Saya melihat ekonomi AI di Stripe Sessions 2026

Tulisan: Gao Fei

Terjemahan: AididiaoJP, Foresight News

Pada tahun 1987, ekonom Robert Solow mengucapkan sebuah kalimat terkenal: 「Kamu bisa melihat era komputer di mana saja, kecuali dalam data statistik produktivitas.」Kalimat ini mengganggu para ekonom selama hampir sepuluh tahun. Hingga pertengahan 1990-an, kontribusi komputer terhadap produktivitas akhirnya mulai terlihat dalam data.

Pada tahun 2026, kebingungan yang sama sedang diulang pada AI. Teori gelembung datang dan pergi, para akademisi terus berdebat, perusahaan ragu-ragu, sinyal data makro tetap samar. Tapi ada satu tempat, pengaruh AI terhadap ekonomi sudah tak perlu diperdebatkan lagi.

Sekarang kita lihat Stripe.

Beberapa hari terakhir, saya mengikuti Stripe Sessions yang diadakan 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 di platform tersebut. 86% dari perusahaan dalam daftar AI 50 Forbes menggunakan Stripe. Jika ekonomi AI adalah bayi yang baru lahir, maka Stripe adalah monitor detak jantung di ruang bersalin. Ia merekam detak jantung bayi lebih awal dan lebih akurat daripada hampir siapa pun.

St. Louis Federal Reserve merilis studi awal tahun 2026 yang menunjukkan bahwa investasi terkait AI telah menyumbang hampir 40% pertumbuhan PDB marjinal AS, melebihi kontribusi puncak industri teknologi selama gelembung internet. Ketika investasi ini berubah menjadi pendapatan, sebagian besar penyelesaian transaksi terjadi di Stripe. Lebih penting lagi, Stripe tidak hanya merekam detak jantung ekonomi AI. Dalam konferensi tahun ini, mereka mengumumkan dorongan untuk bentuk ekonomi baru: Agentic Commerce, yaitu perdagangan di mana agen menjadi subjek transaksi. Dalam wawancara media kolektif, co-founder sekaligus presiden John Collison menyatakan bahwa ia memperkirakan peran agen sebagai pembeli dalam transaksi bisnis akan menjadi arus utama dalam 12 hingga 18 bulan ke depan.

Dua hari, 288 produk dan fitur dirilis, lebih dari 10.000 peserta hadir, dan satu frasa kunci mengalir sepanjang acara: Agentic Commerce. Berikut adalah pengamatan saya di Stripe Sessions 2026 dan pemikiran pribadi saya.

Seberapa cepat sebenarnya ekonomi AI berkembang?

Sebelum membahas perdagangan agen, mari kita lihat gambaran umum ekonomi AI. Pada tahun 1987, Solow mengatakan komputer tak terlihat dalam data statistik, setelah hampir empat puluh tahun, AI sudah terlihat jelas dalam data Stripe.

Hari pertama konferensi, CEO Patrick Collison menampilkan sejumlah data. Sejak pandemi, jumlah perusahaan baru yang didaftarkan di Stripe setiap bulan tetap tinggi, tetapi kurva pertumbuhan relatif datar. Mulai awal 2026, kurva ini melesat hampir vertikal. Penyebab langsungnya adalah alat pengkodean AI yang secara besar-besaran menurunkan ambang masuk kewirausahaan, banyak pengembang sekarang bisa membuat produk berbayar dalam beberapa hari hanya dengan “vibe coding”. Patrick menggambarkannya sebagai fenomena makro—seluruh ekonomi sedang di-platformisasi ulang seputar AI. Maia Josebachvili, Chief Revenue Officer bisnis AI Stripe, menambahkan perbandingan eksternal: hingga 2024, jumlah aplikasi yang dirilis di App Store iOS terus menurun. Setelah munculnya alat pengkodean AI, volume rilis meningkat 24% secara bulanan.

Perubahan ini tidak hanya dari segi kuantitas, tetapi juga kualitas. Stripe Atlas adalah salah satu cara termudah untuk mendaftar perusahaan di AS bagi para pendiri. Minggu lalu, mereka merayakan pendirian perusahaan ke-100.000. Dalam konferensi, saya mendengar data mengejutkan: perusahaan yang didaftarkan melalui Atlas pada tahun 2025, pada titik tertentu dalam siklus hidupnya, menghasilkan pendapatan dua kali lipat dari perusahaan yang didirikan pada tahun 2024. Perusahaan yang baru berdiri beberapa bulan di tahun 2026 sudah menghasilkan pendapatan lima kali lipat dari periode yang sama tahun lalu.

