Bisnis nyata dari e-commerce AI tersembunyi sebelum pengguna melakukan pembayaran

Selama tiga dekade terakhir, infrastruktur e-commerce hampir selalu mengoptimalkan satu tindakan yang sama: membuat pengguna lebih lancar menekan tombol beli. Pembayaran satu klik, tokenisasi bukti pembayaran, pengenalan wajah dan verifikasi sidik jari, semuanya bertujuan mengurangi gesekan saat pembayaran.

Namun setelah AI Agent masuk ke dalam proses belanja, perubahan mulai terjadi sebelum pembayaran. Agent harus menyelesaikan bagaimana memahami niat pengguna, menyaring produk, membangun keranjang belanja, dan mengeksekusi langkah berikutnya dalam batas otorisasi yang jelas.

Oleh karena itu, Commerce berbasis Agent tidak bisa hanya dipahami sebagai masalah pembayaran. Pembayaran tetap penting, tetapi itu hanyalah tahap terakhir dari rangkaian belanja. Yang pertama kali diubah oleh AI adalah proses sebelum persetujuan transaksi.

1. Niat pengguna menjadi batasan yang dapat dieksekusi

Dalam e-commerce tradisional, keputusan pembelian manusia biasanya merupakan proses browsing halaman web yang panjang dan acak. Pengguna mencari, masuk ke halaman produk, membandingkan ulasan, beralih platform, lalu dipengaruhi oleh harga, desain halaman, promosi, dan rekomendasi secara bertahap.

Namun ketika Agent mewakili tindakan pengguna, proses pengambilan keputusan sebelum checkout akan diatur ulang. Pengguna mungkin tidak memberikan platform tertentu atau produk tertentu secara spesifik, melainkan menyediakan deskripsi dalam bahasa alami yang berisi berbagai batasan. Batasan ini biasanya meliputi: batas anggaran yang jelas, waktu pengiriman yang spesifik, daftar merek yang harus dikecualikan, dan preferensi parameter personalisasi.

Batasan-batasan ini dulu hanya merupakan preferensi dalam pikiran pengguna, sekarang akan menjadi aturan penyaringan saat Agent menjalankan tugas. Yang harus dilakukan Agent adalah memecah kebutuhan dalam bahasa alami menjadi batasan yang dapat dipahami, dibandingkan, dan dieksekusi oleh mesin.

Ini akan mengubah distribusi nilai dalam rantai bisnis. Dulu, penjual bersaing untuk klik dan konversi di halaman produk; di masa depan, banyak produk akan terlebih dahulu disaring oleh Agent. Halaman tetap penting, tetapi data produk, harga real-time, akurasi stok, janji pengiriman, aturan pengembalian, dan struktur parameter akan menentukan apakah produk tersebut bisa masuk ke dalam daftar kandidat.

2. Jawaban generatif AI menjadi antarmuka tampilan produk yang baru

Struktur parameter ini akan menentukan apakah produk bisa masuk ke dalam daftar kandidat. Setelah niat pengguna dipecah menjadi batasan, batasan-batasan ini akan dimasukkan terlebih dahulu ke dalam mesin pencari dan model AI, yang memunculkan lah antarmuka tampilan produk yang benar-benar baru.

Jika pintu masuk e-commerce tradisional adalah halaman hasil pencarian, maka rak produk baru dari AI commerce adalah jawaban yang langsung dihasilkan oleh model.

Dulu, saat pengguna mencari masalah konsumsi, yang mereka lihat adalah sekumpulan halaman web, iklan, ulasan, dan tautan e-commerce. Merek bersaing untuk peringkat, klik, dan konversi; pengguna harus membuka halaman, membandingkan parameter, dan menilai keaslian informasi sendiri.

Sekarang, pencarian generatif AI memperpendek proses ini. Produk seperti AI Overview, ChatGPT, Copilot akan mengompresi berbagai sumber menjadi satu jawaban, langsung memberikan daftar produk kandidat, skenario penggunaan, dan saran pembelian. Pengguna mungkin tidak perlu lagi mengklik belasan tautan, dan mungkin juga tidak tahu sumber apa saja yang digunakan untuk jawaban tersebut. Merek sekarang harus bersaing agar masuk ke dalam daftar kandidat jawaban AI.

