Ditulis oleh: Anderl
Diterjemahkan oleh: Chopper, Foresight News
Di industri AI dan kripto saat ini beredar sebuah narasi: beri agen AI dompet digital, biarkan dia berbelanja sepenuhnya atas nama manusia, ini adalah skenario penerapan inti AI. Narasi ini terdengar sederhana dan sempurna, seolah-olah adalah masa depan, namun logika di dalamnya tidak tahan dikritik. Pandangan ini mencampuradukkan kesulitan dan kemudahan dalam berbelanja, dan menempatkan tautan paling sederhana, yaitu pembayaran, pada posisi inti.
Mari kita kesampingkan dulu pembayaran, dan kembali ke esensi perilaku belanja itu sendiri.
Dua Perilaku Inti dalam Berbelanja
Berbelanja pada dasarnya adalah dua jenis tindakan yang kini terikat bersama: pencarian informasi dan penilaian nilai. Pencarian (mengumpulkan, menyaring, membandingkan, pengurutan awal) memiliki sifat standar, hampir dapat sepenuhnya ditangani oleh agen mesin; sedangkan penilaian nilai (apakah produk ini bagus, cocok atau tidak untuk saya, apakah pedagang dapat dipercaya), adalah tautan yang terikat erat dengan emosi subjektif manusia.
Data telah membuktikan, pencarian informasi sedang berpindah dengan cepat ke AI. Data Adobe Analytics menunjukkan, dari Juli 2024 hingga Juli 2025, kunjungan yang diarahkan oleh AI generatif ke situs web ritel AS melonjak sekitar 4700%. Namun, narasi 'dompet AI' ini secara default mengasumsikan bahwa agen cerdas dapat sekaligus menangani pencarian dan penilaian nilai, ini adalah kunci dari logika yang mencampuradukkan konsep. Pencarian dapat sepenuhnya diserahkan kepada mesin, tetapi penilaian nilai hanya dapat diserahkan sebagian dalam kondisi tertentu, dan dalam banyak skenario sama sekali tidak dapat didelegasikan.
Penilaian Nilai Terbagi Menjadi Dua Lapisan
Yang lebih krusial, penilaian nilai itu sendiri juga bukan satu dimensi tunggal, melainkan terbagi menjadi dua bagian. Bagian pertama adalah evaluasi, yaitu menguji berbagai opsi berdasarkan fungsi utilitas. Bagian kedua adalah definisi kebutuhan, yaitu pertama-tama menetapkan fungsi utilitas: dimensi mana yang penting, bobotnya bagaimana, nilai-nilai mana yang memiliki daya ikat, serta apa arti akhir dari 'bagus'.
Definisi kebutuhan tidak selesai sekali saja di awal, melainkan berlangsung sepanjang proses belanja. Standar kepatuhan produk ditentukan oleh Anda; apakah resleting yang rusak langsung membuat Anda meninggalkan produk, ditentukan oleh standar penilaian Anda; memilih pedagang mana, tergantung pada orientasi nilai yang Anda anggap penting. Setiap lapisan penyaringan mengikuti logika 'standar subjektif manusia × evaluasi mesin AI'. Otomatisasi hanya dapat menggantikan tautan evaluasi, kedaulatan untuk mendefinisikan kebutuhan selamanya berada di tangan manusia.
Banyak orang keliru mengira bahwa manusia hanya perlu menulis daftar standar sekali saja, lalu dapat benar-benar melepaskan tangan, ini adalah peremehan serius terhadap logika keputusan manusia. Banyak penelitian di bidang pengambilan keputusan mengkonfirmasi bahwa preferensi manusia tidak tetap. Psikolog Paul Slovic mengajukan teori preferensi konstruktif: di dalam diri kita tidak ada satu set kesukaan yang siap pakai dan tetap menunggu untuk diambil, preferensi terbentuk secara bertahap dalam proses membuat pilihan. Eksperimen 'pembalikan preferensi' membuktikan hal ini: dua metode survei setara, yaitu memilih dan menetapkan harga, akan menghasilkan peringkat produk yang sama sekali berbeda, bertentangan dengan aksioma dasar pilihan rasional.
