Ide Besar a16z untuk 2026

• Perusahaan modal ventura a16z menerbitkan laporan yang memprediksi tren utama industri teknologi pada 2026, berisi pandangan para partner tim investasi di bidang infrastruktur, growth, bio·health, speedrun, dinamisme Amerika, aplikasi, kripto
• AI agent akan mendorong perombakan mendasar pada infrastruktur perusahaan, dengan penataan data multimodal dan infrastruktur agent-native muncul sebagai tugas inti
• Dalam software enterprise, pentingnya system of record menurun, beralih ke mesin workflow otonom di mana AI langsung membaca, menulis, dan bernalar atas data
• Stablecoin akan menjadi alat pembayaran arus utama, sementara penerbitan aset on-chain dan blockchain privasi akan menonjol sebagai faktor pembeda
• Diprediksi akan menjadi "Year of Me", ketika layanan AI yang dipersonalisasi menghadirkan pengalaman yang disesuaikan untuk masyarakat luas di pendidikan, kesehatan, dan media

---

# [Infrastructure]

Startup yang Menjinakkan Kekacauan Data Multimodal - Jennifer Li

• Data tidak terstruktur dan multimodal yang dimiliki perusahaan merupakan hambatan terbesar dalam adopsi AI sekaligus aset paling besar yang belum dimanfaatkan
  • PDF, screenshot, video, log, email, dan data semi-terstruktur menumpuk di seluruh perusahaan
  • Performa model meningkat cepat, tetapi data input makin kacau
  • Akibatnya muncul halusinasi pada sistem RAG serta kesalahan halus namun mahal dari agent
  • Alur kerja inti masih sangat bergantung pada QA manusia
• Faktor pembatas bagi perusahaan AI bergeser dari komputasi ke entropi data
  • Di lingkungan data tidak terstruktur, kekinian, struktur, dan kebenaran terus mengalami kerusakan
  • Sekitar 80% pengetahuan perusahaan berada di area tak terstruktur ini
• Menyelesaikan persoalan data tidak terstruktur menjadi peluang generasional
  • Diperlukan sistem untuk terus-menerus merapikan, menyusun, memverifikasi, dan mengelola tata kelola data multimodal
  • Dengan begitu, workload AI di lapisan bawah benar-benar bisa berjalan secara andal
• Cakupan penerapannya meluas ke hampir semua workflow enterprise
  • Analisis kontrak, onboarding, pemrosesan klaim, compliance, dukungan pelanggan, pengadaan
  • Pencarian engineering, dukungan penjualan, pipeline analitik
  • Termasuk semua workflow agent yang bergantung pada konteks yang tepercaya
• Medan persaingan ada di layer platform
  • Mengekstrak struktur dari dokumen, gambar, dan video
  • Menyelaraskan konflik data dan memulihkan pipeline
  • Menjaga data tetap mutakhir dan selalu dapat ditelusuri
  • Menguasai inti pengetahuan dan proses perusahaan

AI Menghidupkan Kembali Perekrutan Keamanan Siber - Joel de la Garza

• Selama 10 tahun terakhir, masalah terbesar keamanan siber adalah perekrutan
  • Antara 2013 hingga 2021, lowongan keamanan yang tidak terisi meningkat dari kurang dari 1 juta → 3 juta
• Inti masalahnya ada pada struktur pekerjaan keamanan level 1
  • Merekrut tenaga berketerampilan tinggi lalu menugaskan mereka ke pekerjaan berulang dan melelahkan seperti meninjau log
  • Hampir tidak ada orang yang ingin terus melakukan pekerjaan ini
• Organisasi keamanan menciptakan pekerjaan remeh mereka sendiri
  • Mengadopsi produk keamanan yang mendeteksi segalanya
  • Akibatnya tercipta struktur di mana semua peringatan harus ditinjau manusia
  • Ini menghasilkan kelangkaan tenaga kerja semu, bukan kekurangan yang nyata
• Pada 2026, AI memutus lingkaran setan ini
  • Mengotomatiskan sebagian besar pekerjaan keamanan yang repetitif dan tumpang tindih
  • Setengah dari pekerjaan tim keamanan berskala besar dapat diselesaikan lewat otomatisasi
• Masalah tersulit adalah menentukan apa yang harus diotomatisasi
  • Saat tenggelam dalam pekerjaan, kandidat otomatisasi tidak akan terlihat
• Alat keamanan AI-native mengambil alih penilaian ini
  • Membebaskan tim keamanan dari pekerjaan berulang
  • Memungkinkan mereka fokus pada pelacakan penyerang, membangun sistem, dan memperbaiki kerentanan

