# Artikel Terkait Agen

Pusat Berita HTX menyediakan artikel terbaru dan analisis mendalam mengenai "Agen", mencakup tren pasar, pembaruan proyek, perkembangan teknologi, dan kebijakan regulasi di industri kripto.

Setelah 540 Ribu Baris Kode, Garry Tan Menyadari Permainan Lama Pemrograman AI Sudah Berakhir

Editor's Note: Sementara banyak orang memperdebatkan apakah AI akan menggantikan programmer, Presiden YC Garry Tan justru mengajukan pertanyaan lain: Jika AI sudah dapat menyelesaikan sebagian besar pekerjaan pemrograman, mengapa kita masih mengelolanya dengan cara lama seperti perangkat lunak biasa? Awal tahun ini, Garry Tan menghabiskan beberapa bulan untuk membuat proyek "Garry's List" dengan Rails dan AI Agent, yang menghasilkan lebih dari 540.000 baris kode. Namun, ia menyimpulkan bahwa kode tersebut tidak penting. Yang berharga adalah "GStack"—kerangka kerja pengembangan baru yang dibangun di sekitar alur kerja AI Agent. Menurutnya, industri perangkat lunak selama ini terbiasa membungkus model AI dengan banyak tes, validator, mekanisme percobaan ulang, dan logika kontrol. Ini seperti membangun "pabrik Foxconn" untuk pekerja AI yang sangat cerdas—membatasi agen yang sebenarnya sudah mampu dengan banyak aturan. Dengan biaya model yang turun cepat dan kemampuannya meningkat, fokus pengembangan perangkat lunak beralih dari "menulis lebih banyak kode" ke "merancang lebih banyak kemampuan." Tan mengusulkan menggunakan Markdown untuk membuat "skill pack" (paket keterampilan yang dapat diuji dan digunakan kembali), di mana Agent dapat secara otomatis menghasilkan kode, tes, dan sistem evaluasi. Sebagai contoh, pekerjaan menilai hackathon yang biasanya memakan waktu berhari-hari kini dapat diselesaikan oleh Agent dalam beberapa puluh menit. Intinya, artikel ini membahas akhir dari logika industrialisasi perangkat lunak. Ketika kode bukan lagi sumber daya paling langka, kompetensi inti insinyur juga bergeser: Daripada menulis lebih banyak kode, kemampuan untuk menilai apa yang layak dibangun, mendefinisikan masalah, dan mengemas pengalaman menjadi aset kemampuan yang dapat digunakan kembali menjadi lebih penting. Kesimpulannya: Insinyur terbaik di masa depan mungkin bukan yang menulis kode paling banyak, tetapi yang menulis paling sedikit namun mampu melepaskan kecerdasan paling besar.

marsbit06/02 21:42

Setelah 540 Ribu Baris Kode, Garry Tan Menyadari Permainan Lama Pemrograman AI Sudah Berakhir

marsbit06/02 21:42

Partner Pantera: Di Era Agen Cerdas, Blockchain adalah Jawaban yang Tak Terhindarkan untuk AI

