Penulis: Lucas Shin, Sumber: Artemis, Disadur oleh: Shaw Keuangan Emas

Ringkasan

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

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

• Nilai akan terkonsentrasi pada tiga lapisan utama: lapisan antarmuka, entitas yang mengendalikan interaksi pengguna; lapisan pembayaran, entitas yang ikut dalam perpindahan arus dana; lapisan komputasi dan hosting, entitas yang mengoperasikan infrastruktur dasar

• Aktivitas bisnis agen cerdas di ujung long-tail akan dijalankan dengan mengandalkan protokol terbuka.

Mari kita gambarkan sebuah skenario.

Waktunya adalah tahun 2030. Usiamu 24 tahun, tinggal di Burlington, Vermont, dan kamu suka berinvestasi — terutama menaruh sebagian besar dana pada saham AS, dan juga berpartisipasi dalam beberapa transaksi mata uang kripto serta pasar prediksi di Kalshi. Dua bulan lalu, kamu paruh waktu mendirikan sebuah perusahaan konsultasi fintech.

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

Bzz—

Nada dering ponsel membangunkanmu, seperti air dingin menyiram wajahmu. Itulah pesan dari agen cerdas pribadi Nexus-mu:

Selamat pagi, Joe. Aku telah menyelesaikan pekerjaan berikut di malam hari ——

Pembaruan portofolio: menjual sebagian kepemilikan $WMT sebesar 15% semalam. Data satelit menunjukkan arus pengunjung toko turun, dan sentimen laporan keuangan beralih ke bearish; semuanya telah diverifikasi silang.

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

Optimasi biaya: menemukan penyedia layanan server cloud baru — kinerjanya setara, biaya tahunan turun dari 840 dolar AS menjadi 290 dolar AS. Bisa dipindahkan kapan saja.

Total pengeluaran: 0.67 dolar AS

Saat kamu tidur, apa sebenarnya yang terjadi?

1. Nexus mengirimkan sebuah sub-agen riset, menelan biaya 0.24 dolar AS, menarik informasi dari 40 penyedia data berbeda pada malam hari, membandingkan konten panggilan konferensi pendapatan terbaru Walmart dengan citra satelit tempat parkir toko di seluruh AS, lalu memperbarui logika investasi kamu. Ketika data satelit menunjukkan arus pengunjung Walmart turun, agen portofolio kamu mencocokkan pasar sentimen laporan keuangan di Kalshi, mengonfirmasi sinyal bearish, dan menyelesaikan pengurangan posisi sebelum kamu bangun. Empat tahun lalu, strategi perdagangan seperti ini masih menjadi ranah eksklusif Citadel (城堡证券) dan sejumlah dana kuantitatif kecil; mereka harus membayar jutaan dolar AS untuk berlangganan citra satelit. Bahkan terminal Bloomberg seharga 30 ribu dolar AS per tahun pun tidak bisa menutupi seluruh informasi—kamu masih harus berlangganan citra satelit secara terpisah, data alternatif, dan menghabiskan berjam-jam untuk mengintegrasikan serta menganalisisnya. Dan sekarang, seorang pria muda berusia 24 tahun di Vermont dapat memperoleh keunggulan informasi yang setara dengan analis kuantitatif Citadel dengan biaya kurang dari secangkir kopi.

2. Sub-agen penjualan milik Nexus menyaring 200 prospek yang sesuai dengan profil pelanggan targetmu — perusahaan fintech di wilayah Amerika Serikat bagian tenggara putaran pendanaan Seri B dan seterusnya, yang belum menggunakan penyedia layanan data — lalu melengkapi pengisian informasi dengan biaya 0.002 dolar AS per prospek, dengan memanggil antarmuka yang dikembangkan oleh agen lain dan diunggah ke pasar terbuka. Ia menyaring 3 prospek dengan minat tertinggi, lalu segera menghubungi agen jadwal mereka untuk bernegosiasi menentukan waktu pertemuan. Sebelum setiap pertemuan, ia menarik informasi seperti almamater prospek, relasi bersama, berita perusahaan, dan riwayat pendanaan, lalu menyusunkan ringkasan satu halaman untukmu, yang dipakukan ke catatan rapat. Hanya pengisian informasi prospek ini saja; bila melalui langganan SaaS, setiap akun akan dikenai biaya 200 dolar AS per bulan.

3. Sub-agen operasional milik Nexus melakukan uji banding terhadap situs konsultasi kamu dengan 6 penyedia layanan server: Vercel, Render, Railway, Fly.io, Netlify, dan Cloudflare. Ia memanggil antarmuka trial API masing-masing penyedia dengan biaya yang sangat rendah, melakukan deployment lingkungan pengujian, dan mengukur latensi, ketersediaan, serta throughput. Pada akhirnya, Railway mencapai performa setara dengan biaya hanya sepertiga. Nexus bernegosiasi biaya bulanan lewat agen penetapan harga milik Railway, membangun mirror situs di server baru, dan menyelesaikan seluruh rangkaian pengujian untuk memastikan semuanya berjalan normal. Jika tidak ada agen, setidaknya perlu waktu satu minggu: mencari di web, berkomunikasi untuk penawaran, dan juga menjalani migrasi manual yang membuat cemas. Kamu hanya perlu mengonfirmasi ke Nexus agar menjalankan eksekusi.

Agenmu telah menyelesaikan semuanya, 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.

Bzz—

Nexus: saldo tidak mencukupi, tersisa 1.87 dolar AS.

Seperti minggu lalu, kamu mengisi ulang 5 dolar AS melalui kartu kredit yang terikat dengan Apple Pay, lalu lanjut menyikat gigi. Di lapisan bawah, 5 dolar AS ini akan ditukar menjadi stablecoin dari kartu kredit — tetapi kamu sama sekali tidak melihat dompet, tidak perlu memikirkan setoran, dan sama sekali tidak perlu menyentuh blockchain.

