Penulis: Lucas Shin, Sumber: Artemis, Disusun oleh: Shaw Golden Finance

Ringkasan

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

• Jaringan berbasis agen yang benar-benar baru akan membutuhkan kanal pembayaran, sistem mata uang, dan komponen dasar yang baru.

• Nilai akan terkonsentrasi dalam tiga lapisan utama: lapisan antarmuka, entitas yang mengendalikan interaksi pengguna; lapisan pembayaran, entitas yang masuk ke arus dana; lapisan komputasi dan layanan pengelolaan, entitas yang mengoperasikan infrastruktur dasar

• Aktivitas bisnis agen cerdas di ujung ekor panjang akan berjalan dengan mengandalkan protokol terbuka.

Kita mulai dengan menggambarkan sebuah skenario.

Waktunya adalah 2030. Kamu berusia 24 tahun, tinggal di Burlington, Vermont, dan suka berinvestasi — sebagian besar mengalokasikan ke saham AS, dan juga ikut dalam perdagangan beberapa mata uang kripto dan pasar prediksi di Kalshi. Dua bulan lalu, kamu secara paruh waktu mendirikan sebuah perusahaan konsultasi fintech.

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

Bzzz——

Nada dering ponsel membangunkanmu, seperti air dingin yang dituangkan ke wajahmu. Pesan datang dari agen cerdas pribadimu, Nexus:

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

Pembaruan portofolio: mengurangi kepemilikan $WMT sebesar 15% pada malam hari. Data satelit menunjukkan penurunan arus pengunjung toko, dan sentimen pada panggilan pendapatan bergeser ke bearish; semuanya telah divalidasi silang.

Pembaruan jadwal: hari ini siang telah dijadwalkan 3 rapat, ringkasan sudah disematkan ke catatan rapat.

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

Total pengeluaran: 0.67 dolar AS

Apa sebenarnya yang terjadi saat kamu tidur?

1. Nexus mengirimkan sebuah sub-agen riset, menghabiskan 0.24 dolar AS, dengan menarik informasi dari 40 penyedia data berbeda pada malam hari. Ia membandingkan isi konferensi telepon laporan pendapatan terbaru Walmart dengan pencitraan satelit area parkir toko di seluruh AS, lalu memperbarui logika investasimu. Ketika data satelit menunjukkan penurunan arus pengunjung Walmart, agen portofolio investasimu mencocokkan sentimen pasar laporan pendapatan Kalshi, mengonfirmasi sinyal bearish, dan menyelesaikan pengurangan porsi sebelum kamu bangun. Empat tahun lalu, strategi perdagangan seperti ini masih menjadi ranah eksklusif Citadel (Kastel) dan segelintir dana kuantitatif. Mereka harus membayar jutaan dolar AS untuk berlangganan pencitraan satelit. Bahkan terminal Bloomberg seharga 30 ribu dolar AS per tahun pun tidak mampu mencakup semua informasi—kamu masih harus berlangganan pencitraan satelit, data alternatif secara terpisah, serta menghabiskan berjam-jam untuk mengintegrasikan analisis. Dan sekarang, seorang anak muda berusia 24 tahun dari Vermont bisa memperoleh keunggulan informasi yang setara dengan analis kuantitatif Citadel dengan biaya kurang dari secangkir kopi.

2. Sub-agen penjualan Nexus menyaring 200 lead yang sesuai dengan persona pelanggan targetmu — perusahaan fintech di Asia Tenggara AS generasi B round dan seterusnya, yang belum menggunakan penyedia layanan data — dan melengkapi pengisian informasinya dengan biaya 0.002 dolar AS per lead. Antarmuka (interface) yang dipanggil dikembangkan oleh agen lain dan dipublikasikan di pasar terbuka. Ia menyaring 3 lead dengan minat tertinggi, lalu langsung menghubungi agen penjadwalan mereka untuk bernegosiasi mengenai waktu rapat. Sebelum setiap sesi pertemuan, ia mengambil data sekolah pascasarjana, jejaring bersama, berita perusahaan, dan sejarah pendanaan dari calon klien, serta merangkum ringkasan satu halaman untukmu, disematkan ke catatan rapat. Hanya pengisian informasi lead, jika melalui langganan SaaS, setiap akun perlu membayar 200 dolar AS per bulan.

3. Sub-agen operasional Nexus melakukan uji perbandingan situs konsultasimu dengan 6 penyedia layanan server: Vercel, Render, Railway, Fly.io, Netlify, dan Cloudflare. Ia memanggil antarmuka uji coba API dari setiap penyedia dengan biaya sangat rendah, men-deploy lingkungan pengujian, lalu mengukur latensi, ketersediaan, dan throughput. Akhirnya, Railway mencapai kinerja setara dengan biaya sepertiga. Nexus bernegosiasi biaya bulanan melalui agen penetapan harga Railway, membangun replika situs di server baru, dan menyelesaikan seluruh rangkaian pengujian untuk memastikan semuanya berjalan normal. Jika tidak ada agen, setidaknya butuh seminggu: mencari di internet, komunikasi permintaan penawaran, dan juga mengalami migrasi manual yang membuat cemas. Kamu hanya perlu mengonfirmasi kepada Nexus untuk menjalankan eksekusinya.

Agenmu menyelesaikan semua ini, hanya dengan biaya 0.67 dolar AS.

Sekarang, kalikan skenario ini dengan setiap pekerja pengetahuan di seluruh dunia, setiap perusahaan, dan setiap agen cerdas yang sedang berjalan.

Bzzz——

Nexus: saldo tidak mencukupi, sisa 1.87 dolar AS.