Penulis asli: Paul Veradittakit, Mitra di Pantera Capital. Ringkasan: AI dan blockchain tengah berintegrasi di empat pilar utama: penyelesaian pembayaran, sistem identitas, sistem terbuka, dan agregasi sumber daya. Logika dasarnya saling melengkapi: AI mewakili kelimpahan pasokan (konten dan agen cerdas yang tak terbatas), sementara blockchain mewakili kelangkaan dan kepastian hak (kepemilikan terverifikasi, penyelesaian asli di rantai). AI menghasilkan konten dan layanan, blockchain menetapkan hak dan menyelesaikan nilai. Ekonomi agen cerdas (AI Agent) membutuhkan infrastruktur keuangan native yang dirancang untuk mesin, bukan manusia. Agen tidak dapat membuka rekening bank atau menggunakan sistem transfer tradisional; mereka memerlukan jaringan pembayaran berbiaya rendah, tersedia 24/7, dan dapat diprogram, yang merupakan keunggulan inti blockchain. Proyek seperti OpenFX (penyelesaian dengan stablecoin) dan Alchemy (platform pengembangan) telah menunjukkan kelayakan komersialnya. Di era konten dan identitas yang dihasilkan AI, kebutuhan untuk membedakan manusia asli dari AI menjadi mendesak. Blockchain menawarkan solusi verifikasi identitas global yang aman, privat, dan tahan sensor, seperti yang diimplementasikan oleh World (Worldcoin) dan TransCrypts. Saat ini terjadi kesenjangan valuasi yang signifikan antara sektor AI dan aset kripto. Valuasi perusahaan AI terkemuka melambung tinggi, sementara aset kripto seperti Bitcoin berada di bawah tren jangka panjangnya, menciptakan peluang investasi relatif yang langka. Para pemimpin industri seperti Robbie Mitchnick dari BlackRock menyatakan bahwa aset kripto adalah mata uang native untuk era kecerdasan mesin. Jendela peluang industri telah terbuka. Integrasi AI dan blockchain bukan lagi tren masa depan, melainkan realitas yang sedang diterapkan. Infrastruktur pendukung seperti Alchemy, World, dan OpenFX semakin matang, lingkungan regulasi membaik, dan modal mulai mengakui nilai yang terpendam di sektor kripto. Ini adalah periode emas untuk membangun solusi keuangan native untuk agen, identitas terdesentralisasi, dan sistem kolaborasi otonom di rantai.

marsbit06/02 13:15

Partner Pantera: Di Era Agen Cerdas, Blockchain adalah Jawaban yang Tak Terhindarkan untuk AI

marsbit06/02 13:15

Chatbot Sudah Membakar Uang Tiga Tahun, Masihkah Menjadi 'Benua Baru' Era AI?

Dalam beberapa tahun terakhir, chatbot dianggap sebagai "peta harta karun" menuju "benua baru" di era AI, terutama setelah kesuksesan fenomenal ChatGPT. Namun, ekspektasi bahwa chatbot akan menjadi pintu masuk super yang menguasai nilai ekonomi, mirip dengan era internet seluler, mulai dipertanyakan. Realitas bisnis chatbot ternyata sulit. OpenAI, dengan miliaran pengguna aktif, masih merugi karena biaya komputasi yang tinggi per interaksi. Model langganan berbayar menghadapi tantangan, terutama di pasar seperti Tiongkok di mana kebiasaan membayar untuk aplikasi mandiri rendah. Iklan, yang diharapkan menjadi solusi, juga terbukti sulit diimplementasikan secara efektif dalam format dialog karena kurangnya niat beli pengguna, ruang terbatas, dan masalah kepercayaan terhadap jawaban. Analisis menunjukkan chatbot mungkin bukan bentuk akhir. Data dari Anthropic dan penelitian lainnya mengindikasikan mayoritas pengguna memanfaatkan AI untuk membantu pekerjaan, bukan sekadar mengobrol. Tren menuju "Agent" AI yang dapat mengeksekusi tugas multi-langkah, serta integrasi AI ke dalam aplikasi yang ada, sistem operasi, dan perangkat keras (seperti yang dilakukan oleh OpenClaw, Apple Intelligence, dan Meta) menunjukkan masa depan AI mungkin lebih tersebar dan tertanam, daripada terkonsentrasi pada aplikasi chatbot mandiri. Kesimpulannya, chatbot berperan penting dalam memperkenalkan kemampuan AI kepada publik, tetapi sebagai model bisnis mandiri, ia menghadapi tantangan ekonomi mendasar. "Peta lama" yang berfokus pada pencarian pintu masuk super mungkin perlu diperbarui. "Benua baru" yang sesungguhnya dalam era AI kemungkinan terletak pada bagaimana kemampuan AI diintegrasikan dan memberikan nilai di dalam produk serta layanan yang sudah ada, mengubahnya dari dalam.

marsbit06/02 10:40

Chatbot Sudah Membakar Uang Tiga Tahun, Masihkah Menjadi 'Benua Baru' Era AI?

marsbit06/02 10:40

Posisi Baru di Lembah Silikon, FDE, Sedang Naik Daun, Jenis Bakat AI Apa yang Diperlukan Perusahaan?