Ini juga menjelaskan mengapa GEO lebih sensitif daripada SEO, karena mempengaruhi bukan hanya eksposur, tetapi juga proses penilaian model. Dalam pencarian tradisional, merek bersaing untuk posisi link yang lebih atas; dalam pencarian generatif, mereka bersaing agar masuk ke dalam daftar kandidat jawaban. Ketika AI membandingkan produk dengan nada netral, sebenarnya AI sudah melakukan penyaringan awal untuk pengguna.

Namun masalahnya, rekomendasi AI tidak muncul dari nol. Ia akan merujuk pada daftar ulasan, diskusi forum, video pendek, ulasan e-commerce, laporan industri, dan lain-lain, lalu mengompres informasi ini menjadi jawaban yang tampak objektif. Merek tidak harus langsung membeli ruang iklan AI, tetapi bisa mempengaruhi model melalui konten yang disusun, agar apa yang dilihat model saat pencarian dan rangkuman adalah sesuai keinginan mereka. Konten tunggal mungkin tampak sebagai ulasan biasa, tetapi jika pandangan serupa muncul berulang di berbagai saluran, AI bisa menganggapnya sebagai dasar rekomendasi yang lebih kuat. Dengan begitu, penempatan komersial tidak harus berupa iklan langsung, tetapi bisa masuk ke dalam proses penilaian AI.

Ini menjelaskan mengapa Google lebih berhati-hati terhadap GEO, karena aset utamanya adalah kepercayaan terhadap hasil pencarian. Selama ini, pengguna percaya bahwa Google menempatkan informasi yang cukup terpercaya di posisi teratas, dan pengiklan bersedia membayar untuk akses tersebut. Dalam pencarian tradisional, Google menampilkan link, dan pengguna bisa menilai sumbernya sendiri; sedangkan AI Overview langsung memberikan jawaban. Jika jawaban ini dipengaruhi oleh ulasan palsu, farm konten, atau konten bias, Google tidak hanya menampilkan halaman berkualitas rendah, tetapi juga bisa menyajikan saran yang menyesatkan.

Tentu saja, sikap platform berbeda terhadap GEO juga dipengaruhi oleh model bisnis mereka. Google harus menjaga kepercayaan pencarian, sehingga lebih menekankan anti-spam dan kualitas konten; Microsoft memandang GEO sebagai jalur masuk pengiklan ke Copilot, Bing, Edge, dan Agent masa depan. Artinya, di masa depan GEO tidak akan memiliki satu aturan tunggal, melainkan akan berkembang menjadi batasan pengelolaan dan jalur bisnis yang berbeda di antara platform pencarian, asisten AI, dan model.

Namun, agar merek mendapatkan kepercayaan dalam pencarian generatif, selain menyusun konten opini di seluruh web untuk mempengaruhi rangkuman model, ada satu prasyarat teknologi yang lebih mendasar: produk itu sendiri harus memiliki tingkat keterbacaan mesin yang tinggi.

3. Diferensiasi tampilan e-commerce: data untuk mesin, selera untuk manusia

Agar AI dapat mempercayai dan merekomendasikan produk, produk tersebut harus memiliki tingkat keterbacaan mesin yang tinggi.

Antarmuka bisnis web awal dirancang untuk visual manusia. Gambar produk, deskripsi teks, dan tombol tambah ke keranjang dirancang untuk memperpanjang waktu tinggal pengguna di halaman. Tapi AI tidak bisa merasakan desain visual ini, dan penilaian mesin terhadap produk sepenuhnya kembali ke data terstruktur dasar: spesifikasi SKU, stok real-time, harga bersih, Service Level Agreement (SLA), dan kebijakan pengembalian yang terstruktur.