Infrastruktur Agent-Native Menjadi Syarat Dasar - Malika Aubakirova

• Guncangan terbesar infrastruktur pada 2026 datang bukan dari luar, melainkan dari perubahan internal
  • Meninggalkan trafik manusia yang dapat diprediksi dan berkonkurensi rendah
  • Workload berkecepatan agent yang rekursif dan eksplosif menjadi standar
• Backend enterprise lama dirancang berdasarkan manusia
  • Mengasumsikan satu respons sistem untuk satu tindakan manusia
  • Tidak mempertimbangkan situasi ketika satu tujuan agent menghasilkan ribuan subtugas secara bersamaan
• Pekerjaan normal agent terlihat seperti serangan bagi sistem legacy
  • Refactoring kode dan perubahan log keamanan dikenali sebagai trafik DDoS
• Inti responsnya adalah desain ulang control plane
  • Infrastruktur agent-native menjadi syarat dasar
  • Pola thundering herd diperlakukan sebagai kondisi default, bukan pengecualian
• Standar performa berubah secara mendasar
  • Meminimalkan cold start
  • Meruntuhkan variabilitas latensi
  • Meningkatkan batas konkurensi hingga kelipatan digit
• Hambatannya bukan komputasi, melainkan koordinasi (coordination)
  • Routing, locking, manajemen state, dan penegakan kebijakan menjadi kunci untuk eksekusi paralel berskala besar
• Hanya platform yang tahan menghadapi limpahan eksekusi tool yang akan bertahan

Tool Kreatif Berevolusi Menjadi Multimodal - Justine Moore

• AI sudah memiliki komponen inti storytelling
  • Mampu menghasilkan suara, musik, gambar, dan video
• Masalahnya adalah kontrol
  • Begitu melewati klip sekali jadi, sulit memperoleh hasil yang diinginkan dan biayanya melonjak
  • Masih jauh dari tingkat kontrol ala sutradara tradisional
• Kreator menginginkan pengeditan multimodal berbasis referensi
  • Memasukkan video 30 detik lalu menambahkan karakter baru untuk melanjutkan adegan
  • Menyusun ulang adegan seolah direkam dari sudut kamera lain
  • Menciptakan ulang gerakan yang sama dengan video referensi
• 2026 akan menjadi tahun AI multimodal
  • Segala bentuk konten referensi bisa dipakai sebagai input
  • Pembuatan adegan baru dan pengeditan adegan lama menyatu secara alami
• Produk awal seperti Kling O1 dan Runway Aleph telah muncul
• Masih dibutuhkan inovasi tambahan baik di layer model maupun layer aplikasi
• Produksi konten adalah killer use case AI
  • Membentuk pasar luas, dari pembuat meme hingga sutradara Hollywood

AI-Native Data Stack Terus Berevolusi - Jason Cui

• Dalam setahun terakhir, modern data stack terintegrasi dengan cepat
  • Struktur pembagian kerja yang berpusat pada pengumpulan, transformasi, dan komputasi mulai runtuh
  • Bundling dan platform terintegrasi menjadi standar
  • Merger Fivetran/dbt dan kebangkitan Databricks menunjukkan hal ini
• Ekosistemnya tampak matang, tetapi struktur yang benar-benar AI-native masih berada di tahap awal
  • Infrastruktur data dan infrastruktur AI sedang menyatu dalam kondisi yang tak terpisahkan
• Basis data vektor menjadi komponen inti
  • Struktur yang beroperasi berdampingan dengan data terstruktur menjadi standar
• Tantangan utama di era agent adalah masalah konteks
  • Harus terus mengakses data yang tepat dan semantic layer yang tepat
  • Perlu menjaga definisi bisnis yang konsisten di berbagai system of record
• Tool BI dan spreadsheet akan berubah secara mendasar
  • Workflow data bergeser menjadi berpusat pada agent dan otomatisasi

