Di Konferensi Stripe, saya melihat masa depan ekonomi AI

Penulis: Gao Fei

Diterjemahkan: Jiahua, ChainCatcher

Pada tahun 1987, seorang ekonom bernama Robert Solow terkenal dengan sebuah kalimat: “Anda dapat melihat bayangan era komputer di mana-mana, kecuali dalam data statistik produktivitas.”

Kalimat ini membingungkan para ekonom selama hampir sepuluh tahun. Hingga pertengahan 1990-an, kontribusi komputer terhadap produktivitas akhirnya mulai terlihat dalam data.

Hari ini, tahun 2026, kebingungan yang sama sedang berlangsung seputar AI. Spekulasi tentang gelembung terus bermunculan. Dunia akademik terus berdebat. Perusahaan ragu-ragu. Sinyal dari data ekonomi makro tetap samar.

Namun di satu tempat, pengaruh AI terhadap ekonomi sudah tidak lagi diperdebatkan.

Tempat itu adalah Stripe.

Beberapa hari yang lalu, saya menghadiri konferensi Stripe Sessions di San Francisco. Volume transaksi yang diproses Stripe setara dengan hampir 2% dari PDB global, dengan total pembayaran tahunan mencapai 1,9 triliun dolar AS, dan lebih dari 5 juta perusahaan terdaftar di platform tersebut.

Dalam daftar AI 50 Forbes, 86% perusahaan menggunakan Stripe. Jika ekonomi AI adalah bayi yang baru lahir, Stripe adalah monitor jantung di ruang bersalin. Ia merekam detak jantung bayi ini lebih awal dan lebih akurat daripada siapa pun.

St. Louis Fed merilis sebuah studi awal tahun 2026 yang menunjukkan bahwa investasi terkait AI telah menyumbang hampir 40% terhadap pertumbuhan PDB marjinal AS, melebihi kontribusi puncak industri teknologi selama gelembung internet. Ketika investasi ini berubah menjadi pendapatan, sebagian besar penyelesaiannya dilakukan melalui Stripe.

Lebih dari itu, Stripe tidak hanya merekam detak jantung ekonomi AI.

Dalam konferensi tahun ini, mereka mengumumkan akan mendorong sebuah bentuk ekonomi baru: Perdagangan Agen (agentic commerce), yaitu di mana Agen menjadi subjek transaksi.

Dalam sebuah wawancara grup media, Co-founder dan Presiden Stripe, John Collison, menyatakan bahwa ia memperkirakan bahwa Agen yang berperan sebagai pembeli dalam transaksi bisnis akan menjadi arus utama dalam 12 hingga 18 bulan ke depan.

Dalam dua hari, mereka merilis 288 produk dan fitur. Lebih dari sepuluh ribu peserta hadir. Sebuah kata kunci yang mendefinisikan: Perdagangan Agen. Berikut adalah pengamatan dan pemikiran saya dari konferensi Stripe 2026 ini.

Seberapa cepat perkembangan ekonomi AI?

Sebelum membahas Perdagangan Agen, penting untuk melihat gambaran besar ekonomi AI. Solow pada tahun 1987 mengatakan bahwa data statistik tidak menunjukkan jejak komputer. Empat puluh tahun kemudian, data Stripe sudah menunjukkan keberadaan AI secara jelas.

Hari pertama konferensi, CEO Patrick Collison menampilkan sejumlah data. Sejak pandemi, jumlah perusahaan baru yang dibuat di Stripe tetap tinggi, tetapi kurva pertumbuhannya relatif datar. Mulai awal 2026, kurva ini hampir menanjak secara vertikal.

Alasan paling langsung adalah alat pemrograman AI menurunkan hambatan untuk memulai usaha. Banyak pengembang sekarang bisa membangun produk berbayar dalam beberapa hari dengan vibe coding.

Patrick mendefinisikannya sebagai sebuah konsep yang lebih besar lagi, yaitu seluruh ekonomi sedang mengalami rekonstruksi platform berbasis AI.

Maia Josebachvili, Chief Revenue Officer Stripe untuk bisnis AI, menambahkan data perbandingan eksternal: sebelum 2024, jumlah aplikasi yang dirilis di App Store iOS terus menurun. Setelah munculnya alat pemrograman AI, volume rilis aplikasi melonjak 24% secara bulanan.

Perubahan ini tidak hanya dari segi kuantitas, tetapi juga kualitas. Stripe Atlas adalah salah satu jalur tercepat bagi pengusaha untuk mendaftarkan perusahaan di AS.

Minggu lalu, mereka merayakan peluncuran perusahaan ke-100.000. Dalam konferensi, saya mendengar angka yang menakjubkan: pada tahap siklus hidup yang sama, perusahaan yang didaftarkan melalui Atlas pada 2025 menghasilkan pendapatan dua kali lipat dari yang didaftarkan pada 2024. Sementara perusahaan yang didirikan pada 2026 baru beberapa bulan, pendapatannya sudah lima kali lipat dari kelompok tahun lalu.

Dalam laporan ekonomi AI hari pertama, Maia menyebutkan beberapa perusahaan yang mendorong kebangkitan ekonomi AI.

