Apa manfaat utama dari Crypto AI Agents?

Sudah genap satu tahun sejak kemunculan tren AI agent pada kuartal IV/2024, saat @ virtuals_io memimpin “AI Agent Tokenization” dengan menggabungkan aplikasi/agen AI dan token yang diluncurkan secara adil.

Waktu berjalan begitu cepat.

Dalam kurun setahun ini, terjadi pergeseran besar di Crypto AI, dorongan open-source dari AI umum, dan meluasnya tools yang memudahkan siapa saja—baik developer maupun pengguna awam—mulai membangun inovasi sendiri.

Produk AI yang tadinya dipasangkan token, diluncurkan fair dengan valuasi rendah oleh developer indie dan tim kecil, kini berubah menjadi lanskap Crypto AI yang kompleks dengan ratusan tim berkualitas membangun visi masing-masing.

Artikel ini, dengan latar hype narasi x402, akan mengulas lanskap terbaru, menelaah perubahan, menyoroti kiprah para pemain utama, dan terutama membahas ke mana arah Crypto AI Agents serta apa makna signifikannya.

Mari kita telusuri ↓

Bila Anda antusias atau suka mendalami AI seperti saya, Anda pasti menyadari AI bergerak sangat pesat. Hampir tiap bulan ada inovasi baru yang menarik. Mulai dari fitur sederhana seperti Ghiblifi hingga video AI berkualitas tinggi dan agen AI yang produktivitasnya melebihi developer junior kebanyakan.

Namun di Crypto, tidak selalu demikian. Yang viral saat narasi AI agent mulai setahun lalu meliputi:

• @ truth_terminal hadir, berinteraksi dan didanai oleh @ pmarca dari a16z
• @ aixbt_agent memberi analisis canggih dan tampil sebagai degen CT-native yang unik di X
• @ virtuals_io membangun komunitas agen, meluncurkan “agent tokens” yang nilainya melesat 10-50x
• @ dolos_diary sebagai “bully” terbesar di internet, dicintai karena satire dan humornya
• @ luna_virtuals menjadi AIDOL pertama yang menghibur fans di berbagai kanal sosial media

Hiburan adalah tema utama awal narasi ini, namun kini… sudah lama tidak ada inovasi hiburan dari AI agent (mungkin baik, tapi pesona masa awal AI agent sudah memudar)

Saat ini, fokus beralih ke vertikal yang memang menjadi keunggulan Crypto—use case finansial, yaitu menghasilkan profit (dan mencegah kerugian)

Laporan a16z “The State of Crypto” terbaru menyebut $30T TAM untuk agentic economy, meski angka ini terbilang ambisius sebab TAM AI hanya diproyeksikan beberapa triliun dolar pada 2030.

Namun, saya bisa membayangkan agentic economy bernilai triliunan dolar. Ketika tools generative AI dan vertical AI membantu produktivitas individu, adopsi enterprise meningkat, serta workflow AI efisien diimplementasikan dalam organisasi.

Crypto tidak berbeda—karena industri ini sangat profit-oriented, workflow difokuskan pada penciptaan nilai (keuntungan), sehingga beberapa kategori menjadi sorotan:

(i) Defi — Crypto PMF utama

• Trading (Spot, Perps di CEX/DEX),
• Pasar uang (lending/borrowing, optimalisasi aset crypto),
• Stablecoins (alat tukar/unit stabilitas, strategi defi hasil tinggi dan komposabel),
• Yield protocol (pasar suku bunga, pasar poin, pasar funding rate, yield optimizer/vault),
• RWA/DePIN (membawa aset produktif IRL ke onchain, menjembatani modal onchain dan permintaan offchain)

TAM terbesar dengan >$150M TVL dan >$300M kapitalisasi stablecoin. Regulasi yang makin jelas dan adopsi institusi mendorong modal masuk onchain, sementara lonjakan stablecoin menarik perusahaan dan startup menggunakan infrastruktur crypto.

Kondisi ini membuat kebutuhan otomasi—tool dan infrastruktur backend yang mendukung perusahaan/startup sebagai frontend untuk membawa pengguna awam ke onchain—menjadi kunci adopsi berikutnya.

Agent yang mampu mengurangi kompleksitas Defi, memudahkan eksekusi, dan meningkatkan aspek penting Defi (manajemen risiko, rebalancing, kurasi strategi, dll) berpotensi menyerap nilai besar dalam ekosistem Defi.

