Penulis: Lucas Shin, Sumber: Artemis, Disusun oleh: Shaw Jinse Caijing

Ringkasan

• Pada tahun 2030, agen cerdas (AI Agents) akan menjadi cara utama orang menggunakan internet.

• Jaringan berbasis agen yang benar-benar baru memerlukan saluran pembayaran, sistem mata uang, dan komponen dasar yang baru.

• Nilai akan terkonsentrasi pada tiga lapisan besar: lapisan antarmuka, sebagai entitas yang mengendalikan interaksi pengguna; lapisan pembayaran, sebagai entitas yang terlibat dalam aliran dana; dan lapisan komputasi & pengelolaan, sebagai entitas yang mengoperasikan infrastruktur dasar

• Aktivitas bisnis agen cerdas di ujung long tail akan dijalankan melalui protokol terbuka.

Mari kita mulai dengan melukiskan sebuah skenario.

Waktunya tahun 2030. Anda berusia 24 tahun, tinggal di Burlington, Vermont, dan suka berinvestasi — terutama menempatkan dana di saham AS, dan juga terlibat dalam beberapa transaksi mata uang kripto serta pasar prediksi di Kalshi. Dua bulan lalu, Anda paruh waktu mendirikan sebuah perusahaan konsultan fintech.

Ada beberapa hari, seperti hari ini, pembukaannya selalu sangat tiba-tiba.

Brrr—

Nada dering ponsel membangunkan Anda, seperti menyiramkan air dingin ke wajah. Pesan datang dari agen cerdas pribadi Anda, Nexus:

Selamat pagi, Joe. Saya menyelesaikan pekerjaan berikut pada malam ini ——

Pembaruan portofolio: saya mengurangi kepemilikan $WMT sebesar 15% pada malam hari. Data satelit menunjukkan penurunan arus pengunjung gerai, dan sentimen laporan keuangan beralih ke bearish, telah disilang-verifikasi.

Pembaruan jadwal: sore ini sudah dijadwalkan 3 rapat, ringkasan sudah dipaku ke catatan rapat.

Optimalisasi biaya: menemukan penyedia layanan server cloud baru — kinerja setara, biaya tahunan turun dari 840 dolar AS menjadi 290 dolar AS. Bisa migrasi kapan saja.

Total biaya: 0.67 dolar AS

Saat Anda tidur, sebenarnya apa yang terjadi?

1. Nexus mengirimkan sebuah agen sub-penelitian, menelan biaya 0.24 dolar AS, pada malam hari menarik informasi dari 40 penyedia data berbeda, mencocokkan isi konferensi panggilan laporan keuangan terbaru Walmart dengan citra satelit area parkir gerai di seluruh AS, lalu memperbarui logika investasi Anda. Ketika data satelit menunjukkan arus pengunjung Walmart menurun, agen portofolio investasi Anda mencocokkan dengan pasar sentimen laporan keuangan Kalshi, mengonfirmasi sinyal bearish, dan menyelesaikan pengurangan sebelum Anda bangun. Empat tahun lalu, strategi trading seperti ini masih wilayah eksklusif Citadel Securities (Citadel) dan sejumlah kecil dana kuantitatif; mereka harus membayar jutaan dolar AS untuk berlangganan citra satelit. Bahkan terminal Bloomberg yang harganya 30.000 dolar AS per tahun pun tidak bisa mencakup semua informasi — Anda masih harus berlangganan citra satelit, data alternatif secara terpisah, lalu menghabiskan beberapa jam untuk mengintegrasikan analisis. Dan sekarang, seorang pemuda berusia 24 tahun di Vermont bisa memperoleh keunggulan informasi yang setara dengan analis kuantitatif Citadel dengan biaya kurang dari secangkir kopi.

2. Agen sub-penjualan Nexus menyaring 200 prospek yang sesuai dengan profil target pelanggan Anda — perusahaan fintech di wilayah Amerika Serikat bagian tenggara putaran B dan seterusnya, yang belum memakai penyedia layanan data — dan melengkapi pengisian informasi dengan biaya 0.002 dolar AS per prospek, dengan antarmuka yang dipanggil dikembangkan oleh agen lain dan dipasang di pasar terbuka. Agen tersebut menyaring 3 prospek dengan minat tertinggi, lalu langsung menghubungi agen penjadwal mereka untuk berunding mengenai waktu rapat. Sebelum setiap pertemuan, ia menarik informasi tentang institusi pendidikan tempat prospek lulus, relasi bersama, berita perusahaan, dan riwayat pendanaan, lalu merangkum ringkasan satu halaman untuk Anda dan memetakannya ke catatan rapat. Hanya pengisian informasi prospek ini saja: jika lewat langganan SaaS, setiap akun akan menghabiskan 200 dolar AS per bulan.

3. Agen sub-operasional Nexus melakukan uji coba perbandingan situs konsultasi Anda dengan 6 penyedia layanan server: Vercel, Render, Railway, Fly.io, Netlify, dan Cloudflare. Ia memanggil antarmuka percobaan dari tiap penyedia dengan biaya yang sangat rendah, melakukan deployment lingkungan pengujian, mengukur latensi, ketersediaan, dan throughput. Pada akhirnya, Railway mencapai kinerja yang setara dengan biaya hanya sepertiga. Nexus berunding mengenai biaya bulanan melalui agen penetapan harga Railway, lalu membangun mirror situs di server baru dan menyelesaikan seluruh pengujian untuk memastikan semuanya berjalan normal. Jika tidak ada agen, setidaknya butuh satu minggu: mencari di internet, komunikasi permintaan penawaran, dan juga mengalami migrasi manual yang membuat cemas. Anda hanya perlu mengonfirmasi pada Nexus untuk menjalankannya.

Agen Anda menyelesaikan semuanya ini, hanya dengan biaya 0.67 dolar AS.

Sekarang, kalikan skenario ini dengan setiap pekerja pengetahuan di seluruh dunia, setiap perusahaan, dan setiap agen cerdas yang sedang berjalan.

Brrr—

Nexus: saldo tidak mencukupi, sisa 1.87 dolar AS.

