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

Ringkasan

• Pada tahun 2030, agen cerdas (AI Agents) akan menjadi cara utama orang menggunakan internet.

• Jaringan agen tipe baru memerlukan saluran pembayaran, sistem mata uang, dan komponen dasar yang baru.

• Nilai akan terkonsentrasi pada tiga lapisan utama: lapisan antarmuka, entitas yang mengendalikan interaksi pengguna; lapisan pembayaran, entitas yang menyusup ke arus dana; serta lapisan komputasi dan custody, entitas yang menjalankan infrastruktur operasional

• Aktivitas bisnis agen cerdas pada ujung long-tail akan beroperasi dengan mengandalkan protokol terbuka.

Mari kita mulai dengan menggambarkan sebuah skenario.

Waktunya adalah tahun 2030. Usiamu 24 tahun, tinggal di Burlington, Vermont, dan suka berinvestasi—terutama menempatkan dana pada saham AS, dan juga ikut dalam beberapa transaksi mata uang kripto dan pasar prediksi di Kalshi. Dua bulan lalu, kamu paruh waktu mendirikan sebuah perusahaan konsultasi fintech.

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

Brrrr—

Nada dering ponsel membangunkanmu, seperti air dingin yang dituangkan ke wajah. Itu adalah pesan dari agen cerdas pribadimu, Nexus:

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

Pembaruan portofolio: menjual sebagian kepemilikan $WMT sebesar 15% di malam hari. Data satelit menunjukkan penurunan arus pelanggan di toko, dan sentimen laporan keuangan bergeser ke bearish; sudah diverifikasi silang.

Pembaruan jadwal: sore ini sudah dijadwalkan 3 rapat, ringkasan sudah dipasang di catatan rapat.

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

Total pengeluaran: 0.67 dolar AS

Apa yang sebenarnya terjadi ketika kamu sedang tidur?

1. Nexus mengirimkan sebuah agen anak untuk penelitian, menelan biaya 0.24 dolar AS, dan di malam hari menarik informasi dari 40 penyedia data yang berbeda, lalu membandingkan isi telekonferensi laba terbaru Walmart dengan citra satelit tempat parkir toko di seluruh AS, sehingga memperbarui logika investasimu. Ketika data satelit menunjukkan arus pelanggan Walmart menurun, agen portofolio investasimu mencocokkan sentimen pasar laporan keuangan Kalshi, mengonfirmasi sinyal bearish, dan menyelesaikan pengurangan porsi sebelum kamu bangun. Empat tahun lalu, strategi perdagangan seperti ini masih merupakan wilayah eksklusif Citadel Securities (Citadel) dan sejumlah kecil dana kuantitatif; mereka harus membayar jutaan dolar AS untuk berlangganan citra satelit. Bahkan terminal Bloomberg seharga 30 ribu dolar AS per tahun pun tidak dapat menutupi semua informasi—kamu masih harus berlangganan khusus citra satelit, data alternatif, dan menghabiskan beberapa jam untuk mengintegrasikan dan menganalisisnya. Namun sekarang, seorang pemuda berusia 24 tahun di Vermont bisa mendapatkan keunggulan informasi setara dengan analis kuantitatif Citadel dengan biaya kurang dari secangkir kopi.

2. Agen penjualan anak dari Nexus menyaring 200 prospek yang sesuai profil targetmu—perusahaan fintech di wilayah Asia Tenggara AS putaran B dan seterusnya, yang belum menggunakan penyedia layanan data—dan melengkapi pengisian informasi dengan biaya 0.002 dolar AS per prospek, menggunakan antarmuka yang dikembangkan oleh agen lain dan dipasang di pasar terbuka. Agen itu menyaring 3 prospek dengan minat tertinggi, lalu segera menghubungi agen jadwal mereka untuk bernegosiasi mengenai waktu rapat. Sebelum setiap pertemuan, ia menarik informasi kampus tempat lulus, koneksi bersama, berita perusahaan, dan riwayat pendanaan dari calon pelanggan, lalu menyusun ringkasan satu halaman untukmu dan memasangnya di catatan rapat. Hanya untuk pengisian informasi prospek ini saja, jika menggunakan langganan SaaS, tiap akun harus menghabiskan 200 dolar AS per bulan.

3. Agen operasional anak Nexus melakukan pengujian perbandingan antara situs konsultasimu dan 6 penyedia layanan server: Vercel, Render, Railway, Fly.io, Netlify, dan Cloudflare. Ia memanggil antarmuka trial API masing-masing layanan dengan biaya yang sangat rendah, melakukan deployment lingkungan pengujian, lalu mengukur latensi, ketersediaan, dan throughput. Pada akhirnya, Railway mencapai kinerja yang setara dengan biaya sepertiga. Nexus bernegosiasi biaya bulanan lewat agen penetapan harga milik Railway, membangun mirror situs di server baru, dan menyelesaikan seluruh pengujian untuk memastikan semuanya berjalan normal. Jika tidak ada agen, setidaknya butuh waktu seminggu: mencari di internet, komunikasi untuk penawaran, dan juga mengalami migrasi manual yang membuat cemas. Kamu hanya perlu mengonfirmasi kepada Nexus untuk menjalankan tugas.

Agenmu menyelesaikan semuanya 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 beroperasi.

Brrrr—

Nexus: saldo tidak cukup, sisa 1.87 dolar AS.

