Butuh Satu Tahun untuk Menyadari Kebenaran Pahit tentang Pembayaran Agent

链捕手Dipublikasikan tanggal 2026-06-06Terakhir diperbarui pada 2026-06-06

Abstrak

Selama setahun terakhir, penulis telah membangun infrastruktur untuk ekonomi Agen, berinteraksi dengan perusahaan besar seperti Stripe, Visa, Coinbase, Google, dan puluhan startup. Temuan utamanya adalah bahwa belum ada permintaan nyata untuk pembayaran berbasis Agen, dan startup menghadapi banyak tantangan struktural. Analisis terhadap empat kategori utama menunjukkan: 1. **Agen ke Merchant**: Pengalaman belanja melalui chat seringkali lebih buruk daripada antarmuka e-commerce visual tradisional untuk kebanyakan produk. Permintaan dari merchant saat ini bersifat defensif (AEO) dan bukan kebutuhan mendesak. Pengecualian mungkin ada untuk pembelian rutin seperti pesan makanan, tetapi hambatan distribusi B2C sangat besar. 2. **Agen ke API**: Pengembang sudah memiliki solusi pembayaran yang berfungsi untuk penggunaan API (misalnya, isi ulang saldo). Penyedia SaaS besar cenderung menolak model mikro-pembayaran yang mengganggu bisnis inti mereka. Peluang ada di pasar ekor panjang, tetapi skalanya terbatas. 3. **Agen ke Agen**: Ini adalah visi jangka panjang dengan volume transaksi nyata yang hampir nol saat ini. Jika terwujud, akan membutuhkan infrastruktur penyelesaian khusus yang sangat berbeda dari sistem pembayaran saat ini. 4. **Agen ke Keuangan**: Ini adalah satu-satunya kategori dengan permintaan yang sudah mapan dan pelanggan yang mau membayar, baik untuk otomatisasi alur kerja maupun kemampuan baru. Namun, persaingan dari perusahaan mapan yang sudah memiliki lisensi ...

Penulis: jessy

Kompilasi: Jiahuan, ChainCatcher

Setahun terakhir, saya berdedikasi membangun infrastruktur untuk ekonomi Agent, berdiskusi dengan tim Stripe, Visa, Coinbase, Google, dan puluhan startup yang mendorong bisnis Agent. Saya merangkum seluruh industri, merilis produk, dan mencoba menemukan kecocokan pasar.

Saat ini belum ada permintaan yang nyata, dan startup menghadapi banyak masalah struktural ketika memasuki bidang ini.

Bulan lalu, Stripe meluncurkan 288 produk baru di acara Sessions, akses ke dokumentasi Agent mereka mendekati 40% dari total bacaan dokumen. Pasar bisnis Agent mereka memiliki lebih dari 1000 merchant yang telah diaktifkan. Namun, pada acara Sessions, jumlah Agent terdaftar yang melakukan transaksi hanya satu digit.

Visa menyebutkan bahwa token pembayaran Agent mereka (token pembayaran yang diikat ke Agent, digunakan untuk membayar mewakili pengguna) saat ini memerlukan persetujuan KYC 3 hingga 9 bulan, dan sebenarnya memerlukan ambang batas pendapatan minimum 250 juta dolar AS untuk memenuhi syarat. Saat ini, hanya perusahaan tingkat Amazon dan Walmart yang dapat menyelesaikan proses verifikasi identitas tertutup seperti ini.

Coinbase melaporkan, hingga April, ada 69.000 Agent aktif dan 165 juta transaksi di protokol x402. Namun, analisis on-chain independen menunjukkan bahwa volume transaksi harian sebenarnya sekitar 17.000 dolar AS, dengan sekitar setengahnya adalah transaksi uji coba (menurut CoinDesk Maret 2026).

Agent terhadap Merchant

Kami membuat shop.fast.xyz, untuk secara langsung memvalidasi penerapan nyata dari bisnis pembelian perwakilan. Di dalamnya terdapat produk nyata, merchant, dan transaksi.

Untuk sebagian besar kategori produk, pengalaman belanja AI saat ini benar-benar kalah dibanding e-commerce tradisional. Saat Anda membeli pakaian, elektronik, atau furnitur, Anda ingin melihat gambar, menelusuri berbagai opsi, dan membandingkannya.