Anda, seperti minggu lalu, melakukan top up 5 dolar AS menggunakan kartu kredit yang terikat melalui Apple Pay, lalu lanjut menyikat gigi. Di lapisan bawah, 5 dolar AS ini ditukar menjadi stablecoin dari kartu kredit — tetapi Anda sama sekali tidak melihat dompet, tidak perlu memikirkan setoran, dan Anda juga tidak perlu menyentuh blockchain.

Inilah gambaran sekilas ekonomi mesin — sebuah skenario bisnis baru, di mana agen AI terus membelanjakan hal-hal yang selama ini tidak pernah dibayar oleh manusia, dengan skala transaksi dan kecepatan yang jauh melampaui ranah bisnis manusia. Bisa dibayangkan, setiap hari akan ada puluhan miliar transaksi.

Namun, internet saat ini belum siap untuk menopang semuanya.

Saat ini, internet dirancang untuk manusia. Ia menghasilkan uang dari pengguna manusia melalui iklan, sambil menyaring perilaku non-manusia melalui rate limiting, CAPTCHA, dan kunci API. Namun, seiring munculnya banyak agen otonom, model bisnis ini akan benar-benar runtuh.

Lonjakan lalu lintas, penyusutan perhatian yang benar-benar tertarik.

Server jaringan yang selama ini disubsidi pendapatan iklan akan menghadapi peningkatan permintaan dalam skala besar, sementara permintaan ini tidak akan pernah terpengaruh oleh iklan.

Pembayaran oleh agen secara inheren menyelesaikan masalah ini, sehingga pembayaran kecil menjadi kunci akses.

Menggali dengan bayar, akses dengan bayar, penggunaan dengan bayar.

Perusahaan-perusahaan yang membangun infrastruktur yang akhirnya diadopsi secara luas oleh agen akan menangkap kolam aktivitas ekonomi tambahan terbesar yang dapat dilihat oleh generasi kita. Para raksasa yang ada sudah berebut slot, tetapi ekonomi mesin juga akan melahirkan raksasa baru miliknya sendiri. Gelombang internet baru sebelumnya melahirkan Google, Amazon, Facebook, PayPal, dan Salesforce.

Era internet berbasis agen cerdas akan segera tiba.

Proyeksi ukuran pasar

Pada tahun 2030, sebagian besar interaksi jaringan tidak lagi dilakukan melalui browser. Agen cerdas kami akan melakukan browsing, pengujian, dan negosiasi atas nama Anda, membentuk tim agen anak, serta mengeksekusi transaksi. Setiap tugas yang mereka selesaikan akan menghasilkan rangkaian pembayaran kecil. Biaya per penggunaan yang tampak seperti pengeluaran baru ternyata sesungguhnya menggantikan biaya jauh lebih besar dari alat dan tenaga kerja manusia. Semakin canggih alat yang tersedia, semakin baik kinerja agen, dan kami akan memberi mereka hak otonom yang lebih tinggi.

Permintaan & kecepatan adopsi

Mari buat estimasi kasar.

Pada contoh sebelumnya, agen Joe menyelesaikan ratusan transaksi dengan biaya hanya 0.67 dolar AS. Jika skala ini diperluas menjadi perusahaan menengah berisi 500 orang — setiap karyawan dilengkapi agen pribadi, ditambah ratusan agen bersama untuk departemen seperti penjualan, keuangan, hukum, operasi — maka dengan mudah akan dihasilkan 100.000 transaksi per hari yang diprakarsai oleh agen.

Total pekerja pengetahuan di seluruh dunia lebih dari 1 miliar, dan 88% sudah menggunakan AI dalam pekerjaan mereka. Ukuran sisi permintaan sangat besar dan terus bertumbuh. Namun saat ini, penggunaan semacam ini sebagian besar terbatas pada tugas dasar, seperti pencarian web, ringkasan dokumen, atau penulisan email. Transformasi menyeluruh ke agen cerdas belum terjadi, tetapi begitu dimulai, kecepatannya akan sangat cepat.

Instagram butuh 30 bulan untuk mencapai 100 juta pengguna, TikTok 9 bulan, dan ChatGPT hanya 2 bulan (data Reuters / UBS). Salah satu alasan cepatnya adopsi ChatGPT adalah antarmuka percakapan sudah dikenal luas, dan tidak perlu mempelajari perangkat lunak baru atau mengubah kebiasaan penggunaan — Anda hanya perlu menjelaskan kebutuhan, dan agen akan berusaha menyelesaikannya.

Satu-satunya penghalang adalah kepercayaan, dan kecepatan membangun kepercayaan jauh melebihi ekspektasi manusia. Saat ini Claude Code telah menyumbang 4% dari seluruh komitmen kode publik di GitHub (lebih dari 135.000 kali per hari); dengan laju pertumbuhan saat ini, pada akhir 2026 angkanya diperkirakan akan menembus 20%. Ini berarti pertumbuhan 42.896 kali dalam 13 bulan. Para pengembang hanya butuh lebih dari setahun untuk beralih dari ragu menjadi menyerahkan kode tingkat produksi ke AI dalam skala besar.

Seiring model menjadi semakin cerdas, antarmuka semakin ringkas, dan kompleksitas teknis makin banyak yang disembunyikan secara abstrak, saya yakin kecepatan adopsi agen cerdas akan semakin dipercepat.

Pada tahun 2030, bahkan jika hanya 60% pekerja pengetahuan menggunakan agen, biaya rata-rata harian 3 hingga 5 dolar AS (ini masih estimasi konservatif — ingat, Joe menyelesaikan tiga tugas sebelum sarapan hanya dengan biaya 0.67 dolar AS), skala transaksi agen di sisi individu saja akan mencapai 800 miliar hingga 1,4 triliun dolar AS per tahun.

Pasar untuk perusahaan

Dragonfly punya Robby Petersen, dalam tulisannya, menyebut bahwa agen cerdas untuk komersial adalah evolusi yang masuk akal dari model SaaS. Saya sangat setuju dengan itu. Mereka tidak lagi sekadar membantu alur kerja, melainkan akan sepenuhnya menggantikan proses yang ada. Sama seperti saat ini lebih dari 95% pengeluaran perangkat lunak berasal dari institusi perusahaan dan pemerintah, penggunaan dan skala belanja agen cerdas di sisi perusahaan kemungkinan besar akan jauh melampaui pasar individu.

