Ringkasan Alat DeFAI: Bagaimana Menggunakan Agen AI untuk Mengelola Aset di Jaringan?

Bagi tim yang mampu sekaligus menguasai dua dimensi, Web3 dan AI, inilah saat yang tepat untuk masuk.

Ditulis oleh: GO2MARS

Sebelum menguraikan analisis secara resmi, ada kebutuhan untuk menjelaskan terlebih dahulu satu konsep inti: DeFAI.

DeFAI adalah singkatan gabungan DeFi (keuangan terdesentralisasi) dan AI (kecerdasan buatan). Istilah ini merujuk pada penggabungan AI Agent ke skenario keuangan di rantai (on-chain), sehingga agent tersebut memiliki kemampuan untuk merasakan kondisi pasar, menyusun strategi secara mandiri, dan langsung mengeksekusi operasi di rantai—sehingga, dengan tidak bergantung pada intervensi manual real-time, dapat melakukan serangkaian tindakan keuangan tradisional yang biasanya membutuhkan pengelolaan profesional, seperti alokasi aset, manajemen risiko, interaksi protokol, dan sebagainya.

Secara singkat, DeFAI bukanlah sekadar peningkatan AIisasi yang sederhana dari alat DeFi, melainkan upaya membangun lapisan eksekusi keuangan yang dapat beroperasi secara otonom di dalam rantai.

Berlakunya jalur ini sejak Kuartal IV 2024 memanas dengan cepat. Di baliknya, ada tiga peristiwa penanda yang layak diperhatikan, masing-masing mewakili tiga tingkat masuknya AI Agent ke Web3: menembus batas narasi, pembangunan infrastruktur yang bersifat assetized, dan realisasi nyata kemampuan eksekusi.

Peristiwa pertama terjadi pada Juli 2024. Bot Twitter Truth Terminal yang dibangun oleh developer Andy Ayrey, setelah menerima hadiah BTC sebesar 50k dolar dari Marc Andreessen selaku co-founder a16z, langsung viral dan menembus arus utama, serta memicu penyebaran virus dari koin GOAT. Ini menandai pertama kalinya AI Agent sebagai partisipan ekonomi on-chain benar-benar masuk ke pandangan publik.

Peristiwa kedua terjadi pada Oktober tahun yang sama. Virtuals Protocol meledak di jaringan Base, melakukan tokenisasi pada AI Agent itu sendiri. Nilai kapitalisasi ekosistemnya tertinggi menembus 3,5 miliar dolar, menjadi representasi khas tahap pembangunan infrastruktur dasar yang assetized dalam jalur DeFAI.

Peristiwa ketiga adalah bahwa proyek-proyek seperti Giza, HeyAnon, dan Almanak secara bertahap melakukan penerapan di lapisan eksekusi on-chain, mendorong industri beralih dari tahap yang digerakkan oleh narasi menuju tahap yang terproduk. AI Agent mulai benar-benar «bergerak» mengeksekusi operasi on-chain, dan bukan sekadar bertahan pada tingkat interaksi informasi.

Dari sisi skala pasar global, berbagai lembaga riset memiliki ekspektasi pertumbuhan yang sangat konsisten untuk jalur AI Agent:

Gambar 1: Perbandingan prediksi ukuran pasar AI Agent global, sumber data: MarketsandMarkets (2025), Grand View Research (2025), BCC Research (2026.01)

Namun, masih terdapat kesenjangan yang signifikan antara panasnya modal dan terwujudnya industri. Dalam laporan yang dirilis McKinsey pada November 2025, The State of AI in 2025 (berdasarkan 105 negara dengan 1.993 responden), meskipun 88% organisasi sudah menggunakan AI pada setidaknya satu fungsi bisnis, hampir dua pertiga sisanya masih berada pada tahap eksperimen atau pilot. Khusus untuk bidang AI Agent: 62% organisasi mulai melakukan eksperimen, 23% mendorong skala di setidaknya satu fungsi, tetapi proporsi yang mencapai penerapan skala di fungsi tunggal mana pun tetap kurang dari 10%.