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

Namun, internet saat ini belum siap untuk menopang semuanya.

Saat ini, internet dirancang untuk manusia. Ia memonetisasi pengguna manusia lewat iklan, sambil menyaring perilaku non-manusia melalui rate limiting, CAPTCHA, dan kunci API. Tetapi, ketika agen otonom bermunculan dalam jumlah besar, model bisnis ini akan sepenuhnya gagal.

Lonjakan arus lalu lintas, perhatian efektif justru menurun.

Server jaringan yang selama ini disubsidi pendapatan iklan akan menghadapi peningkatan permintaan dalam skala yang lebih besar, dan permintaan-permintaan itu tidak akan pernah terpengaruh iklan.

Pembayaran oleh agen secara alami menyelesaikan masalah ini, dan pembayaran mikro akan menjadi kunci akses.

Akses merayap berbayar, akses berbayar, penggunaan berbayar.

Perusahaan yang membangun infrastruktur yang akhirnya diadopsi luas oleh agen akan menangkap kumpulan aktivitas ekonomi tambahan terbesar yang dapat ditemui oleh generasi kita. Para raksasa saat ini sedang berebut posisi, tetapi ekonomi mesin juga akan melahirkan para raksasa baru miliknya sendiri. Gelombang internet baru sebelumnya melahirkan Google, Amazon, Facebook, PayPal, dan Salesforce.

Era internet berbasis agen cerdas, segera tiba.

Proyeksi ukuran pasar

Pada tahun 2030, sebagian besar interaksi jaringan tidak lagi dilakukan melalui browser. Agen cerdas kami akan menjelajah, menguji, menegosiasikan, membentuk tim sub-agen, dan menjalankan transaksi bagi kita. Setiap tugas yang mereka selesaikan akan menghasilkan serangkaian pembayaran mikro. Biaya sekali pakai yang tampaknya merupakan pengeluaran baru pada kenyataannya adalah penggantian dari biaya yang jauh lebih tinggi pada alat dan tenaga kerja. Semakin canggih alat yang tersedia, semakin baik performa agen, dan kami akan memberi mereka wewenang otonom yang lebih tinggi.

Permintaan dan kecepatan adopsi

Mari kita buat estimasi kasar.

Dalam contoh sebelumnya, agen Joe menyelesaikan ratusan transaksi hanya dengan biaya 0.67 dolar AS. Jika skala ini diperluas ke sebuah perusahaan menengah berisi 500 orang — setiap karyawan dilengkapi agen pribadi, ditambah ratusan agen bersama untuk divisi seperti penjualan, keuangan, hukum, operasi, dan seterusnya — dengan mudah setiap hari akan menghasilkan 100 ribu transaksi yang diprakarsai oleh agen.

Pekerja pengetahuan global berjumlah lebih dari 1 miliar, dan 88% sudah menggunakan AI dalam pekerjaan mereka; ukuran sisi permintaan sangat besar dan terus bertumbuh. Namun, saat ini penggunaan seperti ini sebagian besar terbatas pada tugas dasar seperti penelusuran web, ringkasan dokumen, atau penulisan email. Transformasi penuh ke agen cerdas belum terjadi, tetapi begitu dimulai, kecepatannya akan sangat tinggi.

Instagram mencapai 100 juta pengguna dalam 30 bulan, TikTok dalam 9 bulan, dan ChatGPT hanya dalam 2 bulan (data Reuters / UBS). Salah satu alasan mengapa ChatGPT cepat populer adalah antarmuka percakapannya sudah dikenal oleh banyak orang, serta tidak perlu mempelajari perangkat lunak baru dan tidak perlu mengubah kebiasaan penggunaan — kamu hanya perlu menjelaskan kebutuhan, dan agen akan berusaha menyelesaikannya.

Satu-satunya penghalang adalah kepercayaan, dan kecepatan membangun kepercayaan jauh melampaui perkiraan manusia. Saat ini Claude Code telah berkontribusi sebesar 4% dari seluruh komitmen kode publik di GitHub (lebih dari 135 ribu kali per hari); dengan perkiraan laju pertumbuhan saat ini, pada akhir tahun 2026 akan menembus 20%. Artinya, dalam 13 bulan terjadi pertumbuhan sebesar 42896 kali. Para pengembang hanya butuh sedikit lebih dari satu tahun untuk beralih dari skeptis menjadi menyerahkan kode tingkat produksi kepada AI dalam skala besar.

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

Pada tahun 2030, bahkan jika hanya 60% pekerja pengetahuan menggunakan agen, belanja harian adalah 3 hingga 5 dolar AS (ini sudah perkiraan konservatif — ingat, Joe menyelesaikan tiga tugas sebelum sarapan hanya dengan biaya 0.67 dolar AS), dan ukuran transaksi agen di sisi pribadi saja akan mencapai 800 miliar hingga 1.4 triliun dolar AS per tahun.

Pasar perusahaan

Dragonfly, Robby・Peterson dalam tulisannya menyatakan bahwa agen cerdas untuk komersial merupakan evolusi yang wajar dari model SaaS. Saya sangat setuju. Mereka tidak lagi sekadar membantu alur kerja, melainkan akan sepenuhnya menggantikan proses yang ada. Seperti sekarang, lebih dari 95% pengeluaran perangkat lunak berasal dari perusahaan dan lembaga pemerintah; penggunaan agen cerdas di sisi perusahaan dan skala pengeluarannya kemungkinan besar akan jauh melampaui pasar individu.