Ariely, Loewenstein, dan Prelec pada 2003 mengajukan teori 'koherensi arbitrer': bahkan angka acak yang sama sekali tidak terkait seperti beberapa digit terakhir nomor jaminan sosial, akan mengikat tawaran psikologis orang terhadap produk biasa; dan efek jangkar ini tidak hilang dengan pengalaman konsumsi atau transaksi pasar. Yang disebut 'preferensi stabil', hanyalah ilusi keteraturan yang dibangun secara artifisial.
Oleh karena itu, interaksi manusia-mesin tidak bisa hanya mengisi daftar standar sekali saja, tetapi memerlukan komunikasi iteratif yang berkelanjutan. Agen AI pada setiap simpul penyaringan mengajukan pertanyaan yang tepat: 'Anda sebelumnya menganggap daya tahan penting, pada harga premium berapa, daya tahan menjadi tidak menguntungkan bagi Anda?', lalu manusia mendefinisikan batasan ini secara real-time.
Batas Sebenarnya: Apakah Pembelian adalah Urusan Sepele, atau Kenikmatan itu Sendiri?
Industri selalu terbiasa membagi skenario dengan 'produk standar / produk personalisasi', perbedaannya tidak terletak pada apakah standar dapat dikuantifikasi, batas sebenarnya adalah: apakah tindakan membuat pilihan itu sendiri memiliki nilai pengalaman.
Untuk barang seperti kertas cetak, baterai, atau barang yang perlu diisi ulang secara berkala, proses pemilihan tidak memiliki nilai pengalaman sama sekali. Tidak ada yang mau mengeluarkan tenaga untuk membandingkan dua kartrid tinta yang hampir tidak berbeda. Barang jenis ini secara alami cocok untuk diserahkan sepenuhnya kepada agen AI, pembelian ulang otomatis oleh mesin tidak akan kehilangan pengalaman apa pun.
Untuk konsumsi yang bersifat menikmati, situasinya justru sebaliknya. Anggur merah, furnitur, mantel, buku, memilih itu sendiri adalah bagian dari kesenangan konsumsi. Jika hak penilaian diserahkan kepada mesin, meskipun menghemat biaya waktu, justru secara langsung merampas kesenangan inti konsumsi. Bahkan jika AI memberikan jawaban gratis sepanjang proses, orang tidak mau mendelegasikan sepenuhnya.
Untuk barang-barang yang bersifat menikmati, agen AI tidak seharusnya mengambil keputusan sepenuhnya, tetapi beralih menjadi pengumpul informasi: menyelesaikan pencarian, penyaringan awal, pencocokan parameter, verifikasi kualifikasi pedagang, menyaring kelemahan umum produk dari banyaknya ulasan, menyederhanakan 200 opsi menjadi 5, lalu memberikan hak pilih akhir kepada manusia.
Dilema Tiga Kontradiksi: AI Bertanya, Deduksi Sejarah, Keputusan Mandiri
Ada yang akan berkata: bukankah AI bisa langsung menanyakan standar penilaian saya? Cara ini justru adalah model tidak efisien yang biasa dibenci orang biasa sehari-hari, yang lebih fatal adalah, menanyai standar berulang kali akan mengubah pilihan akhir orang.
Wilson dan Schooler pada 1991 melakukan eksperimen penilaian selai: kelompok yang diminta untuk merinci alasan kesukaan sebelumnya, pada akhirnya memberikan peringkat yang lebih menyimpang dari standar penilaian profesional; eksperimen lanjutan membuktikan, memaksa orang untuk mencantumkan alasan pilihan satu per satu, akan membuat orang memilih lukisan dekorasi dengan kepuasan pasca-fakta yang lebih rendah. Bahasa hanya dapat mendeskripsikan karakteristik permukaan yang mudah diungkapkan, tidak dapat menangkap preferensi sejati di hati; rasa, estetika, dan perasaan sejenisnya hanya bisa dipahami dengan persepsi, sulit didefinisikan dengan kata-kata.
Dari sini terbentuk dilema tiga hal yang tidak dapat diakomodasi sekaligus:
- AI bertanya secara aktif: sesuai dengan preferensi sejati saat ini, tetapi gesekan interaksi sangat tinggi, bahkan mengubah pilihan;
- Berdasarkan deduksi perilaku historis: operasi lancar, tetapi akan terperangkap dalam preferensi masa lalu, mencekik eksplorasi konsumsi baru;
- Manusia menilai secara mandiri sepanjang proses: sepenuhnya mempertahankan hak pilih, tetapi menghabiskan banyak waktu dan tenaga.