Seperti minggu lalu, kamu melakukan top up 5 dolar AS ke kartu kredit yang terikat melalui pembayaran Apple, lalu lanjut menggosok gigi. Di lapisan paling bawah, 5 dolar AS itu ditukar menjadi stablecoin dari kartu kredit—tetapi kamu sama sekali tidak melihat dompet, tidak perlu mempertimbangkan deposit, dan sepenuhnya tidak perlu menyentuh blockchain.

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

Namun hari ini, internet belum siap untuk menopang semuanya.

Saat ini, internet dirancang untuk manusia. Internet membatasi lewat rate limiting, captcha, kunci API untuk menyaring perilaku non-manusia, lalu memonetisasi pengguna manusia melalui iklan. Namun, seiring munculnya banyak agen otonom, model bisnis ini akan sepenuhnya runtuh.

Lonjakan arus lalu lintas, penurunan perhatian yang efektif.

Server jaringan yang jangka panjang mengandalkan pendapatan iklan sebagai subsidi akan menghadapi permintaan dalam skala yang meningkat—dan sumber permintaan ini tidak akan pernah dipengaruhi iklan.

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

Akses dengan biaya, akses dengan biaya, penggunaan dengan biaya.

Perusahaan yang membangun infrastruktur yang akhirnya diadopsi secara luas oleh agen akan menangkap kumpulan aktivitas ekonomi tambahan terbesar yang bisa kita lihat untuk generasi ini. Raksasa yang ada sudah berlomba merebut posisi, tetapi ekonomi mesin juga akan melahirkan raksasa baru miliknya sendiri. Gelombang internet baru sebelumnya melahirkan Google, Amazon, Facebook, PayPal, dan Salesforce.

Era internet berbasis agen cerdas, akan segera tiba.

Proyeksi ukuran pasar

Menjelang 2030, sebagian besar interaksi jaringan tidak lagi dilakukan melalui browser. Agen cerdas kami akan bertindak untuk menjelajah, menguji, bernegosiasi, membentuk tim sub-agen, dan mengeksekusi transaksi. Setiap tugas yang mereka selesaikan akan menghasilkan serangkaian pembayaran kecil. Biaya per penggunaan tampak seperti pengeluaran tambahan, tetapi sebenarnya itu menggantikan biaya yang jauh lebih tinggi dari alat dan tenaga kerja manusia. Semakin canggih alat yang tersedia, semakin baik kinerja agen, dan kita akan memberi mereka tingkat otonomi yang lebih tinggi.

Permintaan & kecepatan adopsi

Mari buat estimasi kasar.

Dalam contoh sebelumnya, agen Joe menyelesaikan ratusan transaksi hanya dengan biaya 0.67 dolar AS. Jika skala ini diperluas ke sebuah perusahaan menengah dengan 500 orang — setiap karyawan memiliki agen pribadi, ditambah dengan ratusan agen bersama untuk departemen seperti penjualan, keuangan, hukum, operasi, dan seterusnya — setiap hari dengan mudah menghasilkan 100,000 transaksi yang diprakarsai oleh agen.

Lebih dari 1 miliar pekerja pengetahuan global, di mana 88% sudah menggunakan AI dalam pekerjaan mereka. Ukuran sisi permintaan sangat besar dan terus tumbuh. Namun saat ini, penggunaan jenis ini sebagian besar terbatas pada tugas dasar, seperti pencarian web, ringkasan dokumen, atau penulisan email. Transformasi penuh ke agen cerdas belum datang, tetapi begitu dimulai, kecepatannya akan sangat tinggi.

Instagram membutuhkan 30 bulan untuk mencapai 100 juta pengguna, TikTok membutuhkan 9 bulan, sedangkan ChatGPT hanya 2 bulan (data Reuters / UBS). Salah satu alasan cepatnya adopsi ChatGPT adalah antarmuka percakapan sudah dikenal luas, dan tidak perlu mempelajari perangkat lunak baru, serta tidak perlu mengubah kebiasaan penggunaan — kamu hanya perlu mendeskripsikan kebutuhanmu, dan agen akan berusaha menyelesaikannya.

Satu-satunya penghalang adalah kepercayaan, dan kecepatan membangun kepercayaan jauh melampaui ekspektasi orang. Saat ini Claude Code telah menyumbang 4% dari seluruh komit kode publik di GitHub (lebih dari 135,000 kali per hari). Dengan kecepatan pertumbuhan saat ini, diperkirakan pada akhir 2026 akan menembus 20%. Artinya, dalam 13 bulan terjadi pertumbuhan 42896 kali. Para pengembang hanya butuh lebih dari setahun untuk beralih dari skeptis ke skala besar menyerahkan kode tingkat produksi kepada AI.

Seiring model menjadi semakin cerdas, antarmuka semakin ringkas, dan semakin banyak kompleksitas teknis disembunyikan melalui abstraksi, menurut saya laju adopsi agen cerdas akan makin dipercepat.

Menjelang 2030, bahkan jika hanya 60% pekerja pengetahuan menggunakan agen, pengeluaran harian 3 hingga 5 dolar AS (ini sudah estimasi konservatif — ingat, Joe menyelesaikan tiga tugas sebelum sarapan hanya dengan biaya 0.67 dolar AS), skala transaksi agen di sisi personal saja akan mencapai 800 miliar hingga 1.4 triliun dolar AS per tahun.

Pasar perusahaan

Dragonfly’s Robbie・Petersen menulis dalam artikelnya bahwa agen cerdas untuk komersial merupakan evolusi yang masuk akal dari model SaaS. Saya sangat setuju dengan itu. Mereka tidak lagi sekadar membantu alur kerja, tetapi akan sepenuhnya menggantikan proses yang ada. Sama seperti sekarang lebih dari 95% belanja perangkat lunak berasal dari perusahaan dan lembaga pemerintah, jumlah penggunaan dan skala pengeluaran agen cerdas di sisi perusahaan kemungkinan besar akan jauh melampaui pasar individu.