Pemain kunci ekosistem:

• @ almanak
• @ gizatechxyz
• @ Cod3xOrg
• @ TheoriqAI
• @ ZyfAI_

(ii) DeAI/Darwinian AI — Crypto AI PMF utama

(iii) Prediction Markets x AI — Segmen pertumbuhan tercepat di Crypto

(ii) dan (iii) tidak dibahas mendalam karena sudah sering diulas di artikel sebelumnya.

Bila Anda amati, segmen Defi x AI nyaris tak berubah. Pasalnya, workflow Defi sangat sulit dipecahkan. Tidak bisa sembarang memasukkan AI lalu berharap arsitektur dan guardrails yang aman akan otomatis terbentuk untuk mencegah agent bertindak di luar jalur.

Mengapa saya membahas ini, bukan “AI Agents”?

Lanskap awal AI Agents pada dasarnya diisi oleh Virtuals dan agent yang dibangun dalam ekosistem Virtuals (plus sedikit CreatorBid dan agentnya waktu itu), lalu framework ai16z (sekarang ElizaOS) yang memudahkan siapa saja membangun “agent” atau X bot untuk integrasi berbagai tools, serta framework lain seperti Arc, Pippin, dan lainnya.

Semua ini menarik, tapi bukan definisi AI agent sejati. Agent seharusnya AI yang memahami lingkungannya, tahu peran dan tanggung jawabnya, membuat keputusan proaktif, serta bertindak mencapai tujuan spesifik dengan intervensi manusia minimal.

Jika Anda lihat, lebih dari 95% ekosistem belum seperti ini. Biasanya hanya software, produk generative AI, atau masih dalam proses menuju agent AI otonom.

Bukan untuk merendahkan pihak mana pun. Intinya, kita masih sangat awal... terlalu dini sehingga kebanyakan orang belum menemukan formula yang tepat.

Yang telah menemukan formula sukses (atau hampir sukses) justru sering dikategorikan sebagai proyek AI, bukan “AI Agents”.

Lanskap

Hype x402 memicu rotasi modal dan minat ke Crypto AI, namun lanskap barunya jauh berbeda dari sebelumnya.

Hype Framework Meredup

Framework dulunya sangat penting, membantu developer memulai, menghemat waktu coding dan desain workflow. Tools seperti MCP memperkuat kapabilitas agent untuk mengakses API, ERC-8004 membentuk registry dan menetapkan Ethereum sebagai trust & settlement layer, Google’s A2A dan AP2 menjadi framework andalan developer, dan tools builder seperti n8n AI agent/workflow menarik developer dan user.

Karena itu, hype framework menurun dan banyak pihak pivot ke model lain, misal @ arcdotfun beralih ke drag-and-drop workflow canvas, @ openservai yang tadinya “swarm” juga pivot ke builder workflow dan tools untuk bisnis Web3 AI berbasis agent, menargetkan segmen user tertentu (misal workflow prediction market).

Framework tetap relevan, tetapi dengan meluasnya framework AI Web2 dan tools serta adopsi rails Web3, hype framework Web3 menurun.

Peralihan dari Fair-launched Launchpad ke ICO Meta

Model fair-launched launchpad memang baik untuk investor ritel kecil (dan launchpadnya sendiri), namun membuat tim sulit scale. Selain itu, cenderung menjadi lahan bagi developer indie yang membangun untuk jangka pendek atau sekadar mencari hype, bukan membangun bisnis AI jangka panjang yang berkelanjutan.

Di sinilah ekspansi Virtuals dengan Agents Commerce Protocol (ACP) masuk akal. Ketika x402 menetapkan diri sebagai payment rail untuk agent, infrastruktur penilaian reputasi/kepercayaan agent, serta ruang lingkup interaksi dan pembayaran antar agent, semuanya menjadi kunci membangun visi agentic.

Namun tantangan utama tetap: “Adakah layanan berkualitas dan berguna yang benar-benar mau dibayar orang?”

Bila sebagian besar layanan kurang berguna, bukankah orang lebih memilih AI Web2 daripada Web3? Lalu apa gunanya menyatukan agent Web3?

Untuk membangun bisnis AI berkelanjutan dengan pendapatan 7-8 digit, dibutuhkan pendanaan, talenta tingkat tinggi, dan waktu—model fair-launched launchpad tidak memadai.

Karena itu, kini makin populer tim AI menengah-besar yang mampu mendapatkan pendanaan dari angel dan VC lalu go-to-market dengan putaran komunitas, baik di Kaito Launchpad, Legion, atau Echo.