Dalam laporan ekonomi AI sore hari hari pertama, Maia Josebachvili menyebutkan beberapa nama yang mendorong kebangkitan ekonomi AI. Lovable dalam delapan bulan mencapai pendapatan 100 juta dolar AS, kemudian dalam delapan bulan berikutnya melonjak ke 400 juta dolar AS. Cursor dalam kurang dari dua tahun mencapai pendapatan tahunan 1 miliar dolar AS, tiga bulan kemudian berlipat ganda menjadi 2 miliar dolar AS. Perusahaan AI native terkemuka di Stripe tumbuh 120% pada 2025, dan hingga 2026, pertumbuhan mencapai 575%.

Di sisi konsumsi, pertumbuhan juga sangat tajam. Pengguna konsumsi tertinggi menghabiskan rata-rata 371 dolar AS per bulan untuk produk AI, melebihi total pengeluaran bulanan orang Amerika biasa untuk akses internet, streaming, dan tagihan ponsel. Saya memperkirakan pengeluaran token saya sendiri setiap bulan sudah melebihi tagihan ponsel.

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

Hari kedua, John Collison secara langsung menyebutkan paradoks Solow dan menggunakan analogi sejarah. Pada tahun 1882, Edison menyalakan lampu listrik pertama di Manhattan. Tapi selama tiga puluh tahun masa elektrifikasi berikutnya, produktivitas hampir tidak meningkat. Bukan karena listrik tidak berguna, tetapi karena pabrik saat itu dirancang untuk mesin uap. Baru setelah seluruh pabrik dibangun ulang, produktivitas meningkat. Penilaian John adalah, AI berada dalam tahap serupa. Perubahan sudah terjadi, tetapi pola lama belum sepenuhnya menyerapnya. “Namun,” katanya, “saya curiga AI tidak akan memakan waktu tiga puluh tahun.”

Data Stripe tampaknya mendukung optimisme ini. Di platform mereka, ekonomi AI sudah meledak. Hampir semua perusahaan tradisional yang saya hubungi, para eksekutif tertinggi mereka, sangat mendesak dalam mendorong penerapan AI.

Sejak hari pertama, AI bersifat global

Selain kecepatan, fitur lain dari perusahaan AI yang mengesankan adalah: mereka sudah bersifat global sejak hari pertama. Stripe memiliki istilah: default globalisasi.

Sejak saya menjadi blogger AI, sering mengalami pengalaman ini: pembuatan konten AI tidak mengenal zona waktu. Berita AI dari belahan lain Pasifik sama pentingnya dengan berita lokal. Produk AI juga demikian. Model bahasa besar mengaburkan batasan antarmuka dan kebiasaan interaksi perangkat lunak tradisional. Satu kotak obrolan tunggal memungkinkan pengguna di seluruh dunia menggunakan produk secara alami dalam bahasa alami. Dalam arti ini, model bahasa besar pertama kali memungkinkan pasar perangkat lunak global yang seragam.

Data konferensi mengonfirmasi pengamatan ini. Dalam gelombang SaaS sebelumnya, perusahaan dengan pertumbuhan tercepat dalam tahun pertama menjangkau sekitar 25 negara, dan dalam tahun ketiga mencapai 50. Perusahaan AI mengikuti ritme yang sama sekali berbeda: tahun pertama 42 negara, tahun ketiga 120. Maia mengatakan, saat ini Kazakhstan sudah muncul dalam daftar pasar banyak perusahaan AI. Dalam forum “Indexing the Economy” hari kedua, Stripe memberikan median: 100 startup AI teratas sudah menjual ke 55 negara dalam tahun pertama.

Emergent Labs adalah contoh konkret. Perusahaan ini didirikan di AS pada tahun 2024, tetapi hampir 70% pendapatannya berasal dari luar negeri, dari setidaknya 16 negara yang masing-masing menyumbang minimal 1% dari pendapatan. Di antara perusahaan AI terkemuka, 48% pendapatan berasal dari pasar di luar negara asalnya. Tiga tahun lalu, angka ini hanya 33%. Pendapatan global bukan lagi pelengkap, tetapi dasar.

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

Di sini perlu saya tambahkan latar belakang pendirian Stripe.

Pendiri Stripe, Patrick Collison dan adiknya John Collison, adalah orang Irlandia, mereka sendiri adalah pengusaha lintas negara. Dalam konferensi, saya bertemu seorang kolega dari Irlandia, yang mengatakan bahwa dalam pandangan pendiri AI di Irlandia, kedua saudara ini adalah pahlawan. Setelah datang ke AS, mereka menemukan bahwa menerima pembayaran online sangat sulit: menghubungkan sistem pembayaran harus menandatangani kontrak dengan bank, melakukan audit PCI compliance, menghubungkan beberapa perantara, dan seluruh proses bisa memakan waktu berminggu-minggu bahkan berbulan-bulan.