Data ini menunjukkan kepada kita: panasnya narasi di jalur DeFAI saat ini masih lebih cepat daripada progres realisasi. Memahami kesenjangan ini adalah prasyarat untuk menilai nilai jalur tersebut secara objektif.

Landasan teknis DeFAI: bagaimana AI Agent berinteraksi dengan dunia on-chain

Untuk memahami bagaimana DeFAI beroperasi, pertama-tama perlu menjawab satu pertanyaan kunci: melalui mekanisme apa AI masuk ke operasi keuangan on-chain?

Unit eksekusi inti sistem DeFAI adalah AI Agent yang dibangun berdasarkan model bahasa besar. Menurut tinjauan akademis Wang et al. (2023), kemampuan intinya dapat diringkas menjadi arsitektur tiga lapis, dan setiap lapisan memiliki fungsi spesifiknya sendiri dalam konteks on-chain:

• Lapisan perencanaan bertugas memecah tujuan dan mengoptimalkan jalur, sesuai dengan pembuatan strategi dan penilaian risiko dalam skenario on-chain;
• Lapisan memori, melalui penyimpanan eksternal seperti database vektor, memungkinkan akumulasi informasi lintas periode, serta menampung data pasar historis dan status protokol;
• Lapisan alat memperluas kemampuan model agar dapat memanggil sistem eksternal seperti protokol DeFi, price oracle, dan jembatan lintas rantai.

Namun, ada satu hal yang perlu ditegaskan di sini: model AI itu sendiri tidak dapat berinteraksi langsung dengan blockchain. Hampir semua sistem DeFAI yang ada saat ini menggunakan arsitektur pemisahan penalaran off-chain dan eksekusi on-chain—AI Agent menyelesaikan perhitungan strategi di luar rantai, lalu mengubah hasilnya menjadi sinyal transaksi on-chain yang kemudian dikirim oleh modul eksekusi. Desain arsitektur ini merupakan pilihan realistis di bawah kondisi teknologi saat ini, sekaligus memunculkan serangkaian isu keamanan seperti otorisasi kunci privat dan manajemen hak akses.

Pada dasarnya, AI Agent adalah sistem pengambilan keputusan otonom berbasis model bahasa besar yang menjalankan eksekusi loop tertutup melalui pemecahan tugas, manajemen memori, dan pemanggilan alat; sementara interaksi AI Agent dengan sisi aset on-chain juga sudah mulai mengambil bentuk.

Gambar 2: Arsitektur tiga lapis AI Agent

Evolusi DeFAI: dari interaksi informasi menuju closed loop eksekusi

Setelah landasan teknis DeFAI dijelaskan, muncul pertanyaan yang wajar: bagaimana sistem ini selangkah demi selangkah sampai ke kondisi seperti sekarang?

Menurut riset The Block, evolusi DeFAI bukanlah proses yang terjadi seketika, melainkan melalui dua tahap yang berbeda—dari agent tipe interaksi yang awalnya berfokus pada pemrosesan informasi, menuju sistem tipe eksekusi yang kini benar-benar dapat terlibat dalam operasi on-chain.

Keduanya memiliki perbedaan mendasar dalam penentuan tujuan, metode teknis, dan tingkat risiko.

Gambar 3: Perbandingan jalur evolusi DeFAI dua gelombang

Alur evolusi dua tahap dapat dipahami seperti ini:

Gelombang pertama adalah Agent tipe interaktif, dengan fokus pada pembangunan kerangka agen yang bisa diajak berdialog dan bisa dianalisis. Proyek-proyek yang menjadi representasi mencakup kerangka Eliza dari ElizaOS (ai16z versi awal), G.A.M.E. milik Virtuals, dan lain-lain. Pada tahap ini, esensinya masih merupakan alat informasi—agent bisa membaca, bisa berbicara, dan bisa menganalisis, tetapi batas fungsinya berhenti pada lapisan informasi dan belum menyentuh operasi eksekusi aset apa pun.