Lovable dalam delapan bulan mencapai 100 juta dolar AS pendapatan, dan dalam delapan bulan berikutnya mencapai 400 juta dolar. Cursor dalam kurang dari dua tahun mencapai 1 miliar dolar pendapatan tahunan, dan dalam tiga bulan berlipat ganda menjadi 2 miliar dolar.

Perusahaan AI native terkemuka di Stripe tumbuh 120% pada 2025. Pada 2026, tingkat pertumbuhan saat ini mencapai 575%.

Pertumbuhan di sisi konsumsi juga sangat cepat. Kelompok konsumsi tertinggi menghabiskan rata-rata 371 dolar AS per bulan untuk produk AI, bahkan lebih tinggi dari total pengeluaran bulanan orang Amerika biasa untuk internet, streaming, dan telepon seluler. Saya secara kasar menghitung pengeluaran Token saya sendiri per bulan, dan sudah melebihi biaya telepon saya.

Patrick juga membandingkan: pertumbuhan perusahaan di Stripe 17 kali lipat dari pertumbuhan ekonomi global.

Hari kedua, John Collison secara langsung menyebutkan paradoks Solow dan menggunakan analogi sejarah.

Pada tahun 1882, Edison menyalakan lampu listrik untuk beberapa pelanggan pertama di Manhattan. Namun, selama tiga puluh tahun setelah elektrifikasi, produktivitas hampir tidak meningkat. Bukan karena listrik tidak berguna, tetapi karena desain pabrik saat itu didasarkan pada mesin uap. Baru setelah seluruh pabrik direnovasi, produktivitas meningkat.

Judgment John adalah, AI berada di tahap yang serupa. Perubahan sudah terjadi, tetapi model lama belum sempat menyerapnya. “Tapi,” katanya, “saya rasa AI tidak perlu tiga puluh tahun lagi.”

Data Stripe tampaknya menguatkan optimisme ini. Di platform mereka, ekonomi AI sudah meledak. Hampir semua perusahaan tradisional yang saya hubungi secara eksekutif sangat mendesak dalam mendorong implementasi AI.

Terlahir global

Selain kecepatan, satu lagi yang sangat mengesankan dari perusahaan AI ini adalah mereka sejak hari pertama sudah bersifat global. Stripe menyebutnya: go global by default.

Sejak menjadi blogger AI, saya sering merasakan satu hal: pembuatan konten AI tidak mengenal zona waktu. Berita AI dari seberang Pasifik sama pentingnya dengan berita lokal.

Cara kerja produk AI juga serupa. Model bahasa besar mengaburkan batasan antarmuka dan kebiasaan interaksi yang dulu menjadi ciri software tradisional. Sebuah kotak obrolan tunggal memungkinkan pengguna global menggunakan produk dengan bahasa alami. Dalam arti ini, model bahasa besar pertama kali memungkinkan terbentuknya pasar perangkat lunak global yang seragam.

Data di konferensi mengonfirmasi pengamatan ini. Pada gelombang awal, perusahaan SaaS yang tumbuh paling cepat biasanya menjangkau sekitar 25 negara dalam tahun pertama, dan mencapai 50 negara dalam tahun ketiga.

Perkembangan perusahaan AI jauh berbeda: dalam tahun pertama sudah mencapai 42 negara, dan dalam tiga tahun berkembang menjadi 120 negara.

Maia menyatakan, Kazakhstan kini sudah muncul dalam daftar pasar banyak perusahaan AI. Dalam sesi “Indeks Ekonomi” hari kedua, Stripe memberikan data median: 100 startup AI teratas dalam tahun pertama sudah menjual produk ke 55 negara.

Sebuah contoh konkret diberikan. Emergent Labs didirikan di AS pada 2024, tetapi hampir 70% pendapatannya berasal dari luar negeri. Setidaknya 16 negara menyumbang minimal 1% dari pendapatan mereka.

Di antara perusahaan AI terkemuka, 48% pendapatan berasal dari pasar di luar negeri. Tiga tahun lalu, angka ini hanya 33%. Pendapatan global bukan lagi pelengkap, tetapi basis utama.

Kecepatan dan globalisasi adalah dua ciri utama ekonomi AI, keduanya terkait langsung dengan Stripe. Perusahaan AI perlu membangun kemampuan pembayaran dengan cepat. Mereka harus mampu menerima pembayaran di 40 negara dan wilayah sejak minggu pertama berdiri. Itu juga yang dilakukan Stripe sejak awal.

Di sini, kita bisa sedikit mengulas latar belakang pendirian Stripe.

Pendiri Stripe, Patrick dan John Collison, keduanya berasal dari Irlandia. Mereka adalah pengusaha lintas negara sejak awal.

Di konferensi, saya bertemu dengan sesama dari Irlandia yang mengatakan bahwa dalam pandangan pengusaha AI di Irlandia, kedua saudara ini adalah pahlawan. Setelah pindah ke AS, mereka menemukan proses penerimaan pembayaran online sangat rumit. Menghubungkan ke sistem pembayaran membutuhkan kontrak dengan bank, audit PCI, dan integrasi dengan banyak pihak ketiga. Proses ini bisa memakan waktu berminggu-minggu bahkan berbulan-bulan.

