Agen AI Anda Memiliki Masalah Penyelesaian

Bank berinvestasi besar-besaran pada AI agenik dan, secara terpisah, pada infrastruktur yang ditokenisasi. Kebanyakan menganggap keduanya sebagai jalur paralel yang pada akhirnya akan bertemu. Asumsi urutan tersebut layak dipertanyakan, karena dua program ini lebih saling bergantung daripada yang biasanya tercermin dalam peta jalan teknologi saat ini.

Ini masalah yang mendasarinya. Sistem AI agenik pada dasarnya berbeda dari model prediktif dan alat pendukung keputusan yang mendahuluinya. Sebuah model memunculkan sebuah wawasan. Seorang agen bertindak berdasarkan itu. Perbedaan itu bukan sekadar nuansa pemasaran. Ia memiliki implikasi langsung pada infrastruktur yang sebagian besar rencana penerapan belum memperhitungkannya.

Ketika seorang agen bertindak, transaksi perlu diselesaikan. Bukan di akhir hari. Bukan pada hari kerja berikutnya. Pada saat eksekusi, karena instruksi berikutnya dalam alur kerja bergantung pada hasil dari instruksi yang sedang berjalan.

Penyelesaian batch sepenuhnya memutus ketergantungan itu. Jika sebuah agen mengidentifikasi kekurangan likuiditas, memilih jaminan (collateral) yang optimal untuk dipindahkan, dan memulai transfer, tetapi infrastruktur penyelesaian tidak dapat mengonfirmasi finalitas sampai pagi hari berikutnya, maka agen tersebut tidak mengelola treasury secara real time. Ia hanya mengantre instruksi ke dalam sebuah sistem yang akan memprosesnya sesuai jadwal yang dirancang untuk dunia di mana manusia adalah aktornya. Saat instruksi-instruksi itu diselesaikan, kondisi pasar yang memicunya mungkin sudah tidak lagi berlaku. Agen tidak gagal. Jalurnya yang bermasalah.

NTT DATA telah mendeskripsikannya sebagai “stack gap” (kesenjangan tumpukan), jurang antara apa yang diminta oleh AI agenik dan apa yang sebenarnya dapat diberikan oleh sebagian besar infrastruktur bank. Riset MIT yang dikutip dalam berbagai analisis industri menemukan bahwa kegagalan integrasi infrastruktur, bukan kualitas model, adalah alasan utama mengapa uji coba AI di perbankan tidak menghasilkan nilai yang terukur pada skala. Kecerdasan bukan faktor pembatasnya. Fondasinya.

Hal ini khususnya penting bagi operasi treasury dan pembayaran, di mana nilai eksekusi otonom paling langsung. Agen yang mengelola jaminan intraday lintas pihak lawan, memantau eksposur secara berkelanjutan, dan mengoptimalkan posisi kas secara real time memerlukan infrastruktur yang dapat bergerak bersamanya. Prakiraan A16z tahun 2026 menyatakan ini secara langsung: agen AI akan memerlukan pembayaran yang bergerak dengan kecepatan internet, didukung oleh alat penyelesaian yang dapat diprogram. Pergeseran menuju sistem otonom berbasis intent (niat) tidak kompatibel dengan jalur (rails) yang dirancang di sekitar jendela pemrosesan manusia.

Apa yang benar-benar dibutuhkan oleh alur kerja keuangan otonom adalah penyelesaian atomik: pertukaran nilai yang simultan dan tidak dapat dibatalkan yang mengonfirmasi finalitas secara real time. Ini persis yang sedang dibangun oleh infrastruktur yang ditokenisasi untuk diberikan. Token deposit JPMorgan di Base, platform deposit yang ditokenisasi milik BNY untuk klien institusional, dan konsorsium Cari Network yang terdiri dari lima bank regional semuanya, pada intinya, merepresentasikan pembangunan jalur penyelesaian yang tidak bergantung pada siklus batch semalam. Mereka bukan semata-mata cerita tentang tokenisasi. Mereka adalah cerita infrastruktur untuk AI. Institusi yang membangun jalur penyelesaian yang dapat diprogram saat ini sedang membangun prasyarat untuk operasi keuangan otonom pada skala.

Implikasi urutan bagi bank yang menjalankan keduanya sebagai program terpisah adalah langsung. Pada suatu titik dalam waktu dekat, agen yang diterapkan dalam alur kerja treasury dan pembayaran akan mampu mengeksekusi keputusan lebih cepat daripada infrastruktur penyelesaian yang mendasarinya dapat mengonfirmasinya. Ketika itu terjadi, organisasi menghadapi sebuah pilihan: membatasi agen pada apa yang memungkinkan jalur tersebut, dengan menerima bahwa eksekusi otonom berhenti di batas ketika serah-terima manual dimulai, atau membangun ulang jalur tersebut dengan biaya dan kompleksitas yang jauh lebih tinggi daripada jika dua program itu sejak awal dirancang sebagai satu program.

Ada juga dimensi yang berhadapan langsung dengan klien yang layak dinamai. Tim treasury korporat sedang membangun alur kerja agenik mereka sendiri. Klien yang membangun fungsi treasury yang asli AI (AI-native) tidak perlu banknya mengelola keputusan-keputusan tersebut. Ia perlu infrastrukturnya untuk mendukung eksekusi otonom tanpa menghidupkan kembali intervensi manual pada batas penyelesaian. Bank yang tidak dapat menyediakan itu akan mendapati klien korporat cenderung beralih ke institusi, atau platform, yang bisa.

Pertanyaan praktis bagi setiap bank yang saat ini menjalankan program AI agenik adalah apakah infrastruktur penyelesaian yang nantinya akan menjadi ketergantungan agen-agen tersebut sedang dibangun secara paralel. Bukan sebagai pertimbangan masa depan. Sebagai keputusan desain yang sedang berjalan. Kedua program itu bukan berurutan. Mereka adalah program yang sama.