Skema kompromi keempat dapat menghindari kelemahan di atas: interaksi pengenalan, bukan pertanyaan satu per satu. AI langsung menampilkan 3 opsi, manusia hanya perlu memilih langsung. Metode ini hemat tenaga dan akurat, karena tidak perlu menyebutkan secara abstrak standar-standar yang seringkali tidak dapat Anda sebutkan namanya.
Eksperimen klasik kelebihan pilihan dapat membuktikan hal ini. Iyengar dan Lepper pada 2000 melakukan eksperimen stan cicip selai, saat menampilkan 6 jenis selai, tingkat konversi pembelian jauh lebih tinggi daripada saat menampilkan 24 jenis selai. Namun teori ini kontroversial, beberapa analisis dan eksperimen lanjutan membantah kesimpulan ini. Scheibehenne dkk pada 2010 setelah merangkum banyak eksperimen menemukan, secara keseluruhan tidak ada efek kelebihan pilihan yang universal; Chernev, Bockenholt, dan Goodman pada 2015 dalam analisis yang mencakup 99 penelitian menunjukkan, efek kelebihan hanya muncul ketika kompleksitas barang tinggi, kesulitan keputusan besar, dan preferensi diri sendiri samar. Penulis asli dalam tinjauan ulang juga menyebutkan, saat menghadapi 24 produk, konsumen kurang memiliki cukup waktu untuk menyusun preferensi mereka sendiri. Otonomi dalam arti sebenarnya, berada di antara 'agen menerapkan standar saya' dan 'agen menciptakan standar dari catatan sejarah saya'.
Kembali ke 'Dompet AI': Pembayaran Hanyalah Tautan Paling Sekunder
Setelah logika di atas dipahami, maka dapat dipahami celah dalam narasi 'memberi AI dompet'. Narasi ini mencampuradukkan tiga hal yang sepenuhnya independen: subjek keputusan, subjek eksekusi, dan subjek pemegang dana. 'Memberi AI dompet' hanya menyelesaikan masalah kepemilikan dana, baru berarti ketika AI sekaligus memiliki hak keputusan, maka penitipan dana menjadi bermakna.
Tiga situasi. Situasi pertama, manusia memutuskan sendiri dan membayar. Dalam kasus ini, agen tidak membayar, tetapi bertindak sebagai pengintai. Situasi kedua, manusia membuat keputusan dan mendelegasikan tugas eksekusi kepada agen ('ya, beli itu'). Saat ini, agen bertanggung jawab untuk membayar, tetapi tidak perlu menyimpan dana, hanya perlu memberikan otorisasi sekali dengan ruang lingkup terbatas dan dapat dibatalkan untuk pembelian yang telah disetujui ini. Hanya dalam situasi ketiga, ketika agen memutuskan secara mandiri dan membayar, tanpa kehadiran manusia untuk membayar, barulah dompet itu sendiri akan memikul tanggung jawab pembayaran.
Yang menarik, pada tahun 2025 industri pembayaran global telah menerapkan skema otorisasi berlapis, sepenuhnya memisahkan 'otorisasi' dan 'penitipan dana':
- OpenAI bersama Stripe meluncurkan perjanjian komersial agen cerdas, menghasilkan token pembayaran bersama yang terikat ke pedagang tunggal, jumlah tetap, untuk penggunaan sekali saja dengan waktu terbatas, AI tidak dapat memperoleh nomor kartu lengkap;
- Mastercard pada April 2025 merilis Agent Pay, menghasilkan token khusus yang terbatas untuk agen, pedagang tertentu, dan terikat pada aturan otorisasi pengguna;
- Google pada September 2025 meluncurkan protokol pembayaran cerdas AP2, dengan jelas memisahkan 'kredensial otorisasi kebutuhan pengguna' dan 'kredensial daftar pembelian AI', keduanya adalah kredensial terenkripsi yang dapat diverifikasi, sesuai sempurna dengan logika berlapis 'definisi kebutuhan / evaluasi mesin' yang disebutkan sebelumnya;
- Visa pada Oktober 2025 meluncurkan protokol agen tepercaya, ide yang konsisten dengan skema di atas.
Institusi pembayaran terkemuka secara seragam membuktikan poin inti artikel ini: tidak perlu menyerahkan dana kepada AI, cukup berikan izin operasi terbatas.