Seperti minggu lalu, kamu mengisi ulang kartu kredit yang terhubung melalui pembayaran Apple sebesar 5 dolar AS, lalu melanjutkan menyikat gigi. Pada lapisan terbawah, 5 dolar AS itu akan ditukar menjadi stablecoin dari kartu kredit—tapi kamu sama sekali tidak melihat dompet, tidak perlu memikirkan setoran, dan sama sekali tidak perlu berurusan dengan blockchain.

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

Namun, hari ini internet belum siap untuk menanggung semuanya.

Saat ini, internet dirancang untuk manusia. Internet melakukan penyaringan perilaku non-manusia lewat rate limiting, CAPTCHA, dan kunci API, serta menghasilkan uang dari pengguna manusia melalui iklan. Namun, seiring hadirnya banyak agen otonom, model bisnis ini akan sepenuhnya gagal.

Lonjakan lalu lintas, dan penurunan perhatian yang efektif.

Server jaringan yang jangka panjang disubsidi oleh pendapatan iklan akan menghadapi peningkatan permintaan dalam skala yang lebih besar, dan permintaan ini tidak akan pernah terpengaruh oleh iklan.

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

Akses dengan pembayaran untuk crawling, akses berbayar, penggunaan berbayar.

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

Era internet berbasis agen cerdas, segera tiba.

Proyeksi ukuran pasar

Pada tahun 2030, sebagian besar interaksi jaringan tidak lagi dilakukan melalui browser. Agen cerdas kami akan menggantikan pekerjaan menjelajah, pengujian, negosiasi, membentuk tim agen anak, dan mengeksekusi transaksi. Setiap tugas yang mereka selesaikan akan menghasilkan rangkaian pembayaran kecil. Biaya sekali pakai ini tampak seperti pengeluaran baru, tetapi sebenarnya menggantikan biaya yang jauh lebih besar dari alat dan tenaga kerja. Semakin canggih alat yang tersedia, semakin baik kinerja agen, dan kita akan memberi mereka otoritas otonom yang lebih tinggi.

Permintaan dan kecepatan adopsi

Mari buat perkiraan kasar.

Dalam contoh sebelumnya, agen Joe menyelesaikan ratusan transaksi hanya dengan biaya 0.67 dolar AS. Jika skala ini diperluas menjadi perusahaan menengah dengan 500 orang—dengan setiap karyawan dilengkapi agen pribadi, ditambah ratusan agen bersama untuk divisi penjualan, keuangan, hukum, operasi, dan lain-lain—dengan mudah dapat menghasilkan 100 ribu transaksi per hari yang dimulai oleh agen.

Pekerja pengetahuan global berjumlah lebih dari 1 miliar, dan 88% sudah menggunakan AI saat bekerja; ukuran sisi permintaan sangat besar dan terus bertumbuh. Namun, saat ini penggunaan seperti itu sebagian besar masih terbatas pada tugas dasar seperti pencarian web, ringkasan dokumen, atau penulisan email. Transformasi penuh ke agen cerdas belum datang, tapi begitu dimulai, kecepatannya akan sangat cepat.

Instagram mencapai 100 juta pengguna dalam 30 bulan, TikTok dalam 9 bulan, sedangkan ChatGPT hanya dalam 2 bulan (Reuters / Data UBS). Salah satu alasan penyebaran cepat ChatGPT adalah antarmuka percakapan sudah familiar bagi banyak orang, dan tidak perlu mempelajari perangkat lunak baru atau mengubah kebiasaan penggunaan—kamu hanya perlu menjelaskan kebutuhanmu, dan agen akan berusaha menyelesaikannya.

Satu-satunya penghambat adalah kepercayaan, dan kecepatan membangun kepercayaan jauh melampaui ekspektasi orang. Saat ini Claude Code telah berkontribusi 4% dari seluruh commit kode publik di GitHub (lebih dari 135 ribu kali per hari); dengan laju pertumbuhan saat ini, diperkirakan pada akhir 2026 akan melampaui 20%. Ini berarti dalam 13 bulan terjadi pertumbuhan 42896 kali. Para pengembang hanya butuh lebih dari setahun untuk berpindah dari keraguan menjadi memproduksi kode tingkat production yang diserahkan ke AI.

Seiring model menjadi semakin cerdas, antarmuka semakin ringkas, dan semakin banyak kompleksitas teknis yang disembunyikan secara abstrak, saya percaya kecepatan adopsi agen cerdas akan semakin dipercepat.

Pada tahun 2030, bahkan jika hanya 60% pekerja pengetahuan menggunakan agen, pengeluaran harian akan mencapai 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

Robbie Peterson dari Dragonfly dalam artikelnya menunjuk bahwa agen cerdas untuk bisnis adalah evolusi yang wajar ke arah model SaaS. Saya sangat setuju. Mereka tidak lagi hanya membantu alur kerja, melainkan akan menggantikan proses yang ada sepenuhnya. Sama seperti saat ini lebih dari 95% pengeluaran 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 menggantikan Salesforce dengan sistem AI internal, menghemat sekitar 2 juta dolar AS. ZoomInfo membangun agen AI untuk menggantikan departemen persetujuan transaksinya, menghemat lebih dari 1 juta dolar AS per tahun. Ini baru contoh awal di mana satu alur kerja diproksikan oleh agen sehingga menghemat biaya hingga jutaan. Setiap perusahaan memiliki ratusan proses seperti itu di divisi penjualan, keuangan, hukum, operasional, dan R&D. Setelah agen cerdas dideploy di seluruh perusahaan, skala pengeluaran terkait akan sangat mengagetkan.

