Penulis Asli: Cuy Sheffield, Wakil Presiden dan Kepala Divisi Bisnis Kripto Visa
Kompilasi Asli: Saoirse, Foresight News
Seiring dengan kripto dan AI yang semakin matang, transformasi terpenting di kedua bidang ini bukan lagi 'secara teori memungkinkan', melainkan 'dapat diandalkan dalam praktik'. Saat ini, kedua teknologi telah melampaui ambang batas kritis, dengan peningkatan kinerja yang signifikan, tetapi tingkat adopsi praktis masih tidak merata. Dinamika inti tahun 2026 justru berasal dari kesenjangan 'kinerja dan adopsi' ini.
Berikut adalah beberapa tema inti yang telah saya amati dalam jangka panjang, serta pemikiran awal tentang arah perkembangan teknologi ini, area akumulasi nilai, dan 'mengapa pemenang akhirnya mungkin sangat berbeda dari perintis industri'.
Tema 1: Kripto Berubah dari Kelas Aset Spekulatif Menjadi Teknologi Berkualitas
Karakteristik inti dari dekade pertama perkembangan kripto adalah 'keunggulan spekulatif' — pasarnya bersifat global, berkelanjutan, dan sangat terbuka, dengan volatilitas yang tinggi juga membuat perdagangan kripto lebih dinamis dan menarik dibandingkan pasar keuangan tradisional.
Namun, pada saat yang sama, teknologi dasarnya belum siap untuk aplikasi mainstream: blockchain awal lambat, mahal, dan kurang stabil. Selain untuk skenario spekulatif, kripto hampir tidak pernah melampaui sistem tradisional yang ada dalam hal biaya, kecepatan, atau kenyamanan.
Sekarang, ketidakseimbangan ini mulai berbalik. Teknologi blockchain telah menjadi lebih cepat, lebih ekonomis, dan lebih andal, dan aplikasi kripto yang paling menarik bukan lagi spekulasi, tetapi di bidang infrastruktur — khususnya dalam penyelesaian dan pembayaran. Seiring kripto semakin menjadi teknologi yang lebih matang, peran spekulasi akan secara bertahap memudar: itu tidak akan sepenuhnya hilang, tetapi tidak akan lagi menjadi sumber nilai utama.
Tema 2: Stablecoin Adalah Hasil Nyata Kripto dalam 'Utilitas Murni'
Stablecoin berbeda dari narasi kripto sebelumnya, kesuksesannya didasarkan pada standar yang konkret dan objektif: dalam skenario tertentu, stablecoin lebih cepat, lebih murah, dan memiliki jangkauan lebih luas dibandingkan saluran pembayaran tradisional, sekaligus dapat diintegrasikan dengan mulus ke dalam sistem perangkat lunak modern.
Stablecoin tidak mengharuskan pengguna untuk memandang kripto sebagai 'ideologi' untuk diyakini, aplikasinya sering kali 'terjadi secara implisit' dalam produk dan alur kerja yang ada — ini juga memungkinkan institusi dan perusahaan yang sebelumnya menganggap ekosistem kripto 'terlalu fluktuatif dan tidak cukup transparan' akhirnya dapat memahami nilainya dengan jelas.
Dapat dikatakan, stablecoin membantu kripto untuk membangun jangkar kembali pada 'utilitas' daripada 'spekulasi', dan menetapkan tolok ukur yang jelas untuk 'bagaimana kripto dapat berhasil diadopsi'.
Tema 3: Ketika Kripto Menjadi Infrastruktur, 'Kemampuan Distribusi' Lebih Penting daripada 'Kebaruan Teknologi'
Dulu, ketika kripto terutama berperan sebagai 'alat spekulasi', 'distribusinya' bersifat endogen — token baru hanya perlu 'ada' untuk secara alami mengakumulasi likuiditas dan perhatian.
Ketika kripto menjadi infrastruktur, skenario aplikasinya bergeser dari 'tingkat pasar' ke 'tingkat produk': itu tertanam dalam alur pembayaran, platform, dan sistem perusahaan, di mana pengguna akhir sering kali tidak menyadari kehadirannya.
Perubahan ini sangat menguntungkan dua jenis entitas: pertama, perusahaan yang memiliki saluran distribusi yang ada dan hubungan pelanggan yang andal; kedua, institusi yang memiliki izin regulasi, sistem kepatuhan, dan infrastruktur manajemen risiko. Hanya mengandalkan 'kebaruan protokol' sudah tidak cukup untuk mendorong adopsi kripto secara besar-besaran.