Gelombang kedua adalah DeFAI Agent tipe eksekusi, yang benar-benar masuk ke closed loop keputusan-eksekusi. Proyek-proyek yang menjadi representasi mencakup HeyAnon, Wayfinder, Giza (ARMA Agent), serta Almanak, dan lain-lain. Ciri bersama dari sistem seperti ini adalah: AI berjalan di off-chain, menghasilkan sinyal strategi yang terstruktur, dan menyelesaikan transaksi melalui modul eksekusi on-chain—sistem ini tidak menggantikan protokol DeFi yang sudah ada, melainkan menambahkan lapisan mekanisme keputusan AI di atasnya. Dengan demikian, seluruh rantai proses berubah dari «manusia memberi instruksi» menjadi «Agent mengeksekusi secara mandiri».

Perbedaan mendasar antara dua gelombang evolusi bukan terletak pada kompleksitas teknis, melainkan pada apakah benar-benar menyentuh aset. Hal ini sekaligus menentukan bahwa tantangan pada mekanisme kepercayaan, desain izin, dan arsitektur keamanan pada sistem gelombang kedua jauh lebih kompleks dibanding gelombang pertama—dan inilah konten yang akan menjadi fokus pembahasan pada bab berikutnya.

Peta realisasi DeFAI: empat skenario aplikasi utama

Dari arsitektur teknis hingga jalur evolusi, “kemampuan untuk melakukan apa” dalam DeFAI kini semakin jelas. Lalu, pada tingkat produk nyata, masalah-masalah riil apa yang sedang diselesaikan?

Secara keseluruhan, eksplorasi aplikasi DeFAI saat ini telah membentuk pola implementasi yang relatif matang yang berpusat pada empat arah inti, masing-masing berhubungan dengan empat tipe nyeri utama dalam operasi on-chain: efisiensi imbal hasil, eksekusi strategi, ambang batas interaksi, dan kontrol risiko.

Optimalisasi imbal hasil: rebalancing otomatis lintas protokol

Optimalisasi imbal hasil merupakan skenario aplikasi DeFAI yang paling matang saat ini. Logika intinya adalah: memindai terus-menerus imbal hasil tahunan (deposit annualized yield) dari protokol DeFi arus utama seperti Aave, Compound, Fluid, serta menggabungkannya dengan parameter risiko yang telah ditetapkan untuk memutuskan apakah perlu dilakukan rebalancing. Lalu, sebelum setiap operasi, dilakukan analisis biaya transaksi—hanya ketika peningkatan imbal hasil mampu menutup seluruh gas dan biaya transaksi, barulah dana benar-benar dipindahkan, sehingga tercapai konfigurasi optimal otomatis lintas protokol.

Sebagai contoh, pada Giza, ARMA Agent-nya meluncurkan strategi imbal hasil stablecoin di jaringan Base pada Februari 2025. Agent ini memantau terus perubahan suku bunga di protokol seperti Aave, Morpho, Compound, dan Moonwell. Setelah mempertimbangkan secara menyeluruh APY protokol, biaya komisi, dan biaya likuiditas, sistem akan mengatur secara cerdas dana pengguna untuk memaksimalkan imbal hasil. Berdasarkan data publik, ARMA saat ini memiliki sekitar 60k pemegang independen, lebih dari 36k agent yang sudah dideploy, dan mengelola aset (AUA) lebih dari 20 juta dolar AS.

Dalam kondisi pasar di mana imbal hasil protokol DeFi terus berfluktuasi, efisiensi dan ketepatan pemantauan manual serta rebalancing manual jauh lebih rendah dibanding sistem otomatis. Inilah nilai inti dari skenario ini.