Kita sudah menyaksikan perubahan ini. Klarna mengganti Salesforce dengan sistem AI internal, menghemat sekitar 2 juta dolar AS. ZoomInfo membangun agen AI untuk menggantikan departemen persetujuan transaksi mereka, menghemat lebih dari 1 juta dolar AS per tahun. Ini hanya contoh awal ketika satu alur kerja dipasok menjadi agen, sehingga menghemat jutaan biaya. Setiap perusahaan memiliki ratusan proses seperti itu di departemen penjualan, keuangan, hukum, operasi, dan R&D. Begitu agen cerdas di-deploy secara menyeluruh di seluruh perusahaan, skala belanja terkait akan sangat mengagetkan.

Siapa pun bisa menjadi pedagang

Seiring agen kode secara drastis menurunkan biaya pengembangan, ambang masuk untuk pedagang internet semakin mendekati nol. Seorang perencana pernikahan yang ahli dalam penyaringan venue bisa mengemas alur kerja terbaiknya untuk dijual. Seorang pengembang independen di Lagos bisa mengembangkan API untuk bidang vertikal, dan mulai menghasilkan pendapatan dari agen di seluruh dunia dalam hitungan jam. Kamu hanya perlu memiliki keahlian profesional, dan membuat sebuah antarmuka API melalui prompting, lalu kamu bisa mulai menerima pembayaran.

Namun, bagaimana jika agen mulai menjual layanan kepada agen lain?

Misalkan Joe yang disebut sebelumnya ingin masuk ke bidang baru: sebuah perusahaan medis menengah di Midwest AS yang memiliki infrastruktur pembayaran usang. Jika agennya menalar dari nol hingga selesai, biaya token akan cepat menumpuk:

• Menyaring 200 perusahaan yang sesuai dengan persona tertentu (inference + panggilan API): sekitar 500 ribu token

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

• Mengunci pengambil keputusan dari klien inti: sekitar 200 ribu token

• Memberi skor sinyal niat (ritme rekrutmen, siklus kontrak): sekitar 300 ribu token

• Meneliti latar belakang tiap pengambil keputusan: 20 lead × sekitar 10 ribu token = 20 ribu token

• Menulis copy penjangkauan yang dipersonalisasi: 20 lead × sekitar 3000 token = 60 ribu token

Total kira-kira 2.3 juta token. Dengan perhitungan biaya menggunakan Opus 4.6 seperti model terdepan, biayanya berada di kisaran 8–15 dolar AS.

Tunggu—bukankah agen penjualan sub-agennya Joe sebelumnya melakukan alur serupa hanya dengan biaya beberapa sen?

Benar. Karena sebagian besar langkah sudah diselesaikan oleh agen lain. Pengisian lead, penilaian niat, penjadwalan jadwal—semuanya tersedia dalam paket interface yang sudah siap di pasar terbuka. Harganya hanya beberapa per seratus dolar.

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

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

Tinjauan realistis

Lalu, seberapa jauh kita dari transaksi komersial agen cerdas yang benar-benar matang?

Tim Artemis tempat saya berada terus memantau perkembangan dua protokol pembayaran agen utama: protokol x402 yang diopen-source oleh Coinbase, dan Machine Payment Protocol (MPP) yang diluncurkan bersama oleh Stripe dan Tempo. Secara sederhana, tujuan dari dua kategori protokol ini sepenuhnya sama: memungkinkan pengguna atau agen membayar layanan apa pun dalam satu permintaan jaringan (misalnya data, web scraping, inferensi model, atau layanan API lainnya), sehingga menghindari kerumitan seperti registrasi akun, kunci API, penyelesaian tagihan, dan sebagainya.

Saat ini, semuanya masih berada pada tahap awal.

Pada akhir 2025, volume transaksi protokol x402 dipompa secara berlebihan oleh spekulasi meme coin dan perilaku menyikat volume melalui leaderboard. Grafik di atas adalah “aktivitas” transaksi yang disesuaikan setelah disaring menggunakan algoritma khusus untuk transaksi palsu. Setelah menghapus gangguan dari transaksi palsu dan spekulasi meme coin, terlihat jelas bahwa ekonomi agen belum benar-benar datang. Sebagian besar aktivitas saat ini hanyalah pengembang yang menguji API berbayar dan alat AI, bukan ekonomi agen yang sesungguhnya yang sedang berjalan.

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

1. Sisi pasokan belum terbentuk: jumlah antarmuka API praktis yang mampu membuat agen memiliki kemauan membayar masih sangat kurang.

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

Karena seluruh ekosistem masih berkembang, masih terlalu dini menjadikan volume transaksi sebagai metrik utama. Metrik observasi yang lebih masuk akal adalah pertumbuhan sisi pasokan, yaitu jumlah pedagang yang menyediakan layanan untuk agen. Pedagang jenis ini kita sebut sebagai penyedia layanan.

Grafik di atas menunjukkan perubahan kumulatif jumlah penyedia layanan (penjual) yang memenuhi standar dari waktu ke waktu. Penyedia layanan yang memenuhi standar harus memenuhi: melakukan lebih dari dua transaksi “nyata”, dan minimal memiliki dua pembeli yang berbeda. Pada bulan Oktober tahun lalu, angka ini masih belum mencapai 100, sementara kini sudah lebih dari 4,000. Saya perkirakan laju pertumbuhan ini akan terus meningkat, terutama didorong oleh tiga tren utama:

1. AI sedang menurunkan ambang pembuatan produk digital (seperti yang disebutkan sebelumnya), yang berarti lebih banyak orang dan agen AI akan menjadi pedagang.