Bentuk percakapan chatbot justru merupakan langkah mundur. Anda mengganti antarmuka visual yang kaya dengan dialog teks murni, padahal manusia pada dasarnya adalah pembeli visual.

Agent unggul pada bagian yang kami kira akan sulit. Ia dapat memahami kebutuhan pengguna, dan juga menangani instruksi seperti "yang mirip ini tetapi lebih murah" dengan baik. Lapisan model berfungsi.

Namun, ia tidak dapat menggantikan pengalaman menelusuri sepuluh produk berdampingan, lalu memilih salah satunya. Antarmuka chat dapat ditingkatkan dengan carousel gambar dan tampilan interaktif, tetapi pada tingkat itu, Anda sebenarnya hanya membangun front-end e-commerce ulang di dalam jendela chat. Untuk pembelian komparatif yang digerakkan oleh visual, kami belum menemukan alasan yang meyakinkan untuk membuktikan bahwa antarmuka chat lebih baik daripada antarmuka e-commerce asli.

Kami melihat permintaan nyata dari merchant, tetapi ini adalah permintaan defensif.

Merchant ingin toko mereka dapat dikueri oleh Agent. Bukan karena pelanggan saat ini membeli melalui Agent, tetapi karena mereka khawatir jika ini menjadi saluran utama, mereka akan tertinggal zaman.

Ini adalah strategi "Optimisasi Mesin Agent (AEO)", tetapi saat ini hanya pelengkap, bukan sesuatu yang sangat penting. Merchant mempersiapkan diri untuk gelombang yang belum tiba.

Bisnis percakapan memang dapat meningkatkan pengalaman dalam beberapa skenario: pembelian frekuensi tinggi, biaya keputusan rendah di mana pengguna sudah tahu apa yang mereka inginkan. Memesan makanan antar adalah contoh paling jelas. Pasar besar, frekuensi sangat tinggi, keputusan cepat ("tolong pesankan Pad Thai dari toko yang sama seperti terakhir kali"). Agent percakapan memiliki peluang di sini.

Tetapi platform makanan antar besar tidak membuka API. Satu-satunya cara adalah "penggunaan komputer": membuat AI menavigasi dan mengoperasikan aplikasi seperti manusia melalui visual. Cara ini lambat, rapuh, dan untuk pesanan makan siang 15 dolar AS, biaya inferensi tidak akan tertanggungkan.

Peluang lainnya adalah: navigasi UI toko tertentu sangat kompleks dan menyiksa. Diskon berlapis, kode promosi, program loyalitas yang bertumpuk, dan proses checkout yang membingungkan.

Seorang Agent yang memahami "gunakan kupon saya, potong poin reward saya, cari ongkos kirim termurah, operasikan dalam bahasa ibu saya" dapat menyederhanakan bagian-bagian yang saat ini memiliki pengalaman sangat buruk. Ini terutama penting bagi pengguna lanjut usia, pembeli non-penutur asli di toko online luar negeri, atau skenario yang sangat spesifik dengan kebutuhan yang sangat khusus.

Kedua peluang ini memerlukan saluran distribusi B2C yang sangat besar. Anda bersaing dengan DoorDash (platform pengiriman makanan terbesar di AS, memiliki pangsa pasar 56%) dan Amazon untuk pintu masuk pengguna.

Distribusi skala konsumen adalah keunggulan raksasa. Sisi penawaran bisnis pembelian perwakilan sudah siap, sedangkan sisi permintaan dibatasi oleh pengalaman pengguna dan saluran distribusi. Membangun lebih banyak infrastruktur tidak akan menyelesaikan kedua masalah ini.

Agent terhadap API

Kami mendiskusikan kebutuhan pembayaran aktual mereka dengan puluhan developer. Situasinya hampir mengejutkan konsisten: penggunaan API oleh Agent saat ini sudah biasa, termasuk komputasi, inferensi, dan sumber data. Developer sudah lama memiliki layanan berlangganan, kunci API yang diarsipkan, dan hubungan penagihan dengan pemasok inti.

Argumen khas stablecoin adalah: di Stripe, biaya efektif minimum untuk pemrosesan kartu kredit sekitar 2.9% ditambah 30 sen, membuat panggilan API di bawah satu dolar tidak ekonomis. Namun untuk volume transaksi frekuensi rendah saat ini, saldo prabayar bisa menyelesaikan masalah ini. Developer mengisi saldo akun mereka terlebih dahulu, masalah teratasi.