Kita sudah menyaksikan perubahan ini. Klarna menggantikan 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 ketika satu alur kerja diproksikan menjadi agen, sehingga menghemat jutaan biaya. Setiap perusahaan memiliki ratusan proses seperti itu di divisi penjualan, keuangan, hukum, operasi, dan riset & pengembangan. Begitu agen cerdas dideploy di seluruh perusahaan, skala pengeluaran yang terkait akan sangat besar.

Setiap orang bisa menjadi pedagang

Dengan agen kode yang secara besar-besaran menurunkan biaya pengembangan, ambang masuk untuk pedagang internet makin mendekati nol. Seorang perencana pernikahan yang ahli dalam penyaringan lokasi bisa mengemas dan menjual workflow terbaik sebagai produk. Seorang pengembang independen di Lagos dapat mengembangkan API untuk bidang vertikal tertentu dan mulai menghasilkan pendapatan dari agen-agen di seluruh dunia dalam hitungan jam. Kamu hanya perlu memiliki pengetahuan profesional, menghasilkan sebuah antarmuka API melalui prompt, lalu mulai menerima pembayaran.

Tapi bagaimana jika agen mulai menjual layanan kepada agen lain?

Misalkan Joe yang disebutkan sebelumnya ingin masuk ke bidang baru: sebuah perusahaan kesehatan menengah di Amerika Serikat Midwest yang memiliki infrastruktur pembayaran lama. Jika agen dia dari nol melakukan penalaran dan menyelesaikan pekerjaan, biaya token akan cepat menumpuk:

• Menyaring 200 perusahaan yang sesuai dengan profil tertentu (penalaran + panggilan API): sekitar 5 ratus ribu token

• Melengkapi informasi setiap prospek (tumpukan teknologi, pendanaan, data rekrutmen): 200 prospek × sekitar 5000 token = 1 juta token

• Mengunci pengambil keputusan pelanggan inti: sekitar 2 ratus ribu token

• Memberi skor sinyal niat (ritme perekrutan, durasi kontrak): sekitar 300 ribu token

• Meneliti latar belakang setiap pengambil keputusan: 20 prospek × sekitar 10 ribu token = 200 ribu token

• Menulis naskah outreach yang dipersonalisasi: 20 prospek × sekitar 3000 token = 60 ribu token

Total sekitar 2.3 juta token; dengan menghitung biaya menggunakan model mutakhir seperti Opus 4.6, biayanya berada di kisaran 8–15 dolar AS.

Tunggu, agen penjualan sub-agent Joe sebelumnya melakukan proses serupa bukan hanya menghabiskan beberapa sen?

Benar. Karena sebagian besar langkah sudah diselesaikan oleh agen lain. Pengisian prospek, pemberian skor niat, dan penjadwalan sudah tersedia dalam bentuk antarmuka yang dipaketkan di pasar terbuka, dengan harga hanya beberapa sen.

Model seperti ini menciptakan skenario bisnis yang benar-benar baru. Sisi suplai pasar akan bertumbuh dua arah: manusia membangun layanan, sementara agen juga membangun layanan. Masalah konsumsi token berbiaya tinggi yang diselesaikan oleh satu agen dapat berubah menjadi alat murah yang dapat digunakan oleh semua agen setelahnya. Di dunia seperti itu, agen bisa mengendapkan pengalamannya menjadi workflow dan menjualnya ke agen lain, sehingga mensubsidi biaya operasionalnya sendiri.

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

Tinjauan realitas

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

Tim Artemis saya telah terus memantau kemajuan dua protokol pembayaran agen mainstream: protokol x402 yang dibuka oleh Coinbase, dan protokol mesin payment (MPP) yang diluncurkan bersama oleh Stripe dan Tempo. Secara sederhana, kedua jenis protokol ini memiliki tujuan yang benar-benar sama: memungkinkan pengguna atau agen membayar layanan jaringan apa pun dalam satu permintaan jaringan saja (misalnya data, web crawling, inferensi model, atau layanan API lain), sehingga menghindari proses rumit seperti registrasi akun, kunci API, penyelesaian penagihan, dan sebagainya.

Saat ini, semuanya masih berada pada tahap awal.

Volume transaksi protokol x402 pada akhir 2025 dipengaruhi secara berlebihan oleh hype meme coin dan perilaku menyikat volume melalui papan peringkat. Gambar di atas menunjukkan “aktivitas transaksi” yang telah disesuaikan setelah disaring menggunakan algoritma proprietari untuk transaksi palsu. Setelah menghilangkan noise dari transaksi palsu dan hype meme coin, terlihat jelas bahwa ekonomi agen belum benar-benar datang. Mayoritas aktivitas saat ini hanya berupa pengembang yang menguji API berbayar dan alat AI, bukan benar-benar ekonomi agen yang berjalan.

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

1. Sisi suplai belum terbentuk: jumlah antarmuka API praktis yang dapat menimbulkan niat pembayaran nyata bagi agen masih sangat kurang.

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

Karena ekosistem masih berkembang, menjadikan volume transaksi sebagai metrik utama masih terlalu dini. Indikator yang lebih masuk akal adalah pertumbuhan sisi suplai, yaitu jumlah pedagang yang menyediakan layanan bagi agen. Kami akan menyebut pedagang jenis ini secara keseluruhan sebagai penyedia layanan.

Gambar di atas menunjukkan perubahan kumulatif jumlah penyedia layanan (penjual) yang memenuhi standar dari waktu ke waktu. Penyedia layanan yang memenuhi standar harus memenuhi syarat: menyelesaikan lebih dari dua transaksi “nyata”, dan minimal memiliki dua pembeli independen. Pada bulan Oktober tahun lalu, angka ini masih kurang dari 100; kini sudah lebih dari 4000. Saya perkirakan laju pertumbuhan ini akan makin cepat, terutama didorong oleh tiga tren utama:

1. AI sedang menurunkan ambang pembuatan produk digital (seperti yang disebutkan 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 akan sangat berbeda: gunakan API sebagai pengganti halaman web, gunakan akses instan sebagai pengganti proses registrasi, gunakan bayar sesuai kebutuhan sebagai pengganti sistem berlangganan.