2. Layanan baru akan dirancang dengan ide utama “mengutamakan agen”. Agen sedang menjadi pelanggan inti, sehingga bentuk produk yang dibuat untuk mereka akan sangat berbeda: menggunakan API menggantikan web, akses instan menggantikan proses registrasi, dan pembayaran sesuai kebutuhan menggantikan model langganan.

3. Penyedia layanan yang ada akan dipaksa bertransformasi. Seiring makin banyak pengguna berinteraksi melalui antarmuka AI, bukan dengan browsing web manual, model bisnis yang mengandalkan iklan akan sepenuhnya gagal, karena tidak ada perhatian pengguna manusia yang bisa dimonetisasi. Perusahaan tidak akan punya pilihan selain membayar langsung untuk konten dan layanan.

Kekuatan ini akan membentuk roda gigi yang menguatkan ke arah positif: sisi permintaan dan sisi penawaran saling memperbesar satu sama lain, hingga akhirnya menyalakan ekonomi agen sepenuhnya.

Tata letak industri

Arsitektur ekosistem transaksi agen sedang terbentuk dengan cepat. Banyak startup bermunculan seperti jamur setelah hujan, berfokus pada mengisi setiap celah dalam arsitektur tersebut; pada saat yang sama, perusahaan yang sedang tumbuh dalam fintech dan layanan perangkat lunak (SaaS) juga bertransformasi menjadi transaksi agen asli (native). Dalam 12 bulan terakhir, hampir semua raksasa pembayaran arus utama dan laboratorium AI telah meluncurkan atau mengumumkan protokol terkait transaksi agen.

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

Kita uraikan dari atas ke bawah.

Lapisan antarmuka

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

Antarmuka pengguna

Ini adalah pintu masuk tempat kebanyakan orang berinteraksi langsung dengan agen cerdas. Apple, Google, OpenAI, Anthropic, xAI, dan Perplexity sedang membangun antarmuka interaksi seperti ini, dan bentuknya bergerak cepat keluar dari sekadar mode obrolan. Bentuk-bentuk baru terus bermunculan, seperti asisten suara, asisten di desktop, asisten pendamping yang tersemat, agen peramban (browser agent), dan lain-lain—semakin dekat dengan skenario penggunaan nyata pengguna. Platform yang menjadi antarmuka AI default bagi pengguna akan menjadi titik awal untuk semua transaksi yang diprakarsai oleh agen; pemenang di jalur ini akan memperoleh keunggulan tambahan yang sangat besar.

Laboratorium AI telah memindai dan melatih data seluruh internet; kini, satu-satunya data umpan balik manusia yang berkualitas tinggi menjadi data pelatihan terbaik yang tersisa. Setiap kali kamu menerima atau menolak balasan, melakukan koreksi, atau memberikan informasi preferensi kepada Claude atau ChatGPT, antarmuka interaksi yang kamu gunakan akan menangkap data tersebut, untuk dijual atau untuk pelatihan model. Menguasai antarmuka berarti menguasai umpan balik yang dapat mengoptimalkan pengalaman pengguna dan model itu sendiri dalam sebuah loop tertutup. Inilah juga alasan Anthropic meluncurkan Claude Code, Google mengakuisisi Windsurf, dan OpenAI mencoba mengakuisisi Cursor. Begitu agensimu mengumpulkan konteks tentang preferensimu, workflow, dan alat yang sering kamu gunakan, biaya perpindahan pengguna menjadi sangat tinggi.

Penemuan layanan

Ketika agen Joe membutuhkan antarmuka pengisian lead atau penyedia data satelit, bagaimana ia menemukan layanan yang tepat? Ini mungkin adalah tantangan terbesar yang belum terselesaikan dalam arsitektur ekosistem ini. Solusi saat ini sebagian besar berupa daftar alat yang dikodekan (hard-coded) atau marketplace layanan yang kurasi. Berbagai platform sedang membangun ekosistem internal mereka sendiri: OpenAI dan Stripe meluncurkan ACP, Google dan Shopify meluncurkan UCP, dan Visa meluncurkan TAP. Pada dasarnya, semuanya adalah direktori pedagang; agar bisa berfungsi, platform dan pedagang harus sama-sama melakukan integrasi secara proaktif. Model seperti ini bekerja dengan baik untuk skenario umum, tetapi ketika ambang pembuatan dan penjualan layanan digital turun secara drastis, banyak aplikasi niche yang sangat terspesialisasi akan bermunculan, dan model kurasi tidak mampu memenuhi kebutuhan panjang ekor (long-tail) tersebut.

Perusahaan seperti Coinbase, Merit Systems, Orthogonal, dan Sapiom sedang membangun alternatif terbuka. Mereka membangun agregator dan infrastruktur dasar sehingga agen bisa menemukan sendiri dan menggunakan layanan secara berbayar saat berjalan (runtime), tanpa integrasi atau kerja sama bisnis terlebih dahulu. Ketika sisi pasokan (yaitu sumber daya jaringan) tumbuh secara eksponensial, tingkat kesulitan dalam menyelesaikan masalah ini sangat besar. Tetapi siapa pun yang bisa mengatasi sistem pemeringkatan dan rekomendasi, sehingga agen bisa dipasangkan dengan layanan yang tepat pada waktu yang tepat, akan memegang otoritas industri yang sangat besar.

Transaksi agen pada akhirnya akan mengarah ke mode kurasi yang tertutup, atau mode ekosistem terbuka, dan bagaimana susunan ini menentukan pembagian nilai—ini adalah salah satu perdebatan paling inti di bidang tersebut. Kami akan membahas topik ini lebih dalam nanti.