Perubahan ini menjadikan keterbacaan mesin sebagai kompetensi dasar di era belanja AI. Penandaan Schema.org, file llms.txt, API stok dan harga real-time, serta struktur kebijakan pengembalian akan mempengaruhi kemampuan Agent AI untuk memahami produk secara akurat. Model bahasa besar memang bisa mengekstrak informasi tidak terstruktur dari web, tetapi data ini sering tidak lengkap, lambat diperbarui, dan mudah tercampur noise. Sebaliknya, katalog terstruktur yang distandarisasi bisa memberi tahu AI secara langsung: spesifikasi produk, harga real-time, status stok, kemampuan pengiriman, dan aturan pengembalian. Ini adalah prasyarat agar produk bisa masuk ke dalam proses penyaringan dan rekomendasi Agent.

Namun, perubahan ini tidak akan terjadi secara serentak pada semua produk, melainkan tergantung pada jenis konsumsi yang terbagi menjadi dua kategori:

Satu adalah konsumsi efisiensi. Misalnya membeli tisu gulung, kabel data, perlengkapan kantor, atau tiket pesawat dan hotel yang membandingkan harga. Keputusan di bidang ini biasanya memiliki standar keras yang jelas: harga, spesifikasi, waktu pengiriman. Pengguna tidak perlu menikmati proses memilih, cukup ingin mendapatkan jawaban yang masuk akal secepatnya. Di bidang ini, AI akan berjalan sangat cepat, langsung menyelesaikan perbandingan harga dan pemesanan.

Kategori lain adalah konsumsi yang berhubungan dengan selera dan ekspresi diri, seperti memilih mantel, lampu antik, atau lukisan. Konsumsi ini memuat emosi, kepribadian, dan estetika manusia; proses memilih, ragu-ragu, dan membanding sendiri adalah bagian dari kesenangan. Dalam skenario ini, nilai AI lebih banyak terjadi sebelum pembayaran: membantu pengguna mengumpulkan inspirasi, memahami gaya, menggabungkan informasi tersebar, dan membuat proses eksplorasi lebih lancar.

Ini adalah titik masuk aplikasi belanja mode The Mall. Saat ini, pintu masuk penemuan belanja online sangat fragmentaris: situs resmi merek, Instagram, TikTok, newsletter email, situs diskon, rekomendasi teman, dan kreasi konten influencer masing-masing memegang bagian tertentu, membuat konsumen harus bolak-balik di berbagai titik ini. The Mall memilih mengumpulkan kembali titik-titik ini dalam sebuah ruang mal virtual, untuk menjawab kebutuhan harian dalam menemukan, melacak, membandingkan, menyimpan, dan berbagi merek serta produk.

Dalam ruang ini, perilaku pengguna diatur ulang. Orang dapat mengikuti merek dan melacak peluncuran produk baru serta diskon, menyimpan produk dan mengikuti aktivitas teman atau kreator, bahkan menggunakan AI untuk memahami gaya dan langsung melompat dari satu produk ke produk serupa dari merek lain, sehingga secara tak terduga menemukan merek niche yang sebelumnya tidak muncul di iklan.

Ini berarti, skenario bisnis baru dari AI intelligent tidak hanya terbatas pada transaksi akhir, tetapi juga menyimpan potensi besar di tahap awal pengambilan keputusan.

Ketika industri secara umum membahas bagaimana Agent membantu orang melakukan pemesanan satu klik, proses ragu-ragu, membandingkan, dan membangun preferensi gaya sebelum checkout—yang terjadi sebelum pembayaran—sudah bisa dibangun sebagai bisnis bernilai tinggi.

Mengelola dan mengarsipkan niat estetika yang tersebar ini tidak hanya membangun kepercayaan yang lebih dalam, tetapi juga, data niat yang terkumpul akan memiliki nilai bisnis jangka panjang. Dengan menyusun dan merekam preferensi serta perbandingan pengguna lintas merek sebelum pembayaran, produk semacam ini berpotensi menjadi sistem niat dan selera konsumen (System of Record). Sebuah lapisan penemuan yang dekat dengan sumber pengambilan keputusan, dengan aset data yang terkumpul mungkin tidak kalah berharga dari komisi transaksi di tahap akhir.