Kita sudah menyaksikan perubahan ini. Klarna mengganti Salesforce dengan sistem AI internal, menghemat sekitar 2 juta dolar AS. ZoomInfo membangun agen cerdas AI untuk menggantikan departemen persetujuan transaksinya, menghemat lebih dari 1 juta dolar AS per tahun. Ini hanyalah contoh awal di mana satu alur kerja dipaketkan dengan agen sehingga menghemat biaya hingga jutaan. Setiap perusahaan memiliki ratusan proses semacam ini di departemen penjualan, keuangan, hukum, operasi, dan R&D. Begitu agen cerdas diterapkan di seluruh perusahaan, skala belanja yang terkait akan sangat mengejutkan.

Setiap orang bisa menjadi pedagang

Seiring kode agen secara drastis menurunkan biaya pengembangan, ambang masuk untuk pedagang internet semakin mendekati nol. Seorang perencana pernikahan yang ahli menyaring venue dapat mengemas alur kerja terbaik untuk dijual. Seorang pengembang independen di Lagos bisa mengembangkan API untuk bidang vertikal tertentu, lalu dalam hitungan jam mulai menghasilkan pendapatan dari agen di seluruh dunia. Anda hanya perlu memiliki keahlian profesional, lalu membuat antarmuka API melalui pembuatan berbasis prompt, dan Anda bisa mulai menerima pembayaran.

Tapi, bagaimana jika agen mulai menjual layanan ke agen lain?

Misalkan Joe yang disebut sebelumnya ingin masuk ke bidang baru: perusahaan medis menengah di wilayah Midwest AS yang memiliki infrastruktur pembayaran lama. Jika agen miliknya memulai penalaran dari nol, biaya token akan cepat menumpuk:

• Menyaring 200 perusahaan yang sesuai profil tertentu (penalaran + panggilan API): sekitar 2,5 juta token

• Melengkapi informasi untuk setiap prospek (tumpukan teknologi, pendanaan, data rekrutmen): 200 prospek × sekitar 5.000 token = 1 juta token

• Mengunci pengambil keputusan pelanggan inti: sekitar 2,0 juta token

• Memberi skor sinyal niat (ritme perekrutan, siklus kontrak): sekitar 3,0 juta token

• Meneliti latar belakang tiap pengambil keputusan: 20 prospek × sekitar 10.000 token = 20 juta token

• Menulis materi penjangkauan yang dipersonalisasi: 20 prospek × sekitar 3.000 token = 6 juta token

Total sekitar 23 juta token; dengan perhitungan biaya memakai model frontier seperti Opus 4.6, biayanya berada di kisaran 8 hingga 15 dolar AS.

Tunggu—bukankah agen penjualan anak Joe sebelumnya menjalankan proses serupa hanya dengan beberapa sen?

Benar. Karena sebagian besar langkah sudah diselesaikan oleh agen lain lebih dulu. Pengisian prospek, penilaian niat, dan penjadwalan—semuanya memiliki antarmuka yang dipaketkan di pasar terbuka, dengan harga hanya beberapa per sepuluh sen dolar AS.

Model seperti ini menciptakan skenario bisnis baru. Sisi penawaran akan tumbuh dua arah: manusia membangun layanan, sekaligus agen juga membangun layanan. Masalah konsumsi token bernilai tinggi yang diselesaikan oleh satu agen dapat berubah menjadi alat murah yang dapat digunakan oleh semua agen berikutnya. Dalam dunia seperti ini, agen dapat menuangkan pengalamannya menjadi alur kerja dan menjualnya ke agen lain, sehingga membiayai sendiri biaya operasinya.

Setiap perpindahan paradigma akan melahirkan pedagang baru. Shopify memberdayakan penjual e-commerce, Stripe memberdayakan perusahaan online, dan ekonomi mesin akan memberdayakan developer dadakan serta agen cerdas otonom.

Meninjau realitas

Seberapa jauh kita dari transaksi komersial agen cerdas yang benar-benar terjadi?

Tim Artemis saya terus memantau perkembangan dua protokol pembayaran agen utama: protokol x402 yang dibuka Coinbase, serta Machine Payment Protocol (MPP) yang diluncurkan bersama oleh Stripe dan Tempo. Secara sederhana, kedua jenis protokol ini memiliki tujuan yang sepenuhnya sama: membuat pengguna atau agen dapat membayar layanan jaringan apa pun dalam satu permintaan jaringan (misalnya data, pengikisan halaman web, inferensi model, atau layanan API lainnya), sehingga menghindari proses rumit seperti pendaftaran akun, kunci API, dan penyelesaian tagihan.

Saat ini, semuanya masih tahap awal.

Volume transaksi protokol x402 pada akhir 2025 sangat dipengaruhi oleh inflasi palsu akibat spekulasi meme coin dan aksi memompa volume melalui papan peringkat. Grafik di atas menunjukkan “aktivitas transaksi” yang sudah disesuaikan setelah disaring oleh algoritma khusus untuk transaksi palsu. Setelah menghilangkan noise akibat transaksi palsu dan spekulasi meme coin, terlihat jelas bahwa ekonomi agen belum benar-benar hadir. Sebagian besar aktivitas saat ini hanyalah pengembang yang menguji API berbayar dan alat AI, bukan ekonomi agen yang benar-benar sedang berjalan.

Sebelum model ini benar-benar meledak, ada dua masalah inti yang perlu segera diselesaikan:

1. Sisi penawaran belum terbentuk: jumlah antarmuka API praktis yang dapat membuat agen benar-benar berniat membayar masih sangat kurang.

2. Tidak ada lapisan penemuan dan agregasi yang matang: bahkan jika ada antarmuka bernilai tinggi, agen saat ini tidak memiliki cara yang andal untuk menemukannya.

Karena seluruh ekosistem masih berkembang, terlalu dini untuk menjadikan volume transaksi sebagai indikator utama. Indikator yang lebih masuk akal adalah pertumbuhan sisi penawaran, yaitu jumlah pedagang yang menyediakan layanan ke agen. Kami menyebut pedagang jenis ini secara umum sebagai penyedia layanan (service providers).