Tahun Memasuki Video - Yoko Li

• Pada 2026, video bukan lagi medium yang dikonsumsi secara pasif
  • Ia menjadi ruang untuk dimasuki dan digunakan beraktivitas
• Model video menangani waktu dan konsistensi
  • Mengingat adegan sebelumnya
  • Merespons tindakan pengguna
  • Menjaga konsistensi berkelanjutan yang mirip dengan dunia fisik
• Bergerak melampaui generasi video pendek yang terputus-putus
  • Karakter, objek, dan fisika bertahan cukup lama
  • Menjadi mungkin menghadirkan perkembangan di mana tindakan menghasilkan konsekuensi
• Video beralih menjadi medium yang bisa dibangun
  • Robot berlatih
  • Game berevolusi
  • Desainer membuat prototipe
  • Agent bertindak langsung sambil belajar
• Hasil akhirnya bukan klip, melainkan lingkungan yang hidup
  • Jarak antara persepsi dan tindakan berkurang drastis
  • Muncul sensasi benar-benar hadir di dalam video yang dihasilkan

---

# [Growth]

Era System of Record Mulai Berakhir - Sarah Wang

• Perubahan nyata dalam perangkat lunak enterprise pada 2026 adalah sistem pencatatan (System of Record) kehilangan posisi sentralnya
• AI hampir menghapus jarak antara intent dan execution
  • Model langsung membaca, menulis, dan bernalar di seluruh data operasional
  • ITSM dan CRM beralih dari sekadar repositori menjadi mesin workflow otonom
• Perkembangan model penalaran dan workflow agen memperluas peran sistem
  • Bukan hanya merespons, tetapi juga melakukan prediksi, koordinasi, dan eksekusi end-to-end
• Pusat antarmuka berubah
  • Alih-alih UI yang berpusat pada layar, lapisan agen yang dinamis tampil di garis depan
  • System of Record yang lama terdorong ke lapisan penyimpanan (persistence tier)
• Kendali strategis berpindah
  • Bukan lagi soal siapa yang menyimpan data
  • Yang menjadi inti adalah siapa yang menguasai lingkungan eksekusi cerdas yang benar-benar digunakan karyawan

AI vertikal berevolusi menjadi multiplayer - Alex Immerman

• AI vertikal tumbuh dengan kecepatan yang belum pernah terjadi sebelumnya
  • Di bidang healthcare, hukum, dan hunian, berhasil mencapai ARR $100M+ hanya dalam beberapa tahun
  • Sektor keuangan dan akuntansi juga menyusul dengan cepat
• Tahap pertama evolusinya adalah pengambilan informasi
  • Menemukan, mengekstrak, dan merangkum informasi yang dibutuhkan
• Pada 2025, pergeseran menuju tahap reasoning terjadi
  • Hebbia menganalisis laporan keuangan dan membangun model
  • Basis merekonsiliasi neraca saldo dari berbagai sistem
  • EliseAI mendiagnosis masalah pemeliharaan dan memanggil vendor yang tepat
• Pada 2026, mode multiplayer terbuka
  • Perangkat lunak vertikal unggul dalam UI khusus domain, data, dan integrasi
  • Namun pekerjaan nyata pada dasarnya adalah struktur kolaborasi multi-pihak
• Agar agen dapat mewakili tenaga kerja, kolaborasi menjadi keharusan
  • Pembeli dan penjual
  • Penyewa, penasihat, dan vendor
  • Setiap partisipan memiliki izin, workflow, dan kebutuhan compliance yang berbeda
• Saat ini AI masih bekerja dalam kondisi saling terisolasi
  • AI yang menganalisis kontrak tidak terhubung dengan CFO
  • AI pemeliharaan tidak mengetahui janji temu staf lapangan
• AI multiplayer mengoordinasikan hal ini
  • Merutekan pekerjaan antar pemangku kepentingan
  • Menjaga konteks
  • Menyinkronkan perubahan
  • AI pihak lawan bernegosiasi dalam batas yang telah ditentukan
  • Ketidakseimbangan dinaikkan untuk ditinjau manusia
  • Revisi partner senior menjadi pembelajaran untuk seluruh organisasi
• Semakin besar nilai yang diciptakan melalui kolaborasi, semakin tinggi biaya perpindahan
  • Muncul efek jaringan yang sebelumnya tidak dimiliki aplikasi AI
  • Lapisan kolaborasi itu sendiri menjadi moat