Setiap orang bisa menjadi pedagang

Seiring agen berbasis kode menurunkan biaya pengembangan secara drastis, ambang masuk bagi pedagang online di internet semakin mendekati nol. Seorang perencana pernikahan yang ahli menyaring lokasi acara dapat mengemas alur kerja terbaik untuk dijual. Seorang pengembang independen di Lagos bisa mengembangkan API untuk bidang vertikal tertentu dan mulai menghasilkan pendapatan dari agen di seluruh dunia dalam hitungan jam. Kamu hanya perlu memiliki pengetahuan profesional, lalu menghasilkan sebuah antarmuka API melalui prompt, dan kamu bisa mulai menerima pembayaran.

Namun, jika agen mulai menjual layanan ke agen lain, apa yang terjadi?

Misalkan Joe yang disebutkan sebelumnya ingin masuk ke wilayah baru: perusahaan medis menengah di Midwest AS dengan infrastruktur pembayaran yang sudah tua. Jika agennya memulai dari nol dan menyelesaikan penalaran, biaya token akan cepat menumpuk:

• Menyaring 200 perusahaan yang sesuai profil tertentu (inferensi + panggilan API): sekitar 500 ribu token

• Melengkapi informasi setiap prospek (stack teknologi, pendanaan, data perekrutan): 200 prospek × sekitar 5000 token = 1 juta token

• Mengunci pengambil keputusan pelanggan inti: sekitar 200 ribu token

• Memberi skor sinyal minat (ritme perekrutan, siklus kontrak): sekitar 300 ribu token

• Meneliti latar belakang tiap pengambil keputusan: 20 prospek × sekitar 10 ribu token = 200 ribu token

• Menulis naskah outreach yang dipersonalisasi: 20 prospek × sekitar 3000 token = 60 ribu token

Total sekitar 2.3 juta token; jika dihitung berdasarkan penggunaan Opus 4.6 seperti model mutakhir, biayanya berada di kisaran 8–15 dolar AS.

Tunggu, bukankah agen penjual Joe sebelumnya melakukan proses serupa hanya dengan beberapa sen?

Benar. Karena sebagian besar langkah sudah diselesaikan oleh agen lain. Pengisian informasi prospek, penilaian sinyal minat, pengaturan jadwal—semuanya memiliki antarmuka paket di pasar terbuka, harganya hanya beberapa per sekian dolar.

Model seperti ini menciptakan skenario bisnis yang sepenuhnya baru. Sisi penawaran pasar akan bertumbuh dua arah: manusia membangun layanan, sementara agen juga membangun layanan. Masalah konsumsi token yang tinggi yang diselesaikan oleh satu agen bisa berubah menjadi alat murah yang bisa digunakan oleh semua agen berikutnya. Dalam dunia seperti ini, agen dapat mengendapkan pengalamannya menjadi alur kerja lalu menjualnya ke agen lain, sehingga mensubsidi biaya operasinya sendiri.

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

Tinjauan realistis

Jadi, seberapa dekat kita dengan transaksi komersial agen cerdas yang benar-benar nyata?

Tim Artemis tempat saya bekerja terus memantau kemajuan dua protokol pembayaran agen arus utama: protokol x402 yang dibuka oleh Coinbase, serta Mesin Payment Protocol (MPP) yang diluncurkan bersama oleh Stripe dan Tempo. Sederhananya, kedua jenis protokol ini memiliki tujuan yang sepenuhnya sama: memungkinkan pengguna atau agen membayar layanan jaringan apa pun (misalnya data, crawling halaman web, inferensi model, atau layanan API lain) dalam satu permintaan jaringan, sehingga menghindari proses rumit seperti pendaftaran akun, kunci API, penyelesaian tagihan, dan sebagainya.

Saat ini masih tahap awal.

Volume transaksi protokol x402 pada akhir 2025 sangat terdistorsi oleh spekulasi meme coin dan perilaku penyebaran volume lewat leaderboard. Gambar di atas adalah tingkat aktivitas transaksi “asli” setelah disesuaikan—setelah disaring oleh algoritma khusus yang memfilter transaksi palsu. Setelah menghilangkan kebisingan yang disebabkan transaksi palsu dan spekulasi meme coin, terlihat jelas bahwa ekonomi agen belum benar-benar hadir. Aktivitas saat ini sebagian besar masih berupa pengembang menguji API berbayar dan alat AI, bukan ekonomi agen nyata yang sedang berjalan.

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

1. Sisi penawaran belum terbentuk: jumlah antarmuka API praktis yang benar-benar mampu menimbulkan niat membayar oleh agen masih sangat kurang.

2. Ketiadaan lapisan penemuan dan agregasi yang matang: bahkan jika ada antarmuka bernilai tinggi, agen saat ini belum memiliki cara yang andal untuk menemukannya.

Karena ekosistem masih berkembang, terlalu dini menjadikan volume transaksi sebagai metrik utama. Indikator yang lebih masuk akal adalah pertumbuhan sisi penawaran, yaitu jumlah pedagang yang menyediakan layanan untuk agen. Kami menyebut pedagang ini secara kolektif sebagai penyedia layanan.

