# Artikel Terkait Otomatisasi

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

Huang Renxun: Prompt Sudah Mati, Seluruh Dunia AI Gila-Gilaan Mengejar Loop

Prompt sudah mati, seluruh industri AI kini gila-gilaan mengejar "Loop". Konsep Loop Engineering, yang dinamai oleh Addy Osmani dari Google pada Juni 2026, kini menjadi fokus utama. Para tokoh seperti Jensen Huang (NVIDIA), Andrew Ng, Andrej Karpathy, dan insinyur dari Anthropic menyatakan bahwa pekerjaan masa depan bukan lagi menulis prompt, tetapi merancang dan menangani sistem loop yang mandiri. Inti dari Loop Engineering adalah menggeser peran manusia dari pengendali AI harian menjadi arsitek sistem. Alih-alih terus-menerus menulis prompt, manusia mendesain sebuah siklus otomatis di mana AI dapat secara mandiri menemukan tugas, mengeksekusi, memverifikasi (dengan agen penilai terpisah untuk objektivitas), mempertahankan memori, dan menjadwalkan ulang—berjalan 24/7. Sebuah "buku putih" 11 halaman dan panduan 14 langkah praktis tengah viral, merinci komponen kunci loop: penemuan, penyerahan tugas, verifikasi, persistensi, dan penjadwalan. Tantangan terbesarnya adalah menghindari "utang verifikasi" dan "penyerahan kognitif" di mana manusia berhenti memahami kode yang dihasilkan AI. Contoh dari Anthropic menunjukkan bahwa meski loop memakan waktu dan biaya lebih besar (6 jam/$200 vs 20 menit/$9), kualitas outputnya jauh lebih unggul. Paradigma ini menggeser leverage dari menulis kata-kata untuk AI menjadi merancang sistem yang secara otomatis memberi makan AI, menjadikan penilaian manusia sebagai sumber daya paling berharga.

marsbit06/29 08:41

Huang Renxun: Prompt Sudah Mati, Seluruh Dunia AI Gila-Gilaan Mengejar Loop

marsbit06/29 08:41

Triliun Rupiah Pintu Masuk Dana Pensiun? ETF Reinvestment Dividen Bitcoin Franklin Templeton Punya Plafon Jual

**Artikel Inti (Ringkasan dalam Bahasa Indonesia):** Franklin Templeton mengajukan dua ETF baru yang dirancang untuk membawa Bitcoin ke investasi tradisional melalui mekanisme "konfigurasi default" dan rencana reinvestasi dividen (DRIP). Produk ini, yaitu Franklin US Equity Bitcoin Reinvestment Index ETF dan Franklin US Equity Innovation Sector Bitcoin Reinvestment Index ETF, akan berinvestasi di ETF Bitcoin spot, futures, dan opsi. Dengan alokasi awal 95% saham dan 5% Bitcoin, dividen dari bagian saham akan digunakan secara otomatis untuk membeli Bitcoin. Namun, terdapat batasan: porsi Bitcoin akan dijual kembali jika melebihi 5% (diturunkan ke 4,5%) selama rebalancing triwulanan, dengan batas keras maksimal 20% dari aset dana. Desain ini berarti dalam pasar bullish, dana justru menjadi penjual Bitcoin yang terprogram, berpotensi menciptakan tekanan jual. Artikel ini mengkritik dampak langsungnya yang kecil terhadap permintaan Bitcoin. Dengan yield dividen rendah (sekitar 1% atau 0,5%), daya beli tahunan untuk Bitcoin sangat minimal dibandingkan volume pasar harian. Target utama produk ini adalah penasihat keuangan, memungkinkan mereka mengalokasikan Bitcoin kepada klien secara tidak langsung dan "patuh regulasi", dengan menampilkannya sebagai produk ekuitas AS biasa. Kesimpulannya, meski mekanisme "default" yang memanfaatkan inersia investor berpotensi membuka akses besar seperti dana pensiun 401(k) di masa depan (terutama setelah perubahan regulasi AS baru-baru ini), dalam jangka pendek, aliran dana masuk dari produk ini diperkirakan sangat terbatas, dan desainnya justru bisa menjadi sumber tekanan jual pasif jika Bitcoin naik signifikan.

Foresight News06/26 02:51

Triliun Rupiah Pintu Masuk Dana Pensiun? ETF Reinvestment Dividen Bitcoin Franklin Templeton Punya Plafon Jual

Foresight News06/26 02:51

Dari Pemantauan Sinyal ke Penyalinan Strategi, Bagaimana PPP Menurunkan Ambang Batas Perdagangan di Polymarket?