Karena itu, pada 2010, dua pemuda berusia dua puluhan ini berhenti dari kuliah, pindah ke San Francisco, dan menulis solusi pembayaran yang hanya membutuhkan tujuh baris kode.

Tujuh baris kode ini muncul saat internet mobile dan SaaS sedang berkembang pesat. Shopify membutuhkan solusi pembayaran untuk jutaan merchant. Uber membutuhkan pembayaran tanpa gesekan bagi penumpang. Salesforce membutuhkan pengelolaan langganan global.

Mereka semua memilih Stripe. Seiring pertumbuhan Stripe bersama pelanggan global ini, Stripe membangun kemampuan lokal di 46 negara, mencakup 195 pasar, dan mendukung 125 metode pembayaran lokal.

Bagi konsumen, Stripe bukan perusahaan yang tampil di depan panggung.

Ia tersembunyi di balik halaman checkout Shopify, email konfirmasi langganan OpenAI, dan notifikasi biaya perjalanan Uber. Tapi ketidakterlihatannya ini tidak menghalangi Stripe menjadi jalur keuangan dasar ekonomi internet.

Di era AI, infrastruktur keuangan global ini memberi Stripe keunggulan saat melayani ekspansi perusahaan AI ke luar negeri.

Dalam konferensi, saya juga bertemu dengan Abhi Tiwari, Kepala Produk Global Stripe.

Dia baru menjabat tiga bulan lalu dan pindah ke Singapura. Stripe memiliki pusat pengembangan di San Francisco, Dublin, dan Singapura, serta kantor di São Paulo untuk Amerika Latin. Abhi mengatakan, banyak perusahaan AI yang menghubungi Stripe dengan kalimat yang sama: “Kami secara default bersifat global. Lokasi pengguna tidak penting.”

Model lama, yaitu mengembangkan produk di kantor pusat lalu meluncurkannya ke seluruh dunia, sedang digantikan oleh pengembangan langsung di pasar target oleh tim lokal.

Mengakses pengguna global satu hal. Mengumpulkan pembayaran dari mereka adalah hal lain. Ini cukup rumit karena setiap pasar memiliki mata uang dan kebiasaan pembayaran sendiri.

Stripe membantu perusahaan AI dan banyak pelanggan lain melalui dua cara utama: penetapan harga dalam mata uang lokal dan integrasi metode pembayaran lokal.

Yang pertama memungkinkan pengguna di Brasil melihat harga dalam real Brasil, bukan dolar AS, meningkatkan pendapatan lintas batas sebesar 18%. Yang kedua memungkinkan pengguna di India membayar dengan UPI, dan di Brasil dengan Pix, meningkatkan konversi lebih dari 7%.

Setelah alat demo AI Gamma menambahkan pembayaran UPI di India, pendapatan mereka di bulan itu melonjak 22%. Di stan, saya juga melihat perusahaan China MiniMax. Menurut saya, banyak perusahaan China yang ekspor menggunakan layanan Stripe melalui entitas luar negeri mereka.

Perusahaan AI native ini juga memiliki satu ciri khas: jumlah karyawan yang sangat kecil. Banyak yang didirikan oleh satu atau dua orang saja. Dengan beberapa Agen, mereka bisa menjalankan perusahaan global yang nyata dan memiliki pendapatan.

Dalam pidato hari kedua, Emily menyajikan data: di Atlas, tingkat kepadatan pendiri solo (solopreneur) sudah mendekati 5.000 per juta orang Amerika, dan semakin banyak yang meraih pendapatan tahunan di atas 100.000 dolar.

Emily menyebutnya solopreneur: perusahaan satu orang. John mengutip teori perusahaan Ronald Coase untuk menjelaskan fenomena ini. Perusahaan ada karena biaya koordinasi internal lebih rendah daripada biaya transaksi di pasar.

Namun, AI berpotensi membalik logika ini. Ketika Agen bisa membantu menemukan layanan, mengintegrasikan perangkat lunak, dan mengelola pembayaran, biaya koordinasi eksternal akan menurun drastis. Anda tidak lagi membutuhkan satu rumah penuh karyawan untuk melakukan pekerjaan yang dulu hanya bisa dilakukan oleh satu departemen.

Dari ekonomi manusia ke ekonomi Agen

Gambaran ekonomi AI yang saya uraikan di atas, tidak peduli seberapa cepat perkembangannya, tidak peduli seberapa global, tetap didominasi oleh subjek transaksi manusia. Manusia yang membeli produk AI. Manusia yang menggunakan alat AI untuk berwirausaha.

Namun di konferensi Sessions tahun ini, sinyal terkuat yang saya rasakan adalah bahwa fokus utama Stripe berikutnya adalah sebuah transformasi lain: sebuah bentuk ekonomi di mana Agen menjadi peserta pasar. Inilah yang disebut Perdagangan Agen (agentic commerce).

Transformasi ini sudah mulai terlihat secara diam-diam dalam data Stripe sendiri.