Masalah yang lebih mendalam adalah pasar pemasok. Sebagian besar perusahaan SaaS mainstream tidak ingin memberikan akses API sementara yang hanya memerlukan sebagian kecil dari satu sen. Model bisnis mereka adalah kontrak perusahaan multi-tahun. Perusahaan yang pendapatannya bergantung pada kontrak komitmen besar akan menolak mekanisme harga yang memotong model mereka yang ada.

Bisnis mesin secara struktural adalah pasar panjang ekor, termasuk layanan yang lebih kecil, sumber data khusus, pengembang individu, dan server MCP. Protokol seperti MPP dan x402 sangat cocok untuk segmen pasar ini.

Tetapi menurut definisi, ini adalah pasar yang melayani pengguna tingkat lanjut dengan kebutuhan khusus, dan secara historis, developer adalah salah satu kelompok yang paling tidak mau membayar.

Saat Stripe Projects diluncurkan, mereka bekerja sama dengan 32 mitra pemasok seperti Vercel, Supabase, Cloudflare, Twilio, dll., mencakup sebagian besar alat yang digunakan developer untuk membangun dan menerapkan perangkat lunak, semuanya dapat diakses melalui sistem penagihan yang ada. Kebutuhan puncak teknologi stack developer telah terpenuhi.

Peluang saluran pembayaran baru ada di semua area di luar 30 layanan ini: peluang memang ada, tetapi skalanya pada dasarnya jauh lebih kecil dari yang disarankan oleh angka-angka menarik.

Pola yang sama berlaku untuk akuisisi konten. Agent sudah terus-menerus mengambil dan meringkas artikel, dan penerbit sedang melawan.

Tetapi ketika monetisasi konten datang dalam skala besar, itu akan terjadi melalui pemasok CDN yang sudah berada di antara penerbit dan internet (Cloudflare telah merilis alat audit AI untuk ini), atau melalui perjanjian lisensi besar-besaran antara penerbit dan laboratorium AI.

Peluang infrastruktur semacam ini pada akhirnya akan mengalir ke raksasa yang sudah memiliki saluran distribusi.

Agent terhadap Agent

Model bisnis Agent terhadap Agent adalah visi jangka panjang, saat ini hampir sepenuhnya teoretis, belum ada yang mencapai volume transaksi yang berarti. Berbagai startup sedang mengatasi masalah inti: penemuan Agent, pembangunan kepercayaan, negosiasi persyaratan, dan penyelesaian sengketa.

Ketika struktur transaksi ini benar-benar terwujud, itu akan sangat berbeda dari jalur pembayaran yang ada. Kedua pihak transaksi tidak mengandung identitas manusia. Latensinya dalam sub-detik. Dana dari sebagian kecil sen hingga jutaan dolar beroperasi dalam aliran yang sama.

Selain itu, ada mekanisme penyelesaian multipihak, yang sepenuhnya tidak sesuai dengan model jual beli bilateral yang diasumsikan oleh jalur pembayaran yang ada. Begitu ini terjadi, kami yakin itu akan datang dengan cepat dan dalam skala besar.

Ini adalah taruhan jangka panjang pada infrastruktur penyelesaian khusus, dan itu nyata. Tetapi "taruhan jangka panjang yang nyata" berbeda dengan "pasar saat ini".

Selama berbulan-bulan kami juga termasuk orang yang mempromosikan pasar ini, dan telah membangun infrastruktur lengkap di sekitarnya selama beberapa tahun terakhir. Dengan jaringan terdistribusi kami, secara teoritis dapat diskalakan hingga lebih dari 10 miliar TPS, latensi kurang dari 50 milidetik, rata-rata konsistensi 10 milidetik. Namun kami harus menyesuaikan dengan posisi pasar yang sebenarnya saat ini.

Agent terhadap Keuangan

Ini mungkin satu-satunya kategori di mana ada permintaan yang sudah ada sebelumnya. Basis klien sudah ada dan memiliki kemauan untuk membayar. Saat ini, manajer dana, tim keuangan, dan pengguna DeFi membayar untuk alat keuangan. Menyematkan AI ke dalam alur kerja yang ada adalah evolusi produk yang alami.

Agent keuangan juga menciptakan pola perilaku baru. Agent yang dapat memantau dan menyeimbangkan kembali ratusan posisi secara real-time dan mandiri beroperasi dengan cara yang tidak dapat direplikasi secara manual oleh manusia. Ini lebih dari sekadar otomatisasi, ini peningkatan kemampuan yang substansial.