Gambar di atas menunjukkan perubahan kumulatif jumlah penyedia layanan (penjual) yang memenuhi standar seiring waktu. Penyedia layanan yang memenuhi standar harus: menyelesaikan lebih dari dua transaksi “asli”, dan setidaknya memiliki dua pembeli independen. Pada bulan Oktober tahun lalu, angkanya masih kurang dari 100, dan kini sudah lebih dari 4000. Saya memperkirakan laju pertumbuhan ini akan semakin cepat, terutama didorong oleh tiga tren utama:

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

2. Layanan baru akan dirancang dengan prinsip “agen dulu”. Agen menjadi pelanggan inti, dan bentuk produk yang dibangun untuk mereka akan sangat berbeda: menggunakan API alih-alih halaman web, akses instan alih-alih proses registrasi, dan bayar sesuai kebutuhan alih-alih model langganan.

3. Penyedia layanan yang ada akan dipaksa bertransformasi. Ketika semakin banyak pengguna berinteraksi melalui antarmuka AI, bukan dengan menjelajah halaman web secara manual, model bisnis yang bergantung pada iklan akan sepenuhnya gagal, karena tidak ada perhatian pengguna manusia yang bisa dimonetisasi. Perusahaan akan tidak punya pilihan selain membayar langsung untuk konten dan layanan.

Kekuatan-kekuatan ini akan membentuk roda gila yang saling memperkuat—sisi penawaran dan sisi permintaan saling membesar—yang pada akhirnya menyalakan seluruh ekonomi agen.

Tata letak industri

Ekosistem transaksi agen sedang terbentuk dengan cepat. Banyak startup bermunculan seperti jamur, fokus pada penyelesaian setiap celah dalam arsitektur tersebut; sementara itu, perusahaan dalam bidang fintech dan software service (SaaS) juga sedang beralih menjadi transaksi agen asli. 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, fasilitas pembayaran, serta mesin kecerdasan buatan. Di sini kami meringkasnya menjadi sekitar 80 institusi inti:

Kami membongkar dari atas ke bawah, per lapisan.

Lapisan antarmuka

Lapisan antarmuka paling dekat dengan pengguna, bertugas mengarahkan niat pengguna (kebutuhan) ke alat atau layanan yang diperlukan (penawaran). Siapa yang bisa menentukan cara agen cerdas menemukan, menilai, dan memilih layanan, maka ia akan memiliki pengaruh besar atas semua lapisan di bawahnya. Kami akan fokus pada dua kategori paling penting di lapisan ini:

Antarmuka pengguna

Ini adalah pintu masuk di mana sebagian besar orang berinteraksi langsung dengan agen cerdas. Apple, Google, OpenAI, Anthropic, xAI, dan Perplexity semuanya membangun antarmuka interaksi seperti ini, dan bentuknya bergerak cepat keluar dari sekadar mode obrolan. Bentuk-bentuk baru seperti asisten suara, asisten di desktop, co-pilot tertanam, agen peramban terus bermunculan, mendekati skenario penggunaan nyata pengguna. Menjadi platform yang menjadi antarmuka AI default pengguna, akan menjadi titik awal bagi semua transaksi yang dimulai oleh agen; pemenang di segmen ini akan memperoleh keunggulan tambahan yang sangat besar.

Laboratorium AI telah merayapi dan melatih data seluruh internet. Kini, data pelatihan terbaik yang tersisa adalah umpan balik bimbingan manusia. Setiap kali kamu menerima atau menolak sebuah respons, 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 feedback loop yang dapat mengoptimalkan pengalaman pengguna dan model itu sendiri. Inilah juga alasan Anthropic meluncurkan Claude Code, Google mengakuisisi Windsurf, dan OpenAI mencoba mengakuisisi Cursor. Setelah agen kamu mengumpulkan konteks tentang preferensimu, alur kerja, dan alat yang sering kamu gunakan, biaya perpindahan pengguna akan menjadi sangat tinggi.

Penemuan layanan

Ketika agen Joe membutuhkan antarmuka pelengkapan prospek atau layanan data satelit, bagaimana ia menemukan layanan yang tepat? Ini mungkin merupakan tantangan terbesar yang belum terselesaikan dalam arsitektur ekosistem saat ini. Solusi yang ada sebagian besar berupa daftar alat yang dikodekan secara keras atau marketplace layanan kurasi. Berbagai platform sudah membangun sistem mereka sendiri: OpenAI dan Stripe meluncurkan ACP, Google dan Shopify meluncurkan UCP, sedangkan Visa meluncurkan TAP. Pada dasarnya, semuanya adalah katalog pedagang; agar berfungsi, perlu integrasi proaktif dari platform dan pedagang. Model seperti ini berjalan baik dalam skenario umum, tetapi seiring ambang batas pembuatan dan penjualan layanan digital turun secara drastis, akan muncul banyak aplikasi niche yang sangat terspesialisasi, dan model kurasi tidak dapat memenuhi kebutuhan long-tail tersebut.

Perusahaan seperti Coinbase, Merit Systems, Orthogonal, dan Sapiom sedang membangun alternatif berbasis terbuka. Mereka membuat agregator dan infrastruktur lapisan bawah, sehingga agen dapat secara mandiri mencari dan menggunakan layanan saat berjalan, tanpa perlu integrasi sebelumnya atau kerja sama bisnis. Ketika sisi penawaran (sumber daya jaringan) tumbuh secara eksponensial, kesulitan penyelesaiannya menjadi sangat besar. Namun siapa yang mampu mengatasi sistem peringkat dan rekomendasi—sehingga agen dapat dipasangkan dengan layanan yang tepat pada waktu yang tepat—akan menguasai otoritas besar di industri.