Lapisan agen cerdas dan akun

Untuk menyelesaikan tugas bagi kita, agen cerdas saja tidak cukup dengan “pintar”. Sub-agen penjualan Joe menyelesaikan seluruh alur: menyaring 200 lead, melengkapi informasi, dan menjadwalkan tiga rapat—tanpa Joe perlu mengonfigurasi alat apa pun, mengelola kunci API, atau menyetujui setiap langkah secara individu. Sebagian besar infrastruktur yang mendukung semuanya bersifat tanpa rasa bagi pengguna akhir, tetapi tanpa infrastruktur tersebut, agen hanyalah model bahasa besar tanpa kemampuan eksekusi. Berikut ringkasan komponen dasar inti yang diperlukan untuk mewujudkan semua ini:

Alat dan standar

Protokol dan kerangka kerja seperti ini memberikan kemampuan agen cerdas untuk berinteraksi dengan dunia luar. MCP (Machine Communication Protocol, diprakarsai oleh Anthropic, kini dikelola oleh Linux Foundation) memungkinkan agen terhubung ke data dan alat eksternal: memanggil API yang belum pernah disentuh, membaca basis data, atau memanggil layanan tertentu secara instan. A2A (yang diajukan oleh Google) mendefinisikan bagaimana agen yang dikembangkan di platform berbeda saling menemukan dan bekerja sama. Kerangka kerja yang diluncurkan oleh LangChain, NVIDIA, dan Cloudflare memberi pengembang modul dasar untuk membuat dan menyebarkan agen di atas protokol-protokol ini. OpenClaw baru-baru ini diakuisisi oleh OpenAI, yang mengintegrasikan manajemen konteks dan pemanggilan alat ke dalam satu kerangka kerja tunggal yang mengutamakan lokalisasi, sehingga sangat menurunkan kesulitan bagi pengembang untuk membangun agen yang bisa menemukan dan menggunakan layanan secara mandiri serta berbayar.

Masalah inti di bidang ini adalah: pada akhirnya standar-standar ini akan menjadi satu yang seragam, atau akan terfragmentasi? Dengan kerangka komersial yang dibangun di atas standar-standar ini, apakah nilai bisa ditangkap sebelum alat menjadi homogen?

Autentikasi identitas

Setelah agen bisa saling berkomunikasi, perlu membangun kepercayaan. Sebelum agen melakukan transaksi atau menjual layanan, ia harus membuktikan subjek otorisasinya dan hak aksesnya, serta menyimpan catatan perilaku yang dapat diverifikasi oleh agen lain.

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

Ruang desain di bidang ini sangat luas, dan risikonya juga sangat tinggi: sebelum agensemu mendapat persetujuan dari kamu, berapa jumlah maksimum yang boleh ia keluarkan? Bisakah ia mewakilimu menandatangani kontrak? Bisakah hak akses dideligasikan ke sub-agen? Aturan dan batas keamanan seperti ini besar kemungkinan akan diputuskan pada lapisan akun.

Dompet

Jelas, agar agen bisa melakukan pembayaran, ia harus memiliki dompet. Banyak vendor seperti Coinbase, Safe, MetaMask, Phantom, MoonPay, Privy, dan lainnya sedang menggarap area ini. Fitur yang ditawarkan mencakup akses dan pembuatan terprogram, delegasi otorisasi, batas pengeluaran per transaksi, daftar penerimaan (white list) untuk penerima, serta kemampuan untuk berjalan di banyak chain tanpa pengguna perlu mengonfirmasi setiap operasi secara manual. Ini adalah salah satu arena paling kompetitif di ekosistem, dan juga memunculkan pertanyaan kunci: di mana letak moat perusahaan? Pada akhirnya, apakah area ini akan menjadi homogen?

Lapisan pembayaran

Lapisan pembayaran posisinya lebih dalam dalam seluruh arsitektur, sehingga seharusnya tidak terasa oleh pengguna akhir. Namun dalam ekonomi mesin, setiap aliran dana akan melewati lapisan ini. Saat agen Joe membayar 0.24 dolar AS untuk mengambil data dari 40 penyedia layanan pada malam hari, ia tidak perlu memilih kartu organisasi, mata uang, atau settlement chain untuk setiap transaksi.

Kesulitan utamanya adalah: kanal pembayaran tradisional dirancang untuk manusia yang mengklik tombol “beli”, bukan untuk transaksi agen yang melakukan ribuan panggilan per menit, dengan nominal per panggilan di bawah satu sen. Jaringan kartu memiliki biaya tetap sekitar 0.03–0.04 dolar AS per transaksi, ditambah biaya 2.3%–2.9%. Ini bisa diterapkan untuk pesanan hotel 400 dolar AS, tetapi sama sekali tidak cocok untuk transaksi agen multi-langkah yang baru.

Dari sinilah muncul protokol dan sistem mata uang baru yang didesain khusus untuk transaksi agen, sekaligus raksasa tradisional yang ikut mengadaptasi infrastruktur yang ada agar sesuai dengan kebutuhan ini.

Poin inti sebagai berikut:

Kanal pembayaran

Protokol dan standar ini mendefinisikan bagaimana agen cerdas memulai, merutekan, dan menyelesaikan pembayaran (settlement). Saat ini, dua jalur teknis utama yang terbentuk adalah:

1. x402 (Coinbase/Cloudflare) dan MPP (Stripe/Tempo) yang didesain khusus untuk transaksi native mesin: agen memanggil interface, mendapatkan penawaran, menandatangani pembayaran, menerima data—semuanya selesai dalam satu permintaan HTTP. Settlement menggunakan stablecoin, dan biaya per transaksi hanya beberapa per seratus dolar.

2. ACP (OpenAI/Stripe), AP2 (Google/PayPal), dan TAP dari Visa mengambil pendekatan lain: mengubah infrastruktur pembayaran kartu yang sudah ada agar cocok untuk skenario agen. Solusi seperti ini lebih cocok untuk transaksi bernilai tinggi; dibandingkan kecepatan settlement dan biaya, kepastian pembeli (buyer protection) dan cakupan penerimaan pedagang (merchant acceptance coverage) menjadi lebih penting.