Tantangannya adalah lanskap persaingan. Industri keuangan sangat diatur dan sangat bergantung pada hubungan bisnis yang sudah ada. Perusahaan mapan memiliki lisensi, infrastruktur kepatuhan, dan hubungan klien. Startup dapat menemukan pijakan di area yang kurang diatur (seperti DeFi), di mana raksasa bergerak lambat, atau di mana AI dapat menciptakan kemampuan yang tidak dimiliki raksasa.

Namun, dibandingkan dengan tiga kategori lainnya, dinamika persaingan di sini lebih menguntungkan perusahaan mapan, karena menambahkan AI ke atas produk dan basis klien yang ada jauh lebih mudah daripada sebaliknya.

Poin Balik Sebenarnya

Jadi, mengapa orang masih membangun hal-hal ini? Ada dua alasan.

Pertama adalah motivasi. Raksasa industri memiliki arus kas yang cukup untuk bertaruh pada masa depan yang memerlukan tahunan untuk terwujud. Bagi mereka, biaya masuk lima tahun lebih awal hanyalah kesalahan pembulatan, sementara biaya terlambat satu tahun adalah bencana. Jadi mereka harus membangun.

Kedua adalah blind spot kognitif. Ketika bisnis utama Anda adalah pembayaran, setiap masalah tampak seperti masalah pembayaran. Ekonomi Agent memerlukan lapisan pembayaran, jadi bangunlah lapisan pembayaran itu.

Tetapi pembayaran hanyalah satu bagian dari masalah yang lebih besar. Tantangan sebenarnya bukan bagaimana memindahkan dana antar Agent, tetapi bagaimana mengoordinasikan pekerjaan antara Agent dan manusia, memverifikasi hasil kerja, dan menyelesaikan hasilnya. Pembayaran hanyalah bagian dari penyelesaian. Penyelesaian hanyalah bagian dari koordinasi. Dan koordinasi, itulah kue yang sebenarnya besar.

Koordinasi skala besar secara alami akan menciptakan mekanisme penyelesaian sebagai kebutuhan yang sangat penting. Pembayaran hanyalah satu instrumen dalam simfoni ini, bukan seluruh partitur. Perusahaan yang memecahkan masalah koordinasi akan menelan bisnis pembayaran, bukan sebaliknya.

Sebagian besar perusahaan mapan sedang membangun secara defensif, untuk mengantisipasi skenario transaksi mesin skala besar di masa depan. Karena landasan pacu keuangan mereka tidak terbatas, garis waktu tidak penting bagi mereka.

Tetapi startup tidak memiliki kemewahan itu. Kami harus mencari di mana pasar yang sebenarnya berada, tidak bisa hanya menunggu gelombang datang.

Pengalaman membangun selama satu tahun membawa kami ke arah yang tidak terduga. Aktivitas pasar di sana nyata, berkembang pesat, dan belum dilayani dengan baik. Itu berada di luar empat kategori yang kami gambarkan.

Pertanyaan Terkait

QBerdasarkan artikel, apa tantangan utama dalam pengembangan ekonomi Agent saat ini?

ATantangan utamanya adalah belum ada permintaan yang sesungguhnya dalam beberapa kategori utama, seperti Agent-to-Merchant dan Agent-to-Agent. Di sisi Agent-to-Merchant, antarmuka percakapan (chat) seringkali merupakan kemunduran dibandingkan pengalaman berbelanja visual tradisional, dan distribusi skala konsumen dikuasai oleh raksasa seperti Amazon. Untuk Agent-to-Agent, model bisnisnya masih sangat teoretis tanpa volume transaksi yang berarti. Selain itu, startup menghadapi masalah struktural seperti persyaratan KYC yang ketat dari pemain besar seperti Visa dan ketidakinginan banyak pemasok SaaS untuk menyediakan akses API mikro-pembayaran yang mengganggu model bisnis kontrak mereka yang ada.

QMengapa artikel menyebutkan bahwa kebutuhan merchant terhadap Agent saat ini bersifat 'defensif'?