Transaksi agen pada akhirnya akan beralih ke mode selektif yang tertutup, atau ke mode ekosistem terbuka, dan bagaimana tata letak ini memengaruhi pembagian nilai—ini adalah salah satu perdebatan paling inti di bidang tersebut. Kita akan membahas lebih dalam topik ini di kemudian hari.

Lapisan agen cerdas dan akun

Agar bisa menyelesaikan tugas untuk kita, agen cerdas saja tidak cukup hanya dengan kecerdasan. Agen penjualan anak Joe menyelesaikan seluruh proses penyaringan 200 prospek, pelengkapan informasi, dan penjadwalan tiga rapat; Joe tidak perlu mengonfigurasi alat apa pun, mengelola kunci API, atau menyetujui langkah demi langkah setiap tindakan. Sebagian besar infrastruktur yang mendukung semuanya ini tidak terasa bagi pengguna akhir, tetapi tanpa infrastruktur tersebut, agen hanya akan menjadi model bahasa besar tanpa kemampuan eksekusi. Berikut ikhtisar komponen dasar inti yang diperlukan untuk mewujudkan semua ini:

Alat dan standar

Protokol dan kerangka kerja seperti ini memberi agen cerdas kemampuan untuk berinteraksi dengan dunia luar. MCP (Machine Communication Protocol, dipelopori oleh Anthropic dan kini dikelola oleh Linux Foundation) memungkinkan agen terhubung ke data dan alat eksternal: memanggil API yang belum pernah diakses, membaca database, atau memanggil layanan tertentu secara instan. A2A (diusulkan oleh Google) mendefinisikan bagaimana agen yang dikembangkan di berbagai platform dapat saling ditemukan dan bekerja sama. Kerangka kerja yang diluncurkan oleh LangChain, Nvidia, dan Cloudflare memberi pengembang modul dasar untuk membuat dan men-deploy agen di atas protokol-protokol ini. OpenClaw, yang baru-baru ini diakuisisi oleh OpenAI, menggabungkan manajemen konteks dan pemanggilan alat menjadi satu kerangka kerja yang mengutamakan lokalitas, sehingga secara signifikan mengurangi kesulitan bagi pengembang untuk membangun agen yang bisa ditemukan secara mandiri dan dibayar penggunaannya.

Masalah inti di bidang ini adalah: apakah standar ini pada akhirnya akan menuju keseragaman, atau malah menjadi terfragmentasi? Apakah kerangka komersial yang dibangun di atas standar ini bisa menangkap nilai sebelum alat bergerak menuju komoditisasi?

Autentikasi identitas

Setelah agen dapat saling berkomunikasi, perlu dibangun kepercayaan. Sebelum agen melakukan transaksi atau menjual layanan, ia harus membuktikan identitas pengautorisasi dan izin operasinya, serta menyimpan catatan tindakan yang bisa diverifikasi oleh agen lain.

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

Ruang desain di bidang ini luas, namun risikonya sangat tinggi: berapa maksimum jumlah yang boleh dibelanjakan agen kamu sebelum mendapatkan persetujuan darimu? Bisakah ia menandatangani kontrak atas namamu? Bisakah wewenang diturunkan kepada agen anak? Aturan dan batas keamanan semacam ini kemungkinan besar akan ditetapkan pada lapisan akun.

Dompet

Jelas, agar agen bisa melakukan pembayaran, ia harus memiliki dompet. Coinbase, Safe, MetaMask, Phantom, MoonPay, Privy, dan banyak vendor lain sedang menyiapkan diri untuk bidang ini, menawarkan fitur seperti akses dan pembuatan terprogram, delegasi izin, batas pengeluaran per transaksi, daftar penerima pembayaran, serta kemampuan lintas-chain tanpa pengguna harus mengonfirmasi secara manual setiap tindakan. Ini adalah salah satu segmen paling kompetitif dalam ekosistem, dan juga memunculkan pertanyaan kunci: di mana sebenarnya parit pertahanan (moat) perusahaan? Apakah pada akhirnya segmen ini akan menuju komoditisasi?

Lapisan pembayaran

Lapisan pembayaran posisinya lebih dalam dalam arsitektur, sehingga bagi pengguna akhir seharusnya tidak terasa, tetapi setiap aliran dana dalam ekonomi mesin akan melewati lapisan ini. Ketika agen Joe membayar 0.24 dolar AS di malam hari untuk menarik data dari 40 penyedia layanan, ia tidak perlu memilih kartu mana, mata uang apa, atau settlement chain publik untuk setiap transaksi.

Kesulitan intinya: saluran pembayaran tradisional dirancang untuk manusia yang mengklik tombol “Beli”, bukan untuk menyesuaikan skenario agen yang memanggil API ribuan kali per menit dengan nilai per transaksi di bawah satu sen. Jaringan kartu memiliki biaya tetap sekitar 0.03–0.04 dolar AS per transaksi, ditambah biaya 2.3%–2.9%. Itu masuk akal untuk pesanan hotel 400 dolar AS, tetapi sepenuhnya tidak cocok untuk transaksi agen baru yang melibatkan banyak langkah.

Dari sini muncul protokol dan sistem mata uang baru yang dirancang khusus untuk transaksi agen, sementara raksasa tradisional juga sedang mengubah infrastruktur yang ada agar cocok dengan kebutuhan ini.