Presiden dan Kepala Produk Stripe, Will Gaybrick, menampilkan sebuah data. Selama bertahun-tahun, antarmuka baris perintah Stripe (CLI) digunakan oleh sekelompok kecil pengguna yang sangat mahir secara teknis, dan penggunaannya hampir tidak berubah.

Namun setelah 2026, penggunaannya melonjak secara tiba-tiba. Sebabnya adalah Agen tidak membutuhkan antarmuka grafis yang rumit. CLI yang sederhana biasanya lebih praktis.

Data Maia menunjukkan, pada 2025, lalu lintas pembacaan dokumen Stripe oleh Agen meningkat sekitar sepuluh kali lipat.

Jika tren ini berlanjut, pada akhir tahun ini, jumlah pembaca dokumen Stripe oleh Agen akan melebihi jumlah manusia. Dokumentasi API yang selama lebih dari satu dekade disusun Stripe mulai menemukan pembaca baru yang paling setia.

Kalau ide Agen yang mengeluarkan uang masih terasa asing, tidak ada salahnya melihat dua skenario nyata yang sedang berlangsung.

Pertama, antarmuka belanja mungkin sudah beralih ke jendela obrolan model. Konsumen sekarang biasanya mencari produk lewat ChatGPT, Gemini, atau Instagram. Jarak antara pencarian dan transaksi sedang dipadatkan ke dalam satu antarmuka. Di China, ada contoh terkait, termasuk cerita tentang membeli susu teh di aplikasi AI yang sudah dikenal banyak orang.

Dalam wawancara grup media, John Collison menggunakan pengalaman pribadinya membeli adaptor daya perjalanan untuk menjelaskan mengapa proses ini sulit dibalik.

Jika sebuah Agen menyelesaikan seluruh proses dari pencarian hingga pemesanan, dan produk tiba di rumahnya beberapa hari kemudian, dia tidak akan lagi pergi ke situs lain untuk mengisi data pribadi dari awal, meskipun produk di situs itu mungkin sedikit lebih baik. Setelah Agen belanja menyelesaikan pencarian, langkah berikutnya yang logis adalah checkout.

Contoh kedua lebih menarik: OpenClaw. Bagi yang mengikuti gelombang “cakar (claw)”, mereka tahu ini adalah salah satu kerangka kerja Agen otonom sumber terbuka yang paling populer saat ini.

Pengguna memberi perintah ke Agen melalui aplikasi pesan seperti Feishu, Telegram, dan WhatsApp, dan Agen secara mandiri menjalankan tugas.

Intinya, OpenClaw dalam satu hari bisa menghabiskan ratusan dolar bahkan ratusan dolar token. Ia mengelola konsumsi dan penggunaan token secara otomatis. Meski dalam banyak kasus tetap membutuhkan otorisasi manusia, pada akhirnya yang menghabiskan token adalah Agen. Dan token bisa langsung dikonversi menjadi uang.

Dari pengelolaan token oleh Agen hingga Agen yang langsung membayar, hanya tinggal satu langkah. Dalam konferensi ini, Stripe memamerkan hal ini.

Pembelian dan penjualan oleh Agen

Di panggung utama hari kedua, sebuah demonstrasi mendapat tepuk tangan meriah.

John Collison memberi sebuah instruksi sederhana ke sebuah Agen: teliti bagaimana kebutuhan AI mempengaruhi pasar energi. Agen mulai mencari, dan menemukan dataset energi dari Alpha Vantage yang harganya 4 sen dolar.

Agen menilai harga tersebut sesuai anggaran, lalu secara mandiri membeli dan mengunduh data tersebut melalui Tempo CLI dengan dompet stablecoin, karena transaksi 4 sen dolar dengan kartu kredit jelas tidak masuk akal.

Lalu, Agen menghasilkan sebuah laporan analisis lengkap. Hanya langkah ini sudah sangat mengagumkan. Tapi kemudian John berkata kepada Agen: “Rilis dan jual laporan ini. Tetapkan harga yang kamu anggap wajar, dan biarkan Agen lain menemukannya dan membelinya.”

Agen memeriksa ketentuan lisensi dataset Alpha Vantage, memastikan bahwa komersialisasi diizinkan, lalu membangun sebuah situs, mempublikasikan laporan, dan membuat file instruksi agar Agen lain bisa membeli data tersebut dengan satu permintaan.

Dalam beberapa menit, satu Agen menyelesaikan seluruh rangkaian: riset, pembelian, produksi, pemeriksaan kepatuhan, publikasi, penetapan harga, dan penjualan. Ia menjadi pembeli sekaligus penjual. Setelah demonstrasi selesai, John berkata, “Perdagangan Agen sudah hadir.”

Dua demonstrasi lain hari pertama juga menarik perhatian. Will Gaybrick membangun sebuah aplikasi review kode API, yang memungkinkan Agen melakukan review atas nama pengguna. Dalam proses ini, ia tidak memberi tahu Agen tentang pembayaran.