AKebutuhan merchant saat ini bersifat defensif karena mereka terutama khawatir akan ketinggalan zaman jika berbelanja melalui Agent menjadi saluran arus utama di masa depan. Mereka ingin toko mereka dapat di-query oleh Agent bukan karena pelanggan saat ini banyak membeli melalui Agent, tetapi sebagai bentuk 'Agent Engine Optimization (AEO)'—persiapan untuk gelombang yang belum benar-benar datang. Ini adalah strategi 'nice to have', bukan sesuatu yang sangat penting untuk bisnis mereka saat ini.

QMenurut artikel, di kategori mana dari empat kategori yang disebutkan (Agent-to-Merchant, Agent-to-API, Agent-to-Agent, Agent-to-Finance) yang permintaan aslinya sudah benar-benar ada?

AMenurut artikel, kategori di mana permintaan asli dan kesediaan membayar sudah ada adalah Agent-to-Finance. Basis pelanggan seperti manajer dana, tim keuangan, dan pengguna DeFi sudah membayar untuk alat keuangan. Mengintegrasikan AI ke dalam alur kerja yang ada merupakan evolusi produk yang alami, dan Agent finansial bahkan dapat menciptakan perilaku baru yang tidak dapat direplikasi secara manual oleh manusia, seperti memantau dan menyeimbangkan kembali ratusan posisi secara real-time.

QApa 'masalah yang lebih besar' yang diidentifikasi penulis dibandingkan sekadar membangun infrastruktur pembayaran untuk Agent?

AMasalah yang lebih besar adalah 'koordinasi'. Penulis berpendapat bahwa tantangan sebenarnya bukanlah bagaimana memindahkan uang antar-Agent, tetapi bagaimana mengoordinasikan pekerjaan antara Agent dan manusia, memverifikasi pekerjaan yang dilakukan, dan menyelesaikan hasilnya. Pembayaran hanyalah bagian dari penyelesaian (settlement). Penyelesaian hanyalah bagian dari koordinasi. Perusahaan yang memecahkan masalah koordinasi skala besar akan mengembangkan mekanisme penyelesaian sebagai kebutuhan, dan pada akhirnya akan mengakuisisi bisnis pembayaran, bukan sebaliknya.

QApa perbedaan motivasi antara perusahaan besar (raksasa industri) dan startup dalam membangun infrastruktur untuk ekonomi Agent menurut artikel?

APerusahaan besar memiliki motivasi dan kemampuan untuk melakukan pembangunan jangka panjang karena mereka memiliki arus kas yang melimpah. Bagi mereka, biaya untuk memulai lima tahun lebih awal hanya seperti kesalahan pembulatan, sedangkan harga untuk terlambat satu tahun bisa sangat menghancurkan. Oleh karena itu, mereka 'harus' membangun sebagai bentuk taruhan defensif untuk masa depan. Sebaliknya, startup tidak memiliki kemewahan itu. Mereka tidak bisa hanya menunggu gelombang datang dan harus mencari di mana pasar yang sebenarnya berada saat ini, yang mungkin berada di luar empat kategori utama yang banyak dibicarakan.

Bacaan Terkait

TechFlow Intelijen: Saham Chip Kehilangan Triliunan Dolar dalam Satu Hari, Bitcoin Jatuh di Bawah $60.000, Konflik AS-Iran Meningkat

Teknologi & Keuangan Berguncang: Data Non-Farm AS Hantam Pasar, Ketegangan AS-Iran Meningkat Pasar keuangan global diterpa badai pada hari Jumat. Indeks semiconductor Philadelphia (SOXX) anjlok 10%, menghapus lebih dari satu triliun dolar AS dalam satu hari, dengan saham chip seperti Marvell dan AMD terpuruk. Bitcoin juga jatuh di bawah US$60.000, menyentuh level oversold terparah sejak Maret 2020. Pemicu utama adalah data lapangan kerja AS (non-farm payrolls) Mei yang melonjak menjadi 172 ribu, hampir dua kali lipat dari perkiraan. Ini memadamkan harapan pasar akan pemotongan suku bunga oleh The Fed dan mendorong imbal hasil obligasi AS melonjak. Nasdaq merosot lebih dari 4%. Sementara itu, ketegangan geopolitik memanas. AS mencegat rudal dan drone Iran yang menargetkan Bahrain dan Kuwait, lalu membalas dengan menyerang dua stasiun radar Iran. Selat Hormuz tetap terhambat, meningkatkan risiko gangguan pasokan minyak dan inflasi. Di balik data lapangan kerja yang kuat, para CEO perusahaan konsumen seperti Kraft dan McDonald's memperingatkan bahwa konsumen AS mulai kehabisan tabungan, menimbulkan pertanyaan tentang kekuatan ekonomi riil. Di sektor teknologi, diskusi utama terkait AI. Laporan internal Anthropic memperingatkan tentang kemungkinan "peningkatan diri secara rekursif" (RSI) pada AI. Sementara itu, komunitas pengembang memperdebatkan kode bug yang diperkenalkan oleh Claude ke dalam basis kode rsync, mempertanyakan keandalan alat coding AI. Di sisi lain, DeepSeek V4 Flash mendapat pujian untuk kinerja lokalnya, dan GitHub Copilot kini mendukung endpoint kustom untuk model lokal. Intinya, pasar sedang menyesuaikan harga untuk lingkungan makro yang sulit: tekanan inflasi yang potensial dari geopolitik, kebijakan moneter The Fed yang ketat, dan sinyal yang bertentangan tentang kesehatan ekonomi konsumen AS.