Lalu, di mana skenario penerapan sebenarnya untuk AI secara mandiri memegang dompet? Skenario konsumsi ritel hampir tidak memerlukan AI memegang dompet, ruang penerapan sebenarnya dari skema ini adalah pada komoditas massal standar dan penyelesaian otomatis antar mesin. Coinbase dan Cloudflare bersama-sama meluncurkan protokol x402, mengisi celah saluran pembayaran kartu tradisional: mendukung pembayaran otomatis antar agen tanpa intervensi manusia, 7×24 jam, tagihan berdasarkan panggilan API, volume transaksi melampaui 100 juta dalam beberapa bulan setelah diluncurkan. Mastercard secara bersamaan meluncurkan Agent Pay untuk mesin, melayani penyelesaian antar mesin frekuensi tinggi, latensi rendah, dan nilai kecil. Ini adalah infrastruktur dasar ekonomi mesin, bukan belanja pribadi.
Narasi ini sendiri tidak salah, tetapi kepentingannya sepenuhnya terbalik: AI secara mandiri memegang dompet, hanya memiliki nilai penting dalam skenario dengan komoditas yang sangat homogen dan nilai per transaksi relatif rendah.
Di Mana Dompet Seharusnya Berada
Ini juga menjelaskan perubahan fokus sektor kripto dalam dua tahun terakhir: tidak lagi mengusung narasi pembebasan konsumsi untuk individu, beralih mendalami infrastruktur dasar institusional — penyelesaian stablecoin, tokenisasi aset, layanan tingkat perusahaan. Ini bukan berarti meninggalkan jalur belanja AI, tetapi kembali ke bidang yang benar-benar cocok dengan mode penitipan dompet: sisi perusahaan. Departemen pengadaan perusahaan itu sendiri adalah perwujudan kelembagaan dari 'pembelian urusan sepele murni', proses pengadaan terlepas dari estetika subjektif dan perasaan pribadi, sepenuhnya bergantung pada spesifikasi, harga, pemenuhan, dan klausul kontrak untuk pengambilan keputusan, pada dasarnya adalah versi manual dari pembelian agen cerdas. Dompet AI hanya mengotomatisasi proses yang sudah matang di perusahaan, tidak ada perubahan pola perilaku.
Saat ini banyak perusahaan yang mengalihdayakan pembelian perlengkapan kantor dan bahan habis pakai bernilai rendah, kekuatan inti platform seperti Mercateo, Amazon Business bukanlah harga murah, tetapi mengurangi biaya proses: katalog pembelian terpadu, penggabungan tagihan. Perusahaan bersedia menerima premium kecil per item, demi penurunan signifikan biaya tenaga kerja pengadaan, biaya proses untuk bahan habis pakai bernilai rendah seringkali lebih tinggi daripada nilai produk itu sendiri. Agen AI dapat mengurangi biaya tenaga kerja pemesanan hingga mendekati nol, sekaligus mencari pemasok yang tersebar dalam jumlah besar; platform pengadaan hanya mempertahankan fungsi verifikasi kepatuhan: audit pemasok yang diizinkan, rekonsiliasi tagihan terpadu, pemeriksaan anti-pemalsuan, dan verifikasi justru adalah hambatan nyata dari seluruh proses.
Oleh karena itu, strategi penerapan tidak dapat disederhanakan sebagai 'dompet melayani perusahaan, bukan individu', ekspresi yang tepat seharusnya: alat yang sesuai dengan skenario.
- Dompet mandiri (AI memutuskan sendiri, memegang dana, menyelesaikan pembayaran): cocok untuk pembelian perusahaan barang standar, penyelesaian otomatis antar mesin, terutama skenario pembelian ulang frekuensi tinggi B2B dan M2M;
- Skenario konsumsi pribadi: tidak perlu menitipkan dana, hanya memberikan token pembayaran sekali pakai dengan ruang lingkup terbatas, AI baru dapat menyelesaikan pembayaran setelah manusia mengonfirmasi pesanan.
'Memberi AI dompet' sebagai judul promosi untuk konsumen akhir, hanya menargetkan skenario segmentasi yang sangat kecil; pasar inti penerapan sebenarnya dari skema ini, adalah sistem otomatisasi latar belakang perusahaan.