Pada tahun 2010, dua pemuda berusia awal dua puluhan berhenti kuliah, pindah ke San Francisco, dan menulis solusi yang memungkinkan pengembang menerima pembayaran dengan tujuh baris kode. Ketujuh baris ini tepat saat internet mobile dan SaaS mulai meledak. Shopify membutuhkan bantuan menerima pembayaran dari jutaan pedagang, Uber membutuhkan pembayaran tanpa gesekan dari penumpang, Salesforce membutuhkan pengelolaan langganan global… Mereka semua memilih Stripe. Bersama dengan 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 panggung utama. Ia tersembunyi di balik halaman checkout Shopify, email konfirmasi langganan OpenAI, dan notifikasi biaya Uber. Tapi keberadaannya yang tak terlihat ini tidak menghalangi Stripe menjadi jalur keuangan dasar ekonomi internet. Di era AI, infrastruktur keuangan global ini memberi Stripe keunggulan awal saat melayani perusahaan AI yang memperluas layanan ke internasional.

Dalam konferensi tahun ini, saya juga bertemu dengan kepala produk global Stripe, Abhi Tiwari. Ia baru saja mengambil posisi ini tiga bulan lalu dan pindah ke Singapura. Stripe memiliki pusat pengembangan di San Francisco, Dublin, dan Singapura, serta kantor di São Paulo. Abhi mengatakan, banyak perusahaan AI yang menghubungi Stripe dan langsung mengatakan: 「Kami menganggap globalisasi sebagai hal default, lokasi pengguna tidak penting.」Model lama, yaitu mengembangkan produk di kantor pusat lalu mendorong ke seluruh dunia, sedang digantikan oleh model baru di mana tim lokal membangun pasar mereka sendiri.

Menghubungi pengguna global adalah satu hal, membuat mereka membayar adalah hal lain yang jauh lebih kompleks, karena setiap pasar memiliki mata uang dan kebiasaan pembayaran sendiri. Dalam hal ini, Stripe membantu perusahaan AI dan pelanggan lain melalui dua cara utama: penetapan harga dalam mata uang lokal dan penghubungan metode pembayaran lokal. Yang pertama memungkinkan pengguna di Brasil melihat harga dalam real, bukan dolar, meningkatkan pendapatan lintas negara sebesar 18%; yang kedua memungkinkan pengguna di India membayar dengan UPI, di Brasil dengan Pix, meningkatkan konversi lebih dari 7%. Setelah mengintegrasikan UPI di India, pendapatan bulan itu di India melonjak 22%. Di stan, saya juga melihat perusahaan China MiniMax. Menurut saya, banyak perusahaan China yang ekspor ke luar negeri menggunakan layanan keuangan Stripe melalui entitas luar negeri.

Perusahaan AI native ini juga memiliki satu ciri bersama: sangat sedikit orang, banyak pendiri independen. Satu atau dua orang ditambah agen cerdas bisa menopang perusahaan global yang nyata dan berpendapatan. Pada hari kedua, dalam pidatonya, Emily menyajikan data: kepadatan pendiri independen di Atlas mendekati 5.000 orang per satu juta warga AS, dan semakin banyak yang berpenghasilan di atas 100.000 dolar per tahun.

Emily menggunakan istilah solopreneur. Ini mengingatkan saya pada gelombang OPC (One Person Company) yang berkembang pesat di China. John menjelaskan fenomena ini dengan teori perusahaan Ronald Coase. Sebuah perusahaan ada karena biaya koordinasi internal lebih rendah daripada biaya koordinasi pasar. Tapi AI mungkin membalik logika ini. Ketika agen cerdas membantu menemukan layanan, mengintegrasikan perangkat lunak, dan mengelola pembayaran, biaya koordinasi eksternal turun secara drastis. Kamu tidak lagi membutuhkan seisi kantor untuk melakukan tugas yang dulu memerlukan seluruh departemen.

Dari ekonomi manusia ke ekonomi agen cerdas

Gambaran ekonomi AI di atas, seberapa cepat pun pertumbuhannya dan seberapa global pun jangkauannya, tetap didominasi oleh manusia sebagai subjek transaksi. Manusia membeli produk AI, manusia menggunakan alat AI untuk berwirausaha. Tapi sinyal terkuat yang saya rasakan di Sessions tahun ini adalah, Stripe akan fokus pada perubahan besar berikutnya: ekonomi di mana agen menjadi pelaku pasar, yaitu Agentic Commerce.