Stablecoin dan settlement

Agen cerdas membutuhkan mata uang yang bisa diprogram, cepat, berbiaya rendah, dan bersifat global. Stablecoin sepenuhnya memenuhi persyaratan ini, sehingga menjadi pilihan alami untuk transaksi x402 dan MPP. Di saat yang sama, kanal pembayaran kartu masih bisa memberikan buyer protection, dan kebiasaan pedagang dalam penggunaan sudah matang—ini tetap penting untuk transaksi bernilai tinggi. Rantai dasar (contohnya Base, Solana, Tempo) membawa masalah kunci lain: chain mana yang mampu menopang throughput pemrosesan yang dibutuhkan untuk transaksi skala besar versi agen, finalitas transaksi, dan struktur biaya?

Pihak penyedia layanan (service side)

Institusi seperti ini berada di antara agen cerdas dan pedagang, bertindak sebagai perantara untuk menangani aspek rumit seperti tinjauan kepatuhan (compliance), integrasi pedagang, verifikasi otorisasi, dan lain-lain. Coinbase, Stripe, dan PayPal memperluas ekosistem yang ada untuk mendukung transaksi agen. Mereka bertaruh pada jaringan pedagang dan infrastruktur compliance yang bisa menjadi keunggulan kompetitif. Beberapa institusi lain seperti Sponge dan Sapiom memulai dari sisi pedagang yang baru muncul untuk menyelesaikan masalah cold start, sehingga siapa pun yang menjalankan bisnis berbasis API bisa dengan mudah mulai menerima pembayaran agen. Seiring jumlah kanal pembayaran, protokol, dan pedagang terus bertambah, koordinator berpotensi menjadi penghubung kunci untuk mencegah seluruh sistem terfragmentasi.

Lapisan mesin AI

Lapisan ini tidak perlu penjelasan terlalu panjang. Semua interaksi agen, langkah inferensi, dan pemanggilan alat digerakkan oleh lapisan ini. Tetapi kecepatan perubahan model bisnis pada lapisan ini jauh melampaui bagian lain dalam arsitektur. Dan nilai akhirnya tidak akan semudah yang terlihat di permukaan. Kami fokus pada dua kategori:

Komputasi dan layanan pengelolaan (hosting)

Setiap kali agen cerdas Joe melakukan inferensi untuk sebuah tugas, memanggil alat, atau membuat sub-agen, itu menghabiskan sumber daya komputasi. Tetapi inferensi model hanyalah sebagian dari semuanya. Dengan ledakan pertumbuhan aplikasi low-code / pengembangan dadakan dan layanan yang dibangun sendiri oleh agen, muncul banyak antarmuka baru yang semuanya membutuhkan wadah hosting. Hingga Mei 2025, jumlah halaman web yang bisa diakses meningkat 45% hanya dalam dua tahun; dan karena agen kode membuat peluncuran layanan baru menjadi sangat mudah, laju peningkatan ini hanya akan semakin cepat. Artinya, kebutuhan komputasi tumbuh dari dua arah sekaligus: di satu sisi lebih banyak agen menangani lebih banyak tugas, di sisi lain lebih banyak layanan terus diluncurkan untuk memenuhi kebutuhan mereka.

Vendor cloud skala sangat besar (AWS, Google Cloud, NVIDIA) adalah peserta inti yang jelas. Di antaranya, AWS dan Google Cloud terus menyederhanakan proses penyebaran (deploy) backend agen dan API ke infrastruktur mereka. Cloudflare fokus pada edge computing, menyediakan komputasi serverless berlatensi rendah untuk layanan yang ditujukan bagi agen. Sementara platform komputasi terdesentralisasi seperti Akash, Bittensor, dan Nous memenuhi kebutuhan komputasi berlebih dengan mengintegrasikan sumber daya GPU global dan menjualnya dengan harga sangat rendah.

Model dasar skala besar

Model dasar adalah “otak” dari seluruh sistem. Anthropic, OpenAI, Google, dan Meta sebagai lab terdepan terus memperluas batas kemampuan agen cerdas, sementara biaya untuk menjalankan model-model tersebut terus turun dengan cepat. Pada akhir 2022, biaya menjalankan model level GPT4 sekitar 20 dolar AS per sejuta token; sedangkan pada awal 2026, untuk kinerja setara biaya model turun menjadi sekitar 0.05 dolar AS per sejuta token—dalam lebih dari tiga tahun penurunannya mencapai 600 kali. Upgrade perangkat keras, persaingan antar vendor, serta optimasi seperti prompt caching dan batch processing bersama-sama terus menekan biaya inferensi. Sementara itu, seiring logika inferensi dirangkum menjadi model bobot open-source yang lebih kecil, dan biaya menjalanknya sangat rendah, biaya untuk membangun kecerdasan juga turun secara besar. Dalam beberapa benchmark, gap kinerja antara model bobot open-source dan model tertutup menyempit hingga hanya 1.7%.

Ini adalah kabar besar bagi ekonomi mesin.

Kecerdasan yang lebih murah berarti agen yang lebih murah, sehingga seorang pendiri independen berusia 24 tahun dari Vermont juga mampu menanggung biaya operasional dengan mudah—yang selanjutnya mendorong aktivitas transaksi di seluruh lapisan ekosistem agar makin aktif. Jika model besar terjebak dalam perang harga seperti layaknya penyedia layanan cloud saat ini, nilai pada akhirnya mungkin justru terkonsentrasi pada bagian hulu-hilir di lapisan model, bukan pada model itu sendiri.

Siapa yang akan menjadi pemenang?