Saat menjalankan tugas, Agen secara otomatis menemukan bahwa aplikasi tersebut menggunakan protokol pembayaran mesin (MPP), dan menyelesaikan pembayaran sebesar 2 dolar secara mandiri. Manusia hanya menekan sidik jari untuk otorisasi. Kemampuan ini, yaitu menemukan pembayaran tanpa konfigurasi, adalah inti dari desain protokol MPP. Pengembang tidak perlu menulis logika pembayaran secara terpisah untuk Agen. Agen bisa menemukannya sendiri.

Selanjutnya, Gaybrick menggabungkan mesin penagihan real-time Metronome, blockchain Tempo yang dirancang khusus untuk pembayaran, dan stablecoin, untuk menampilkan pembayaran streaming (membagi dana menjadi jumlah kecil yang sangat kecil, dan secara real-time serta kontinu mentransfernya seiring konsumsi layanan seperti daya komputasi AI).

Sebuah aplikasi yang menghitung biaya berdasarkan konsumsi Token AI secara real-time, dengan tarif 3 dolar per juta Token. Banyak Agen berjalan bersamaan. Di dashboard kiri, terlihat konsumsi Token terus meningkat, sementara di kanan, pembayaran mikro dalam stablecoin mengalir secara sinkron.

Setelah membuka browser blockchain Tempo, terlihat satu transaksi pembayaran sebesar 3,30 dolar yang terdiri dari ribuan pembayaran mikro kurang dari satu sen dolar, masing-masing sepertiga dari satu sen.

Kartu kredit tidak bisa melakukan ini. ACH tidak bisa. UPI dan Pix juga tidak bisa. Gaybrick mengumumkan di panggung bahwa ini adalah layanan pembayaran streaming pertama di dunia.

Kembalinya pembayaran mikro dan logika konsumsi baru

Dalam obrolan belanja dan OpenClaw, contoh Agen mewakili konsumsi manusia. Tapi dalam wawancara grup, Collison membuat penilaian yang lebih besar: Agen mungkin akan menciptakan kebutuhan baru yang sama sekali berbeda.

Dia berpendapat, Agen bisa menghidupkan kembali sebuah model bisnis yang sudah lama dibahas tetapi belum pernah benar-benar sukses: pembayaran mikro. Manusia tidak pandai membuat keputusan konsumsi yang sangat kecil. Spotify menggantikan pembayaran per lagu dengan langganan 9,99 dolar per bulan karena orang tidak mau menimbang-nimbang 15 sen setiap kali menekan tombol play.

Sedangkan Agen tidak memiliki beban kognitif seperti itu. Jika pendapat ini benar, maka seluruh kategori bisnis yang gagal karena hambatan kognitif manusia bisa tiba-tiba menjadi layak dengan kehadiran Agen.

Maia juga menyampaikan pandangan serupa dalam percakapan pribadi saya. Ia mengatakan bahwa setelah berbicara dengan puluhan pendiri AI, topik yang paling sering muncul adalah penetapan harga dalam konteks Perdagangan Agen.

Setiap transaksi melibatkan dua pihak: pembeli dan penjual. Jika pembeli berubah menjadi Agen, bagaimana para merchant harus merespons?

Dalam sebuah wawancara, saya bertanya kepada Jeff Weinstein, Kepala Produk Stripe, tentang bagaimana merchant harus menyenangkan pelanggan mereka, yang selama ini dianggap sebagai “Tuhan”.

Jawab Jeff adalah, bayangkan Agen sebagai programmer terbaik yang Anda kenal. Ia menginginkan informasi lengkap, format terstruktur, kecepatan baca, dan semua konteks yang diperlukan untuk pengambilan keputusan.

Manusia suka gambar menarik dan animasi halus. Agen ingin data mentah yang terstruktur, informasi logistik yang akurat, dan ingin menyelesaikan transaksi dalam langkah sesedikit mungkin.

Dalam percakapan lain, Wakil Presiden Produk Meta, Ginger Baker, merangkum perubahan ini secara lebih radikal: pembayaran akan bertransformasi dari sebuah “momen” menjadi sebuah “strategi”.

Pembelian manusia bersifat diskrit.

Anda pergi ke kasir, mengeluarkan dompet, gesek kartu, selesai.

Sedangkan konsumsi Agen bersifat kontinu.

Anda menetapkan aturan, misalnya “pengeluaran untuk kebutuhan sehari-hari tidak lebih dari 50 dolar minggu ini”, “selalu gunakan kartu ini”, atau “jangan otomatis menyetujui transaksi di atas 500 dolar”. Kemudian, Agen akan terus melakukan konsumsi otomatis dalam kerangka otorisasi yang Anda tetapkan.

Komputasi adalah uang tunai baru

Jika Agen benar-benar menjadi konsumen baru, mereka juga akan membawa risiko baru. Risiko ini berbeda secara mendasar dari risiko transaksi SaaS tradisional, dan juga berbeda dari risiko yang dihadapi manusia.

Selama konferensi Sessions, saya fokus membahas topik ini dan berdiskusi dengan beberapa eksekutif Stripe.

Data Stripe dan kepala AI, Emily Glassberg Sands, mengidentifikasi tiga pola penipuan yang berkembang pesat. Pertama, penyalahgunaan multi-akun. Seseorang mendaftar berulang kali dengan akun berbeda, dan setiap akun mendapatkan kredit gratis.