Tim-tim ini mampu menawarkan produk/layanan berkualitas lebih tinggi berkat sumber daya yang ada (pendanaan, talenta, kredibilitas VC, dll), biasanya berdampak pada performa token yang lebih baik.

Model Monetisasi & Tokenomics yang Bermasalah

Mengelola produk AI bersama token membutuhkan dua skillset terpisah, dan harus dihubungkan dengan cermat agar pertumbuhan produk dan akuisisi user berjalan optimal (misal airdrop token ke user yang tepat ➔ user menjadi user berbayar ➔ membayar & memakai produk ➔ menerima lebih banyak token yang menyelaraskan kepentingan jangka panjang antara user dan proyek (revenue share, buyback, governance, dll) ➔ flywheel pun berjalan).

Teorinya mudah, praktiknya sangat sulit. Kebanyakan tim agent AI kecil menyerahkan 30-80% tokenomics ke pasar, sehingga tidak cukup untuk memulai flywheel.

Mayoritas memakai model subscription SaaS atau pricing berbasis pemakaian/kredit, ditambah opsi pembayaran dengan token crypto untuk diskon. Sebagian memakai revenue subscription untuk buyback token dan/atau burn token yang digunakan pembayaran layanan.

Buyback dari revenue subscription bisa diterapkan, tapi jika pembayaran wajib dengan token saja (atau untuk diskon), sulit untuk scale.

Token crypto sangat volatil, sehingga kurang ideal sebagai medium pembayaran (hari ini naik 20%, besok turun 30%, sulit mengatur anggaran).

Darwinian AI Menjadi Alternatif Pembentukan Modal dengan Tokenomics yang Transparan

• @ opentensor (Bittensor) terbukti menjadi destinasi utama founder bootstrap ide, miner berkontribusi ke AI, dan investor berinvestasi di DeAI potensial disruptif berikutnya
• @ flock_io menetapkan standar AI khusus domain yang menjaga privasi dengan federated learning, menarik klien enterprise Web2 dan pemerintah serta trainer (miner) untuk kontribusi AI. Seperti Bittensor, Flock membantu perusahaan outsource talenta berkualitas untuk kerja AI yang bermakna.
• @ BitRobotNetwork terinspirasi Bittensor, membangun ekosistem subnet Robot dengan pendekatan serupa.

Benchmark/evaluasi nyata mulai dibuat dengan taruhan asli untuk publik (juga hiburan berkualitas)

• @ the_nof1 Alpha Arena mengadu 6 model AI frontier dalam kompetisi trading perps dengan dana nyata ($10.000 masing-masing)
• @ FractionAI_xyz menggelar kompetisi antar agent AI untuk fine-tuning agent, sehingga output, sinyal, profit, serta manajemen risiko lebih baik.
• @ openservai membuat OpenArena, tempat model AI bersaing dalam trading prediction market.

Saya merasa seperti kaset rusak membahas Darwinian AI, namun faktanya inilah solusi pembentukan modal dan pendorong inovasi di Crypto AI.

Silakan cek artikel Darwinian AI jika belum membaca.

Semua poin di atas menggambarkan fungsi subnet.

• Chutes, subnet Bittensor #1, kini jadi Inference Provider #1 di OpenRouter, gateway API unified terpopuler untuk developer AI umum
• Subnet compute top (3-4 subnet) gabungan menghasilkan $20-30M ARR
• Subnet prediksi mulai menghasilkan ARR 6-7 digit lewat monetisasi sinyal trading/prediksi

Darwinian AI = pembentukan modal (tanpa VC) + akselerasi inovasi (kontributor AI/ML engineer), inilah yang akan menggerakkan narasi AI agent di 2026

Selain produk yang berguna, tokenomics Darwinian AI biasanya transparan dengan mesin insentif, mendorong stakeholder untuk kontribusi, investasi & hold, serta berpartisipasi dalam governance.

Lalu apa yang menarik sekarang bagi tim kecil/AI Agents?

Jujur, ada beberapa yang saya suka pakai, tapi belum ada yang rela saya bayar (setidaknya untuk saat ini).

Grok mengulas riset di X, ChatGPT mengulas riset umum.

Untuk analisis mendalam, saya pilih newsletter dan laporan Messari.

Untuk update pasar crypto cepat, saya pakai chatbot TG @ elfa_ai.