**Ringkasan:** Platform Prediksi Posisi (PPP), sebuah bot Telegram, membantu pengguna baru di pasar prediksi Polymarket mengurangi hambatan perdagangan dengan menyediakan alat penemuan sinyal dan eksekusi copy trading. Dengan mengamati bahwa banyak trader pemula terjebak dalam perdagangan emosional dan kurang strategi, PPP menawarkan serangkaian fitur berbasis langganan (awalnya diskon menjadi 1.99 USDC). Fitur utamanya termasuk: * **Pemantauan Sinyal:** Melacak perubahan probabilitas pasar, perdagangan "uang pintar" (*smart money*), dan diskusi panas untuk memberi tahu pengguna tentang peluang potensial. * **Analisis Alamat AI:** Menganalisis performa historis suatu alamat dompet (laba/rugi, rasio kemenangan, dll.) untuk membantu penilaian. * **Algoritma Seleksi:** Menggunakan database alamat internal dan algoritma untuk menyaring trader berdasarkan berbagai metrik (laba, rasio kemenangan, penarikan maksimum, aktivitas, dll.), lalu menampilkannya di dua bagian: * **Plaza Strategi:** Untuk menemukan akun dengan strategi yang layak diikuti dalam jangka panjang. * **Papan Peringkat Transaksi:** Untuk mengidentifikasi alamat dengan kinerja kuat baru-baru ini. * **Copy Trading Otomatis & Manajemen:** Memungkinkan pengguna mengikuti strategi yang dipilih dengan parameter yang dapat disesuaikan (jumlah, batas posisi, dll.) dan mengelola/melacak semua posisi yang diikuti dalam satu antarmuka. PPP beroperasi dengan model dompet non-kustodian, artinya aset pengguna tetap berada di dompet pribadi mereka di rantai, hanya memberikan izin transaksi terbatas kepada bot untuk eksekusi. Dengan menyederhanakan penemuan peluang, analisis trader, dan eksekusi perdagangan, PPP bertujuan untuk membantu pemula memanfaatkan keahlian trader yang lebih berpengalaman di Polymarket, sehingga mengurangi biaya pembelajaran dan meningkatkan efisiensi.

Odaily星球日报06/26 02:04

Dari Pemantauan Sinyal ke Penyalinan Strategi, Bagaimana PPP Menurunkan Ambang Batas Perdagangan di Polymarket?

Odaily星球日报06/26 02:04

Huang Renxun: Prompt Sudah Usang, Loop adalah Paradigma Baru

**Ringkasan:** **Prompt Sudah Ketinggalan Zaman, Loop adalah Paradigma Baru.** Menurut Huang Renxun (Jensen Huang), pendiri NVIDIA, tugas utama di era AI sekarang bukan lagi menulis perintah (prompt), tetapi **menulis dan mengelola loop (siklus).** **Apa itu Loop?** Loop adalah sistem di mana Anda mendefinisikan suatu tujuan, dan AI menjalankannya secara mandiri—memeriksa hasil, memperbaiki kesalahan, dan mengulangi proses tersebut hingga tugas selesai atau mencapai batas tertentu. Manusia beralih peran dari "pemberi perintah" menjadi **"perancang aturan" atau "arsitek sistem."** **Loop vs. Agent:** Agent adalah "pekerja" yang menjalankan tugas. Loop adalah **mekanisme pengelolaan** yang memungkinkan Agent bekerja terus-menerus tanpa pengawasan manusia. Agent dengan loop menjadi sistem yang dapat berjalan otomatis. **Contoh Penerapan:** Produk seperti Claude Code (dengan fitur /loop, /goal, /schedule) dan OpenAI Codex telah menerapkan konsep ini. Mereka membagi tugas kompleks ke beberapa Agent yang berjalan paralel di lingkungan terisolasi, dengan model terpisah untuk menulis kode dan memvalidasi hasil, memastikan objektivitas. **Bagaimana Memulai Loop?** 1. **Uji Kelayakan:** Pastikan tugas berulang, dapat divalidasi otomatis, dan anggaran token mencukupi. 2. **Mulai dari Loop Minimal:** Bangun sistem dengan pemicu otomatis, keterampilan (skill), file status (STATE.md), dan "gerbang" validasi (seperti pengujian). 3. **Pisahkan Pemeriksa dan Pelaksana:** Gunakan model atau Agent berbeda untuk menulis kode dan memeriksa/mengujinya. Ini kunci untuk kualitas. 4. **Hindari Jebakan Umum:** Tetapkan batas pengulangan dan token, simpan status, hindari tugas yang membutuhkan pertimbangan manusia, dan tetap tinjau perubahan kode (diff). 5. **Ukur Efektivitas:** Metrik utama adalah **biaya rata-rata per perubahan yang diterima.** **Evolusi Paradigma:** Perkembangan AI menunjukkan pergeseran berkelanjutan: 1. **Prompt Engineering** (2023-2024): Fokus pada cara menulis perintah. 2. **Context Engineering** (2024-2025): Fokus pada informasi dan latar belakang yang diberikan ke AI. 3. **Harness Engineering** (2025-2026): Fokus pada lingkungan eksekusi dimana AI dapat menggunakan alat dan sumber daya. 4. **Loop Engineering** (sekarang): Fokus pada merancang sistem siklus otomatis yang berjalan mandiri. Konsep loop memiliki akar akademis, seperti dalam framework **ReAct** (Reasoning + Acting) yang dikembangkan oleh Yao Shunyu dkk., yang menggabungkan penalaran dan tindakan dalam sebuah siklus. **Catatan Penting:** Meskipun menjanjikan, teknologi ini masih awal. Perlu kehati-hatian terhadap biaya token dan kompleksitas. Seperti dikutip Andrej Karpathy, **"Anda dapat mengalihdayakan pemikiran Anda, tetapi Anda tidak dapat mengalihdayakan pemahaman Anda."** Pemahaman mendalam tentang masalah tetap berada di tangan manusia.