Gambar 4: Contoh gambar ARMA Agent di platform Giza

Otomatisasi strategi kuantitatif: demokratisasi kemampuan level institusi

Dalam skenario otomasi strategi kuantitatif, platform DeFAI berupaya memodulkan dan mengotomatisasi seluruh rangkaian modul operasi tim kuantitatif tradisional, sehingga pengguna individual pun dapat mengakses kemampuan eksekusi strategi level institusi.

Sebagai contoh Almanak yang didukung Delphi Digital: ia meluncurkan sistem AI Swarm yang memecah proses kuantitatif menjadi empat tahap:

• Modul strategi mendukung penulisan logika investasi menggunakan Python SDK dan melakukan backtesting;
• Mesin eksekusi, setelah mendapatkan otorisasi dari pengguna, menjalankan otomatis kode strategi yang telah diaudit dan memicu pemanggilan DeFi;
• Dompet aman dibangun dengan Safe + Zodiac untuk membentuk skema multisig; melalui kontrol izin berbasis peran, hak eksekusi strategi diberikan kepada AI Agent, memastikan dana selalu berada dalam cakupan yang dapat dikendalikan pengguna;
• Treasury strategi mengemas strategi menjadi treasury yang dapat diperdagangkan dengan standar ERC-7540; investor dapat berpartisipasi dalam pembagian imbal hasil strategi dengan cara yang mirip dengan kepemilikan unit dana (fund shares).

Makna dari arsitektur ini adalah: agen AI mengambil alih fungsi analisis data, iterasi strategi, dan manajemen risiko; pengguna hanya perlu melakukan audit akhir atas hasil keluaran sistem, tanpa perlu membentuk tim kuantitatif profesional—mewujudkan apa yang disebut “kesetaraan strategi level institusi” (klaim proyek).

Gambar 5: Tampilan gambar beranda platform Almanak

Eksekusi instruksi bahasa alami: membuat operasi DeFi semudah mengirim pesan

Skenario ini berpusat pada operasi DeFi berbasis niat pengguna (Intent-based DeFi). Dengan bantuan teknologi pemrosesan bahasa alami, pengguna memberikan perintah transaksi dalam bahasa sehari-hari; AI lalu mem-parsing dan mengubahnya menjadi rangkaian operasi on-chain bertahap, secara signifikan menurunkan ambang batas operasi untuk pengguna biasa.

HeyAnon membangun platform obrolan DeFAI: pengguna memasukkan perintah melalui jendela percakapan, dan AI dapat mengeksekusi operasi on-chain seperti pertukaran token, jembatan lintas rantai, pinjam-meminjam, dan staking. Platform ini mengintegrasikan jembatan lintas rantai LayerZero serta protokol seperti Aave v3, mendukung deployment multi-rantai seperti Ethereum, Base, dan Solana.

Gambar 6: Tampilan gambar beranda platform HeyAnon

Wayfinder, yang diinvestasi oleh Paradigm, menawarkan layanan transaksi full-chain yang lebih lanjut. AI Agent-nya (disebut Shells) secara otomatis mencari rute terbaik antar jaringan, dan mengeksekusi operasi seperti transfer lintas rantai, swap token, atau interaksi NFT. Pengguna tidak perlu memperhatikan detail teknis seperti biaya gas level dasar atau kompatibilitas lintas rantai.

Gambar 7: Tampilan gambar beranda platform Wayfinder

Secara komprehensif, antarmuka bahasa alami secara jelas menurunkan ambang operasi DeFi, tetapi juga mengajukan kebutuhan yang lebih tinggi terhadap akurasi parsing niat di level bawah—begitu AI memahami instruksi dengan salah, hasil operasi bisa sangat berbeda dari ekspektasi pengguna.