Perubahan ini sudah muncul secara diam-diam dalam data Stripe sendiri. Product and Business President Will Gaybrick menampilkan sejumlah angka. Selama bertahun-tahun, Stripe CLI (Command Line Interface) hanya digunakan oleh sekelompok pengguna yang sangat teknis, dan volumenya hampir tidak berubah. Setelah 2026, penggunaannya melonjak secara tiba-tiba. Alasannya adalah agen cerdas tidak membutuhkan antarmuka grafis yang rumit, CLI yang sederhana seringkali lebih berguna. Data Maia menunjukkan, pada 2025, lalu lintas yang berasal dari agen cerdas yang membaca dokumentasi Stripe meningkat sekitar sepuluh kali lipat. Jika tren ini berlanjut, pada akhir tahun jumlah agen yang membaca dokumentasi Stripe akan melebihi manusia. API dokumentasi yang selama lebih dari satu dekade disusun Stripe menemukan pembaca baru yang paling setia.

Kalau mendengar “mengeluarkan uang” dari agen cerdas terdengar asing, bayangkan dua skenario yang sudah terjadi.

Pertama, antarmuka belanja mungkin beralih ke jendela obrolan model. Konsumen sekarang sering menggunakan ChatGPT, Gemini, atau Instagram untuk meneliti produk. Jarak antara riset dan transaksi dipadatkan dalam satu antarmuka. Di China, ada contoh terkait, seperti membeli susu teh di aplikasi AI.

Dalam wawancara media kolektif, John Collison menjelaskan mengapa kompresi ini sulit dibalik, dengan pengalaman pribadinya membeli adaptor daya perjalanan. Jika agen cerdas menyelesaikan seluruh proses dari riset hingga pemesanan dan produk dikirim dalam beberapa hari, ia 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 alami berikutnya adalah checkout.

Contoh kedua lebih menarik: OpenClaw. Mereka yang mengikuti gelombang “lobster” tahu bahwa ini adalah salah satu kerangka kerja agen otonom sumber terbuka paling populer saat ini. Pengguna memberi instruksi ke agen melalui aplikasi pesan seperti Feishu, Telegram, WhatsApp, dan agen akan menjalankan tugas secara mandiri. Kunci utamanya adalah, OpenClaw bisa menghabiskan ratusan dolar bahkan ratusan dolar token per hari. Ia mengelola konsumsi token dan penggunaannya sendiri. Meski sering membutuhkan otorisasi manusia, akhirnya agen yang menghabiskan token, dan token ini bisa langsung dikonversi menjadi uang.

Dari pengelolaan konsumsi token oleh agen, hingga agen langsung membelanjakan uang, hanya tinggal satu langkah. Dalam konferensi tahun ini, Stripe memamerkan langkah tersebut.

Demo: Perdagangan Agen

Di panggung utama hari kedua, sebuah demo mendapatkan tepuk tangan berkali-kali.

John Collison memberi instruksi sederhana ke agen: teliti bagaimana kebutuhan AI mempengaruhi pasar energi. Agen mulai mencari, menemukan dataset energi dari Alpha Vantage yang harganya 4 sen. Agen menilai harga sesuai anggaran, kemudian secara mandiri menggunakan dompet stablecoin di Tempo CLI untuk membeli dan mengunduh, karena membayar 4 sen dengan kartu kredit tidak ekonomis. Setelah itu, agen menghasilkan laporan analisis lengkap. Ini sudah cukup mengagumkan. Tapi kemudian John berkata, “Publikasikan dan jual laporan ini. Tetapkan harga yang kamu anggap wajar agar agen lain bisa menemukannya dan membelinya.” Agen memeriksa ketentuan lisensi dataset Alpha Vantage, memastikan diizinkan untuk komersialisasi, lalu membangun situs, mempublikasikan laporan, dan membuat file instruksi agar agen lain bisa membeli data hanya dengan satu permintaan.

Hanya dalam beberapa menit, satu agen menyelesaikan seluruh rangkaian: riset, pembelian, produksi, pemeriksaan kepatuhan, publikasi, penetapan harga, dan penjualan. Ia menjadi pembeli sekaligus penjual. Setelah demo, John berkata, “Agentic Commerce sudah datang.”

Dua demo lain hari pertama juga sangat mengesankan. Will Gaybrick membangun aplikasi peninjauan API yang memungkinkan agen mendapatkan layanan peninjauan. Sepanjang proses, ia tidak memberi tahu agen tentang informasi pembayaran. Saat menjalankan tugas, agen secara otomatis menemukan bahwa aplikasi tersebut menggunakan Machine Payments Protocol (MPP), dan menyelesaikan pembayaran sebesar 2 dolar AS secara mandiri. Manusia hanya mengotorisasi dengan sidik jari sekali. Kemampuan ini, yaitu menemukan pembayaran tanpa konfigurasi, adalah inti dari desain protokol MPP. Pengembang tidak perlu menulis logika pembayaran secara terpisah, agen bisa menemukannya sendiri.