marsbit06/25 14:31

Huang Renxun: Prompt Sudah Usang, Loop adalah Paradigma Baru

marsbit06/25 14:31

Mantan Insinyur SpaceX Merekonstruksi Sistem Eksekusi Keuangan dengan Prinsip Pertama

Proyek infrastruktur keuangan Plan Execution Lab baru-baru ini mengumumkan penyelesaian pendanaan angel yang dipimpin oleh kantor keluarga terkenal di Singapura, dengan valuasi pasca-investasi mencapai $50 juta. Pendanaan ini akan digunakan terutama untuk mempercepat pengembangan dan pembangunan ekosistem Protokol Eksekusi Keuangan PlanX dan Runtime Keuangan Otonom Xgent. Didirikan oleh Lex Li, mantan insinyur SpaceX, perusahaan ini menerapkan metode berpikir Prinsip Pertama dari SpaceX ke dalam keuangan. Perspektif intinya adalah bahwa fungsi pasar keuangan bukanlah sekadar perdagangan, tetapi alokasi modal, di mana eksekusi adalah proses kritis untuk mengubah keputusan menjadi tindakan. Meskipun aset, likuiditas, dan penyelesaian telah bermigrasi ke on-chain dalam dekade terakhir, lapisan eksekusi tetap sangat bergantung pada alur kerja manusia yang terfragmentasi. Dengan berkembangnya model AI dan agen otonom, kecepatan peluruhan strategi semakin meningkat, membuat eksekusi yang berkelanjutan dan efisien menjadi tantangan utama di masa depan. Plan Execution Lab berpendapat bahwa unit fundamental bukanlah strategi tunggal, tetapi terdiri dari kemampuan eksekusi modular (seperti manajemen risiko, alokasi dana, akuisisi likuiditas). Kemampuan-kemampuan ini membentuk "Grafik Eksekusi", dan sistem keuangan di masa depan akan bersaing di tingkat "Jaringan Eksekusi". PlanX diposisikan sebagai Protokol Eksekusi Keuangan, menargetkan migrasi besar volume perdagangan dari pertukaran terpusat (CEX) ke pasar on-chain dengan menyediakan infrastruktur eksekusi seperti kemampuan eksekusi on-chain, akses likuiditas, dan manajemen risiko. Xgent adalah Runtime Keuangan Otonom yang dibangun di atas PlanX. Pengguna hanya perlu mendefinisikan tujuan, toleransi risiko, dan aturan alokasi modal. Xgent kemudian secara otomatis membangun logika eksekusi, memverifikasi risiko, mengoordinasi likuiditas, dan mengeksekusi serta mengoptimalkan strategi secara mandiri. Visi jangka panjangnya adalah menciptakan "Bloomberg Terminal untuk era keuangan otonom" – sistem operasi yang melayani agen, bukan manusia. Infrastruktur ini akan dibangun bersama oleh berbagai peserta seperti node eksekusi, penyedia likuiditas, kontributor strategi, dan agen keuangan otonom. Inti kompetisi keuangan di masa depan bukan lagi strategi perdagangan terbaik, tetapi jaringan eksekusi terkuat. PlanX dan Xgent bercita-cita menjadi infrastruktur dasar untuk transformasi ini, menuju masa depan di mana jaringan eksekusi otonom akan mendominasi.

marsbit06/25 09:12

Mantan Insinyur SpaceX Merekonstruksi Sistem Eksekusi Keuangan dengan Prinsip Pertama

marsbit06/25 09:12

AI Agent Sudah 'Melahap' Pasar Crypto Mana Saja?

