Penulis: a16z crypto
Disusun oleh: Deep Tide TechFlow
Judul asli: a16z: Tiga Tren Utama AI pada Tahun2026
Tahun ini, AI akan Mengambil Lebih Banyak Tugas Penelitian yang Substansial
Sebagai seorang ekonom matematika, pada Januari2025, saya kesulitan membuat model AI konsumen memahami alur kerja saya; namun pada November2025, saya sudah dapat memberikan instruksi abstrak kepada model AI seperti halnya kepada mahasiswa doktoral... dan terkadang mereka mengembalikan jawaban yang baru dan benar. Selain pengalaman pribadi saya, AI sedang diterapkan lebih luas di bidang penelitian, terutama dalam penalaran. Model-model ini tidak hanya langsung membantu proses penemuan, tetapi juga secara mandiri memecahkan masalah sulit seperti soal Putnam (mungkin ujian matematika universitas tersulit di dunia).
Masih belum pasti di bidang mana bantuan penelitian semacam ini akan paling membantu, dan bagaimana tepatnya caranya. Tetapi saya memperkirakan bahwa tahun ini, penelitian AI akan mendorong dan memberi imbalan pada gaya penelitian "generalist" yang benar-benar baru: gaya yang lebih menekankan pada merancang hubungan antara berbagai ide, dan mampu dengan cepat menyimpulkan dari jawaban yang lebih hipotetis.
Jawaban-jawaban ini mungkin tidak sepenuhnya akurat, tetapi mereka tetap dapat mengarahkan penelitian ke arah yang benar (setidaknya dalam suatu struktur topologi). Ironisnya, ini agak mirip dengan memanfaatkan kekuatan "halusinasi" model: ketika model "cukup pintar", memberi mereka ruang abstrak untuk memicu pemikiran mungkin masih menghasilkan beberapa hasil yang tidak berarti — tetapi terkadang juga membawa penemuan terobosan, seperti halnya manusia mungkin paling kreatif ketika bekerja tidak dengan pemikiran linier atau arah yang eksplisit.
Bernalar dengan cara ini memerlukan gaya alur kerja AI yang baru — bukan hanya interaksi sederhana "agen ke agen", tetapi mode kolaborasi kompleks "agen bersarang agen". Dalam mode ini, model pada tingkat berbeda membantu peneliti mengevaluasi proposal model awal, dan secara bertahap menyaring yang terbaik. Saya sendiri sudah menggunakan metode ini untuk menulis makalah, sementara yang lain melakukan pencarian paten, menciptakan bentuk baru karya seni, dan bahkan (sayangnya) menemukan cara serangan kontrak pintar baru.
Namun, untuk mengoperasikan kombinasi agen penalaran bersarang ini untuk penelitian, masih diperlukan interoperabilitas yang lebih baik antar model, dan metode untuk mengidentifikasi dan mengompensasi kontribusi setiap model dengan tepat — dan masalah-masalah ini, teknologi blockchain mungkin dapat membantu menyelesaikannya.
— Scott Kominers(@skominers), Anggota Tim Riset Kripto a16z, Profesor Harvard Business School
Dari "Know Your Customer" (KYC) ke "Know Your Agent" (KYA): Pergeseran dalam Verifikasi Identitas
Kemacetan ekonomi agen sedang beralih dari kecerdasan ke autentikasi identitas. Di sektor jasa keuangan, jumlah "identitas non-manusia" sekarang melebihi 96 kali lipat dari karyawan manusia — namun, "identitas" ini tetap merupakan "hantu" yang tidak dapat dilayani perbankan.
Infrastruktur kunci yang hilang di sini adalah "Know Your Agent" (KYA). Seperti halnya manusia memerlukan skor kredit untuk mendapatkan pinjaman, agen juga memerlukan kredensial yang ditandatangani secara kriptografi untuk bertransaksi — kredensial ini mengaitkan agen dengan principal, kendala, dan tanggung jawabnya. Sebelum infrastruktur ini dibangun, merchant akan terus memblokir agen-agen ini di firewall.
Industri yang membangun infrastruktur KYC (Know Your Customer) selama beberapa dekade terakhir, sekarang hanya memiliki waktu beberapa bulan untuk memikirkan cara mencapai KYA.
— Sean Neville(@psneville), Co-founder Circle, Arsitek USDC; CEO Catena Labs
Mengatasi "Pajak Tak Terlihat" Jaringan Terbuka: Tantangan Ekonomi di Era AI
Kebangkitan agen AI sedang memberlakukan "pajak tak terlihat" pada jaringan terbuka, secara fundamental mengganggu fondasi ekonominya. Gangguan ini berasal dari ketidaksesuaian yang semakin besar antara "lapisan konteks" (Context layer) dan "lapisan eksekusi" (Execution layer) internet: saat ini, agen AI mengekstrak data dari situs web yang didukung iklan (lapisan konteks), memberikan kemudahan bagi pengguna, sementara secara sistematis melewati sumber pendapatan yang menopang konten (seperti iklan dan langganan).
Untuk mencegah kemunduran bertahap jaringan terbuka (dan melindungi konten beragam yang menjadi bahan bakar AI), kita perlu menerapkan solusi teknologi dan ekonomi secara besar-besaran. Solusi-solusi ini mungkin mencakup model konten sponsor generasi berikutnya, sistem mikro-atribusi, atau model pendanaan baru lainnya. Namun, protokol lisensi AI yang ada telah terbukti tidak berkelanjutan secara finansial, protokol ini seringkali hanya dapat mengganti sebagian kecil dari pendapatan yang hilang oleh penyedia konten karena pengalihan lalu lintas AI.
Jaringan sangat membutuhkan model tekno-ekonomi baru yang memungkinkan nilai mengalir secara otomatis. Perubahan kunci dalam tahun mendatang adalah peralihan dari model lisensi statis ke mekanisme kompensasi berbasis penggunaan waktu-nyata. Ini berarti perlu menguji dan memperluas sistem — mungkin memanfaatkan nanopembayaran (nanopayments) yang didukung blockchain dan standar atribusi yang kompleks — untuk secara otomatis memberi imbalan setiap entitas yang berkontribusi informasi untuk keberhasilan tugas agen AI.
— Liz Harkavy(@liz_harkavy), Tim Investasi Kripto a16z
Twitter: https://twitter.com/BitpushNewsCN
Grup Komunikasi TG Bitpush: https://t.me/BitPushCommunity
Langganan TG Bitpush: https://t.me/bitpush