3. Penyedia layanan yang ada akan dipaksa bertransformasi. Seiring makin banyak pengguna berinteraksi lewat antarmuka AI, bukan dengan menjelajah halaman web secara manual, model bisnis berbasis iklan akan benar-benar gagal, karena tidak ada perhatian pengguna manusia yang dapat dimonetisasi. Perusahaan tidak akan punya pilihan selain membayar langsung untuk konten dan layanan.

Daya-daya ini akan membentuk roda gigi yang saling menguatkan: sisi penawaran dan permintaan saling membesar, hingga akhirnya menyalakan seluruh ekonomi agen.

Tata industri

Ekosistem transaksi agen sedang cepat terbentuk. Banyak startup bermunculan bagai jamur setelah hujan, menargetkan untuk mengisi setiap celah dalam arsitektur tersebut; pada saat yang sama, perusahaan yang sedang bertumbuh di bidang fintech dan layanan perangkat lunak (SaaS) juga beralih menuju transaksi agen native. Dalam 12 bulan terakhir, hampir semua raksasa pembayaran mainstream dan laboratorium AI telah meluncurkan atau mengumumkan protokol terkait transaksi agen.

Kami telah memetakan lebih dari 170 perusahaan yang mencakup lima lapisan: antarmuka interaksi, agen cerdas, sistem akun, fasilitas pembayaran, dan mesin AI. Di sini dipersempit menjadi sekitar 80 institusi inti:

—

Kami membedahnya berlapis dari atas ke bawah.

Lapisan antarmuka

Lapisan antarmuka paling dekat dengan pengguna, bertanggung jawab mengarahkan maksud pengguna (kebutuhan) ke alat atau layanan yang dibutuhkan (pasokan). Siapa yang dapat mendefinisikan cara agen cerdas menemukan, mengevaluasi, dan memilih layanan, maka ia akan memiliki kendali besar atas seluruh lapisan di bawahnya. Kami akan fokus pada dua kategori terpenting di lapisan ini:

Antarmuka pengguna

Ini adalah pintu masuk yang paling langsung berinteraksi dengan agen cerdas bagi sebagian besar orang. Apple, Google, OpenAI, Anthropic, xAI, dan Perplexity sedang membangun jenis antarmuka interaksi ini, dan bentuknya cepat keluar dari sekadar mode obrolan. Bentuk baru seperti asisten suara, asisten desktop, asisten co-pilot tersemat, agen peramban terus bermunculan, menempel pada skenario penggunaan dunia nyata pengguna. Platform yang menjadi antarmuka AI default pengguna akan menjadi titik awal bagi semua transaksi yang diprakarsai agen; pemenang di lintasan ini akan mendapatkan keunggulan tambahan yang sangat besar.

Laboratorium AI sejak lama telah merayapi dan melatih seluruh internet dengan data; kini data pelatihan berkualitas terbaik yang tersisa adalah umpan balik panduan manusia. Setiap kali kamu menerima atau menolak sebuah jawaban, melakukan koreksi, atau memberikan informasi preferensi ke Claude atau ChatGPT, antarmuka interaksi yang kamu gunakan akan menangkap data tersebut untuk dijual atau untuk pelatihan model. Menguasai antarmuka berarti menguasai feedback loop yang dapat mengoptimalkan pengalaman pengguna dan model itu sendiri. Inilah alasan Anthropic meluncurkan Claude Code, Google mengakuisisi Windsurf, dan OpenAI mencoba mengakuisisi Cursor. Setelah agen kamu mengumpulkan konteks tentang preferensimu, workflow, dan alat yang sering kamu gunakan, biaya migrasi pengguna akan menjadi sangat tinggi.

Penemuan layanan

Ketika agen Joe membutuhkan antarmuka pengisian prospek atau layanan data satelit, bagaimana ia menemukan layanan yang tepat? Ini mungkin masalah terbesar dalam arsitektur ekosistem yang belum terselesaikan. Saat ini, sebagian besar solusi masih berupa daftar alat yang dikodekan secara keras atau pasar layanan pilihan. Platform-platform besar sudah membangun sistem mereka sendiri: OpenAI dan Stripe meluncurkan ACP, Google dan Shopify meluncurkan UCP, Visa meluncurkan TAP. Pada dasarnya, semuanya adalah direktori pedagang; untuk berfungsi, platform dan pedagang harus secara aktif melakukan integrasi. Model seperti ini bekerja baik dalam skenario yang umum, tetapi seiring ambang pembuatan dan penjualan layanan digital turun drastis, banyak aplikasi niche yang sangat terspesialisasi akan bermunculan, dan mode pilihan tidak akan memenuhi kebutuhan long-tail ini.

Perusahaan seperti Coinbase, Merit Systems, Orthogonal, dan Sapiom sedang membangun alternatif yang bersifat terbuka: mereka membuat agregator dan infrastruktur lapisan bawah agar agen dapat secara mandiri mencari dan membayar layanan saat beroperasi, tanpa perlu integrasi terlebih dahulu atau kerja sama komersial. Seiring sisi suplai (sumber daya jaringan) bertumbuh secara eksponensial, tingkat kesulitan dalam menyelesaikan masalah ini juga akan sangat besar. Namun, siapa pun yang mampu menaklukkan sistem peringkat dan rekomendasi agar agen bisa dipasangkan ke layanan yang tepat pada waktu yang tepat, maka ia akan menguasai otoritas besar di industri ini.

Transaksi agen pada akhirnya akan menuju mode seleksi yang tertutup, atau mode ekosistem terbuka, dan bagaimana tata pembagian nilai ditentukan oleh struktur ini—ini adalah salah satu perdebatan inti di bidang tersebut. Kami akan membahas topik ini lebih dalam lagi nanti.