Grafik di atas menunjukkan perubahan kumulatif jumlah penyedia layanan (penjual) yang memenuhi standar dari waktu ke waktu. Penyedia layanan yang memenuhi standar harus memenuhi: melakukan lebih dari dua “transaksi” nyata, dan memiliki minimal dua pembeli independen. Pada bulan Oktober tahun lalu, angka ini masih belum mencapai 100, sementara kini sudah lebih dari 4.000. Saya memprediksi laju pertumbuhan ini akan semakin cepat, terutama didorong oleh tiga tren besar:

1. Kecerdasan buatan sedang menurunkan ambang pembuatan produk digital (seperti yang disebut sebelumnya), yang berarti lebih banyak orang dan agen AI akan menjadi pedagang.

2. Layanan baru akan dirancang dengan prinsip “agen lebih dulu”. Agen menjadi pelanggan inti, sehingga bentuk produk yang dibuat untuk mereka juga akan benar-benar berbeda: menggunakan API alih-alih halaman web, akses instan alih-alih proses pendaftaran, dan bayar sesuai pemakaian alih-alih model langganan.

3. Penyedia layanan yang ada dipaksa untuk bertransformasi. Dengan semakin banyak pengguna berinteraksi melalui antarmuka AI, bukan browsing halaman web secara manual, model bisnis berbasis iklan akan benar-benar gagal karena tidak ada perhatian pengguna manusia yang bisa dimonetisasi. Perusahaan tidak punya pilihan selain membayar langsung atas konten dan layanan.

Kekuatan-kekuatan ini akan membentuk roda gila yang saling menguatkan, memperbesar sisi penawaran dan sisi permintaan, sehingga akhirnya menyalakan seluruh ekonomi agen.

Tata letak industri

Ekosistem transaksi agen sedang cepat terbentuk. Banyak perusahaan rintisan bermunculan bagaikan jamur, memfokuskan diri pada penyelesaian setiap celah dalam arsitektur tersebut; sementara itu, perusahaan yang sedang berkembang di bidang fintech dan perangkat lunak layanan (SaaS) juga bertransisi ke transaksi agen asli. Dalam 12 bulan terakhir, hampir semua raksasa pembayaran arus utama dan laboratorium AI telah meluncurkan atau mengumumkan protokol terkait transaksi agen.

Kami telah memetakan lebih dari 170 perusahaan yang mencakup lima lapisan besar: antarmuka interaksi, agen cerdas, sistem akun, fasilitas pembayaran, dan mesin kecerdasan buatan. Di sini dipangkas menjadi sekitar 80 lembaga inti:

Kami uraikan berlapis dari atas ke bawah.

Lapisan antarmuka

Lapisan antarmuka paling dekat dengan pengguna, bertanggung jawab untuk mengarahkan niat pengguna (kebutuhan) ke alat atau layanan yang diperlukan (penawaran). Siapa pun yang mampu mendefinisikan cara agen cerdas menemukan, mengevaluasi, dan memilih layanan, maka dia akan memegang kendali besar atas semua lapisan di bawahnya. Kami akan fokus pada dua kategori paling penting dalam lapisan ini:

Antarmuka pengguna

Ini adalah pintu masuk di mana sebagian besar orang berinteraksi langsung dengan agen cerdas. Apple, Google, OpenAI, Anthropic, xAI, dan Perplexity sedang membangun antarmuka interaksi semacam ini, dan bentuknya cepat keluar dari sekadar mode obrolan. Bentuk baru terus bermunculan: asisten suara, asisten desktop, asisten co-pilot tertanam, agen di browser, dan bentuk lainnya, yang dekat dengan skenario penggunaan nyata. Menjadi platform yang menjadi antarmuka AI default bagi pengguna akan menjadi titik awal semua transaksi yang dimulai oleh agen; pemenang di jalur ini akan memperoleh keunggulan tambahan yang sangat besar.

Laboratorium kecerdasan buatan telah meng-crawl dan melatih seluruh data internet; kini data pelatihan berkualitas terbaik yang tersisa adalah umpan balik arahan dari manusia. Setiap kali Anda menerima atau menolak satu respons, melakukan koreksi, atau memberikan informasi preferensi kepada Claude atau ChatGPT, antarmuka interaksi yang Anda gunakan akan menangkap data ini untuk dijual atau untuk pelatihan model. Menguasai antarmuka berarti menguasai loop umpan balik yang mampu mengoptimalkan pengalaman pengguna dan model itu sendiri. Inilah juga alasan Anthropic meluncurkan Claude Code, Google mengakuisisi Windsurf, dan OpenAI mencoba mengakuisisi Cursor. Begitu agen Anda mengumpulkan konteks tentang preferensi, alur kerja, dan alat yang sering digunakan, biaya perpindahan pengguna menjadi sangat tinggi.

Penemuan layanan

Ketika agen Joe membutuhkan antarmuka pengisian prospek atau penyedia data satelit, bagaimana ia menemukan layanan yang tepat? Ini mungkin tantangan terbesar yang belum terselesaikan dalam arsitektur ekosistem saat ini. Solusi yang ada sebagian besar berupa daftar alat yang dikodekan keras atau pasar layanan kurasi. Platform-platform besar sudah membangun sistem mereka sendiri: OpenAI dan Stripe meluncurkan ACP, Google dan Shopify meluncurkan UCP, dan Visa meluncurkan TAP. Pada dasarnya, ini semua adalah direktori pedagang yang membutuhkan keterhubungan aktif dari platform dan pedagang agar dapat berfungsi. Dalam skenario umum, model seperti ini bekerja dengan baik; namun seiring penurunan drastis ambang pembuatan dan penjualan layanan digital, akan muncul banyak aplikasi niche yang sangat terustomisasi, dan model kurasi tidak dapat memenuhi kebutuhan long tail tersebut.