Selanjutnya, Gaybrick memadukan Metronome (mesin pengukuran waktu real-time), Tempo (blockchain yang dirancang untuk pembayaran), dan stablecoin, untuk menampilkan pembayaran streaming. Sebuah aplikasi membebankan biaya secara real-time berdasarkan konsumsi token AI, dengan tarif 3 dolar AS per juta token. Beberapa agen berjalan bersamaan. Di dashboard kiri, terlihat konsumsi token meningkat, dan di kanan, pembayaran micro-stablecoin mengalir secara sinkron. Saat membuka browser blockchain Tempo, total pembayaran sebesar 3,30 dolar AS terdiri dari ribuan micro-pembayaran sen, masing-masing hanya tiga per seribu sen. Kartu kredit, ACH, UPI, dan Pix tidak mampu melakukan ini. Gaybrick mengumumkan, ini adalah bisnis pembayaran streaming pertama di dunia.

Kembalinya micro-payment dan logika konsumsi baru

Contoh belanja melalui jendela obrolan dan OpenClaw adalah contoh agen mewakili konsumsi manusia. Tapi dalam wawancara kolektif, Collison membuat penilaian yang lebih ambisius: agen mungkin menciptakan kebutuhan baru.

Dia berpendapat, agen bisa membuat model bisnis yang sudah dibahas bertahun-tahun tapi belum pernah benar-benar terwujud: micro-payment. Manusia tidak pandai membuat keputusan konsumsi sangat halus. Spotify menggantikan pembayaran per lagu dengan langganan 9,99 dolar per bulan karena orang tidak mau memutuskan nilai sebuah lagu setiap kali menekan tombol putar. Agen cerdas tidak memiliki beban kognitif ini. Jika pendapat ini benar, maka banyak model bisnis yang gagal karena hambatan kognitif manusia bisa tiba-tiba menjadi layak di hadapan agen cerdas. Maia juga menyampaikan pandangan serupa dalam percakapan pribadi saya. Ia mengatakan, baru saja berbicara dengan puluhan pendiri AI, dan topik yang paling sering muncul saat membahas bisnis agen adalah penetapan harga.

Setiap transaksi melibatkan pembeli dan penjual. Jika pembeli berubah menjadi agen, bagaimana dengan penjual?

Dalam sebuah wawancara, saya bertanya kepada kepala produk Stripe, Jeff Weinstein: “Ada pepatah bahwa ‘pelanggan selalu benar’, dan penjual harus menyenangkan pelanggan. Tapi bagaimana menyenangkan agen?” Jawab Jeff, bayangkan agen sebagai programmer terbaik yang kamu kenal. Ia menginginkan informasi lengkap, format terstruktur, kecepatan baca, dan konteks pengambilan keputusan. Konsumen manusia suka gambar menarik dan animasi halus, sedangkan agen ingin data mentah yang terstruktur, informasi logistik yang akurat, dan kemampuan menyelesaikan transaksi dalam beberapa langkah minimal.

Dalam percakapan lain, VP produk Meta Ginger Baker menyimpulkan perubahan ini secara lebih radikal: pembayaran akan berubah dari “sekali” menjadi “strategi”. Pembelian manusia bersifat diskrit. Kamu pergi ke kasir, keluarkan dompet, gesek kartu, transaksi selesai. Sedangkan konsumsi agen bersifat berkelanjutan. Kamu menetapkan aturan, misalnya “belanja bahan makanan tidak lebih dari 50 dolar minggu ini”, “selalu gunakan kartu ini dulu”, “lebih dari 500 dolar harus otorisasi manusia”. Kemudian agen secara mandiri melakukan konsumsi berkelanjutan dalam kerangka otorisasi yang kamu tetapkan.

Keamanan: komputasi adalah uang tunai baru

Jika agen benar-benar menjadi konsumen baru, ini juga membawa risiko baru. Risiko ini berbeda secara esensial dari risiko transaksi SaaS tradisional dan risiko yang dihadapi manusia.

Dalam Sessions, saya fokus pada topik ini dan berdiskusi dengan beberapa eksekutif Stripe.