Lapisan agen cerdas dan akun

Untuk menyelesaikan tugas bagi kita, agen cerdas saja tidak cukup hanya dengan menjadi “cerdas”. Sub-agen penjualan Joe menyelesaikan seluruh alur dari penyaringan 200 prospek, pengisian informasi, hingga menjadwalkan tiga pertemuan—sedangkan Joe tidak perlu mengonfigurasi alat apa pun, mengelola kunci API, dan juga tidak perlu menyetujui langkah demi langkah. Sebagian besar infrastruktur yang mendukung semua ini tidak terasa bagi pengguna ujung (terminal), tetapi tanpa infrastruktur tersebut, agen hanya menjadi model bahasa besar tanpa kemampuan eksekusi. Berikut gambaran komponen infrastruktur inti yang diperlukan untuk mewujudkan semuanya:

Alat dan standar

Protokol dan kerangka kerja semacam ini memberi agen cerdas kemampuan untuk berinteraksi dengan dunia luar. MCP (Machine Communication Protocol, diprakarsai oleh Anthropic dan kini dikelola oleh Linux Foundation) memungkinkan agen menghubungkan data dan alat eksternal: memanggil API yang belum pernah diakses, membaca database, atau memanggil layanan tertentu secara real-time. A2A (yang diusulkan oleh Google) mendefinisikan bagaimana agen yang dikembangkan di berbagai platform saling menemukan dan bekerja sama. LangChain, kerangka kerja yang diluncurkan oleh Nvidia dan Cloudflare memberi pengembang modul dasar untuk membangun dan menerapkan agen di atas protokol-protokol ini. OpenClaw, yang baru-baru ini diakuisisi oleh OpenAI, menggabungkan manajemen konteks dan pemanggilan alat ke dalam satu kerangka kerja yang mengutamakan lokal, sehingga secara besar menurunkan kesulitan pengembang dalam membangun agen yang bisa menemukan dan menggunakan layanan secara mandiri yang juga berbayar.

Masalah inti di bidang ini adalah: pada akhirnya standar-standar ini akan bersatu atau justru terpecah-belah? Bisakah kerangka komersial yang dibangun di atas standar tersebut menangkap nilai sebelum alat menjadi homogen?

Autentikasi identitas

Setelah agen bisa saling berkomunikasi, masih perlu dibangun rasa saling percaya. Sebelum agen melakukan transaksi atau menjual layanan, mereka harus membuktikan entitas yang memberi otorisasi serta izin operasinya, dan menyimpan catatan tindakan yang dapat diverifikasi oleh agen lain.

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

Ruang desain di area ini luas, namun risikonya sangat tinggi: berapa banyak maksimal agen kamu dapat membelanjakan sebelum kamu memberi persetujuan? Apakah ia bisa mewakili kamu untuk menandatangani kontrak? Apakah ia dapat mendelegasikan wewenang kepada sub-agen? Aturan dan batas keamanan seperti ini kemungkinan besar akan ditetapkan secara final di lapisan akun.

Dompet

Jelas, agar agen bisa melakukan pembayaran, ia harus dilengkapi dompet. Coinbase, Safe, MetaMask, Phantom, MoonPay, Privy, dan banyak vendor lain semuanya sedang menyiapkan area ini, menyediakan fitur seperti akses dan pembuatan terprogram, delegasi izin, batas pengeluaran per transaksi, daftar penerima pembayaran, serta kemampuan berjalan lintas multi-rantai, tanpa pengguna harus mengonfirmasi setiap tindakan secara manual. Ini adalah salah satu arena paling kompetitif dalam keseluruhan ekosistem, dan sekaligus memunculkan pertanyaan kunci: di mana “moat” perusahaan? Apakah area ini pada akhirnya akan menjadi homogen?

Lapisan pembayaran

Lapisan pembayaran berada cukup dalam di keseluruhan arsitektur, dan seharusnya tidak terasa bagi pengguna ujung, tetapi setiap dana dalam ekonomi mesin akan mengalir lewat lapisan ini. Ketika agen Joe membayar 0.24 dolar AS pada malam hari untuk menarik data dari 40 penyedia layanan, dia tidak perlu memilih kartu, mata uang, atau chain penyelesaian untuk setiap transaksi.

Kesulitan utama di sini adalah: saluran pembayaran tradisional dirancang untuk manusia yang mengklik tombol “beli”, bukan untuk menyesuaikan dengan panggilan API ribuan kali per menit dengan nilai per transaksi di bawah satu sen. Jaringan kartu kredit memiliki biaya tetap sekitar 0.03–0.04 dolar AS per transaksi, ditambah fee 2.3%–2.9%. Ini masuk akal untuk pesanan hotel 400 dolar AS, tetapi sama sekali tidak cocok untuk transaksi agen multi-langkah yang baru.

Dari sinilah muncul protokol dan sistem mata uang baru yang khusus dibuat untuk transaksi agen, sementara raksasa tradisional juga sedang mengubah infrastruktur yang ada agar sesuai dengan kebutuhan jenis ini.

Poin inti adalah sebagai berikut:

Saluran pembayaran

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

1. x402 (Coinbase/Cloudflare) dan MPP (Stripe/Tempo) didesain khusus untuk transaksi native mesin: agen memanggil antarmuka, mendapatkan kuotasi, menandatangani pembayaran, menerima data — semuanya selesai dalam satu permintaan HTTP, dengan settlement stablecoin, dan biaya per transaksi hanya beberapa sen (nol koma sekian puluh).