Artikel ini membahas dampak AI Agent pada berbagai sektor kripto, membaginya menjadi tiga kategori berdasarkan tingkat dominasi aktivitas otomatis. **Sektor yang Didominasi AI Agent:** - **Perdagangan Derivatif (Kontrak Berkelanjutan):** AI Agent menunjukkan kinerja jauh lebih unggul, dengan tingkat kelangsungan hidup 100% dan kerugian lebih rendah dibandingkan trader manusia dalam kompetisi. - **Arbitrase (MEV):** Hampir sepenuhnya dikuasai oleh bot otomatis untuk kegiatan seperti sandwich attacks dan likuidasi. - **Optimisasi Hasil (Yield):** Mayoritas protokol DeFi baru mengintegrasikan AI Agent untuk manajemen likuiditas dan perdagangan, menunjukkan peningkatan hasil. - **Perdagangan Spot & Optimisasi Portofolio:** Diperkirakan 65% volume perdagangan kripto global melibatkan bot, dengan pertumbuhan signifikan agent aktif di rantai seperti Solana. **Sektor Campuran (Agent + Manusia):** - **Pasar Prediksi:** Agent unggul dalam arbitrase jangka pendek dan kecepatan, namun manusia masih lebih baik dalam membuat keputusan jangka panjang yang membutuhkan adaptasi. - **Pinjaman DeFi:** Keputusan penyimpanan dan peminjaman inti masih didominasi manusia, meskipun proses likuidasi telah sepenuhnya otomatis. **Sektor yang Didominasi Manusia:** - **Stabilcoin & Pembayaran Kartu:** Sebagian besar transaksi didorong oleh kebutuhan manusia nyata, seperti pengiriman uang dan pembayaran lintas batas, terutama di pasar berkembang. - **Dompet (Wallet):** Tetap menjadi lapisan penting untuk persetujuan dan pengawasan manusia, dengan pengembangan fokus pada keamanan dan keterbacaan transaksi. **Lapisan Validasi Manusia vs Agent:** Artikel menekankan meningkatnya kebutuhan untuk membedakan aktivitas manusia dan agent. Beberapa proyek seperti World/AgentKit, t54, Self Protocol, dan Kite AI sedang membangun infrastruktur "lapisan kepercayaan" untuk verifikasi identitas, pencegahan penipuan, dan akuntabilitas dalam ekonomi yang didorong agent. **Kesimpulan:** Meski AI Agent mendominasi sektor berbasis kecepatan dan optimisasi, aktivitas manusia tetap penting di area yang membutuhkan pertimbangan, kepercayaan, dan konteks dunia nyata. Masa depan mungkin terletak pada solusi yang memadukan keduanya dengan sistem verifikasi yang kuat.

marsbit06/22 10:14

AI Agent Sudah 'Melahap' Pasar Crypto Mana Saja?

marsbit06/22 10:14

AI Agent "Melahap" Sektor Kripto Mana Saja?