Manajemen risiko dan pemantauan likuidasi: mekanisme tertanam di dalam protokol on-chain

Dalam skenario DeFi pinjam-meminjam dan leverage, aplikasi paling umum AI Agent adalah memantau kesehatan posisi di-chain secara real-time, lalu secara otomatis menjalankan tindakan proteksi sebelum ambang likuidasi tercapai. Aplikasi tingkat ini secara bertahap diintegrasikan ke berbagai protokol DeFi arus utama, menjadi fitur asli (native) platform DeFi.

• Aave mengukur keamanan posisi menggunakan “health factor”. Ketika health factor berada di bawah 1,0, posisi peminjam langsung memicu kelayakan likuidasi;
• Compound menggunakan mekanisme “Liquidation Collateral Factor”. Ketika saldo pinjaman akun melebihi batas yang ditetapkan oleh faktor tersebut, likuidasi dipicu; parameter spesifik untuk setiap aset jaminan ditetapkan secara terpisah oleh tata kelola on-chain.

Pemantauan manual sulit mempertahankan efisiensi respons yang konsisten dalam pasar on-chain yang bergejolak 24/7. Dalam skenario ini, AI Agent dapat melakukan pelacakan berkelanjutan, penilaian cerdas, dan intervensi otomatis, sehingga efisiensi manajemen risiko meningkat ke tingkat yang jauh melampaui sistem otomatis berbasis aturan atau respons manual.

Gambar 8: Empat skenario aplikasi utama Agent×DeFi

Secara keseluruhan, keempat skenario di atas tidak saling independen. Keempatnya saling melengkapi di bawah satu garis utama: optimalisasi imbal hasil dan otomatisasi strategi kuantitatif ditujukan untuk pengguna tingkat lanjut yang memiliki skala aset tertentu. Keunggulan intinya ada pada efisiensi eksekusi dan ketepatan strategi; interaksi bahasa alami ditujukan untuk menurunkan ambang operasi pengguna biasa; sementara manajemen risiko adalah jaminan keamanan lapisan bawah yang menjangkau semua skenario. Ketiganya berkolaborasi, bersama-sama membentuk kerangka implementasi dasar ekosistem DeFAI saat ini, dan sekaligus menjadi fondasi untuk aplikasi AI Agent on-chain yang lebih kompleks di tahap berikutnya.

Batas keamanan DeFAI: manajemen kunci privat dan kontrol izin

Empat skenario aplikasi utama yang disebutkan sebelumnya—baik optimalisasi imbal hasil maupun otomatisasi strategi kuantitatif—memiliki satu prasyarat agar dapat diwujudkan: AI Agent harus memiliki semacam izin penandatanganan, yakni kemampuan akses terhadap kunci privat. Inilah tantangan teknis terpenting dalam keseluruhan jalur DeFAI yang paling mudah tertutup oleh popularitas narasi—begitu ada celah pada mekanisme penandatanganan, kemampuan strategi di lapisan atas apa pun akan kehilangan makna.

Saat ini, manajemen keamanan kunci privat yang menjadi arus utama di industri terbagi menjadi dua kategori: MPC (multi-party computation) dan TEE (trusted execution environment). Keduanya menonjolkan fokus yang berbeda pada model keamanan, tingkat otomatisasi, dan kompleksitas rekayasa.