Redaksi: Dengan OpenAI dan Anthropic membentuk tim AI Forward Deployed Engineer (FDE), peran lama yang berasal dari Palantir kembali populer di Silicon Valley. Inti nilai FDE adalah bekerja di lokasi klien untuk mengubah model AI umum menjadi alur kerja Agent yang sesuai dengan proses bisnis spesifik. Namun, artikel ini membahas lebih dari sekadar karir FDE. Ini membahas bagaimana struktur pekerjaan berevolusi di era AI. Penulis berpendapat bahwa dibandingkan sejumlah kecil FDE yang ditugaskan ke klien untuk melaksanakan produk vendor tertentu, kebutuhan yang lebih besar di masa depan adalah AI Engineer internal perusahaan. Mereka perlu memahami prompt, kerangka Agent, sistem evaluasi, serta menggunakan alat pemrograman AI seperti Claude Code untuk menyematkan kemampuan AI ke dalam perangkat lunak dan sistem bisnis. Ini menunjukkan dampak AI terhadap pasar tenaga kerja tidak hanya sekadar "penggantian". AI lebih mungkin menciptakan sejumlah peran umum baru terlebih dahulu, kemudian terus berevolusi menjadi spesialisasi yang lebih sempit seperti LLMOps Engineer, Evals Engineer, dan AI Data Engineer, mirip dengan diferensiasi peran software engineer di masa lalu. Yang benar-benar langka adalah orang-orang yang memahami implementasi teknik sekaligus konteks bisnis. Saat ini, permintaan untuk AI Engineer meningkat pesat. Insinyur ini mampu membangun aplikasi menggunakan komponen perangkat lunak AI. Seiring peran ini matang, diperkirakan akan terpecah menjadi spesialisasi lebih lanjut. Meski spesialisasi masa depan belum pasti, banyak AI Engineer umum sudah menciptakan nilai besar dan sangat dibutuhkan. Diperkirakan bidang ini akan terus matang dalam dekade mendatang, menciptakan lebih banyak peluang kerja baru melalui spesialisasi.

marsbit06/02 04:42

Posisi Baru di Lembah Silikon, FDE, Sedang Naik Daun, Jenis Bakat AI Apa yang Diperlukan Perusahaan?

marsbit06/02 04:42

Medan Persaingan Baru AI: Ingatan Jangka Panjang Menjadi Titik Sakit, Bagaimana Pengguna Mempertahankan Kepemilikan Konteks Mereka

AI kini beralih dari alat obrolan menjadi asisten digital pribadi yang memahami pola kerja dan preferensi pengguna. Namun, memori jangka panjang yang dikumpulkan AI—seperti kebiasaan, konteks proyek, dan riwayat percakapan—saat ini terisolasi di dalam masing-masing platform (seperti ChatGPT, Claude, Gemini). Hal ini membuat pengguna kehilangan konteks saat berpindah model atau platform. Isu kepemilikan memori dan portabilitas konteks AI kini menjadi tantangan baru. ZetaChain, melalui produk Anuma, mengusung solusi "Lapisan Memori Privat" (Private Memory Layer) yang memungkinkan pengguna memiliki dan mengontrol memori AI mereka secara terenkripsi. Memori ini dapat dibawa ke berbagai model AI dan agen, dengan sistem izin terprogram yang dapat diaudit dan dicabut. ZetaChain, yang sebelumnya fokus pada infrastruktur interoperabilitas antar-blockchain, bertransisi ke AI karena melihat paralel antara masalah fragmentasi aset di blockchain dengan isolasi memori di dunia AI. Visi mereka adalah membangun "Lapisan Konsumen AI" (AI Consumer Layer) di mana berbagai agen AI dapat berkolaborasi dengan berbagi konteks, identitas, dan sistem izin yang seragam—dengan kepemilikan dan kendali tetap di tangan pengguna. Token ZETA diubah fungsinya menjadi "token infrastruktur AI" untuk akses model, pembayaran antar-agen, pencatatan izin di blockchain, dan ekonomi kreator tempat keahlian dapat dikemas sebagai agen berbayar. Inti upaya ini adalah mengembalikan kepemilikan memori, identitas, dan konteks AI dari platform kepada pengguna.