Poin inti adalah sebagai berikut:

Saluran pembayaran

Protokol dan standar seperti ini menentukan bagaimana agen cerdas memulai, merutekan, dan menyelesaikan pembayaran. Saat ini terutama ada dua jalur teknis:

1. x402 (Coinbase/Cloudflare) dan MPP (Stripe/Tempo) dirancang khusus untuk transaksi native mesin: agen memanggil antarmuka, mendapatkan penawaran, menandatangani pembayaran, menerima data—semuanya diselesaikan dalam satu permintaan HTTP, dengan settlement stablecoin, dan biaya per transaksi hanya beberapa sen nol koma.

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

Stablecoin dan settlement

Agen cerdas membutuhkan mata uang dengan karakteristik yang dapat diprogram, cepat, berbiaya rendah, dan global. Stablecoin sepenuhnya memenuhi kebutuhan ini, sehingga menjadi pilihan alami untuk transaksi x402 dan MPP. Di sisi lain, saluran pembayaran kartu masih dapat memberikan perlindungan kepada pembeli, dan kebiasaan penggunaan pedagang sudah matang—itu tetap penting untuk transaksi bernilai tinggi. Public chain lapisan bawah (seperti Base, Solana, Tempo) menghadirkan masalah kunci lain: rantai mana yang dapat mendukung throughput pemrosesan yang dibutuhkan transaksi skala besar level agen, finalitas transaksi, dan struktur biaya?

Penyedia layanan

Institusi seperti ini berada di antara agen cerdas dan pedagang, bertanggung jawab menangani bagian-bagian rumit seperti audit kepatuhan, integrasi pedagang, autentikasi izin, dan lain-lain. Coinbase, Stripe, dan PayPal semuanya memperluas ekosistem yang ada untuk mendukung transaksi agen; mereka bertaruh pada jaringan pedagang mereka dan infrastruktur kepatuhan untuk membentuk keunggulan kompetitif. Entitas lain seperti Sponge dan Sapiom mengatasi masalah cold start dari sisi pedagang yang sedang tumbuh, sehingga bisnis berbasis API apa pun bisa dengan mudah mulai menerima pembayaran oleh agen. Ketika jumlah saluran pembayaran, protokol, dan pedagang terus bertambah, pihak pengoordinasi berpeluang menjadi penghubung kunci untuk mencegah sistem terfragmentasi.

Lapisan mesin AI

Lapisan ini tidak perlu banyak diperkenalkan: semua interaksi agen, langkah penalaran, dan pemanggilan alat digerakkan oleh lapisan ini. Namun, perubahan model bisnis pada lapisan ini jauh lebih cepat daripada bagian lain dalam arsitektur, dan aliran nilai akhirnya tidak begitu jelas seperti yang terlihat. Kami fokus pada dua kategori berikut:

Komputasi dan custody

Setiap kali agen cerdas Joe melakukan inferensi untuk sebuah tugas, memanggil alat, atau membuat agen anak, ia menggunakan komputasi. Namun inferensi model hanyalah sebagian saja. Seiring ledakan aplikasi low-code / pengembangan spontan dan agen yang membangun layanan sendiri, banyak antarmuka baru bermunculan; semuanya memerlukan wadah hosting. Hingga Mei 2025, jumlah halaman web yang bisa diakses meningkat 45% hanya dalam dua tahun; dan karena agen berbasis kode membuat peluncuran layanan baru menjadi sangat mudah, pertumbuhan ini akan semakin cepat. Ini berarti kebutuhan komputasi bertumbuh dari kedua sisi secara bersamaan: di satu sisi lebih banyak agen memproses lebih banyak tugas, di sisi lain lebih banyak layanan terus diluncurkan untuk memenuhi kebutuhan mereka.

Penyedia cloud skala super besar (AWS, Google Cloud, Nvidia) adalah pemain inti yang jelas. AWS dan Google Cloud juga terus menyederhanakan proses deployment backend agen dan API di infrastruktur mereka. Cloudflare fokus pada komputasi edge, 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 bahasa dasar

Model bahasa dasar adalah “otak” dari seluruh sistem. Anthropic, OpenAI, Google, dan Meta sebagai laboratorium terdepan terus memperluas batas kemampuan agen cerdas, sementara biaya menjalankan model-model tersebut terus turun dengan cepat. Di akhir 2022, biaya menjalankan model setara GPT4 sekitar 20 dolar AS per satu juta token; dan pada awal 2026, biaya model dengan performa yang sama turun menjadi sekitar 0.05 dolar AS per satu juta token—dalam sedikit lebih dari tiga tahun, penurunannya mencapai 600 kali. Upgrade perangkat keras, persaingan antarvendor, serta optimasi seperti prompt caching dan batch processing bekerja bersama untuk terus menurunkan biaya inferensi. Bersamaan dengan itu, ketika logika inferensi diekstraksi menjadi model berbobot terbuka yang lebih kecil, dan biaya menjalankannya sangat rendah, biaya membangun kecerdasan juga turun secara signifikan. Dalam sebagian benchmark, kesenjangan performa antara model berbobot terbuka dan model tertutup sudah menyempit hingga hanya 1.7%.

Ini adalah kabar besar bagi ekonomi mesin.

Kecerdasan yang lebih murah berarti agen yang lebih murah, yang memungkinkan bahkan seorang pendiri independen berusia 24 tahun di Vermont mampu menanggung biaya menjalankan—lalu mendorong aktivitas transaksi di seluruh lapisan atas ekosistem semakin meningkat. Jika model besar seperti penyedia layanan cloud yang ada terjebak dalam persaingan harga, nilai pada akhirnya mungkin akan terkonsentrasi ke segmen hulu-hilir di lapisan model, bukan pada model itu sendiri.