Menurut data Stripe, satu dari enam perusahaan AI yang terdaftar melakukan penyalahgunaan ini. Kedua, konsumsi jahat selama masa percobaan gratis. Ini sangat berbahaya bagi perusahaan AI karena setiap percobaan menghabiskan biaya inferensi nyata.

Contohnya, biaya token untuk mendapatkan pelanggan berbayar bisa lebih dari 500 dolar, karena untuk mengonversi satu pelanggan diperlukan 25 percobaan gratis, dan 19 di antaranya adalah penipuan.

Polanya yang ketiga disebut “makan gratis” (free-riding). Pelanggan menghabiskan banyak Token, lalu menolak membayar di akhir bulan. Emily juga mengutip sebuah kalimat: “Komputasi adalah uang tunai baru.” Saat SaaS tradisional disalahgunakan, biaya marginalnya hampir nol. Tapi setiap panggilan inferensi AI adalah biaya nyata. Mencuri Token sama dengan mencuri uang.

Namun, ada dilema yang sangat rumit: banyak pendiri AI menanggapi penyalahgunaan dengan menutup percobaan gratis secara langsung.

Emily mengatakan, dia pernah bertanya kepada semua orang yang mengklaim “menyelesaikan” masalah ini, dan hasilnya mereka hanya menutup lapisan gratis. Tapi Jeff berpendapat, ini akan menimbulkan masalah lain.

Agent semakin menjadi jalur utama untuk menemukan layanan baru. Jika Agent tidak bisa mencoba sendiri, mereka akan langsung melompat ke link lain.

Emily menambahkan, jika pilihan yang diberikan ke Agent adalah “bergabung daftar tunggu” atau “hubungi penjualan”, mereka akan langsung pergi. Menutup pendaftaran mandiri demi mencegah penipuan bisa berarti menyerahkan saluran pertumbuhan terpenting ke kompetitor.

Solusi Stripe terhadap dilema ini adalah sistem pencegahan penipuan Radar. Logika Radar sangat sederhana: setiap kali transaksi dilakukan di Stripe, Radar akan belajar.

Data transaksi dari 5 juta perusahaan masuk ke jaringan risiko bersama. Jika satu perusahaan menemukan pola penipuan tertentu, semua perusahaan akan mendapat manfaat. Bulan lalu, Radar memblokir lebih dari 3,3 juta pendaftaran percobaan gratis berisiko tinggi dari delapan perusahaan AI yang sedang berkembang pesat.

Jeff juga mengemukakan pandangan yang bertentangan secara intuitif: belanja oleh Agen akhirnya bisa lebih aman daripada belanja manusia di web. Verifikasi kepercayaan pada belanja manusia bergantung pada inferensi: berapa lama pengguna tinggal di situs, jalur klik, dan lain-lain.

Tapi, transaksi oleh Agen bisa diverifikasi secara programatik. Stripe menggunakan token pembayaran bersama yang telah diproses secara tokenisasi, sehingga Agen tidak pernah menyentuh nomor kartu kredit asli. Pengguna bisa otorisasi dengan biometrik, dan mengatur batas transaksi, jendela waktu, serta daftar merchant yang diizinkan.

Ketika mekanisme kepercayaan beralih dari inferensi ke konfirmasi, kemungkinan keamanan justru bisa meningkat.

Ekosistem, protokol, dan sejarah

Di titik ini, Anda harus sudah paham bahwa realisasi Perdagangan Agen bergantung pada ekosistem yang berjalan baik. Pada Stripe Sessions 2026, saya bertemu dengan seseorang dari industri makanan. Dia mengatakan bahwa tujuannya hadir di konferensi ini adalah untuk memahami apakah Perdagangan Agen bisa menjadi peluang baru bagi perusahaannya. Itu dari sudut pandang penjual.

Jadi, ini tidak bisa hanya bergantung pada Stripe saja. Dibutuhkan sebuah ekosistem.

Selama dua hari di pameran, saya melihat banyak booth dari perusahaan yang tersebar di seluruh rantai industri keuangan.

Stripe juga bekerja sama dengan mitra hulu dan hilir melalui serangkaian protokol, untuk menghubungkan berbagai bagian ekosistem: pembeli dan penjual, manusia dan mesin, serta mesin dan mesin. Protokol pembayaran mesin (MPP) memungkinkan Agen menemukan dan menyelesaikan pembayaran melalui HTTP.

Suite Perdagangan Agen memungkinkan konsumen melakukan pembelian langsung di aplikasi AI Google, Meta, OpenAI, dan Microsoft. Protokol bisnis umum (UCP) yang diinisiasi Shopify dan diikuti oleh Meta, Amazon, Salesforce, dan Microsoft, adalah protokol bisnis lintas platform. Stripe juga menjadi anggota dewan UCP.

Sekelompok perusahaan yang merupakan mitra sekaligus kompetitor sepakat bekerja sama di atas protokol bersama ini, karena fragmentasi akan menyulitkan Agen untuk bertransaksi lancar di berbagai platform. Ini tidak menguntungkan siapa pun.

Mengenai protokol, di pameran saya melihat mitra Stripe yang istimewa: Visa. Menurut saya, Visa pada dasarnya adalah sebuah platform protokol.