Sekarang, banyak diskusi di industri crypto tentang AI Agent yang akan "memakan" segalanya. Kenyataannya, adopsi AI Agent bersifat spesifik menurut sektor. **Sektor yang Sudah Didominasi AI Agent:** * **Derivatif (Perpetual):** Kecepatan dan eksekusi 24/7 membuat robot unggul. Dalam kompetisi Aster, 43% trader manusia dilikuidasi, sementara 100% AI Agent selamat. * **Arbitrase (MEV):** Hampir sepenuhnya dikuasai robot otomatis yang memindai mempool blockchain. * **Optimasi Yield:** Mayoritas protokol DeFi baru sekarang menyertakan AI Agent otonom untuk manajemen likuiditas dan perdagangan, menunjukkan peningkatan adopsi. * **Perdagangan Spot & Portofolio:** Diperkirakan 65% volume perdagangan crypto global dilakukan oleh bot otomatis. **Sektor 'Medan Pertempuran' (Manusia & AI):** * **Prediksi Pasar (Polymarket):** Untuk arbitrase jangka pendek, AI Agent unggul (66.4% profit rate vs 45.3% manusia). Namun, untuk pasar jangka panjang yang membutuhkan penilaian nuansa, manusia masih lebih baik. * **Lending DeFi:** Keputusan inti tentang penyetoran, pemilihan jaminan, dan risiko masih didominasi manusia, meski proses likuidasi sudah sepenuhnya otomatis. **Sektor yang Masih Didominasi Manusia:** * **Stablecoin & Pembayaran Kartu:** Sebagian besar volume berasal dari aktivitas ekonomi riil seperti pengiriman uang dan pembayaran sehari-hari di luar AS, bukan dari robot. * **Dompet:** Lapisan akhir untuk interaksi manusia dengan blockchain. Proses persetujuan dan kepercayaan memerlukan pengawasan manusia, meski ada peningkatan fitur untuk pengguna. **Pentingnya Lapisan Verifikasi Manusia-Agent:** Semakin banyak AI Agent beraktivitas, semakin penting sistem untuk membuktikan bahwa sebuah Agent bertindak atas nama manusia yang terverifikasi. Projek-projek seperti **World (AgentKit), t54, Self Protocol, dan Kite AI** sedang membangun infrastruktur "trust layer" ini untuk memastikan akuntabilitas dan keamanan dalam ekonomi agentik. **Kesimpulan:** Data menunjukkan AI Agent mendominasi sektor yang mengandalkan kecepatan dan optimasi (trading, MEV, yield). Namun, di lapisan yang menyentuh kehidupan nyata, membutuhkan penilaian, kepercayaan, dan konteks—seperti pembayaran dan identitas—manusia masih memegang peran utama. Masa depan mungkin adalah kolaborasi dimana sistem verifikasi yang kuat memastikan AI Agent dapat beroperasi secara aman dan akuntabel atas nama manusia.

Foresight News06/22 07:14

AI Agent "Melahap" Sektor Kripto Mana Saja?

Foresight News06/22 07:14

Di Luar Model adalah Harness: Deepseek Turun Langsung, Mengapa Medan Perang Utama Kompetisi AI Domestik Berubah?

Pada akhir Mei 2026, Deepseek membentuk tim "Harness" baru yang berfokus pada produk agen cerdas kode, dengan target internal menyaingi Claude Code dari Anthropic. Tim ini merekrut insinyur kuantitatif ternama, Cui Tianyi. Strategi ini merefleksikan pergeseran fokus persaingan AI di Tiongkok dari sekadar mengembangkan model dasar besar menuju pembangunan rantai alat dan aplikasi produktivitas. "Harness" didefinisikan sebagai infrastruktur runtime yang mengubah model bahasa besar menjadi agen yang dapat berinteraksi dengan dunia nyata, bertanggung jawab untuk mengatur eksekusi, mengelola alat, konteks, dan pemulihan kesalahan. Deepseek terjun langsung untuk mengontrol desain antarmuka dan mendapatkan data pelatihan berbasis aplikasi nyata, mencegahnya sekadar menjadi penyedia model. Perusahaan teknologi besar lain juga mengejar strategi berbeda. Tencent meluncurkan WorkBuddy, fokus pada konektor untuk kolaborasi organisasi dalam ekosistem perusahaan. Alibaba merilis framework PageAgent sumber terbuka, memungkinkan otomatisasi berbasis GUI di web. Pergeseran ini menunjukkan bahwa solusi vertikal yang dirancang khusus lebih dihargai daripada agen umum. Kesuksesan Viktor, perusahaan otomatisasi kantor dari Polandia, dengan pendapatan tahunan $20 juta ARR, membuktikan kesediaan perusahaan membayar untuk AI yang dapat mengeksekusi tugas kompleks secara mandiri, bukan hanya alat pembantu. Tantangan utama meliputi ledakan token yang meningkatkan biaya dan kegagalan tugas, sehingga kemampuan manajemen konteks "Harness" menjadi krusial. Kerangka kerja yang "tebal" dengan fitur seperti isolasi sandbox dan kontrol izin granular dibutuhkan untuk stabilitas tingkat perusahaan. Pembatasan akses terhadap produk luar negeri seperti Claude Code juga menciptakan peluang pasar bagi solusi domestik. Intinya, fase kompetisi baru menuntut perusahaan dan pengembang untuk mengevaluasi kemampuan rekayasa, kompatibilitas ekosistem, dan kedalaman runtime yang ditawarkan platform AI, bukan sekadar performa model.

marsbit06/22 06:09

Di Luar Model adalah Harness: Deepseek Turun Langsung, Mengapa Medan Perang Utama Kompetisi AI Domestik Berubah?

marsbit06/22 06:09

活动图片