Siapa yang akan menjadi pemenang?

Pada tahun 2030, sebagian besar interaksi digital kamu tidak lagi perlu browser, mesin pencari, atau app store. Kamu hanya perlu menyebut kebutuhanmu, dan agen cerdas akan mengurus semuanya: menemukan layanan yang tepat, bernegosiasi ketentuan, menyelesaikan pembayaran, dan menyerahkan hasil akhir. Internet akan memiliki tampilan yang benar-benar berbeda.

Kita bisa memahaminya sebagai: era optimasi mesin pencari untuk agen. Antarmuka API akan semakin banyak, sementara antarmuka interaksi untuk manusia akan semakin sedikit.

Dalam dunia seperti ini, siapa yang akan memanen nilai?

Sam Ragsdale dari Merit Systems pernah menulis artikel yang membandingkan ekosistem transaksi agen saat ini dengan internet awal. Ia berpendapat pasar layanan agen kurasi (ACP, UCP, TAP) yang dibangun oleh berbagai platform meniru jalan lama AOL pada tahun 90-an di Amerika—pengalaman lebih halus, sistem tertutup, namun keterbatasan intinya adalah semua penyedia layanan harus melalui penyaringan dan audit manusia. Sementara protokol terbuka seperti x402 dan MPP lebih kasar, ia memiliki sifat tanpa izin: siapa pun bisa membangun antarmuka, tanpa tim bisnis atau audit legal, dan bisa mendapatkan pendapatan melalui agen. Di tahun 90-an, pengalaman produk taman tertutup lebih unggul, tetapi internet terbuka memiliki kemungkinan tak terbatas.

Pada akhirnya, internet terbuka yang menang.

Logika yang sama sedang terulang. ACP, UCP, TAP akan terhubung dengan laboratorium AI teratas dan melayani skenario mainstream dengan baik, tetapi terbatas pada agen yang hanya bisa menjalankan tugas yang sudah ditentukan oleh platform, karena mereka hanya bisa mengakses katalog layanan yang telah diperiksa sebelumnya. Sementara agen yang terhubung ke seluruh ekosistem protokol terbuka batas kemampuannya jauh lebih luas.

Perlu diketahui, bagian paling hidup dari internet saat ini bersumber pada HTTP yang membawa jutaan long-tail traffic situs terbuka.

Kita harus rendah hati mengakui bahwa kita tidak bisa membayangkan keseluruhan wujud internet agen terbuka. Sama seperti pada tahun 1995 tidak ada yang 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, dan layanan apa yang akhirnya akan mereka bayarkan.

Seperti yang kita diskusikan sebelumnya, model bahasa dasar bergerak cepat menuju komoditisasi; nilai mungkin akan berpindah ke lapisan lain dalam arsitektur teknologi. Alat pengembang, dompet, dan infrastruktur identitas sangat penting, tetapi karena standar cenderung menuju keseragaman, bidang-bidang tersebut juga kemungkinan akan menjadi komoditas. Karena itu saya percaya nilai akan terkonsentrasi pada tiga bidang: antarmuka interaksi, pembayaran, dan komputasi.

Antarmuka interaksi

Antarmuka interaksi menentukan batas pengeluaran, alur persetujuan, dan mekanisme delegasi kepercayaan. Platform yang mampu menciptakan pengalaman paling personal bagi pengguna akan menampung paling banyak arus transaksi.

Apple adalah peserta yang paling diremehkan di bidang ini. Perangkat mereka sudah terintegrasi secara mendalam dalam kehidupan sehari-hari orang, sehingga biaya perpindahan pengguna sangat tinggi. Jika Siri berevolusi menjadi pintu masuk interaksi agen yang matang, Apple tidak perlu membangun model paling unggul untuk mengendalikan titik awal transaksi miliaran. Mereka cukup menjaga pintu masuk antarmuka yang paling baik.

Transformasi yang dihadapi Google bahkan lebih sulit. Peralihan dari browsing manual manusia ke penyaringan cerdas oleh agen akan menggerogoti pendapatan iklan intinya. Namun Google punya keunggulan yang tidak dimiliki perusahaan lain: Google telah mengumpulkan data personal puluhan tahun di bidang pencarian, email, kalender, peta, dan dokumen. Selain itu, perlu mempertimbangkan biaya migrasi di sisi perusahaan; Google Workspace sudah tertanam di jutaan perusahaan, dan email, file, serta alur kerja karyawan semuanya berjalan di infrastruktur Google. Jika ada perusahaan yang bisa membangun agen paling personal bagi konsumen dan perusahaan, dialah Google. Masalahnya: apakah ia bisa memonetisasi layanan agen secara efisien seperti memonetisasi traffic pencarian?

Merit Systems adalah kuda hitam yang saya jagokan. Mereka membangun infrastruktur penemuan untuk ekonomi agen terbuka (AgentCash, pemindaian x402, pemindaian MPP) sekaligus mengembangkan antarmuka untuk sisi konsumen (Poncho). Logika intinya adalah: siapa yang menguasai kanal penemuan layanan agen, dan masuk ke dalam bagian aliran dana, maka ia akan menempati posisi yang sama seperti Google di internet awal. Ini adalah taruhan yang sangat ambisius, tetapi jika perdagangan agen terbuka mengalahkan mode selektif tertutup, Merit akan menjadi lapisan agregasi dengan keunggulan paling besar. Saat ini mereka masih berada di tahap awal, seperti saat Google bersaing dengan ekosistem tertutup AOL yang nilainya setara sekarang menjadi 350 miliar dolar AS.