2. ACP (OpenAI/Stripe), AP2 (Google/PayPal), serta TAP dari Visa memakai pendekatan lain: mengadaptasi infrastruktur pembayaran kartu yang ada agar sesuai dengan skenario agen. Solusi seperti ini lebih cocok untuk transaksi bernilai tinggi; dibandingkan kecepatan dan biaya settlement, jaminan pembeli dan cakupan penerimaan merchant menjadi faktor yang lebih penting.

Stablecoin dan settlement

Agen cerdas perlu mata uang yang dapat diprogram, cepat, berbiaya rendah, dan bersifat global. Stablecoin sepenuhnya memenuhi persyaratan ini, sehingga menjadi pilihan alami untuk transaksi x402 dan MPP. Sementara itu, saluran pembayaran kartu masih dapat memberikan jaminan bagi pembeli, dan kebiasaan penggunaan merchant sudah matang; ini tetap penting untuk transaksi bernilai tinggi. Lapisan blockchain dasar (misalnya Base, Solana, Tempo) menghadirkan masalah kunci lainnya: chain mana yang bisa mendukung throughput pemrosesan yang dibutuhkan oleh transaksi skala besar level agen, finalitas transaksi, dan struktur biaya?

Penyedia layanan

Institusi ini berada di antara agen cerdas dan merchant, berperan sebagai perantara yang menangani tahapan rumit seperti audit kepatuhan, integrasi merchant, dan autentikasi izin. Coinbase, Stripe, dan PayPal sedang memperluas ekosistem yang ada untuk mendukung transaksi agen; mereka bertaruh jaringan merchant dan infrastruktur kepatuhan mereka sendiri dapat menjadi keunggulan kompetitif. Sementara itu, institusi lain seperti Sponge dan Sapiom memecahkan masalah cold-start dari sisi pedagang yang baru muncul, sehingga bisnis apa pun berbasis API dapat dengan mudah mulai menerima pembayaran oleh agen. Seiring saluran pembayaran, protokol, dan jumlah merchant terus bertambah, pihak pengoordinasi berpotensi menjadi penghubung kunci untuk mencegah seluruh sistem terfragmentasi.

Lapisan mesin AI

Lapisan ini tidak perlu terlalu diperkenalkan; semua interaksi agen, langkah penalaran, dan pemanggilan alat digerakkan olehnya. Namun, perubahan model bisnis di lapisan ini berlangsung jauh lebih cepat dibanding bagian lain dalam arsitektur, dan arus nilai akhirnya tidak sejelas yang tampak di permukaan. Kami fokus pada dua kategori utama:

Komputasi dan hosting

Setiap kali agen cerdas Joe melakukan inferensi untuk suatu tugas, memanggil alat, atau membuat sub-agen, ia menghabiskan komputasi. Tetapi inferensi model hanyalah sebagian darinya. Seiring meledaknya aplikasi low-code / pengembangan dadakan dan pertumbuhan pesat layanan yang dibangun sendiri oleh agen, muncul banyak antarmuka baru yang semuanya membutuhkan wadah hosting. Hingga Mei 2025, jumlah halaman web yang bisa diakses bertumbuh 45% dalam kurun waktu hanya dua tahun; dan karena agen kode membuat peluncuran layanan baru menjadi sangat mudah, pertumbuhan ini hanya akan makin dipercepat. Artinya, kebutuhan komputasi bertumbuh dari dua sisi sekaligus: di satu sisi lebih banyak agen memproses lebih banyak tugas, di sisi lain lebih banyak layanan terus diluncurkan untuk memenuhi kebutuhan tersebut.

Penyedia cloud skala super besar (AWS, Google Cloud, Nvidia) adalah pemain inti yang jelas. AWS dan Google Cloud juga terus menyederhanakan proses deployment backend agen dan API di infrastrukturnya. Cloudflare fokus pada edge computing, menyediakan komputasi serverless berlatensi rendah untuk layanan yang berfokus pada agen. Sementara itu, platform komputasi terdesentralisasi seperti Akash, Bittensor, Nous, dan lain-lain memenuhi kebutuhan komputasi berlebih dengan mengintegrasikan sumber daya GPU global dan menjualnya dengan harga yang sangat rendah.

Model fondasi

Model fondasi adalah “otak” dari seluruh sistem. Anthropic, OpenAI, Google, dan Meta sebagai laboratorium terdepan terus memperluas batas kemampuan agen cerdas, sementara biaya menjalankan model tersebut terus turun dengan cepat. Di akhir 2022, biaya menjalankan model setara GPT-4 sekitar 20 dolar AS per satu juta token; dan pada awal 2026, biaya untuk model dengan performa setara turun menjadi sekitar 0.05 dolar AS per satu juta token—dalam waktu hanya lebih dari tiga tahun, penurunannya mencapai 600 kali. Upgrade perangkat keras, kompetisi antar vendor, serta optimasi seperti prompt caching dan batching bersama-sama terus menurunkan biaya inferensi. Di saat yang sama, karena logika inferensi diringkas menjadi model berbobot open-source yang lebih kecil, serta biaya running yang sangat rendah, biaya membangun kecerdasan juga turun secara signifikan. Dalam beberapa benchmark, kesenjangan performa antara model berbobot open-source dan model tertutup mengecil hanya menjadi 1.7%.

Ini kabar baik besar 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 menjalankan — yang pada gilirannya mendorong aktivitas transaksi di seluruh lapisan atas ekosistem makin meningkat. Jika model fondasi jatuh ke perang harga seperti halnya penyedia layanan cloud saat ini, maka nilai akhirnya mungkin berkumpul di segmen hulu-hilir lapisan model, bukan pada model itu sendiri.

Siapa pemenangnya?

Pada tahun 2030, sebagian besar interaksi digital kamu tidak lagi membutuhkan browser, mesin pencari, atau app store. Kamu cukup menyebutkan kebutuhanmu, dan agen cerdas akan menangani semuanya secara penuh: mencari layanan yang tepat, menegosiasikan ketentuan, menyelesaikan pembayaran, lalu menyerahkan hasil akhir. Internet akan menampilkan wajah yang benar-benar berbeda.