Tema 4: Agen AI Memiliki Nilai Utilitas, Dampaknya Melampaui Bidang Pengkodean
Utilitas Agen AI (Agents) semakin menonjol, tetapi perannya sering disalahpahami: agen yang paling sukses bukanlah 'pengambil keputusan otonom', melainkan 'alat untuk mengurangi biaya koordinasi dalam alur kerja'.
Secara historis, hal ini paling terlihat dalam pengembangan perangkat lunak — alat agen mempercepat efisiensi pengkodean, debugging, refactoring kode, dan penyiapan lingkungan. Namun dalam beberapa tahun terakhir, 'nilai alat' ini telah menyebar secara signifikan ke lebih banyak bidang.
Ambil contoh alat seperti Claude Code, meskipun diposisikan sebagai 'alat pengembang', popularitasnya yang cepat mencerminkan tren yang lebih dalam: sistem agen menjadi 'antarmuka untuk pekerjaan pengetahuan', tidak hanya terbatas pada bidang pemrograman. Pengguna mulai menerapkan 'alur kerja yang digerakkan oleh agen' untuk penelitian, analisis, penulisan, perencanaan, pemrosesan data, dan tugas operasional — tugas-tugas ini lebih condong ke 'pekerjaan profesional umum' daripada pemrograman tradisional.
Yang benar-benar krusial bukanlah 'pengkodean atmosfer' itu sendiri, melainkan pola inti di baliknya:
- Yang didelegasikan pengguna adalah 'maksud tujuan', bukan 'langkah-langkah konkret';
- Agen mengelola 'informasi konteks' melintasi file, alat, dan tugas;
- Mode kerja beralih dari 'linier' ke 'iteratif, dialogis'.
Dalam berbagai pekerjaan pengetahuan, agen pandai mengumpulkan konteks, mengeksekusi tugas yang dibatasi, mengurangi penyerahan proses, dan mempercepat efisiensi iterasi, tetapi masih memiliki kelemahan dalam 'penilaian terbuka', 'atribusi tanggung jawab', dan 'perbaikan kesalahan'.
Oleh karena itu, saat ini sebagian besar agen yang digunakan dalam skenario produksi masih perlu 'dibatasi ruang lingkupnya, diawasi, dan disematkan dalam sistem', daripada berjalan sepenuhnya mandiri. Nilai praktis agen berasal dari 'restrukturisasi alur kerja pengetahuan', bukan 'menggantikan tenaga kerja' atau 'mencapai otonomi penuh'.
Tema 5: Kendala AI Telah Bergeser dari 'Tingkat Kecerdasan' ke 'Tingkat Kepercayaan'
Tingkat kecerdasan model AI telah meningkat dengan cepat, faktor pembatas sekarang bukan lagi 'kelancaran bahasa tunggal atau kemampuan penalaran', melainkan 'keandalan dalam sistem praktis'.
Lingkungan produksi tidak mentolerir tiga jenis masalah: pertama, 'halusinasi' AI (menghasilkan informasi palsu), kedua, hasil yang tidak konsisten, ketiga, mode kegagalan yang tidak transparan. Begitu AI terlibat dalam layanan pelanggan, transaksi keuangan, atau aspek kepatuhan, hasil yang 'hampir benar' sudah tidak dapat diterima.
Membangun 'kepercayaan' membutuhkan empat fondasi: pertama, hasil yang dapat dilacak, kedua, memiliki kemampuan memori, ketiga, dapat diverifikasi, keempat, dapat secara aktif mengekspos 'ketidakpastian'. Sebelum kemampuan ini cukup matang, otonomi AI harus dibatasi.
Tema 6: Rekayasa Sistem Menentukan Apakah AI Dapat Diadopsi dalam Skenario Produksi
Produk AI yang sukses, memperlakukan 'model' sebagai 'komponen' bukan 'produk jadi' — keandalannya berasal dari 'desain arsitektur', bukan 'optimasi prompt'.
'Desain arsitektur' di sini mencakup manajemen status, alur kontrol, sistem evaluasi dan pemantauan, serta mekanisme penanganan dan pemulihan kegagalan. Karena itu juga, perkembangan AI sekarang semakin mendekati 'rekayasa perangkat lunak tradisional', bukan 'penelitian teori terdepan'.