marsbit06/02 04:34

Medan Persaingan Baru AI: Ingatan Jangka Panjang Menjadi Titik Sakit, Bagaimana Pengguna Mempertahankan Kepemilikan Konteks Mereka

marsbit06/02 04:34

Tiga Tahun Kemudian: Meninjau Kembali Penilaian Saya terhadap ChatGPT di Tahun 2023

Tiga tahun kemudian, pada Mei 2026, penulis meninjau kembali 20 prediksi tentang ChatGPT yang dibuatnya pada Maret 2023, menggunakan AI untuk mengevaluasi akurasinya berdasarkan data terbaru. Secara keseluruhan, arah dan mekanisme prediksi banyak yang tepat. Yang paling akurat adalah tentang RAG sebagai arsitektur standar, LUI (Antarmuka Pengguna Bahasa Alami) sebagai lapisan interaksi baru, munculnya "jaringan robot" (protokol untuk agen AI), dan kemampuan China mengejar ketertinggalan model AI besar. Prediksi bahwa ChatGPT bukan AGI namun langkah besar, tidak menyebabkan gelombang pengangguran massal, serta sifat uji Turing yang hanya mengukur persepsi juga pada dasarnya benar. Namun, prediksi dengan angka spesifik atau pernyataan mutlak sering meleset. Klaim bahwa GPT-4 memiliki 100 triliun parameter sepenuhnya salah. Pernyataan bahwa LLM "tidak mungkin" mengerjakan matematika murni terbantahkan dengan model penalaran yang memenangkan medali emas IMO. Estimasi biaya pelatihan model hanya $5-10 miliar juga jauh dari kenyataan, yang kini mencapai miliaran dolar untuk model terdepan. Beberapa prediksi keliru tentang distribusi dampak, seperti bahwa nilai akan berpindah ke lapisan aplikasi (nyatanya, penyedia chip seperti NVIDIA paling untung), atau bahwa AI akan "menghindari" masalah hak cipta (justru menimbulkan gugatan besar). Kesimpulan utama adalah: dalam memprediksi teknologi yang cepat berubah, mengidentifikasi arah dan mekanisme umumnya lebih bisa diandalkan daripada memberikan angka pasti atau pernyataan mutlak. Prediksi cenderung terlalu optimis tentang kecepatan perubahan jangka pendek, tetapi meremehkan besarnya perubahan jangka panjang. Penting juga untuk mempertimbangkan distribusi dampak, bukan hanya kesimpulan agregat. Pernyataan yang disertai batasan dan keraguan justru lebih tahan uji waktu. Beberapa pertanyaan mendasar masih belum terjawab setelah tiga tahun. Tinjauan ini berfungsi sebagai pelajaran untuk membuat prediksi yang lebih baik di tiga tahun mendatang.

marsbit05/31 16:09

Tiga Tahun Kemudian: Meninjau Kembali Penilaian Saya terhadap ChatGPT di Tahun 2023

marsbit05/31 16:09

Dari Token ke Tenaga Kerja Mesin: AI Sedang Berubah dari Alat Menjadi 'Pekerja'