Data Stripe dan kepala AI Emily Glassberg Sands menggambarkan tiga pola penipuan yang berkembang pesat. Pertama, penyalahgunaan multi-akun. Satu orang mendaftar beberapa akun, 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 fatal bagi perusahaan AI karena setiap percobaan menghabiskan biaya inferensi nyata. Ia memberi contoh: sebuah mitra mendapatkan biaya token lebih dari 500 dolar per pelanggan berbayar, karena konversi satu pelanggan membutuhkan 25 percobaan gratis, 19 di antaranya adalah penipuan. Ketiga, yang disebutnya “makan gratis”. Pelanggan menghabiskan token dalam jumlah besar, lalu menolak membayar di akhir bulan. Emily juga mengutip pepatah: 「Komputasi adalah uang tunai baru.」 Saat SaaS disalahgunakan, biaya marginal hampir nol. Tapi setiap panggilan inferensi AI adalah biaya nyata. Token yang dicuri sama dengan uang yang dicuri.

Namun, ada dilema yang sangat membingungkan saya di sini. Banyak pendiri AI yang mengatasi penipuan dengan menutup masa percobaan gratis.

Emily mengatakan, dia bertanya kepada semua yang mengklaim “memecahkan” masalah ini, dan hasilnya adalah solusi mereka adalah menutup langsung lapisan gratis. Tapi Jeff berpendapat, ini akan menciptakan masalah lain. Agen cerdas sedang menjadi cara utama menemukan layanan baru. Jika agen tidak bisa mencoba layanan sendiri, mereka akan langsung melompat ke URL lain. Emily menambahkan, jika panggilan aksi yang diberikan ke agen adalah “bergabung daftar tunggu” atau “hubungi penjualan”, agen akan langsung pergi. Menutup pendaftaran mandiri demi mencegah penipuan bisa berarti menyerahkan saluran pertumbuhan terpenting ke kompetitor.

Jawaban Stripe terhadap dilema ini adalah sistem pencegahan penipuan Radar. Logika Radar sangat sederhana: setiap kali transaksi selesai di Stripe, Radar belajar. Data transaksi dari 5 juta perusahaan masuk ke jaringan identifikasi risiko bersama. Jika sebuah perusahaan mengalami pola penipuan tertentu, semua perusahaan akan mendapat manfaat. Bulan lalu, Radar mencegah lebih dari 3,3 juta pendaftaran percobaan gratis berisiko tinggi di delapan perusahaan AI yang sedang berkembang pesat.

Jeff juga mengemukakan pandangan yang kontra-intuitif: belanja agen cerdas akhirnya bisa lebih aman daripada belanja manusia di web. Verifikasi kepercayaan belanja manusia bergantung pada inferensi: berapa lama pengguna tinggal di situs, jalur klik, dan lain-lain. Sedangkan transaksi agen bisa diverifikasi secara terprogram. Stripe mengubah payment token menjadi tokenisasi bukti pembayaran, agen tidak akan pernah menyentuh nomor kartu kredit asli. Pengguna mengotorisasi dengan biometrik, dan bisa mengatur batas transaksi, jendela waktu, dan daftar merchant putih. Ketika mekanisme kepercayaan beralih dari inferensi ke konfirmasi, garis dasar keamanan sebenarnya bisa meningkat.

Ekosistem, protokol, dan sejarah

Hingga saat ini, sudah jelas: tanpa ekosistem yang berfungsi baik, bisnis agen tidak akan pernah terwujud. Di Stripe Sessions 2026, saya bertemu seorang profesional dari industri makanan. Dia mengatakan tujuannya mengikuti acara ini adalah untuk memahami apakah bisnis agen bisa menjadi peluang baru bagi perusahaan, dari sudut pandang penjual.

Jadi, ini tidak bisa dilakukan hanya oleh Stripe, melainkan membutuhkan ekosistem.

Di ruang pamer selama dua hari, saya melihat banyak perusahaan di rantai industri keuangan. Stripe juga bekerja sama dengan mitra upstream dan downstream, meluncurkan atau bergabung dalam berbagai protokol yang menghubungkan bagian-bagian berbeda dari ekosistem: pembeli dan penjual, manusia dan mesin, mesin dan mesin. Machine Payments Protocol (MPP) memungkinkan agen menemukan dan menyelesaikan pembayaran melalui HTTP. Agentic Commerce Suite memungkinkan konsumen melakukan pembelian langsung di aplikasi AI Google, Meta, OpenAI, dan Microsoft. Universal Commerce Protocol (UCP), yang diprakarsai oleh Shopify dan diikuti oleh Meta, Amazon, Salesforce, dan Microsoft, adalah protokol bisnis lintas platform. Stripe bergabung dalam Dewan Pengurus UCP. Sekelompok perusahaan yang sebelumnya bersaing dan bekerja sama sepakat menyusun protokol bersama, karena fragmentasi akan menyulitkan agen untuk bertransaksi lintas platform secara lancar—yang merugikan semua pihak.