Oleh karena itu, masa depan tampilan e-commerce akan terdiri dari dua lapisan. Satu untuk mesin: mengatur granularitas data, struktur, dan verifikasi agar Agent dapat melakukan perbandingan harga, pembelian, dan pemesanan secara efisien. Satu lagi untuk manusia: mengelola ekspresi merek, menyampaikan estetika, membangun pengalaman, dan menciptakan kejutan (Serendipity), agar pengguna mau tinggal, menjelajah, dan membentuk gaya unik. Dulu, penjual hanya mengelola pengalaman visual di halaman depan; ke depan, mereka juga harus mengelola katalog produk yang terstruktur dan dapat dibaca mesin, serta ruang niat yang lebih tersembunyi dan penuh imajinasi sebelum pembayaran.

4. Rantai janji bergerak ke hulu: Membuat Agent bertindak dalam batas otorisasi

Setelah Agent menemukan produk, menyaring opsi, dan membangun keranjang, transaksi baru benar-benar masuk ke sistem pembayaran.

Dari segi mekanisme, jaringan kartu kredit modern secara esensial adalah rantai janji yang dieksekusi dengan delay. Pada tahap otorisasi, merchant melalui acquirer dan organisasi kartu memverifikasi keabsahan bukti pembayaran ke bank penerbit, dan setelah bank penerbit mengirimkan persetujuan, merchant menyerahkan barang, sementara proses clearing dan settlement yang sebenarnya dilakukan secara asinkron di kemudian hari. Sistem ini didasarkan pada asumsi sederhana: transaksi diajukan oleh manusia dan akhirnya bertanggung jawab oleh manusia.

Keterlibatan AI mengubah asumsi ini. Otorisasi tidak lagi hanya satu pembayaran pasti, melainkan rangkaian keputusan yang didorong otomatis oleh komponen perangkat lunak. Jika agen terkena serangan kata kunci jahat, salah tafsir konteks, atau salah konfigurasi parameter, dan menyebabkan transaksi melebihi otorisasi, batas hukum kerugiannya menjadi sangat kabur.

Meskipun beberapa raksasa ritel mengubah syarat layanan (ToS) mereka secara hukum untuk mendefinisikan bahwa transaksi yang dilakukan oleh agen pihak ketiga adalah otorisasi langsung dari pengguna, mereka tidak bisa menyelesaikan risiko secara teknis. Commerce berbasis Agent membutuhkan batasan yang dilakukan sebelum transaksi terjadi.

Dalam jaringan keuangan tradisional, batasan ini biasanya dilakukan melalui otorisasi gateway terpusat. Organisasi seperti Visa dan Mastercard sedang mengembangkan standar untuk identitas agen, tokenisasi bukti, dan niat yang dapat diverifikasi, dengan tujuan mempersempit ruang gerak mesin sebelum pembayaran disetujui. Dalam praktiknya, ini biasanya berarti mengubah bukti pembayaran menjadi batasan yang dapat diprogram: misalnya, menghasilkan kartu virtual sekali pakai atau token saat pembelian, dan membatasi merchant, anggaran, kategori, waktu, atau tugas tertentu. Jika Agent melampaui aturan ini, jaringan dapat menahan transaksi saat otorisasi.

Namun, hanya melakukan filter di sisi dana atau gateway masih merupakan pertahanan yang relatif terlambat. Pandangan para pemain settlement besar sedang meluas ke sumber produksi yang lebih hulu. Baru-baru ini, Visa melakukan investasi strategis yang tidak diungkapkan jumlahnya ke platform pengembangan AI Replit. Meski kolaborasi ini masih tahap awal dan belum merilis produk resmi, sinyal industri sangat jelas: jaringan pembayaran global berusaha langsung terhubung ke sumber awal yang dihasilkan AI. Dengan membawa Visa Intelligent Commerce dan Trusted Agent Protocol ke platform pengembang, Visa berusaha agar identitas agen, niat, dan konteks pelanggan dari tahap pengembangan dan deployment aplikasi sudah terintegrasi ke dalam sistem pembayaran, bukan menunggu sampai tahap checkout.