Melihat Visa langsung mengingatkan saya pada sebuah buku yang sudah lama saya sukai: The Hockeystick karya Dee Hock, pendiri Visa, yang berjudul Chaordic: Leading and Managing in the New Era of Business.

Tema utama buku ini adalah bagaimana bank, uang, dan kartu kredit bisa didefinisikan ulang di era digital. Uang tidak harus berupa koin dan uang kertas. Ia bisa berupa data yang dijamin oleh lembaga, tercatat di jaringan, dan beredar secara global.

Pada akhir 1960-an, bank-bank di AS mulai mengeluarkan kartu bank yang menyebar ke seluruh negeri. Banyak konsumen lintas negara bagian yang masuk ke sistem baru ini, dan sistem lama mulai runtuh. Hock menyadari masalahnya terletak pada struktur organisasi. Puluhan bank yang bersaing harus berbagi infrastruktur, tetapi bentuk organisasi yang ada saat itu tidak memungkinkan mereka untuk berkolaborasi sambil bersaing.

Dia menerapkan prinsip desain desentralisasi, menjadikan semua bank sebagai anggota setara dari organisasi baru ini, dan bank-bank tersebut melepaskan kendali eksklusif atas sistem. Organisasi ini kemudian berganti nama menjadi Visa.

Jadi, dua perusahaan dari era berbeda yang melakukan hal serupa, apakah ada warisan yang menghubungkan keduanya?

Dengan bantuan Agen apa pun, jawabannya sangat mudah ditemukan. Patrick Collison pernah secara terbuka memberi penghormatan kepada Dee Hock. Setelah Hock meninggal dunia pada 2022, Patrick menyebutnya sebagai “inovator yang sangat diremehkan”, dan mengatakan bahwa Hock menginspirasi dia dan saudaranya.

Tanda pengaruh yang lebih nyata adalah keputusan rekrutmen: penulis sejarah akademik tentang Visa, David Stearns, kemudian bergabung dengan Stripe.

Ada satu detail yang akan membuat siapa pun yang paham sejarah pembayaran tersenyum: di panggung, CTO blockchain Tempo, Georgios Konstantopoulos, menampilkan barisan validator. Salah satu namanya adalah Visa.

Organisasi yang didirikan Hock, Visa, kini menjadi salah satu node dalam jaringan blockchain yang diinkubasi Stripe. Siswa membangun jaringan baru, dan guru menjadi salah satu nodenya.

Saat Patrick menelusuri asal-usul pemikiran Stripe di upacara pembukaan konferensi, dia mengatakan bahwa awalnya dia adalah programmer yang menulis kode dalam bahasa Lisp. Salah satu filosofi Lisp adalah “kode adalah data”.

Dia mengubah filosofi ini ke dalam istilah Stripe sendiri: “Filosofi dasar Stripe adalah uang adalah data. Ketika kami meluncurkan Stripe pada 2011, ini bukan pandangan utama industri.”

Hock dari sudut pandang teori organisasi membahas esensi uang, dan menyimpulkan bahwa uang hanyalah “jaminan pertukaran nilai”. Media yang mengandungnya bisa apa saja. Coase dari sudut pandang bahasa pemrograman langsung menyamakan uang dengan data: data yang bisa diprogram, dipanggil melalui API, dan dioperasikan oleh Agen.

Dua orang ini mengungkapkan makna yang sama dengan bahasa berbeda. Di panggung yang sama hari itu, Ginger Baker berkata lebih lugas: “Uang hanyalah bentuk lain dari konten digital.”

Jika uang adalah data, maka konsumen data secara otomatis adalah konsumen uang.

Warisan dan gene Stripe

Di titik ini, cerita tentang ekonomi AI hampir selesai. Tapi mari kita berbelok sedikit. Stripe bisa dianggap sebagai rekan sejawat para pencipta konten.

Perusahaan ini tidak hanya unggul dalam layanan keuangan. Mereka juga sangat piawai dalam produk konten. Divisi penerbitan mereka, Stripe Press, memiliki selera yang sangat baik. Banyak orang tahu karena mereka menerbitkan The Charlie Munger.

Podcast mereka, A Cheeky Pint, juga unik dan memiliki audiens luas. CEO Google, Sundar Pichai; CEO Anthropic, Dario Amodei; dan pendiri a16z, Marc Andreessen, pernah menjadi tamu mereka.

Dalam Sessions, saya bertemu dengan editor senior Stripe Press, Tammy Winter, dan desainer Pablo Delcan. Tammy bercanda, “Stripe itu seperti penerbit yang memiliki perusahaan bernilai miliaran dolar.”

Pablo Delcan berbicara tentang pengertian selera. Dia mengatakan bahwa selera adalah sesuatu yang berkembang seiring waktu dan perlu didiamkan. Dalam tren desain, tantangannya adalah bagaimana menambah kompleksitas melalui detail dan ketepatan tanpa mengorbankan kesederhanaan dan kejelasan.

Ketika berbicara tentang buku, Tammy memberi tahu saya bahwa di internal Stripe Press, seri buku yang diterbitkan untuk pendiri dan pembangun disebut seri Turpentine.