Perusahaan seperti Coinbase, Merit Systems, Orthogonal, dan Sapiom sedang membangun alternatif yang bersifat terbuka: mereka menciptakan agregator dan infrastruktur dasar sehingga agen dapat menemukan dan membayar layanan secara mandiri saat berjalan tanpa integrasi sebelumnya atau kesepakatan komersial. Dengan pertumbuhan sisi penawaran (yaitu sumber daya jaringan) yang eksponensial, masalah ini menjadi sangat sulit untuk dipecahkan. Namun siapa pun yang mampu mengatasi sistem pengurutan dan rekomendasi, sehingga agen dapat dipasangkan dengan layanan yang tepat pada waktu yang tepat, maka ia akan memegang kuasa wacana yang sangat besar dalam industri ini.

Transaksi agen pada akhirnya akan bergerak menuju mode kurasi yang tertutup atau mode ekosistem terbuka, dan bagaimana lanskap ini menentukan pembagian nilai—ini adalah salah satu perdebatan paling inti dalam bidang tersebut. Kami akan membahas topik ini lebih dalam di kemudian hari.

Lapisan agen cerdas dan akun

Untuk menyelesaikan tugas bagi kita, agen cerdas saja tidak cukup hanya “pintar”. Agen sub-penjualan Joe menyelesaikan seluruh proses mulai dari menyaring 200 prospek, pengisian informasi, hingga penjadwalan tiga rapat, tanpa Joe perlu mengonfigurasi alat apa pun, mengelola kunci API, atau menyetujui setiap langkah secara individual. Sebagian besar infrastruktur yang mendukung semuanya itu “tidak terasa” oleh pengguna akhir; namun jika infrastruktur ini tidak ada, agen hanyalah model bahasa besar yang tidak memiliki kemampuan eksekusi. Berikut ringkasan komponen dasar inti yang dibutuhkan untuk mewujudkan semuanya:

Alat dan standar

Protokol dan kerangka kerja semacam ini memberikan agen cerdas kemampuan untuk berinteraksi dengan dunia luar. MCP (Machine Communication Protocol, dimulai oleh Anthropic, kini dikelola oleh Linux Foundation) memungkinkan agen terhubung ke data dan alat eksternal: memanggil API yang belum pernah diakses, membaca database, atau langsung memanggil layanan tertentu. A2A (diusulkan oleh Google) mendefinisikan bagaimana agen yang dikembangkan di berbagai platform dapat saling menemukan dan berkolaborasi. Kerangka kerja yang diluncurkan oleh LangChain, Nvidia, dan Cloudflare memberi pengembang modul dasar untuk membangun dan meng-deploy agen di atas protokol-protokol ini. OpenClaw yang baru-baru ini diakuisisi oleh OpenAI menggabungkan manajemen konteks dan pemanggilan alat menjadi satu kerangka kerja tunggal yang mengutamakan lokal, sehingga sangat menurunkan kesulitan bagi pengembang untuk membangun agen yang dapat menemukan dan membayar layanan secara mandiri.

Masalah inti di bidang ini adalah: pada akhirnya standar-standar ini akan menjadi satu kesatuan atau justru terfragmentasi? Apakah kerangka kerja komersial yang dibangun di atas standar-standar tersebut dapat menangkap nilai sebelum alat-alat menjadi semakin homogen?

Otentikasi identitas

Setelah agen dapat berkomunikasi satu sama lain, kepercayaan tetap perlu dibangun. Sebelum agen melakukan transaksi atau menjual layanan, mereka harus membuktikan entitas yang mereka miliki wewenangnya dan ruang lingkup izin operasinya, serta menyimpan catatan tindakan yang dapat diverifikasi oleh agen lain.

Saat ini, jalur teknisnya beragam, termasuk: verifikasi identitas berbasis biometrik (Worldcoin, Civic), sistem reputasi agen di rantai (ERC-8004), dan verifiable credentials (Dock, Reclaim).

Ruang desain di bidang ini sangat luas, namun risikonya sangat tinggi: berapa besar jumlah maksimum yang dapat dikeluarkan agen Anda sebelum mendapatkan persetujuan Anda? Apakah ia bisa bertindak atas nama Anda untuk menandatangani kontrak? Apakah izin bisa didelegasikan ke agen anak? Aturan-aturan dan batas keamanan seperti ini besar kemungkinan akan ditetapkan pada lapisan akun.

Dompet

Jelas, agar agen melakukan pembayaran, ia harus memiliki dompet. Coinbase, Safe, MetaMask, Phantom, MoonPay, Privy, dan banyak vendor lain semuanya sedang menyiapkan diri di bidang ini, menawarkan fitur seperti akses dan pembuatan terprogram, delegasi izin, batas pengeluaran untuk transaksi per transaksi, daftar penerima pembayaran yang diizinkan, serta kemampuan berjalan lintas banyak rantai tanpa pengguna perlu mengonfirmasi setiap operasi secara manual. Ini adalah salah satu lintasan dengan persaingan paling ketat di seluruh ekosistem, dan sekaligus memunculkan pertanyaan kunci: di mana sebenarnya “parit pengaman” perusahaan? Pada akhirnya, apakah bidang ini akan menjadi homogen?

Lapisan pembayaran

Lapisan pembayaran berada lebih dalam dalam arsitektur dan seharusnya tidak terasa oleh pengguna akhir, tetapi setiap dana dalam ekonomi mesin akan mengalir melalui lapisan ini. Ketika agen Joe membayar 0.24 dolar AS pada malam hari untuk mengambil data dari 40 penyedia layanan, ia tidak perlu memilih kartu, mata uang, atau rantai publik penyelesaian untuk setiap transaksi.

Kesulitan inti terletak pada kenyataan bahwa saluran pembayaran tradisional dirancang untuk manusia yang mengklik tombol “beli”, bukan untuk menyesuaikan ribuan transaksi per menit dari agen dengan jumlah per transaksi di bawah satu sen. Jaringan kartu biasanya memiliki biaya tetap sekitar 0.03–0.04 dolar AS per transaksi, ditambah biaya 2.3%–2.9%. Ini masuk akal untuk pesanan hotel 400 dolar AS, tetapi sama sekali tidak cocok untuk transaksi agen baru yang melibatkan banyak langkah.

Dari sinilah lahir protokol dan sistem mata uang baru yang khusus dirancang untuk transaksi agen, sementara para raksasa tradisional juga sedang mengubah infrastruktur yang ada untuk menyesuaikan kebutuhan ini.