Gambar 9: Perbandingan dua skema utama manajemen keamanan kunci privat

• MPC (Multi-Party Computation, komputasi multi-pihak) memiliki gagasan inti untuk menghilangkan single point of failure melalui pemecahan kunci. Sebagai contoh umum penandatanganan threshold 2-of-3: bahkan jika salah satu kunci bocor, penyerang tidak dapat melakukan penandatanganan secara independen, sehingga keamanan dana tidak terpengaruh. Vultisig adalah produk representatif dari arah ini: sebuah dompet self-custody multi-chain open-source yang dibangun menggunakan teknologi MPC/TSS, menggunakan arsitektur tanpa seed phrase tunggal, menggabungkan keamanan kunci dengan self-custody pengguna.
• TEE (Trusted Execution Environment, lingkungan eksekusi tepercaya) menempuh jalur yang berbeda: kunci privat dan kode agen disegel bersama di area terisolasi yang dilindungi perangkat keras (enclave). AI Agent melakukan perhitungan strategi dan penandatanganan di dalam enclave, lalu hanya hasil tanda tangan yang dikeluarkan ke rantai; lingkungan eksternal sepenuhnya tidak dapat melihat kunci privat. Intel SGX, AMD SEV, ARM CCA, dan chip-chip utama lainnya menyediakan dukungan isolasi dan enkripsi tingkat perangkat keras. Chainlink telah memperkenalkan TEE ke jaringan oracle, untuk menangani data sensitif, serta membuktikan integritas lingkungan eksekusi ke pihak luar melalui mekanisme remote attestation.

Namun, keamanan kunci hanyalah garis pertahanan pertama. Dalam implementasi nyata, apa pun skema manajemen kunci yang digunakan, diperlukan lapisan mekanisme kontrol izin di atasnya untuk mencegah Agent melakukan tindakan di luar kewenangannya. Praktik Almanak menyediakan kerangka rujukan yang relatif lengkap: platform menggunakan TEE untuk melindungi logika strategi sekaligus parameter privat, dan memasukkan layer izin Zodiac Roles Modifier di antara deployment engine dan Safe smart account yang dimiliki pengguna. Setiap transaksi yang diprakarsai oleh AI harus dicocokkan satu per satu dengan daftar putih alamat kontrak, fungsi, dan parameter yang telah ditetapkan terlebih dahulu; transaksi yang tidak sesuai dengan cakupan otorisasi akan secara otomatis ditolak.

Cara penerapan prinsip least privilege (hak akses minimum) ini saat ini telah menjadi referensi penting dalam desain keamanan sistem DeFAI. Ia mengungkapkan logika yang lebih dalam: masalah keamanan DeFAI pada dasarnya bukan sekadar masalah pemilihan satu teknologi, melainkan rekayasa sistem yang dibentuk oleh kolaborasi manajemen kunci, batas izin, dan audit eksekusi—hilangnya salah satu bagian dapat menjadi node paling lemah di sepanjang rantai. Inilah titik awal analisis risiko pada bab berikutnya.

Kesenjangan antara realitas dan narasi: analisis risiko inti DeFAI

Analisis di atas mengungkap satu kesimpulan inti:

VCX tidak mendapatkan premi (premium) karena pilihan asetnya unggul atau karena ekspektasi imbal hasilnya lebih tinggi, melainkan karena ia menjual jalurnya (the channel) itu sendiri. Untuk itu, perlu dijawab satu pertanyaan: produk seperti apa sebenarnya VCX itu?

Dari sisi bentuk hukum, ia adalah sebuah closed-end fund yang didaftarkan dan diarsipkan di SEC, dengan kepemilikan yang transparan dan strukturnya patuh, sehingga tidak ada perbedaan mendasar dengan ETF saham berbentuk biasa mana pun di pasaran. Namun, dari sisi fungsi nyata, yang dijualnya bukanlah “ekspektasi imbal hasil investasi” dalam arti tradisional, melainkan semacam kualifikasi akses pada sisi aset—akses yang sebelumnya hanya dapat dijangkau oleh lembaga VC papan atas dan investor terakreditasi—yang kemudian dikemas menjadi unit-unit yang dapat dibeli dan dijual di NYSE.

Karena itu, pasar bersedia membayar premi 16 hingga 30 kali NAV terutama karena penetapan harga hak akses ini, bukan karena penilaian atas imbal hasil masa depan dari aset yang mendasarinya.