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

Pengamatan ini langsung mengingatkan saya pada buku favorit saya: 《One from Many》, karya Dee Hock, pendiri Visa. Tema utama buku ini adalah, dalam era digital, bagaimana bank, uang, dan kartu kredit harus didefinisikan ulang. Uang tidak lagi harus berupa koin dan uang kertas, melainkan data yang dijamin oleh lembaga, dicatat di jaringan, dan beredar secara global. Pada akhir 1960-an, Bank of America mengeluarkan BankAmericard yang meluas ke seluruh negeri, dan banyak konsumen lintas negara bagian masuk ke sistem ini, menyebabkan sistem lama runtuh. Hock menyadari masalahnya adalah pada tingkat organisasi. Puluhan bank yang bersaing harus berbagi infrastruktur, tetapi bentuk organisasi yang ada tidak memungkinkan mereka bekerja sama sekaligus bersaing. Ia menerapkan prinsip desain desentralisasi agar semua bank menjadi anggota setara dari organisasi baru ini, dan Bank of America melepaskan kendali eksklusif atas sistem tersebut. Organisasi ini kemudian berganti nama menjadi Visa.

Jadi, dua era berbeda, dua perusahaan berbeda, melakukan hal serupa—apakah ada warisan yang mengalir di antara keduanya?

Dengan bantuan agen cerdas, semua jawaban bisa ditemukan dengan mudah. Patrick Collison pernah secara terbuka memberi penghormatan kepada Dee Hock. Setelah Hock meninggal dunia pada 2022, Patrick menyebutnya sebagai “inovator yang sangat diremehkan,” yang memberi pengaruh besar pada dirinya dan adiknya. Isyarat yang lebih jelas adalah keputusan perekrutan: penulis sejarah akademik Visa, David Stearns, kemudian bergabung dengan Stripe.

Ada juga detail yang akan membuat orang yang familiar dengan sejarah pembayaran tersenyum: di panggung, CTO Tempo, Georgios Konstantopoulos, menampilkan barisan validator. Salah satu nama adalah Visa. Visa yang didirikan Hock kini menjadi salah satu node dalam jaringan blockchain yang diinkubasi Stripe. Siswa membangun jaringan baru, dan guru menjadi salah satu node di dalamnya.

Saat Patrick menelusuri asal-usul pemikiran Stripe di acara pembukaan, dia mengatakan bahwa dirinya awalnya adalah programmer Lisp. Inti dari Lisp adalah “kode adalah data.” Ia menerjemahkan gagasan ini ke dalam bahasa Stripe sendiri: 「Prinsip dasar Stripe adalah uang adalah data.」Ketika Stripe diluncurkan pada 2011, ini belum menjadi pandangan resmi industri. Hock mendekati esensi uang dari teori organisasi, dan menyimpulkan bahwa uang hanyalah “jaminan pertukaran nilai.” Media yang memuatnya bisa apa saja. Collison dari sudut pandang bahasa pemrograman, langsung menyamakan uang dengan data: data yang bisa diprogram, dipanggil melalui API, dan dioperasikan oleh agen cerdas. Kedua orang berbicara tentang hal yang sama dengan bahasa berbeda. Di panggung hari itu, Ginger Baker menyatakan secara lebih lugas: 「Uang hanyalah bentuk konten digital lainnya.」

Jika uang adalah data, maka konsumen data secara alami juga akan menjadi konsumen uang.

Sub-cerita: Warisan konten Stripe

Hingga saat ini, kisah ekonomi AI hampir selesai. Tapi mari kita ambil jalan memutar kecil: Stripe hampir bisa dianggap sebagai rekan kerja di bidang konten.

Perusahaan ini tidak hanya unggul dalam layanan keuangan, tetapi juga dalam produk konten. Merek penerbitan mereka, Stripe Press, memiliki selera tinggi, dan banyak orang mengenalnya karena menerbitkan 《The Charlie Munger》. Podcast mereka, 《A Cheeky Pint》, juga sangat khas dan memiliki banyak pendengar. CEO Google Sundar Pichai, CEO Anthropic Dario Amodei, dan pendiri a16z, Marc Andreessen, pernah tampil di podcast ini.

Dalam konferensi, saya bertemu editor senior Stripe Press, Tammy Winter, dan desainer Pablo Delcan. Tammy bercanda, “Stripe adalah penerbit yang memiliki perusahaan bernilai miliaran dolar.” Pablo berbicara tentang pengertian selera. Ia mengatakan, selera adalah hasil akumulasi jangka panjang, membutuhkan waktu untuk mengendap. Dalam tren desain, ia berpendapat bahwa, tanpa mengorbankan kesederhanaan dan kejelasan, masalah baru adalah bagaimana menambah tingkat kompleksitas melalui detail dan ketepatan.