Poin-poin inti adalah sebagai berikut:

Saluran pembayaran

Protokol dan standar semacam ini mendefinisikan bagaimana agen cerdas memulai, merutekan, dan menyelesaikan pembayaran. Saat ini, dua jalur teknis utama sudah terbentuk:

1. x402 (Coinbase/Cloudflare) dan MPP (Stripe/Tempo) dirancang khusus untuk transaksi mesin-native: agen memanggil antarmuka, mendapatkan penawaran, menandatangani pembayaran, menerima data—semuanya selesai dalam satu permintaan HTTP, dengan penyelesaian menggunakan stablecoin, biaya per transaksi hanya beberapa per sepuluh sen dolar AS.

2. ACP (OpenAI/Stripe), AP2 (Google/PayPal), serta TAP dari Visa menggunakan pendekatan lain: mengubah infrastruktur pembayaran kartu yang sudah ada untuk menyesuaikan skenario agen. Solusi seperti ini lebih cocok untuk transaksi bernilai tinggi; dibandingkan kecepatan penyelesaian dan biaya, jaminan pembeli dan cakupan penerimaan pedagang lebih penting.

Stablecoin dan penyelesaian

Agen cerdas memerlukan mata uang dengan karakteristik yang bisa diprogram, cepat, berbiaya rendah, dan bersifat global. Stablecoin sepenuhnya memenuhi persyaratan tersebut, sehingga menjadi pilihan alami untuk transaksi x402 dan MPP. Sementara itu, saluran pembayaran kartu masih bisa memberikan perlindungan pembeli, dan kebiasaan penggunaan pedagang sudah matang; ini tetap penting untuk transaksi bernilai tinggi. Rantai publik dasar (seperti Base, Solana, Tempo) menghadirkan lapisan masalah kunci lain: rantai mana yang bisa mendukung throughput pemrosesan yang dibutuhkan transaksi berskala besar versi agen, finalitas transaksi, dan struktur biaya?

Penyedia layanan

Institusi semacam ini berada di antara agen cerdas dan pedagang, bertugas menangani langkah-langkah kompleks seperti audit kepatuhan, integrasi pedagang, autentikasi izin, dan hal-hal lainnya. Coinbase, Stripe, dan PayPal sedang memperluas ekosistem yang ada untuk mendukung transaksi agen; mereka bertaruh bahwa jaringan pedagang mereka sendiri dan infrastruktur kepatuhan akan menciptakan keunggulan kompetitif. Beberapa institusi lain seperti Sponge dan Sapiom menyelesaikan masalah cold-start dari sisi pedagang yang baru muncul, sehingga bisnis berbasis API mana pun bisa dengan mudah mulai menerima pembayaran dari agen. Seiring pertumbuhan saluran pembayaran, protokol, dan jumlah pedagang, pihak pengoordinasi berpotensi menjadi penghubung kunci untuk mencegah seluruh sistem terfragmentasi.

Lapisan mesin AI

Lapisan ini tidak perlu terlalu banyak diperkenalkan; semua interaksi agen, langkah penalaran, dan pemanggilan alat digerakkan oleh lapisan ini. Namun, kecepatan perubahan model bisnis pada lapisan ini jauh melampaui bagian lain dalam arsitektur, dan aliran nilai pada akhirnya tidak sedemikian jelas seperti yang terlihat di permukaan. Kami akan fokus pada dua kategori utama:

Komputasi dan pengelolaan

Setiap kali agen cerdas Joe melakukan penalaran untuk suatu tugas, memanggil alat, atau membuat agen anak, ia akan menghabiskan komputasi. Namun, inferensi model hanyalah bagian dari keseluruhan. Dengan meledaknya pertumbuhan aplikasi low-code / pengembangan insidental dan layanan yang dibangun sendiri oleh agen, akan muncul banyak antarmuka baru yang semuanya memerlukan media pengelolaan. Hingga Mei 2025, jumlah halaman web yang bisa diakses tumbuh 45% dalam waktu singkat dua tahun; dan karena agen kode membuat peluncuran layanan baru jadi sangat mudah, pertumbuhan ini hanya akan semakin dipercepat. Ini berarti kebutuhan komputasi tumbuh secara paralel dari kedua sisi: di satu sisi, lebih banyak agen memproses lebih banyak tugas; di sisi lain, lebih banyak layanan terus diluncurkan untuk memenuhi kebutuhan mereka.

Pemasok cloud hyperscale (AWS, Google Cloud, Nvidia) adalah pemain inti yang jelas, dan AWS serta Google Cloud juga terus menyederhanakan proses deployment backend agen dan API pada infrastruktur mereka. Cloudflare berfokus pada edge computing, menyediakan komputasi serverless berlatensi rendah untuk layanan yang mengarah ke agen. Sementara itu, platform komputasi terdesentralisasi seperti Akash, Bittensor, Nous, dan lainnya memenuhi kebutuhan komputasi berlebih dengan mengintegrasikan sumber GPU global dan menjualnya dengan harga sangat rendah.

Model dasar

Model dasar adalah “otak” dari seluruh sistem. Anthropic, OpenAI, Google, dan Meta sebagai laboratorium terdepan terus memperluas batas kemampuan agen cerdas, sementara biaya untuk menjalankan model-model ini terus turun dengan cepat. Pada akhir 2022, biaya menjalankan model kelas GPT4 sekitar 20 dolar AS per satu juta token; dan pada awal 2026, biaya untuk model dengan kinerja setara sudah turun menjadi sekitar 0.05 dolar AS per satu juta token, dengan penurunan mencapai 600 kali dalam lebih dari tiga tahun. Upgrade perangkat keras, persaingan antar vendor, serta teknik optimisasi seperti caching prompt dan batch processing bekerja bersama untuk terus menekan biaya inferensi. Pada saat yang sama, karena logika penalaran dipadatkan menjadi model open-source berbobot yang lebih kecil, dan biaya operasinya sangat rendah, biaya untuk membangun kecerdasan juga turun secara besar. Dalam sebagian pengujian benchmark, kesenjangan kinerja antara model open-source berbobot dan model tertutup sudah menyempit menjadi hanya 1.7%.

Ini kabar baik yang signifikan bagi ekonomi mesin.