Nilai jangka panjang akan condong ke dua jenis entitas: pertama, pembangun sistem, kedua, pemilik platform yang mengontrol alur kerja dan saluran distribusi.
Seiring alat agen berkembang dari bidang pengkodean ke proses penelitian, penulisan, analisis, dan operasional, pentingnya 'rekayasa sistem' akan semakin menonjol: pekerjaan pengetahuan seringkali kompleks, bergantung pada informasi status, dan padat konteks, ini membuat agen yang 'dapat mengelola memori, alat, dan proses iterasi dengan andal' (bukan hanya agen yang dapat menghasilkan output) lebih berharga.
Tema 7: Kontradiksi Model Terbuka dan Kontrol Terpusat, Memicu Masalah Tata Kelola yang Belum Terpecahkan
Seiring sistem AI semakin kuat dan terintegrasi dengan bidang ekonomi, pertanyaan 'siapa yang memiliki dan mengontrol model AI paling kuat' ini, memicu kontradiksi inti.
Di satu sisi, penelitian dan pengembangan di bidang terdepan AI masih bersifat 'padat modal', dan dipengaruhi oleh 'akses komputasi, kebijakan regulasi, dan geopolitik', sentralisasi semakin meningkat; di sisi lain, model sumber terbuka dan alat sumber terbuka terus beriterasi dan dioptimalkan didorong oleh 'eksperimen luas, kemudahan penyebaran'.
Pola 'sentralisasi dan keterbukaan yang hidup berdampingan' ini memicu serangkaian pertanyaan yang belum terselesaikan: risiko ketergantungan, kemampuan diaudit, transparansi, kemampuan tawar jangka panjang, serta kontrol atas infrastruktur kunci. Hasil yang paling mungkin adalah 'mode hibrid' — model terdepan mendorong terobosan kemampuan teknologi, sementara sistem terbuka atau semi-terbuka mengintegrasikan kemampuan ini ke dalam 'perangkat lunak yang didistribusikan secara luas'.
Tema 8: Uang yang Dapat Diprogram Melahirkan Aliran Pembayaran Agen Cerdas Baru
Ketika sistem AI berfungsi dalam alur kerja, kebutuhan mereka akan 'interaksi ekonomi' semakin meningkat — misalnya membayar untuk layanan, memanggil API, membayar imbalan ke agen lain, atau menyelesaikan 'biaya interaksi berbasis penggunaan'.
Kebutuhan ini membuat 'stablecoin' kembali mendapat perhatian: itu dipandang sebagai 'uang asli mesin', dapat diprogram, dapat diaudit, dan dapat ditransfer tanpa intervensi manusia.
Ambil contoh protokol 'berorientasi pengembang' seperti x402, meskipun masih dalam tahap eksperimen awal, arah yang ditunjukkannya sangat jelas: aliran pembayaran akan berjalan dalam 'bentuk API', bukan 'halaman checkout' tradisional — ini memungkinkan agen perangkat lunak untuk melakukan 'transaksi berkelanjutan dan granular' di antara mereka.
Saat ini, bidang ini masih sangat muda: ukuran transaksi kecil, pengalaman pengguna kasar, sistem keamanan dan izin masih dalam penyempurnaan. Tetapi inovasi infrastruktur, sering kali dimulai dari 'eksplorasi awal' seperti ini.
Yang patut diperhatikan, maknanya bukanlah 'untuk otonomi demi otonomi', melainkan 'ketika perangkat lunak dapat melakukan transaksi melalui pemrograman, perilaku ekonomi baru menjadi mungkin'.
Kesimpulan
Baik kripto maupun kecerdasan buatan, tahap perkembangan awal lebih menyukai 'konsep yang menarik perhatian' dan 'kebaruan teknologi'; sedangkan pada tahap berikutnya, 'keandalan', 'kemampuan tata kelola', dan 'kemampuan distribusi' akan menjadi dimensi persaingan yang lebih penting.
Saat ini, teknologi itu sendiri bukan lagi faktor pembatas utama, 'menanamkan teknologi ke dalam sistem praktis' adalah kuncinya.
Menurut saya, karakteristik khas tahun 2026 bukanlah 'satu teknologi terobosan tertentu', melainkan 'akumulasi infrastruktur yang stabil' — fasilitas ini, sambil beroperasi secara diam-diam, juga secara diam-diam membentuk kembali 'cara nilai mengalir' dan 'cara kerja dilakukan'.