marsbit27m yang lalu

TechFlow Intelijen: Saham Chip Kehilangan Triliunan Dolar dalam Satu Hari, Bitcoin Jatuh di Bawah $60.000, Konflik AS-Iran Meningkat

marsbit27m yang lalu

Saya Butuh Setahun untuk Menyadari Kebenaran yang Menyakitkan tentang Pembayaran Agent

Selama setahun terakhir, penulis berfokus membangun infrastruktur untuk ekonomi *agent*, berinteraksi dengan perusahaan seperti Stripe, Visa, dan startup lainnya. Kesimpulan utamanya: belum ada permintaan riil yang matang, dan startup menghadapi banyak tantangan struktural. **Data Realitas:** Stripe melaporkan sedikit transaksi *agent* aktif. Visa menyebutkan proses KYC yang panjang dan batas pendapatan tinggi untuk token pembayaran *agent*. Analisis Coinbase menunjukkan volume transaksi harian *agent* di blockchain masih sangat kecil, sebagian besar adalah transaksi uji coba. **Tantangan di Berbagai Sektor:** 1. **Agent untuk Merchant (E-commerce):** Pengalaman belanja via chatbot seringkali lebih buruk daripada antarmuka visual tradisional. Kebutuhan merchant saat ini bersifat defensif (optimasi untuk *agent*), bukan karena permintaan konsumen yang nyata. Celah potensial ada pada pembelian rutin (seperti pesan makanan) atau situs dengan UI rumit, tetapi butuh distribusi B2C skala besar yang dikuasai raksasa seperti Amazon. 2. **Agent untuk API:** Developer sudah memiliki metode pembayaran yang mapan (kunci API, saldo prabayar) untuk akses layanan komputasi dan data. Pasar untuk transaksi mikro bersifat *long-tail* namun relatif kecil. Penyedia SaaS besar cenderung mempertahankan model kontrak bisnis mereka. 3. **Agent untuk Agent:** Visi jangka panjang ini masih teoritis dengan volume transaksi nyata yang hampir nihil. Butuh infrastruktur penyelesaian khusus untuk transaksi antar-mesin yang cepat dan kompleks. 4. **Agent untuk Keuangan:** Ini adalah kategori dengan permintaan dan kemauan bayar yang sudah ada. Integrasi AI ke alur kerja keuangan tradisional atau DeFi merupakan evolusi alami, meski persaingan dengan lembaga mapan sangat ketat. **Inti Permasalahan:** Banyak yang membangun infrastruktur pembayaran untuk *agent*, tetapi masalah sebenarnya bukan pada transfer dana. Tantangan utamanya adalah **koordinasi** antara *agent* dan manusia—memverifikasi kerja dan menyelesaikan hasil. Penyelesaian (settlement) dan pembayaran (payment) hanyalah bagian dari masalah koordinasi yang lebih besar. Perusahaan yang memecahkan masalah koordinasi akan mendominasi. Perusahaan besar membangun untuk bertahan dari masa depan transaksi mesin skala besar. Namun, startup harus menemukan pasar yang benar-benar aktif *sekarang*, yang mungkin berada di luar empat kategori utama ini.

marsbit1j yang lalu

Saya Butuh Setahun untuk Menyadari Kebenaran yang Menyakitkan tentang Pembayaran Agent

marsbit1j yang lalu

Claude Opus 4.8 Menemukan Bug Senilai 4.5 Miliar Dolar AS, Era AI Sedang Memproduksi Peretas Secara Massal