Kecerdasan yang lebih murah berarti agen yang lebih murah, sehingga seorang pendiri independen berusia 24 tahun di Vermont pun bisa dengan mudah menanggung biaya operasional — lalu mendorong peningkatan aktivitas transaksi di seluruh lapisan ekosistem bagian atas lebih lanjut. Jika model dasar seperti layanan cloud saat ini terjerat dalam persaingan harga, maka pada akhirnya nilai bisa terkonsentrasi pada hulu-hilir di lapisan model, bukan pada model itu sendiri.

Siapa yang akan menjadi pemenang?

Pada tahun 2030, sebagian besar interaksi digital Anda tidak lagi membutuhkan browser, mesin pencari, atau toko aplikasi. Anda hanya perlu menyebutkan kebutuhan Anda, dan agen cerdas akan menangani semuanya: menemukan layanan yang tepat, bernegosiasi persyaratan, menyelesaikan pembayaran, serta menyerahkan hasil akhir. Internet akan menampilkan wajah yang sama sekali berbeda.

Bisa dipahami sebagai: era SEO untuk agen. Akan ada semakin banyak antarmuka API, sementara antarmuka interaksi untuk manusia akan semakin sedikit.

Dalam dunia seperti ini, siapa yang akan menuai nilai?

Sam W. Ragsdale dari Merit Systems pernah menulis artikel yang membandingkan ekosistem transaksi agen saat ini dengan internet awal. Ia berpendapat bahwa pasar layanan agen kurasi yang dibangun oleh berbagai platform (ACP, UCP, TAP) menempuh jalan yang sama seperti AOL di Amerika Serikat pada era 90-an — pengalaman yang rapi dan sistem yang tertutup, tetapi keterbatasan intinya adalah semua penyedia layanan harus disaring dan diaudit secara manual. Sementara protokol terbuka seperti x402 dan MPP jauh lebih longgar, namun memiliki sifat tanpa izin: siapa pun dapat membangun antarmuka tanpa tim bisnis atau audit legal, sehingga bisa mendapatkan penghasilan lewat agen. Pada era 90-an, pengalaman produk dengan taman tertutup lebih unggul, tetapi internet terbuka memiliki kemungkinan yang tak terbatas.

Pada akhirnya, internet terbuka yang menang.

Logika yang sama terulang kembali. ACP, UCP, dan TAP akan terhubung dengan laboratorium AI teratas, sehingga dapat melayani skenario arus utama dengan baik, tetapi terbatas pada agen yang hanya bisa menyelesaikan tugas yang sudah disiapkan platform melalui daftar layanan yang sudah disetujui sebelumnya. Sementara agen yang bisa masuk ke seluruh ekosistem protokol terbuka memiliki batas kemampuan yang jauh lebih luas.

Ingat, bagian internet yang paling hidup saat ini justru berasal dari limpahan long tail traffic situs terbuka yang dimungkinkan oleh protokol HTTP.

Kita harus rendah hati mengakui bahwa kita tidak dapat membayangkan gambaran lengkap dari internet agen terbuka. Seperti pada tahun 1995, tidak ada yang bisa memprediksi kemunculan layanan ride-hailing atau media sosial; ketika kita menyediakan alat yang dibutuhkan agen, kita juga tidak bisa memprediksi apa yang akan mereka ciptakan, atau layanan apa yang akhirnya akan mereka bayar.

Seperti yang telah kita diskusikan sebelumnya, model dasar bergerak cepat menuju homogenisasi, sehingga nilai mungkin berpindah ke lapisan lain dalam arsitektur teknis. Alat pengembangan, dompet, dan infrastruktur identitas sangat penting, tetapi seiring standar menjadi seragam, bidang-bidang ini juga kemungkinan besar akan menjadi homogen. Karena itu, menurut saya nilai akan terkonsentrasi pada tiga area besar: antarmuka interaksi, pembayaran, dan komputasi.

Antarmuka interaksi

Antarmuka interaksi menentukan batas pengeluaran, proses persetujuan, dan mekanisme delegasi kepercayaan. Platform yang mampu memberi pengguna pengalaman paling personal akan menampung paling banyak aliran transaksi.

Apple adalah peserta yang paling diremehkan di bidang ini. Perangkatnya telah terintegrasi begitu dalam dengan kehidupan sehari-hari orang, sehingga biaya perpindahan pengguna sangat tinggi. Jika Siri berevolusi menjadi pintu masuk interaksi agen yang matang, Apple tidak perlu membangun model paling top untuk menguasai titik awal puluhan miliar transaksi. Mereka hanya perlu mempertahankan pintu masuk interaksi yang berkualitas paling baik.

Transformasi yang dihadapi Google justru lebih sulit. Peralihan dari browsing manual manusia ke seleksi cerdas oleh agen akan menggerus pendapatan iklan intinya. Tapi Google punya keunggulan yang tidak dimiliki perusahaan lain: Google telah mengumpulkan data pribadi puluhan tahun di area pencarian, email, kalender, peta, dan dokumen. Selain itu, perlu dipertimbangkan juga biaya migrasi dari sisi enterprise: Google Workspace tertanam dalam jutaan perusahaan, dan email, berkas, serta alur kerja karyawan berjalan di infrastruktur Google. Jika ada perusahaan yang bisa membuat agen paling personal untuk konsumen dan perusahaan, itu adalah Google. Tantangannya adalah: apakah ia bisa memonetisasi layanan agen seefisien memonetisasi traffic pencarian?

Merit Systems adalah kuda hitam yang saya lihat paling menjanjikan. Mereka tidak hanya membangun infrastruktur penemuan layanan untuk ekonomi agen terbuka (AgentCash, pemindaian x402, pemindaian MPP), tetapi juga mengembangkan antarmuka untuk sisi konsumen (Poncho). Logika intinya adalah: siapa pun yang menguasai kanal penemuan layanan agen dan ikut campur dalam aliran dana, maka ia akan menempati posisi seperti Google pada awal internet. Ini adalah taruhan yang ambisius, tetapi jika perdagangan agen terbuka mengalahkan mode kurasi tertutup, Merit akan menjadi lapisan agregasi yang paling menguntungkan. Saat ini mereka masih tahap awal, mirip seperti persaingan ekosistem tertutup AOL yang dihargai setara nilai pasar sekitar 350 miliar dolar AS dibanding Google saat itu.