Membangun untuk agen, bukan manusia - Stephenie Zhang

• Mulai 2026, orang akan menggunakan web melalui agen mereka sendiri
• Hal-hal yang sebelumnya penting berdasarkan konsumsi manusia tidak lagi bekerja dengan cara yang sama
• Cara optimasi lama mengasumsikan perilaku manusia
  • Muncul di posisi atas hasil pencarian
  • Masuk ke halaman pertama marketplace
  • Disusun dengan pembuka TL;DR
• Manusia bisa melewatkan kalimat penting, tetapi agen tidak
  • Bahkan kalimat kunci yang tersembunyi di halaman 5 pun langsung ditemukan agen
• Perubahan ini juga berlaku pada desain perangkat lunak
  • Aplikasi dirancang berdasarkan tatapan dan klik manusia
  • Tolok ukur optimasi adalah UI yang baik dan flow yang intuitif
• Saat agen mengambil alih interpretasi dan pencarian, standarnya berubah
  • Desain visual bukan lagi elemen utama untuk pemahaman
  • Alih-alih engineer melihat Grafana, AI SRE menafsirkan telemetri dan merangkumnya di Slack
  • Alih-alih tim sales mengubek-ubek CRM, agen otomatis menyediakan pola dan ringkasan
• Kini desain ditujukan bukan untuk manusia melainkan untuk agen
  • Bukan hierarki visual, tetapi keterbacaan mesin yang menjadi sasaran optimasi
  • Perubahan ini mengubah cara berkarya dan alat itu sendiri

KPI screen time di aplikasi AI akan berakhir - Santiago Rodriguez

• Selama 15 tahun terakhir, screen time adalah indikator utama penyampaian nilai
  • Waktu menonton Netflix
  • Jumlah klik di EHR medis
  • Waktu penggunaan ChatGPT
• Metrik ini segera kehilangan daya gunanya
  • Billing berbasis hasil makin meluas
  • Insentif vendor dan pengguna menjadi selaras
  • Metrik pertama yang menghilang adalah screen time
• Perubahan ini sudah terlihat di dunia nyata
  • ChatGPT DeepResearch menciptakan nilai besar meski layar hampir tidak dilihat
  • Abridge secara otomatis menangkap percakapan medis dan menangani pekerjaan lanjutan
  • Cursor membuat seluruh aplikasi sehingga developer bisa merancang siklus berikutnya
  • Hebbia membuat deck berdasarkan ratusan disclosure dan mengembalikan waktu tidur investment banker
• Tantangan baru pun muncul
  • Untuk menentukan berapa yang harus dibebankan per pengguna, dibutuhkan pengukuran ROI yang lebih kompleks
• Aplikasi AI meningkatkan nilai di berbagai dimensi sekaligus
  • Kepuasan dokter
  • Produktivitas developer
  • Kualitas hidup analis keuangan
  • Kebahagiaan konsumen
• Perusahaan yang dapat menjelaskan ROI dengan cara paling sederhana akan unggul di pasar