Membahas buku, Tammy memberi tahu saya bahwa di Stripe Press ada seri yang disebut “Turpentine”. Buku-buku ini fokus pada pengetahuan, alat, teknologi, pemeliharaan, dan hal-hal praktis yang membuat pekerjaan berjalan. Mereka bukan teori abstrak, melainkan membantu pembaca mengatasi masalah operasional konkret.

Nama ini berasal dari cerita tentang Picasso: kritikus seni berkumpul membahas bentuk, struktur, dan makna; seniman berkumpul membahas di mana bisa membeli minyak terjangkau. Seri ini ingin menjadi minyak terjangkau bagi pendiri. Jika dipikir-pikir, bagi perusahaan AI yang ekspor ke luar negeri, layanan keuangan Stripe adalah semacam minyak tersebut. Kamu tidak perlu repot soal pembayaran, kepatuhan, atau valuta asing, dan bisa fokus membangun produk.

Jalur ini tampaknya tidak terkait langsung dengan jalur utama, tapi ada hubungan dasar. Stripe juga punya majalah bernama 《Works in Progress》, yang inti permasalahannya adalah bagaimana ekonomi bisa tumbuh. Ia juga memiliki podcast yang mewawancarai pemimpin ekonomi AI. Sessions sendiri dalam beberapa hal seperti kuliah ekonomi. Hari kedua, John Collison menghabiskan seluruh pidatonya membahas data ekonomi, teori perusahaan Coase, dan paradoks Solow. Saya menduga, sebuah perusahaan jasa keuangan yang sangat peduli pada ekonomi, karena memahami perubahan struktural ekonomi dan bagaimana menemukan peluang produk berikutnya.

Sebagai penggemar podcast, saat bertemu John Collison di hari pertama konferensi, yang ingin saya tanyakan bukan soal keuangan, melainkan soal podcast. Saya bertanya, setelah mewawancarai begitu banyak orang berbeda, apakah ada satu pertanyaan dasar yang selalu muncul dalam semua percakapan? Dia berpikir sejenak, lalu berkata bahwa yang paling menarik baginya adalah bagaimana perusahaan-perusahaan ini beroperasi, dalam keseimbangan kompetisi, dan bagaimana mereka memahami bisnis mereka.

Kebetulan, di akhir hari pertama ada momen kecil yang berbalik. Wawancara Patut Patut yang semula dijadwalkan dengan co-founder OpenAI, Greg Brockman, digantikan oleh Sam Altman. Patrick menjelaskan, “AI adalah bidang yang sangat cepat berubah.”

Hasilnya, kejutan berubah menjadi sukacita. Semua orang bersorak.

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

Di akhir, Patrick menanyakan pertanyaan pribadi: mengapa dia berinvestasi di dua pemuda yang masih remaja? Altman menjawab, mereka ingin membangun produk yang menyelesaikan masalah yang mereka alami sendiri, dan dia melihat peluang untuk skala karena banyak orang lain juga membutuhkan hal yang sama.

Saya rasa jawaban dia tentang podcast dan investasi mengarah ke hal yang sama: menemukan kebutuhan nyata, menyelesaikan masalah nyata. Dalam percakapan, Altman membagi transformasi OpenAI menjadi tiga tahap: dari laboratorium riset, menjadi perusahaan produk, lalu menjadi “pabrik token” yang menyediakan kecerdasan ke dunia. Setiap tahap memiliki misi berbeda. Stripe juga sangat mirip. Pada 2010, masalah yang diselesaikan dua pemuda Irlandia adalah “pembayaran online terlalu sulit.” Mereka telah menyelesaikan masalah yang sama untuk 5 juta pengguna. Pada 2026, mereka menemukan masalah baru: pelanggan perusahaan ini mungkin tidak lagi manusia.

Memegang podcast di satu tangan, dan penerbit di tangan lain, mereka membahas teori Coase dan paradoks Solow di panggung, dan menguraikan protokol serta API di ruang pamer. Stripe tidak hanya menciptakan ekonomi AI, tetapi juga merekamnya. Dalam konferensi, saya terbayang sebuah gagasan yang terdengar agak 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 pergi, dan seberapa cepat pertumbuhannya. Jika Solow memiliki monitor detak jantung seperti ini, mungkin dia tidak perlu menunggu sepuluh tahun untuk menemukan komputer dalam data statistik.

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