Menjelang 2030, sebagian besar interaksi digitalmu tidak lagi memerlukan browser, mesin pencari, atau app store. Kamu hanya perlu menyampaikan kebutuhanmu, dan agen cerdas akan menangani semuanya: mencari layanan yang tepat, bernegosiasi syarat, menyelesaikan pembayaran, dan menyerahkan hasil akhir. Internet akan tampak jauh berbeda.

Bisa dipahami sebagai: era optimasi mesin pencari untuk agen. API akan semakin banyak, sementara antarmuka interaksi untuk manusia akan semakin sedikit.

Dalam dunia seperti itu, siapa yang bisa memetik nilai?

Sam・Laggssdale dari Merit Systems pernah menulis, membandingkan ekosistem transaksi agen saat ini dengan internet awal. Ia berpendapat bahwa marketplace layanan agen terkurasi yang dibangun oleh berbagai platform (ACP, UCP, TAP) mengikuti jalur lama AOL Amerika pada era 90-an—pengalaman terasa rapi, sistem tertutup, tetapi keterbatasan utamanya adalah semua penyedia layanan harus disaring dan diaudit secara manual. Sementara protokol terbuka seperti x402 dan MPP lebih kasar, protokol ini memiliki sifat tanpa izin (permissionless): siapa pun bisa membangun interface, tanpa tim bisnis atau audit hukum, dan tetap bisa menghasilkan pendapatan melalui agen. Pada era 90-an, pengalaman produk tipe taman bunga tertutup memang lebih unggul, tetapi internet terbuka memiliki kemungkinan tak terbatas.

Pada akhirnya, internet terbuka yang menang.

Logika yang sama sedang terulang. ACP, UCP, dan TAP akan terhubung dengan lab AI teratas, melayani skenario mainstream dengan baik, tetapi terbatas pada agen yang hanya bisa mengakses daftar penyedia layanan yang sudah disaring sebelumnya—hanya mampu menyelesaikan tugas yang sudah ditetapkan platform. Sedangkan agen yang bisa mengakses seluruh ekosistem protokol terbuka memiliki batas kemampuan yang jauh lebih lebar.

Ingat, bagian paling hidup dari internet saat ini justru berasal dari HTTP yang menghadirkan volume lalu lintas long-tail situs web terbuka dalam jumlah besar.

Kita harus rendah hati untuk mengakui bahwa kita tidak bisa membayangkan seluruh gambaran internet agen terbuka. Sama seperti tahun 1995 tak seorang pun bisa memprediksi munculnya ride-hailing atau media sosial, ketika kita menyediakan alat yang dibutuhkan agen, kita juga tidak bisa memprediksi apa yang akan mereka ciptakan, serta layanan apa yang akhirnya akan mereka bayar.

Seperti yang sudah kita bahas sebelumnya, model dasar skala besar bergerak cepat menuju homogenisasi, dan nilai mungkin berpindah ke lapisan lain dalam arsitektur teknologi. Alat pengembangan, dompet, dan infrastruktur identitas itu penting, tetapi ketika standar menjadi lebih seragam, bidang-bidang tersebut juga kemungkinan besar akan menjadi homogen. Karena itu saya percaya, nilai akan terkonsentrasi pada tiga area: antarmuka interaksi, pembayaran, dan komputasi.

Antarmuka interaksi

Antarmuka interaksi menentukan batas limit pengeluaran, proses persetujuan, dan mekanisme delegasi kepercayaan. Platform yang bisa menciptakan pengalaman paling personal untuk pengguna akan menanggung paling banyak arus transaksi.

Apple adalah partisipan yang paling diremehkan di area ini. Perangkat mereka sudah terintegrasi sedalam kehidupan sehari-hari orang, dan biaya perpindahan pengguna sangat tinggi. Jika Siri berevolusi menjadi pintu masuk interaksi agen yang matang, Apple tidak perlu membangun model paling mutakhir untuk bisa mengendalikan titik awal puluhan miliar transaksi. Mereka hanya perlu mempertahankan pintu masuk interaksi yang paling berkualitas.

Transformasi yang dihadapi Google justru lebih sulit. Berpindah dari browsing manual manusia ke penyaringan cerdas oleh agen akan menggerus pendapatan iklan inti mereka. Namun Google punya keunggulan yang tak dimiliki perusahaan lain: ia mengumpulkan data pribadi puluhan tahun di area pencarian, email, kalender, peta, dan dokumen. Selain itu, perlu dipertimbangkan juga biaya perpindahan bagi sisi enterprise: Google Workspace sudah tertanam di jutaan perusahaan, email, dokumen, dan workflow karyawan berjalan di infrastruktur Google. Jika ada perusahaan yang paling mampu membuat agen yang paling personal untuk konsumen dan perusahaan, maka itu adalah Google. Tantangannya adalah apakah mereka dapat memonetisasi layanan agen secara efisien seperti memonetisasi traffic pencarian.

Merit Systems adalah wild card yang saya pandang menjanjikan. Mereka membangun infrastruktur penemuan layanan untuk ekonomi agen terbuka (AgentCash, x402 scan, MPP scan), sekaligus mengembangkan antarmuka sisi konsumen (Poncho). Logika intinya adalah: siapa pun yang menguasai kanal penemuan layanan agen dan sekaligus masuk ke dalam proses aliran dana, maka pihak itu akan mengambil posisi seperti Google pada internet awal. Ini adalah taruhan ambisius, tetapi jika transaksi agen terbuka mengalahkan mode terkurasi yang tertutup, Merit akan menjadi lapisan agregasi yang paling unggul. Saat ini masih tahap awal, seperti saat persaingan ekosistem tertutup AOL kala itu versus Google yang kini nilainya setara sekitar 350 miliar dolar AS.

