditentukan oleh perusahaan yang memahami bahwa agentic AI bukanlah produk tunggal. Ini adalah platform untuk penalaran, aksi, dan kolaborasi lintas sistem. Platform hanya bisa diskalakan ketika industri menyepakati rel yang mereka jalankan.

AAIF mewakili langkah awal yang penting, tetapi itu baru permulaan. Untuk membuka potensi penuh agentic AI, fintech perlu terlibat. Kita membutuhkan skema data terbuka yang secara khusus dirancang untuk komponen dasar keuangan: merchant, transaksi, identitas, sinyal risiko, dan alur pembayaran. Beberapa protokol commerce dan pembayaran sudah ada dan lebih banyak yang sedang diusulkan, tetapi semuanya masih memerlukan persetujuan dan kolaborasi dari industri agar menjadi standar sejati—bukan implementasi yang terisolasi. Kita perlu kerangka kerja keselamatan dan tata kelola yang sama supaya kepercayaan dapat bertumbuh seiring inovasi. Dan kita perlu partisipasi aktif dari para pemimpin fintech dalam kelompok industri yang mendefinisikan dan memelihara standar-standar ini, bukan hanya pengamatan pasif.

Ini tidak berarti menyerah pada diferensiasi. Perusahaan terkuat akan membedakan diri dalam pengalaman, manajemen risiko, dan kecerdasan—bukan pada infrastruktur teknis yang proprietary. Sejarah internet menunjukkan bahwa infrastruktur yang kuat dapat memperluas peluang, bukan menguranginya. Agentic AI memberi kesempatan untuk melakukan hal yang sama lagi.

Tentang penulis

Manik Surtani adalah Kepala Open Source di Block, Inc. Di Block, Manik sebelumnya memimpin tim rekayasa di Square dan Cash App. Sebelum bergabung dengan Block, Manik adalah Staff Engineer di Red Hat. Ia adalah pendiri sekaligus lead engineer proyek Infinispan dan arsitek platform pada JBoss Data Grid. Manik memiliki latar belakang di AI, sistem terdistribusi dan toleran terhadap kegagalan, serta penyetelan performa JVM. Manik adalah pendukung kuat metodologi pengembangan open source, ethos, dan proses kolaboratif, serta telah terlibat dalam open source sejak upayanya yang pertama kali terjun ke dunia komputasi.