Kita bisa memahaminya sebagai: masa optimasi mesin pencari yang ditujukan untuk agen. Antarmuka API akan makin banyak, sementara antarmuka interaksi bagi manusia akan makin sedikit.

Dalam dunia seperti itu, siapa yang akan meraup nilai?

Sam・Lagersdale dari Merit Systems menulis artikel yang membandingkan ekosistem transaksi agen saat ini dengan internet awal. Ia berpendapat pasar layanan agen berbasis pilihan yang dibangun oleh platform besar (ACP, UCP, TAP) berjalan di jalur yang sama seperti AOL era 90-an di AS — pengalaman terasa rapi dan sistem tertutup, namun keterbatasannya adalah semua penyedia layanan harus dipilih dan diperiksa oleh manusia. Sementara protokol terbuka seperti x402 dan MPP lebih “kasar”, mereka memiliki sifat tanpa izin: siapa pun bisa membangun antarmuka, tanpa tim bisnis atau audit legal, sehingga bisa memperoleh pendapatan melalui agen. Pada era 90-an, pengalaman produk model taman tertutup lebih unggul, tetapi internet terbuka punya kemungkinan yang tak terbatas.

Pada akhirnya, internet terbuka yang menang.

Logika yang sama sedang terulang. ACP, UCP, dan TAP akan terhubung dengan laboratorium AI teratas dan melayani skenario mainstream dengan baik, tetapi mereka terbatas pada agen yang hanya bisa menyelesaikan tugas yang telah dipreset oleh platform melalui katalog penyedia layanan yang telah diaudit. Sementara itu, agen yang dapat terhubung ke seluruh ekosistem protokol terbuka memiliki batas kemampuan yang jauh lebih luas.

Perlu diketahui, bagian internet yang paling hidup saat ini muncul justru karena HTTP yang menghasilkan lalu lintas long-tail besar dari situs-situs terbuka.

Kita harus mengakui dengan rendah hati bahwa kita tidak dapat membayangkan seluruh gambaran internet agen terbuka. Sama seperti pada tahun 1995 tidak ada yang bisa memprediksi kemunculan layanan ojek online atau media sosial; setelah kita menyediakan alat yang dibutuhkan agen, kita juga tidak bisa memprediksi layanan apa yang akan mereka ciptakan, dan layanan apa yang akan mereka bayarkan.

Seperti yang telah kita diskusikan sebelumnya, model fondasi sedang bergerak cepat menuju homogenisasi, sehingga nilai mungkin bergeser ke lapisan lain dalam arsitektur teknis. Alat pengembangan, dompet, dan infrastruktur identitas sangat penting, tetapi ketika standar menjadi semakin seragam, bidang-bidang tersebut juga kemungkinan akan menjadi homogen. Oleh karena itu saya percaya, nilai akan terkonsentrasi pada tiga bidang: antarmuka interaksi, pembayaran, dan komputasi.

Antarmuka interaksi

Antarmuka interaksi menentukan batas pengeluaran, proses persetujuan, dan mekanisme delegasi kepercayaan. Siapa yang mampu membangun pengalaman paling personal untuk pengguna akan memikul paling banyak aliran transaksi.

Apple adalah peserta yang paling diremehkan di bidang ini. Perangkatnya telah terintegrasi jauh ke dalam kehidupan sehari-hari orang, dan biaya migrasi pengguna sangat tinggi. Jika Siri berkembang menjadi pintu masuk interaksi agen yang matang, Apple tidak perlu membangun model terbaik untuk menguasai titik awal puluhan miliar transaksi. Mereka cukup menjaga agar pintu masuk interaksi tetap menjadi yang terbaik.

Transformasi yang dihadapi Google bahkan lebih sulit. Beralih dari penjelajahan manual manusia ke penyaringan cerdas oleh agen akan menggerogoti pendapatan iklan utamanya. Namun Google memiliki keunggulan yang tidak dimiliki perusahaan lain: mereka telah mengumpulkan data pribadi selama puluhan tahun di bidang pencarian, email, kalender, peta, dan dokumen. Selain itu, perlu dipertimbangkan juga biaya migrasi sisi perusahaan; Google Workspace sudah tertanam di jutaan perusahaan, sehingga email, file, dan workflow karyawan berjalan di infrastruktur Google. Jika ada perusahaan yang dapat membangun agen yang paling personal untuk konsumen dan perusahaan, maka itu adalah Google. Masalahnya adalah apakah ia bisa memonetisasi layanan agen secara efisien seperti memonetisasi traffic pencarian.

Merit Systems adalah kuda hitam yang saya sukai. Mereka membangun infrastruktur penemuan layanan untuk ekonomi agen terbuka (AgentCash, pemindaian x402, pemindaian MPP) sekaligus mengembangkan antarmuka sisi konsumen (Poncho). Logika intinya adalah: siapa pun yang mengendalikan kanal penemuan layanan agen dan masuk ke bagian aliran dana, maka ia akan menempati posisi seperti Google pada internet awal. Ini adalah taruhan yang ambisius, tetapi jika perdagangan agen terbuka mengalahkan model yang tertutup dan selektif, Merit akan menjadi lapisan agregasi yang paling diuntungkan. Saat ini masih pada tahap awal, seperti persaingan era Google dengan ekosistem AOL tertutup yang kemudian nilainya jika dikonversi setara dengan nilai kapitalisasi pasar kini sekitar 350 miliar dolar AS.

Pembayaran

Siapa pun yang mengendalikan arus dana akan mendapatkan bagi hasil dari setiap transaksi. Saya paling yakin pada prospek lapisan ini, karena ukurannya akan bertumbuh seiring pertumbuhan volume transaksi.