Dari sudut pandang ini, perbandingan VCX dengan MicroStrategy (MSTR) cukup menjelaskan masalah. Keduanya secara permukaan melakukan hal yang mirip: aset langka yang sulit diakses secara langsung (Bitcoin / ekuitas Pre-IPO papan atas) dikemas menjadi sekuritas yang dapat diperdagangkan di pasar sekunder, lalu di pasar ditampilkan dengan premi yang jauh melampaui nilai aset dasar. Namun, logika pengelolaan modal di antara keduanya memiliki perbedaan mendasar:

• MSTR, melalui penerbitan berkelanjutan obligasi konversi dan penerbitan saham preferen untuk menghimpun dana, lalu menggunakan dana tersebut untuk menambah pembelian Bitcoin. Mekanisme ini memberinya kemampuan untuk memperluas jumlah aset secara dinamis dan mempertahankan akumulasi berkelanjutan, sehingga premi harga sahamnya memiliki basis pendukung yang bersifat internal sampai batas tertentu.
• VCX terikat oleh kendala struktural dari closed-end fund: skala aset pada dasarnya terkunci setelah penerbitan selesai, sehingga tidak bisa membeli aset baru secara berkelanjutan melalui refinancing. Likuiditas kepemilikannya juga sangat bergantung pada IPO atau penutupan melalui merger dari perusahaan yang mendasarinya. Begitu sentimen ritel mereda, atau setelah masa lock-up enam bulan berakhir dan persediaan yang beredar meningkat, tekanan untuk menyempitnya premi akan jauh lebih besar dibanding MSTR.

Perbandingan VCX dengan MSTR (Strategy) mode

Dengan kata lain, premi MSTR didukung oleh mekanisme modal yang berputar terus-menerus, sedangkan premi VCX terutama bersumber dari kelangkaan unit (churn/availability) + dorongan sentimen. Logika produk seperti itu sendiri tidak memiliki benar atau salah, tetapi risikonya yang terkandung jauh lebih sulit dinilai dengan tepat oleh pasar dibanding closed-end fund biasa:

Ketika ritel membeli pada harga jauh di atas NAV, sebenarnya mereka membayar bukan nilai aset itu sendiri, melainkan premi atas kualifikasi akses tersebut—dan premi ini, setelah perusahaan yang mendasarinya menyelesaikan IPO dan terbentuknya saluran transaksi langsung di pasar publik, akan menghadapi tekanan untuk jatuh ke nol dengan cepat.

Prediksi tren

Berdasarkan analisis sebelumnya, kita dapat membuat penilaian tahap terhadap jalur evolusi DeFAI. Secara keseluruhan, jalur ini berada pada titik kunci transisi dari proof of concept menuju produk yang terkemas. Evolusinya diperkirakan akan melewati tiga tahap yang saling meningkat:

Gambar 11: Prediksi tahap perkembangan DeFAI

Catatan: Tabel di atas adalah hasil penilaian gabungan berbasis laporan publik industri, perkembangan proyek, dan kedewasaan teknologi, bukan jadwal yang pasti

Untuk titik saat ini, DeFAI secara keseluruhan berada pada fase transisi dari masa penunjang keputusan menuju masa semi-otonom—sebagian proyek telah mulai memikul kemampuan eksekusi otonom dalam ruang lingkup yang terbatas, tetapi mekanisme audit dan fallback manusia masih menjadi bentuk deploy yang dominan. Dalam konteks ini, berdasarkan kedewasaan teknologi saat ini dan situasi pasar, ada tiga poin penilaian yang patut mendapat perhatian khusus.