Penjelasan tambahan: pembelian perusahaan juga tidak semuanya barang standar. Sebagian keputusan pengadaan juga tidak dapat diserahkan kepada AI untuk diproses secara mandiri, pemilihan firma hukum, target akuisisi, pemasok inti termasuk pilihan strategis, konsekuensi subjektifnya berdampak besar, sama seperti memilih anggur merah secara pribadi, harus diputuskan sendiri oleh manusia, dompet mandiri tidak berguna dalam skenario seperti ini.
Aturan ini berlaku untuk semua bidang: AI secara mandiri memegang dompet hanya berperan di lapisan barang standar, dan bisnis standar terkonsentrasi di dalam perusahaan, volumenya terbesar dan permintaannya paling padat.
Hambatan Sebenarnya, Bukan Pembayaran
Teknologi perputaran dana telah matang sejak lama, tautan pembayaran tidak memiliki hambatan apa pun, hambatan nyata penerapan belanja AI terletak pada dua aspek lainnya.
Pertama, kurangnya sumber data tepercaya. Prasyarat penilaian otomatis adalah data yang benar dan dapat diandalkan, begitu informasi dasar salah, AI pengambil keputusan mandiri akan memperbesar dampak negatif informasi palsu dengan kecepatan mesin. Maraknya ulasan palsu telah menjadi masalah terbuka industri. Komisi Perdagangan Federal AS pada 2024 mengeluarkan peraturan baru (berlaku 21 Oktober) yang melarang tegas ulasan produk palsu, dengan jelas menyatakan bahwa AI generatif secara signifikan menurunkan ambang batas pembuatan ulasan palsu massal, denda tunggal maksimum $51.744, pada akhir 2025 lembaga pengawas telah mengeluarkan beberapa surat peringatan.
Masalah barang palsu fisik juga parah. Menurut data statistik OECD dan Kantor Kekayaan Intelektual Uni Eropa 2025, skala perdagangan barang palsu global sekitar $4,67 triliun pada 2021, mencakup 2,3% dari total perdagangan global; impor barang palsu Uni Eropa mencakup 4,7% dari total impor, pakaian, sepatu, tas, barang mewah adalah area rawan, kebetulan termasuk kategori barang konsumsi yang bersifat pengalaman. Kredensial pelacakan per item, ulasan nyata yang dapat diverifikasi, penilaian independen pihak ketiga, penyimpanan catatan perpindahan per item (instruksi anti-pemalsuan Uni Eropa, undang-undang rantai pasokan obat AS telah lama mewajibkan kemasan obat untuk diterapkan), adalah prasyarat agar AI dapat menilai produk dengan aman.
Kedua, hak definisi kebutuhan manusia tidak dapat diotomatisasi. Selama standar kebutuhan didefinisikan oleh manusia, penyaringan, perbandingan, dan penyelesaian selanjutnya dapat diotomatisasi. Mendefinisikan kebutuhan sendiri ini, secara alami tidak dapat diserahkan kepada mesin. Jika AI yang menghasilkan standar kebutuhan untuk Anda, preferensi yang terbentuk akhirnya bukan milik Anda sendiri.
Memberi agen AI dompet, hanya menyelesaikan tautan dana yang paling sederhana. Arah yang layak digali: mengotomatisasi evaluasi penyaringan dengan aman dan terkendali, sekaligus mengembalikan dua hak inti kepada manusia — mendefinisikan standar penilaian, menikmati kesenangan memilih akhir.
Kesimpulan
Yang perlu ditekankan terakhir adalah, untuk barang konsumsi yang bersifat pengalaman, begitu saluran pembelian dikomodifikasi, produk akan ditemukan di mana-mana. Saat itu, produk Anda bukan lagi barang itu sendiri, pilihanlah yang menjadi produknya. Platform perlu mengoptimalkan tingkat standarisasi informasi mereka sendiri, agar mudah diakses oleh AI: pelacakan lengkap yang dapat diverifikasi, data produk terstruktur bersih, mengarahkan AI untuk mengalihkan pengguna ke platform mereka sendiri. Atas dasar ini, pertahankan keunggulan inti yang tidak dapat digantikan oleh otomatisasi, perluas eksplorasi konsumsi baru yang melampaui batas estetika pengguna, serta pengalaman menyenangkan dalam memilih akhir. Serahkan pengumpulan informasi kepada agen AI, fokus daya saing inti platform terletak pada menciptakan pengalaman pilihan yang lebih berkualitas.