Ini penting karena banyak transaksi berbasis Agent di masa depan mungkin tidak berasal dari aplikasi ritel sendiri, melainkan dari perangkat lunak yang dibangun pengembang, tersebar di berbagai alat, dan diotomatisasi oleh Agent mewakili pengguna atau perusahaan. Dalam konteks ini, Replit tidak lagi sekadar lingkungan kode, tetapi akan menjadi pintu masuk lapisan aplikasi Commerce berbasis Agent. Bagi Visa, taruhan masa depan adalah kemampuan jaringan kartu menjadi infrastruktur dasar yang asli mesin, yang bisa dipanggil melalui API, mengenali identitas, dan memahami niat.

Ini juga menjadi dasar dari kontrak seperti Cobo CAW Pact, yang merupakan wallet Agent berbasis kontrak. Ia menghindari Agent langsung mengakses saldo penuh wallet, melainkan membuat kontrak sementara untuk satu tugas tertentu, yang berisi jalur transaksi, batasan jumlah, dan masa berlaku. Jika permintaan melebihi batas kontrak, node MPC akan menolak pembuatan tanda tangan. Sebelum tanda tangan, calldata dasar juga bisa diterjemahkan menjadi niat transaksi yang dapat dibaca manusia, agar pengguna dapat mengonfirmasi apa yang akan dilakukan transaksi tersebut.

Dalam jangka panjang, rantai janji akan beralih dari mempercayai Agent ke membatasi Agent. Jaringan kartu akan menempatkan batasan di lapisan gateway dan mulai memindahkannya ke lapisan pengembang; sistem on-chain harus menempatkan batasan di lapisan tanda tangan. Sistem pembayaran di masa depan tidak hanya akan memverifikasi identitas pembayaran, tetapi juga apakah perilaku mesin berada dalam batas yang diizinkan.

Penutup: Commerce berbasis Agent membutuhkan rantai janji yang baru

Biasanya, teknologi mengubah media bisnis, tetapi jarang menghilangkan tanggung jawab itu sendiri.

E-commerce mengubah lingkungan transaksi, dompet ponsel mengubah bukti pembayaran, API penerbitan kartu membuat otorisasi menjadi dapat diprogram, dan stablecoin mulai mempengaruhi sebagian proses settlement. Setiap evolusi teknologi menambahkan lapisan kemampuan baru di atas sistem keuangan. Tetapi yang tetap dipertahankan oleh sistem pembayaran sejatinya adalah otorisasi, clearing, settlement, dan penanganan sengketa.

Alasannya sederhana: selama sebuah transaksi masuk ke dalam sistem bisnis, harus ada yang mengonfirmasi bahwa transaksi itu bisa terjadi, yang berjanji membayar, dan yang bertanggung jawab jika terjadi kesalahan.

AI Agent memperpanjang rantai ini. Dulu, pencarian, perbandingan, penambahan ke keranjang, dan checkout sebagian besar dilakukan pengguna sendiri; di masa depan, tindakan ini bisa diserahkan ke Agent dan dieksekusi otomatis di berbagai sistem. Pengalaman akan lebih cepat, tetapi apa yang pengguna otorisasi, apa yang bisa dilakukan Agent, kewajiban apa yang harus dipikul merchant, dan bagaimana pembagian tanggung jawab pembayaran akan menjadi semakin sulit dipahami.

Inilah infrastruktur dasar yang perlu dibangun ulang oleh bisnis berbasis Agent. Ia membutuhkan rantai janji yang baru: pada saat transaksi terjadi, mengikat niat awal pengguna, otoritas Agent, janji pembayaran, dan tanggung jawab sengketa secara teknis dapat diverifikasi dan dilacak.

Transformasi AI Commerce di masa depan secara permukaan tampak sebagai masalah pembayaran dan otomatisasi, tetapi secara mendasar adalah masalah tanggung jawab.