Pertama, pada dasarnya mayoritas proyek DeFAI saat ini masih merupakan alat otomatisasi, bukan benar-benar AI Agent yang otonom dalam arti yang sebenarnya. Produk yang diberi label “DeFAI” pada tahap ini, kemampuan intinya umumnya menerjemahkan instruksi manusia menjadi rangkaian operasi DeFi yang sudah ditetapkan. Secara esensi, itu lebih mirip antarmuka eksekusi yang efisien, bukan sistem otonom yang memiliki kemampuan penalaran dan pengambilan keputusan independen. Menurut laporan McKinsey tahun 2025, bahkan dalam skenario perusahaan yang umum, tidak sampai 10% organisasi yang mencapai penerapan berskala AI Agent pada fungsi tunggal mana pun. Ambang kepercayaan pada skenario on-chain dan kompleksitas operasi yang lebih tinggi masih membutuhkan jarak yang cukup jauh dari demonstrasi teknis menuju closed loop bisnis yang benar-benar nyata.

Kedua, arah paling matang dan paling mudah memperoleh kepercayaan institusi dari AI Agent saat ini bukanlah perdagangan otonom berisiko tinggi, melainkan pemantauan, peringatan, dan bantuan tata kelola (governance) di rantai. Skenario seperti pemantauan posisi 7×24 jam, peringatan likuidasi, analisis proposal tata kelola, dan lain-lain, di satu sisi memiliki toleransi yang relatif lebih tinggi terhadap halusinasi LLM—kesalahan keluaran tidak langsung memicu kerugian dana; di sisi lain, skenario ini dapat secara efektif mengatasi kekurangan bawaan manusia dalam kesinambungan perhatian. Ini merupakan jalur yang lebih realistis bagi DeFAI untuk bergerak dari «pameran teknologi» menuju «adopsi oleh institusi».

Ketiga, perpaduan AI Agent dengan RWA adalah arah persilangan berikutnya yang layak mendapat perhatian dalam jalur ini. Berdasarkan data RWA.xyz, per awal April 2026, total nilai aset RWA tokenized on-chain telah melampaui 27 miliar dolar AS (tidak termasuk stablecoin), mencakup berbagai kategori seperti surat utang pemerintah AS, kredit swasta, komoditas, obligasi perusahaan, dan lainnya. Jika AI Agent dapat masuk untuk mengelola aset gabungan yang mencakup RWA surat utang pemerintah dan stablecoin—misalnya menyesuaikan porsi konfigurasi dua aset tersebut secara otomatis berdasarkan kondisi pasar—skala aset yang dapat dijangkau akan jauh melampaui kategori yang saat ini didominasi oleh aset native DeFi, serta berpotensi benar-benar menghubungkan aset dari sisi on-chain ke sisi off-chain, mewujudkan keterkaitan Web3+AI+TraFi dan secara signifikan memperluas imajinasi pasar.

Penutup

AI Agent dan pengelolaan aset on-chain saat ini sedang berada pada fase kunci transisi dari proof of concept menuju produk yang terkemas. Kelayakan teknis telah terbukti secara awal, namun dari risiko halusinasi LLM, heterogenitas data on-chain, hingga kekurangan infrastruktur kepercayaan, tantangan yang dihadapi industri tidak dapat diselesaikan hanya dengan iterasi teknologi. Dibutuhkan dorongan sistematis yang mencakup desain arsitektur proyek, perencanaan jalur kepatuhan/regulasi, pembangunan sistem keamanan, serta verifikasi model bisnis.

Hal ini sekaligus berarti bahwa jalur ini masih berada pada tahap pembangunan awal, dan lanskap persaingan yang sesungguhnya belum terbentuk. Bagi tim yang mampu menguasai dua dimensi Web3 dan AI sekaligus, inilah saat yang tepat untuk masuk—baik dalam membangun sistem AI Agent on-chain yang lebih andal di lapisan eksekusi, maupun dalam menghubungkan secara krusial data, izin, dan kepercayaan di lapisan infrastruktur—masih terdapat ruang kosong yang cukup besar untuk diisi.

Batas keunggulan kompetitif DeFAI pada akhirnya tidak akan ditentukan oleh kemampuan model tunggal atau kedalaman integrasi protokol, melainkan oleh apakah dapat dibangun closed loop yang benar-benar saling konsisten di antara teknologi, kepatuhan, dan keamanan.