Seorang peneliti keamanan menemukan bug serius dalam jaringan privasi Zcash (Orchard) yang memungkinkan penciptaan token tanpa batas, menggunakan Claude Opus 4.8. Setelah perbaikan darurat, harga Zcash turun 50%. Peristiwa ini menunjukkan bahwa AI, seperti model Opus yang tersedia umum, membuat penemuan kerentanan menjadi lebih mudah dan murah, bukan hanya model canggih seperti Claude Mythos. AI mendemokratisasikan kemampuan audit keamanan, memungkinkan tim kecil memiliki kemampuan seperti tim besar. Namun, ini membanjiri pemelihara dengan laporan bug berkualitas rendah yang dihasilkan AI, seperti yang dialami curl dan didiskusikan OpenSSF. Ini seperti serangan DDoS pada perhatian manusia. Banyak kerentanan lama (seperti Heartbleed, Baron Samedit) tetap tak terdeteksi selama bertahun-tahun karena biaya penemuan yang tinggi. AI mengubah struktur biaya ini. Namun, sementara AI membuat penemuan dan potensi serangan lebih murah, perbaikan tetap mahal dan membutuhkan keahlian manusia. Industri keamanan siber sudah menghadapi kekurangan tenaga kerja global yang besar (misalnya, defisit 4,8 juta menurut ISC2). Laporan menunjukkan profesional beralih ke analisis ancaman kompleks dan pembuatan strategi. Yang paling dibutuhkan adalah orang yang dapat memahami, menilai, dan memperbaiki kerentanan. Kesimpulannya, AI tidak menghancurkan internet, tetapi mengungkap kerentanan yang sudah ada. Kemampuan menemukan bug menyebar dengan cepat, tetapi tanggung jawab untuk memperbaikinya tidak bertambah sebanding. Keamanan digital bergantung pada upaya terus-menerus oleh manusia untuk mengurangi risiko, dan di era AI, sumber daya manusia yang terampil tetap menjadi aset paling berharga dan langka.

marsbit2j yang lalu

Claude Opus 4.8 Menemukan Bug Senilai 4.5 Miliar Dolar AS, Era AI Sedang Memproduksi Peretas Secara Massal

marsbit2j yang lalu

Prediksi Harga Ethereum: ETH Bisa Naik Dua Kali Lipat Sementara Cardano (ADA) dan Token Pendatang Baru Ini Mendekati Rally 500%

Pasar kripto menunjukkan tanda-tanda pemulihan saat investor bersiap untuk siklus bull berikutnya. Ethereum (ETH), salah satu platform kontrak pintar terkemuka, saat ini diperdagangkan di sekitar $2.014,7. Analis memprediksi potensi kenaikan harga menjadi dua kali lipat menuju $4.000 jika pasar bullish pada 2026, menjadikannya pilihan investasi jangka panjang yang kuat. Cardano (ADA), proyek blockchain lapisan 1 utama, diperdagangkan di sekitar $0,2329. Investor tertarik pada fokusnya pada skalabilitas dan pengembangan berbasis penelitian, yang diyakini dapat mendorong pertumbuhan di masa depan. Sementara itu, token baru Little Pepe (LILPEPE) menarik perhatian. Dalam tahap presale ke-13 dengan harga $0,0022, proyek ini telah mengumpulkan lebih dari $28,19 juta. LILPEPE membangun blockchain Layer 2 yang kompatibel dengan Ethereum untuk komunitas meme, bertujuan mengurangi biaya dan meningkatkan kecepatan transaksi. Beberapa investor memperkirakan potensi rally 500% menjadi sekitar $0,0132, didorong oleh permintaan presale yang kuat, fitur ekosistem seperti staking, dan komunitas yang berkembang pesat. Kesimpulannya, Ethereum dan Cardano tetap menjadi pilihan investasi solid, sedangkan Little Pepe menawarkan potensi pertumbuhan tinggi bagi mereka yang mencari proyek baru dengan infrastruktur dan komunitas yang kuat.

TheNewsCrypto2j yang lalu

Prediksi Harga Ethereum: ETH Bisa Naik Dua Kali Lipat Sementara Cardano (ADA) dan Token Pendatang Baru Ini Mendekati Rally 500%

TheNewsCrypto2j yang lalu

Trading

Spot
Futures
活动图片