Pembayaran

Siapa pun yang mengendalikan aliran dana, ia akan ikut mengambil bagian dari setiap transaksi. Saya paling yakin pada prospek lapisan ini, karena skalanya akan bertumbuh seiring peningkatan volume transaksi.

Stripe dan Tempo paling unggul di pembayaran native mesin. Stripe sudah memiliki ekosistem pengembang yang matang dan jaringan pedagang yang sangat besar. Sedangkan Tempo memiliki fitur seperti pembayaran berbasis streaming, finalitas transaksi sekitar 500 milidetik, pembayaran streaming untuk saluran, dukungan asli kartu dan stablecoin, pembayaran biaya Gas menggunakan dolar AS (tanpa risiko volatilitas token), serta transaksi yang dibayar oleh server. Semua itu dirancang khusus untuk volume transaksi masif dalam ekonomi mesin. Jika MPP menjadi saluran default pembayaran native mesin, Stripe dan Tempo akan mengambil persentase dari setiap transaksi agen.

Circle akan bertumbuh seiring perluasan ekonomi agen. Saya yakin stablecoin akan menjadi lapisan settlement ekonomi mesin; pada saat itu, Circle akan mengambil bagi hasil melalui pendapatan dari cadangan, membagi keuntungan dari setiap dolar AS di dompet agen. USDC adalah stablecoin dengan penerimaan terluas di bursa, dompet, public chain, dan protokol pembayaran; pengembang baru cenderung memilihnya terlebih dahulu. Ini semakin memperdalam integrasi ekosistemnya, sehingga kompetitor semakin sulit masuk.

Visa akan melakukan adaptasi. Ingat ketika Joe mengisi ulang kartu kredit lewat Apple Pay, sementara di lapisan bawah semuanya otomatis ditukar menjadi stablecoin, dan ia tidak melihat dompetnya sepanjang waktu serta tidak perlu memikirkan blockchain. Inilah standar masa depan. Konsumen akan terus menggunakan kartu yang sudah familiar, sedangkan di lapisan bawah settlement diselesaikan oleh stablecoin. Seiring pembaruan saluran pembayaran, Visa akan memanfaatkan kepercayaan merek mereka di kalangan konsumen dan pedagang untuk mempertahankan pijakan.

Komputasi dan custody

Pertumbuhan jumlah agen berarti kebutuhan inferensi meningkat. Semakin banyak layanan dibuat secara spontan berarti kebutuhan hosting bertambah. Terlepas dari model, protokol, atau antarmuka mana yang menjadi arus utama, penyedia komputasi akan diuntungkan. AWS dan Cloudflare adalah dua perusahaan yang paling diunggulkan di bidang ini, dengan alasan yang serupa.

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

Kedua, mereka sedang membangun infrastruktur monetisasi untuk generasi internet berikutnya. Seiring pola iklan menurun dan pola akses berbayar meningkat, kedua perusahaan mendukung transformasi ini secara native. Cloudflare telah meluncurkan layanan paid crawling, memungkinkan situs mana pun di dalam jaringannya mengenakan biaya kepada AI crawler melalui x402 (Stack Overflow sudah menggunakannya). Sementara AWS adalah anggota pendiri x402 Fund dan menerbitkan arsitektur referensi serverless x402 open-source. Layanan apa pun yang berjalan di kedua platform tersebut dapat 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. Visi ekstrem ini berasumsi bahwa orang akan peduli apakah objek interaksi online itu manusia atau agen, padahal kita sudah terbiasa dengan itu sejak lama. Menurut saya, masa depan yang lebih mungkin adalah: kriteria penyaringan untuk sebagian besar lalu lintas internet adalah pembayaran kecil, bukan kredensial identitas manusia.

Akses berbayar akan lebih berguna daripada “buktikan bahwa kamu manusia”.

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

Penutup

Saat Joe bangun, ia tidak memikirkan saluran pembayaran atau protokol identitas agen. Ia hanya melihat ponselnya, mengetahui agen telah menyelesaikan transaksi, menjadwalkan rapat, dan menemukan server yang lebih murah. Semua lapisan arsitektur teknologi yang dibahas dalam artikel ini terabstraksi dengan sempurna; ia sama sekali tidak perlu khawatir.

Kita masih bergerak menuju masa depan ini. Protokol terkait sudah online tetapi belum cukup populer, sisi penawaran bertumbuh namun masih tipis, masalah penemuan layanan belum terselesaikan, dan lapisan identitas terfragmentasi parah. Kebanyakan transaksi saat ini hanya pengujian oleh pengembang, bukan transaksi agen nyata. Namun kecepatan menyusun puzzle ekosistem ini lebih cepat daripada apa yang ditunjukkan indikator data. Orang-orang yang sekarang meragukan infrastruktur awal hanya melihat kurva penurunan; sedangkan yang saya pikirkan adalah: ketika setiap orang memiliki satu atau sekelompok agen yang benar-benar mampu melakukan tindakan ekonomi, seperti apa gambaran itu nantinya.

Jika kamu belum bertindak, saatnya beralih ke model ekonomi agen.