Dari Token ke Tenaga Kerja Mesin: AI Berubah dari Alat Menjadi "Pekerja" AI mulai menulis kode, menangani tiket dukungan pelanggan, dan meninjau dokumen hukum. Artikel ini mengusulkan kerangka baru: komersialisasi AI sedang bergerak menuju "pasar tenaga kerja mesin". Dalam pasar ini, token hanyalah unit pengukuran, GPU adalah bahan baku, dan model adalah alat produksi. Objek yang benar-benar ditetapkan harganya dan diperdagangkan adalah kerja ekonomi yang diselesaikan langsung oleh perangkat lunak. Mekanisme penetapan harga AI akan berkembang dari token mentah, kemampuan model yang terstandarisasi, tenaga kerja yang terspesialisasi industri, hingga pasar hasil yang dapat diprogram. Di masa depan, perusahaan mungkin tidak lagi peduli model atau GPU mana yang menyelesaikan suatu tugas, tetapi lebih pada apakah tugas itu diselesaikan dalam batas latensi, akurasi, keandalan, dan biaya yang ditentukan. Implikasinya, dampak AI pada pasar tenaga kerja manusia tidak hanya sekadar penggantian. Saat mesin mengambil alih lebih banyak pekerjaan yang dapat distandardisasi dan diverifikasi, peran manusia mungkin bergeser ke pengawasan, penanggung jawab, manajemen konteks, dan keputusan akhir. Dalam beberapa kasus, penilaian manusia untuk 1% akhir justru menjadi lebih berharga karena dapat membuka kunci 99% otomatisasi skala besar. Pasar AI adalah pasar ekspansif. Ketika biaya kerja turun, permintaan tidak tetap. Jika interaksi dukungan pelanggan menjadi lebih murah, perusahaan dapat menawarkan layanan 24/7, menciptakan pasar interaksi pelanggan yang lebih besar. Persaingan tahap berikutnya di pasar AI mungkin bukan lagi sekadar pertarungan kemampuan model atau perang harga daya komputasi, tetapi tentang siapa yang dapat pertama kali menstandarisasi, memverifikasi, dan menetapkan harga "pekerjaan", akhirnya menjadikan tenaga kerja mesin sebagai faktor produksi baru yang dapat dibeli, diselesaikan, dan diperdagangkan.

marsbit05/31 12:36

Dari Token ke Tenaga Kerja Mesin: AI Sedang Berubah dari Alat Menjadi 'Pekerja'

marsbit05/31 12:36

Rp 426 Triliun, "Tim Murni Tionghoa" Menopang Perusahaan Pemrograman AI dengan Valuasi Tertinggi di Dunia

Pada Mei 2025, Cognition AI, startup pengembangan AI yang didirikan oleh tiga pendiri berkebangsaan China pemenang Olimpiade Informatika, mengumumkan pendanaan baru senilai lebih dari $10 miliar, yang menaikkan valuasinya menjadi $26 miliar. Lonjakan valuasi ini, hanya dalam 8 bulan sejak valuasi $10,2 miliar sebelumnya, didorong oleh kepercayaan investor bahwa agen AI seperti "Devin" perusahaan mereka akan menjadi infrastruktur rekayasa perangkat lunak generasi berikutnya. Awalnya, Cognition menciptakan sensasi dengan meluncurkan Devin, yang dipasarkan sebagai "insinyur perangkat lunak AI" pertama yang dapat menangani tugas pengkodean secara mandiri. Namun, produk awal ini menuai kritik karena kinerja yang tidak konsisten dan harga yang tinggi. Untuk mengatasi kekurangan ini, Cognition melakukan pivoting strategis dengan mengakuisisi Windsurf, sebuah platform IDE berbasis AI, pada tahun 2025. Akuisisi ini memberi Cognition dua jalur produk: Devin untuk menangani tugas-tugas rekayasa asinkron yang dapat didelegasikan, dan Windsurf IDE sebagai alat bantu kolaboratif bagi pengembang dalam editor kode. Kombinasi ini terbukti sukses. Cognition melaporkan pertumbuhan penggunaan perusahaan lebih dari 10 kali lipat tahun ini, dengan run-rate pendapatan mencapai $492 juta dan pertumbuhan penggunaan bulanan Devin sebesar 50% selama enam bulan terakhir. Kliennya termasuk nama-nama besar seperti Goldman Sachs, NASA, dan Angkatan Darat AS. Intinya, valuasi $26 miliar ini mencerminkan keyakinan pasar bahwa Cognition, dengan strategi "dua kaki"nya, berada di posisi yang tepat untuk menangkap peluang adopsi AI berskala besar di sektor rekayasa perangkat lunak perusahaan, yang bergerak menuju sistem hybrid di mana manusia dan AI berkolaborasi.

marsbit05/31 10:27

Rp 426 Triliun, "Tim Murni Tionghoa" Menopang Perusahaan Pemrograman AI dengan Valuasi Tertinggi di Dunia

marsbit05/31 10:27

活动图片