Buku-buku ini berfokus pada pengetahuan operasional, alat, teknologi, pemeliharaan, dan konten praktis yang membantu pekerjaan berjalan lancar. Mereka bukan teori abstrak, melainkan solusi konkret untuk masalah operasional.

Nama ini berasal dari sebuah cerita tentang Picasso: saat kritikus seni berkumpul, mereka membahas bentuk, struktur, dan makna; tapi saat seniman berkumpul, mereka membahas di mana membeli minyak terjangkau.

Seri ini ingin menjadi semacam minyak murah di tangan pendiri. Jika dipikir-pikir, bagi perusahaan AI yang ekspor, layanan keuangan Stripe adalah bentuk lain dari minyak murah itu. Anda tidak perlu khawatir soal pembayaran, kepatuhan, atau valuta asing. Anda bisa fokus membangun produk.

Sisipan ini tampaknya tidak terkait dengan cerita utama, tapi sebenarnya memiliki hubungan yang tersembunyi.

Stripe juga menerbitkan majalah Works in Progress, yang berisi tentang bagaimana ekonomi berkembang. Podcast-nya mewawancarai tokoh-tokoh ekonomi AI. Sessions sendiri dalam beberapa hal seperti kuliah ekonomi.

Hari kedua, Patrick menghabiskan seluruh sesi membahas data ekonomi, teori perusahaan Coase, dan paradoks Solow. Saya menduga, sebuah perusahaan jasa keuangan sangat peduli dengan ekonomi karena memahami perubahan struktur ekonomi adalah jalan untuk menemukan peluang produk berikutnya.

Sebagai penggemar podcast, saat bertemu Patrick di hari pertama, pertanyaan yang ingin saya ajukan bukan soal keuangan, melainkan soal podcast. Saya bertanya, setelah mewawancarai banyak orang, apakah ada satu pertanyaan mendasar yang selalu muncul dalam semua percakapan.

Dia berpikir sejenak, lalu menjawab bahwa yang paling menarik baginya adalah bagaimana perusahaan-perusahaan ini benar-benar beroperasi, dalam kondisi kompetisi apa mereka berada, dan bagaimana mereka memahami bisnis mereka.

Secara kebetulan, di akhir hari pertama muncul sebuah cerita kecil. Wawancara terakhir yang seharusnya dilakukan Patrick dengan Greg Brockman dari OpenAI digantikan oleh Sam Altman. Patrick menjelaskan bahwa “AI adalah bidang yang berkembang pesat.”

Kejutan ini berubah menjadi perayaan. Semua orang bersorak.

Mereka sudah saling mengenal hampir 19 tahun. Altman adalah salah satu angel investor awal Stripe, saat Patrick dan saudaranya masih di bawah 20 tahun. Karena itu, Altman tampak sangat santai selama percakapan.

Di akhir, Patrick menanyakan sebuah pertanyaan pribadi: mengapa Altman memutuskan berinvestasi di dua remaja berusia belasan tahun? Altman menjawab bahwa dia ingat mereka ingin membuat produk yang menyelesaikan masalah yang mereka alami sendiri, dan dia melihat peluang untuk memperbesar skala karena banyak orang lain membutuhkan hal yang sama.

Saya rasa jawaban tentang podcast dan investasi ini mengarah ke satu hal: mencari kebutuhan nyata dan menyelesaikan masalah nyata.

Dalam percakapan itu, Altman membagi tiga tahap transformasi OpenAI: dari laboratorium riset, menjadi perusahaan produk, lalu menjadi “pabrik token” yang menyediakan kecerdasan ke dunia. Setiap tahap memiliki misi berbeda.

Stripe juga demikian.

Pada 2010, masalah utama yang dipecahkan dua remaja Irlandia ini adalah sulitnya menerima pembayaran online. Mereka telah menyelesaikan masalah yang sama untuk 5 juta pengguna. Pada 2026, mereka menemukan masalah baru: pelanggan perusahaan ini mungkin tidak lagi manusia.

Sambil membuat podcast dan menerbitkan buku, mereka membahas teori Coase dan paradoks Solow, di ruang pamer dipenuhi protokol dan API, Stripe tidak hanya menciptakan ekonomi AI. Ia juga merekamnya.

Di konferensi, saya terbayang sebuah gagasan yang mungkin terdengar gila: Stripe menguasai data transaksi yang setara dengan hampir 2% dari PDB global. Ia bisa melihat dari mana setiap dolar pendapatan AI berasal, ke mana mengalir, dan seberapa cepat pertumbuhannya.

Kalau Solow punya monitor jantung ini, mungkin dia tidak perlu menunggu sepuluh tahun lagi untuk menemukan jejak komputer dalam data statistik.

Mungkin suatu hari nanti, Stripe bisa menyediakan sebuah model ekonomi untuk ekonomi AI. Bukan model bahasa besar, melainkan model ekonomi setingkat Nobel. Siapa bilang itu tidak mungkin? Bahkan beberapa tahun sebelum Demis Hassabis dari DeepMind meraih Nobel, siapa yang bisa membayangkan hal itu?