Stripe dan Tempo unggul dalam pembayaran mesin native. Stripe sudah memiliki ekosistem pengembang yang matang dan jaringan merchant yang besar. Sedangkan Tempo memiliki pembayaran berbasis streaming, finalitas transaksi sekitar 500 milidetik, pembayaran berbasis saluran yang juga streaming, dukungan native untuk kartu bank dan stablecoin, pembayaran biaya Gas dengan dolar AS (tanpa risiko fluktuasi token), transaksi yang dibayar oleh server (server-paid transaction), dan fitur lain; semuanya dirancang khusus untuk volume transaksi besar ekonomi mesin. Jika MPP menjadi saluran pembayaran mesin native default, Stripe dan Tempo akan mengambil komisi dari setiap transaksi agen.

Circle akan ikut tumbuh seiring perluasan ekonomi agen. Saya yakin stablecoin akan menjadi lapisan settlement untuk ekonomi mesin, dan saat itu Circle akan mengambil bagi hasil dari setiap dolar AS dalam dompet agen lewat pendapatan dari cadangan (reserves). USDC adalah stablecoin yang paling luas diterima di bursa, dompet, public chain, dan protokol pembayaran; pengembang baru akan lebih dulu memilihnya, yang makin memperdalam integrasi ekosistemnya, sehingga pesaing makin sulit masuk.

Visa akan melakukan adaptasi. Ingatkah kamu saat Joe mengisi ulang lewat Apple Pay dengan kartu kredit, dan di lapisan bawah itu otomatis ditukar menjadi stablecoin sementara ia sama sekali tidak melihat dompet serta tidak perlu memikirkan blockchain? Itulah kebiasaan masa depan. Konsumen akan terus memakai kartu bank yang sudah familiar, sementara settlement dilakukan di bawahnya oleh stablecoin. Seiring pembaruan saluran pembayaran, Visa akan mengandalkan kepercayaan mereknya sendiri di konsumen dan merchant untuk bertahan.

Komputasi dan hosting

Pertumbuhan jumlah agen berarti peningkatan kebutuhan inferensi. Bermunculannya layanan pengembangan dadakan memperbesar kebutuhan hosting. Apa pun model, protokol, atau antarmuka yang menjadi arus utama, penyedia komputasi akan diuntungkan. AWS dan Cloudflare adalah dua perusahaan paling unggul di bidang ini, dengan alasan yang mirip.

Pertama, mereka sudah menopang sebagian besar lalu lintas internet. AWS menempati sekitar 30% pangsa infrastruktur cloud di 37 wilayah di seluruh dunia. Cloudflare memberikan layanan keamanan dan performa untuk lebih dari 20% website, artinya semua permintaan ke website-website itu akan melewati jaringannya. Ketika antarmuka baru untuk agen berkembang pesat, pengembang akan secara default memilih platform deployment yang mereka kenal.

Kedua, mereka sedang membangun infrastruktur monetisasi untuk internet generasi baru. Seiring kematian model iklan dan kebangkitan model akses berbayar, dua perusahaan ini sama-sama mendukung transisi tersebut secara native. Cloudflare telah meluncurkan layanan paid crawling, memungkinkan situs apa pun di jaringannya membebankan biaya ke AI crawler lewat x402 (Stack Overflow sudah menggunakannya). Sedangkan AWS adalah anggota pendiri x402 Foundation dan merilis arsitektur referensi serverless x402 open-source. Layanan apa pun yang berjalan di dua platform besar itu dapat dengan mudah mengaktifkan fitur monetisasi agen native.

Autentikasi identitas

Saya pesimis terhadap perusahaan seperti Worldcoin; sistem yang mereka bangun menuntut setiap interaksi menjalani verifikasi manusia. Visi ekstrem ini berasumsi orang akan peduli apakah pihak yang berinteraksi online adalah manusia atau agen, padahal kita sudah terbiasa dengan hal tersebut sejak lama. Menurut saya, masa depan yang lebih mungkin adalah: sebagian besar dasar penyaringan lalu lintas internet adalah pembayaran mikro, bukan kredensial identitas manusia.

Akses berbayar akan lebih praktis daripada “membuktikan bahwa kamu manusia”.

Sistem identitas hanya penting untuk sebagian interaksi berisiko tinggi, tetapi dalam kebanyakan transaksi agen, (pembayaran mikro) itu sendiri adalah bukti kepercayaan.

Penutup

Ketika Joe bangun, ia tidak akan memikirkan saluran pembayaran atau protokol identitas agen. Dia hanya melihat ponselnya, mengetahui agen telah menyelesaikan transaksi, menjadwalkan rapat, dan menemukan server yang lebih murah. Semua lapisan arsitektur teknis yang dibahas dalam artikel ini telah diabstraksi dengan sempurna—dia sama sekali tidak perlu khawatir.

Kita masih terus bergerak menuju masa depan ini. Protokol terkait sudah dipublikasikan tetapi belum cukup luas digunakan, sisi suplai bertumbuh namun masih tipis, masalah penemuan layanan belum terselesaikan, dan lapisan identitas terfragmentasi dengan serius. Sebagian besar transaksi saat ini hanyalah pengujian oleh pengembang, bukan transaksi agen yang benar-benar nyata. Tetapi kecepatan penyusunan puzzle ekosistem lebih cepat daripada tampilan metrik data. Orang-orang yang kini pesimis terhadap infrastruktur tahap awal hanya melihat kurva turun; sedangkan yang saya pikirkan adalah seperti apa gambaran ini ketika setiap orang memiliki satu atau sekelompok agen yang benar-benar memiliki kemampuan bertindak secara ekonomi.

Jika kamu belum bertindak, inilah saatnya untuk beralih ke model ekonomi agen.