Pembayaran

Siapa pun yang menguasai aliran dana, ia akan bisa mengambil bagian dari setiap transaksi. Prospek lapisan ini membuat saya paling yakin karena skalanya akan tumbuh selaras dengan volume transaksi.

Stripe dan Tempo paling unggul di pembayaran mesin-native. Stripe sudah memiliki ekosistem pengembang yang matang dan jaringan pedagang yang sangat besar. Sedangkan Tempo memiliki fitur pembayaran streaming, finalitas transaksi sekitar 500 milidetik, pembayaran streaming untuk saluran pembayaran, dukungan asli untuk kartu serta stablecoin, membayar Gas fee dengan dolar AS (tanpa risiko volatilitas token), transaksi server yang membayar pengganti, dan karakteristik lain yang dirancang khusus untuk volume transaksi masif dalam ekonomi mesin. Jika MPP menjadi default untuk saluran pembayaran mesin-native, Stripe dan Tempo akan mengambil komisi dari setiap transaksi agen.

Circle akan tumbuh selaras dengan ekspansi ekonomi agen. Saya sangat yakin stablecoin akan menjadi lapisan penyelesaian dalam ekonomi mesin; saat itu Circle akan membagi hasil dari pendapatan cadangan (reservasi) dari setiap dolar AS yang ada di dompet agen. USDC adalah stablecoin dengan penerimaan paling luas di bursa, dompet, rantai publik, dan protokol pembayaran; pengembang baru akan lebih sering memilihnya terlebih dahulu, yang semakin memperdalam integrasi ekosistemnya, sehingga pesaing akan semakin sulit masuk.

Visa akan melakukan adaptasi. Ingat bagaimana Joe mengisi saldo dengan kartu kredit lewat Apple Pay, sementara di lapisan bawah ditukar otomatis menjadi stablecoin, dan ia sama sekali tidak perlu melihat dompet maupun memikirkan blockchain sepanjang prosesnya? Inilah norma masa depan. Konsumen akan tetap menggunakan kartu yang sudah mereka kenal, sementara penyelesaian dilakukan melalui stablecoin di lapisan bawah. Seiring peningkatan saluran pembayaran, Visa akan mengandalkan kepercayaan merek yang dimilikinya di kalangan konsumen dan pedagang untuk mengokohkan posisi.

Komputasi dan pengelolaan

Pertumbuhan jumlah agen berarti kebutuhan inferensi meningkat. Munculnya layanan pengembangan insidental membuat kebutuhan pengelolaan meluas. Apa pun model, protokol, atau antarmuka yang menjadi arus utama, penyedia komputasi akan diuntungkan. AWS dan Cloudflare adalah dua perusahaan dengan keunggulan paling besar di bidang ini, alasannya serupa.

Pertama, mereka telah menopang sebagian besar lalu lintas internet. AWS menempati sekitar 30% pangsa infrastruktur cloud di 37 region di seluruh dunia. Cloudflare memberi layanan keamanan dan performa untuk lebih dari 20% situs web, yang berarti semua permintaan ke situs-situs tersebut mengalir melalui jaringannya. Ketika antarmuka baru untuk agen meledak, pengembang secara default akan memilih platform deployment yang mereka kenal.

Kedua, mereka sedang membangun infrastruktur pemonetisasian untuk generasi internet berikutnya. Seiring melemahnya model iklan dan munculnya model akses berbayar, dua perusahaan tersebut sudah mendukung transformasi ini secara native. Cloudflare telah meluncurkan layanan paid crawling, memungkinkan situs mana pun dalam jaringannya mengenakan biaya kepada AI crawler melalui x402 (Stack Overflow sudah menggunakannya). Sementara AWS adalah anggota pendiri dari x402 fund dan merilis arsitektur referensi serverless x402 open-source. Layanan apa pun yang berjalan di dua platform besar ini bisa dengan mudah mengaktifkan fitur pemonetisasian agen native.

Otentikasi identitas

Saya pesimis terhadap perusahaan seperti Worldcoin. Sistem yang mereka bangun mensyaratkan verifikasi manusia untuk setiap interaksi. Visi ekstrem semacam ini mengasumsikan bahwa orang akan peduli apakah objek interaksi online adalah manusia atau agen, tetapi kita sudah terbiasa dengan itu sejak lama. Menurut saya, masa depan yang lebih mungkin adalah: sebagian besar dasar penyaringan traffic jaringan adalah pembayaran kecil, bukan kredensial identitas manusia.

Akses berbayar akan jauh lebih praktis daripada “membuktikan Anda manusia”.

Sistem identitas hanya penting untuk sebagian interaksi berisiko tinggi, tetapi dalam sebagian besar transaksi agen, (pembayaran kecil) itu sendiri menjadi kredensial kepercayaan.

Penutup

Ketika Joe bangun, dia tidak akan memikirkan saluran pembayaran atau protokol identitas agen. Ia hanya melihat ponsel, mengetahui bahwa agen telah menyelesaikan transaksi, menjadwalkan rapat, dan menemukan server yang lebih murah. Semua lapisan arsitektur teknis yang dibahas dalam artikel ini terabstraksi dengan sempurna; ia sama sekali tidak perlu mengurus apa pun.

Kita masih bergerak menuju masa depan ini. Protokol terkait sudah tersedia tetapi adopsinya masih kurang, sisi penawaran bertumbuh namun masih tipis, masalah penemuan layanan belum terselesaikan, dan lapisan identitas sangat terfragmentasi. Sebagian besar transaksi saat ini hanyalah pengujian pengembang, bukan transaksi agen yang sesungguhnya. Namun kecepatan penyusunan teka-teki ekosistem ini lebih cepat daripada yang ditunjukkan indikator data. Orang-orang yang saat ini bersikap pesimis pada infrastruktur tahap awal hanya melihat kurva ke bawah; sedangkan saya memikirkan apa yang akan terjadi pada gambaran ini ketika setiap orang memiliki satu atau sekelompok agen yang benar-benar mampu melakukan tindakan ekonomi.

Jika Anda belum bergerak, saatnya beralih ke model ekonomi agen.