Pembayaran

Siapa pun yang menguasai aliran dana, dia akan mendapatkan bagi hasil dari setiap transaksi. Saya paling percaya pada prospek lapisan ini karena skalanya akan tumbuh seiring volume transaksi.

Stripe dan Tempo unggul dalam pembayaran native mesin. Stripe sudah memiliki ekosistem developer yang matang dan jaringan pedagang yang besar. Tempo memiliki fitur pembayaran berbasis aliran (streaming payments), finalitas transaksi sekitar 500 milidetik, dukungan pembayaran streaming pada kanal pembayaran, dukungan asli kartu dan stablecoin, pembayaran biaya Gas menggunakan dolar (tanpa risiko fluktuasi token), transaksi yang dibayar oleh server (server-paid), dan lain-lain—dirancang khusus untuk volume transaksi masif ekonomi mesin. Jika MPP menjadi default kanal pembayaran native mesin, Stripe dan Tempo akan mengambil komisi dari setiap transaksi yang dijalankan agen.

Circle akan tumbuh seiring perluasan ekonomi agen. Saya yakin stablecoin akan menjadi lapisan settlement untuk ekonomi mesin, dan saat itu Circle akan memperoleh bagi hasil dari setiap dana dolar dalam dompet agen melalui pendapatan dari cadangan (reserves). USDC adalah stablecoin dengan penerimaan paling luas di bursa, dompet, public chain, dan protokol pembayaran. Pengembang baru akan memprioritaskan penggunaan stablecoin ini, yang semakin memperdalam integrasi ekosistemnya sehingga pesaing semakin sulit masuk.

Visa akan melakukan adaptasi. Ingat ketika Joe melakukan top up dengan kartu kredit melalui Apple Pay, dan di lapisan bawah semuanya secara otomatis ditukar menjadi stablecoin sementara dia tidak melihat dompet dan tidak perlu memikirkan blockchain sama sekali? Itulah kebiasaan masa depan. Konsumen akan tetap menggunakan kartu yang familiar, sementara settlement dilakukan oleh stablecoin di lapisan bawah. Seiring peningkatan kanal pembayaran, Visa akan mengandalkan kepercayaan mereknya di konsumen dan pedagang untuk menancapkan pijakan.

Komputasi dan layanan pengelolaan (hosting)

Pertumbuhan jumlah agen berarti meningkatnya kebutuhan inferensi. Semakin banyak layanan yang dikembangkan dadakan berarti kebutuhan hosting juga meluas. Apa pun model, protokol, atau antarmuka yang menjadi arus utama, penyedia komputasi akan diuntungkan. AWS dan Cloudflare adalah dua perusahaan paling unggul di bidang ini, dengan alasan yang mirip.

Pertama, mereka sudah menopang sebagian besar lalu lintas internet. AWS menempati sekitar 30% pangsa infrastruktur cloud di 37 wilayah di seluruh dunia. Cloudflare menyediakan layanan keamanan dan kinerja untuk lebih dari 20% situs web, yang berarti semua permintaan dari situs-situs tersebut akan melewati jaringannya. Ketika antarmuka baru untuk agen meledak jumlahnya, pengembang cenderung memilih platform deploy yang sudah mereka kenal.

Kedua, mereka sedang membangun infrastruktur monetisasi untuk internet generasi baru. Seiring kematian model iklan dan munculnya model akses berbayar, kedua perusahaan ini sama-sama mendukung secara native transformasi tersebut. Cloudflare sudah meluncurkan layanan paid scraping, yang memungkinkan situs web mana pun di dalam jaringannya menagih AI crawler melalui x402 (Stack Overflow sudah menggunakannya). Sedangkan AWS adalah anggota pendiri x402 foundation dan merilis arsitektur referensi serverless x402 yang bersifat open-source. Layanan apa pun yang berjalan di dua platform besar tersebut bisa dengan mudah mengaktifkan fitur monetisasi agen native.

Autentikasi identitas

Saya bersikap pesimis terhadap perusahaan seperti Worldcoin; sistem yang mereka bangun mengharuskan validasi manusia untuk setiap interaksi. Ide ekstrem ini berasumsi bahwa orang akan peduli apakah objek interaksi online adalah manusia atau agen, tetapi kita sudah terbiasa dengan hal itu. Menurut saya, masa depan yang lebih mungkin adalah: sebagian besar pemilahan lalu lintas jaringan akan didasarkan pada pembayaran kecil, bukan kredensial identitas manusia.

Akses berbayar akan lebih berguna daripada “membuktikan kamu manusia”.

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

Penutup

Saat Joe bangun, ia tidak akan memikirkan kanal pembayaran atau protokol identitas agen. Ia hanya melihat ponselnya dan tahu bahwa agennya telah menyelesaikan transaksi, menjadwalkan rapat, dan menemukan server yang lebih murah. Semua lapisan arsitektur teknis yang dibahas dalam artikel ini sudah diabstraksikan dengan sempurna; ia sama sekali tidak perlu khawatir.

Kita masih bergerak menuju masa depan ini. Protokol terkait sudah tersedia tetapi adopsinya belum cukup, sisi pasokan tumbuh tetapi masih tipis, masalah penemuan layanan belum terselesaikan, dan lapisan identitas masih terfragmentasi. Saat ini, sebagian besar transaksi hanyalah pengujian pengembang, bukan transaksi agen yang sebenarnya. Namun laju penyempurnaan puzzle ekosistem lebih cepat daripada apa yang ditunjukkan oleh metrik data. Mereka yang sekarang pesimis tentang infrastruktur tahap awal hanya fokus pada garis tren penurunan; sedangkan yang saya pikirkan adalah, ketika setiap orang memiliki satu atau sekumpulan agen yang benar-benar mampu melakukan tindakan ekonomi, seperti apa pemandangan itu nantinya.

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