Untuk ide trading prediction market, saya pakai @ AskBillyBets, @ Polysights, dan @ aion5100‘s @ futuredotfun. (Cukup antusias dengan @ sire_agent aVault, tapi belum rilis publik).

Untuk Defi, saya lebih sering eksekusi sendiri, kadang gunakan @ almanak & @ gizatechxyz meski keduanya bukan “AI Agent” karena tidak fair-launched (meski produknya terkait agent).

Untuk trading, saya pakai @ DefiLlama aggregator untuk swap di EVM atau @ JupiterExchange untuk swap di Solana. Saya tidak main perps, tapi jika iya, saya pakai @ Cod3xOrg untuk analisis dan eksekusi perdagangan.

Crypto biasanya membebaskan penggunaan tools, sehingga user lebih memilih layanan gratis. Token-gating atau fee-gating kurang efektif, tapi biaya yang dibenamkan langsung dalam produk terbukti ampuh. Outcome-based pricing sangat cocok—orang enggan bayar $40 per bulan, tapi oke saja keluar $40 untuk gas fee transaksi.

Bila Anda bisa memberi outcome optimal (yield bagus, harga trading terbaik), user tidak peduli ada sedikit biaya asal hasil tetap optimal.

Dari mencoba berbagai aplikasi/agent Crypto AI, yang saya pelajari: produk terbaik saat ini adalah produk yang menghasilkan uang, dan vertikal terbaiknya adalah launchpad (dan segera prediction market)—yakni menjalankan onchain casino dan mengakumulasi fee trading.

Apa berikutnya?

Use case nyata yang akan menembus adopsi mainstream (developer AI umum atau masyarakat non-CT) diperkirakan muncul tahun depan, kemungkinan besar dari ekosistem DeAI/Darwinian AI.

2026 akan jadi tahun Crypto AI dengan berkembangnya use case Defi, infrastruktur DeAI, dan prediction market.

Kebanyakan tim agent kecil akan menghilang, diakuisisi, bergabung, atau beralih membangun dalam ekosistem Darwinian AI.

Crypto AI & AI Agents akan melebur, menandakan arah dan visi produk Crypto AI yang makin jelas.

Launchpad tetap jadi jantung CT, penghasil volume dan fee, namun inovasi bermakna yang memajukan industri lahir di tempat sumber daya—modal, talenta, distribusi, dan adopsi—paling melimpah.

Jadi, apa makna utama Crypto AI Agents?

Ini pandangan saya.

Bagi “AI agent” yang fair-launched, tujuannya adalah menciptakan pengalaman trading yang menggabungkan daya tarik investasi teknologi, meski kebanyakan hanya LLM wrapper dengan token.

Wrapper bisa unik jika benar-benar menyelesaikan masalah riil, meski kasusnya sangat langka.

Pada dasarnya, ini adalah peluang terbaik bagi investor ritel kecil berinvestasi sejak awal di aset spekulatif “AI agent” dan meraih profit.

Bagi tim yang membangun produk berkualitas—baik fair-launched, VC-funded, atau Darwinian AI—narasi Crypto AI agent adalah fondasi ekonomi agentic masa depan, di mana blockchain menjadi infrastruktur inti.

Catatan Pribadi: Terima kasih atas waktu Anda membaca! Artikel ini versi ringkas (untuk pemikiran lebih lengkap, lihat versi Substack).

Jika ingin tahu proyek DeAI terbaru yang saya nantikan, cek The After Hour series di Substack saya.

Disclaimer: Dokumen ini hanya untuk informasi & hiburan. Pandangan yang diungkapkan bukanlah nasihat investasi atau rekomendasi. Setiap penerima wajib melakukan due diligence dengan memperhatikan kondisi keuangan, tujuan investasi, dan toleransi risiko masing-masing sebelum berinvestasi. Dokumen ini bukan penawaran atau ajakan jual/beli aset yang disebutkan.

Disclaimer:

1. Artikel ini adalah reprint dari [Defi0xJeff]. Seluruh hak cipta milik penulis asli [Defi0xJeff]. Untuk keberatan atas reprint, silakan hubungi tim Gate Learn untuk penanganan segera.
2. Disclaimer Tanggung Jawab: Segala pandangan dan opini dalam artikel ini sepenuhnya milik penulis dan tidak merupakan nasihat investasi.
3. Terjemahan ke bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, dilarang menyalin, mendistribusikan, atau melakukan plagiasi atas versi terjemahan artikel ini.