---

# [Bio + Health]

Munculnya MAU sehat - Julie Yoo

• Pada 2026, Healthy MAUs (MAU sehat) muncul sebagai kelompok pelanggan inti dalam healthcare
  • Saat ini mereka belum sakit
  • Namun merupakan konsumen yang ingin memahami dan memantau kesehatannya secara berkelanjutan
• Sistem healthcare yang ada selama ini berfokus pada tiga jenis pengguna
  • Sick MAUs: pasien dengan kebutuhan perawatan yang mahal dan sesekali melonjak
  • Sick DAUs: pengguna yang membutuhkan perawatan jangka panjang dan intensif seperti pasien kritis atau penderita penyakit kronis
  • Healthy YAUs: pengguna yang relatif sehat dan hampir tidak pernah datang ke rumah sakit
• Healthy YAUs selalu berisiko berubah menjadi Sick MAUs atau Sick DAUs
  • Pengelolaan preventif dapat memperlambat laju perubahan ini
• Masalahnya ada pada struktur insentif yang ada
  • Sistem kompensasi medis berbasis reaksi yang berpusat pada pengobatan memberi imbalan pada perawatan, bukan pencegahan
  • Akses ke check-in rutin atau layanan pemantauan rendah
  • Asuransi hampir tidak membayar layanan yang berfokus pada pencegahan
• Healthy MAUs mengisi kekosongan ini
  • Mereka tidak sedang sakit saat ini
  • Namun ingin berulang kali memeriksa dan memahami kondisi kesehatannya
  • Mereka berpotensi menjadi kelompok potensial terbesar di seluruh basis konsumen
• Gelombang layanan yang menargetkan kelompok ini mulai muncul
  • Startup AI-native
  • Layanan yang dikemas ulang oleh perusahaan healthcare yang sudah ada
  • Semuanya bergerak menuju layanan reguler berbasis langganan
• AI menurunkan struktur biaya penyampaian layanan healthcare
  • Otomatisasi pemantauan dan analisis
  • Berkurangnya ketergantungan pada tenaga kerja
• Muncul kemungkinan hadirnya produk asuransi yang berfokus pada pencegahan
• Konsumen semakin terbiasa dengan model langganan bayar sendiri
• Healthy MAUs menjadi kelompok pelanggan utama bagi healthtech generasi berikutnya
  • Berpartisipasi secara berkelanjutan
  • Berbasis data
  • Bertindak dengan fokus pencegahan

---

# [Speedrun]

World model menjadi pusat storytelling - Jon Lai

• Pada 2026, world model berbasis AI menjadi pusat storytelling
  • Muncul format baru yang bertumpu pada dunia virtual interaktif dan ekonomi digital
• Marble (World Labs) dan Genie 3 (DeepMind) menghasilkan lingkungan 3D penuh hanya dari prompt teks
  • Pengguna menjelajahi dunia itu sendiri layaknya game
• Saat para kreator mengadopsi alat ini, muncullah format naratif yang sepenuhnya baru
  • Dunia raksasa yang memungkinkan kreasi bersama pun tercipta
  • Pada akhirnya, bentuknya berevolusi menjadi sesuatu yang mendekati ‘Minecraft generatif’
• Mekanika game dan pemrograman bahasa alami bergabung
  • Perintah seperti “buat kuas yang mengubah apa pun yang disentuh menjadi merah muda” bekerja sebagai aturan dunia
• Batas antara pemain dan kreator menghilang
  • Pengguna bukan lagi sekadar konsumen, tetapi menjadi co-author
• Terbentuk multiverse generatif yang saling terhubung
  • Genre seperti fantasi, horor, dan petualangan hidup berdampingan dalam satu ekosistem
• Ekonomi digital di dalam dunia tersebut menjadi aktif
  • Pembuatan aset
  • Panduan bagi pengguna baru
  • Monetisasi lewat pengembangan alat interaksi baru
• Dunia-dunia ini dimanfaatkan melampaui hiburan, sebagai lingkungan simulasi
  • Pelatihan AI agent
  • Pembelajaran robot
  • Lebih jauh lagi, berkembang menjadi ruang eksperimen AGI
• Kebangkitan world model bukanlah genre hiburan baru, melainkan kemunculan medium kreatif baru sekaligus frontier ekonomi

‘Tahun untuk Diriku’ - Josh Lu

• Tahun 2026 adalah “The Year of Me”, tahun ketika produk beralih dari produksi massal ke pembuatan yang dipersonalisasi
• Perubahan sudah dimulai di bidang pendidikan
  • Startup seperti Alphaschool menyediakan AI tutor yang beradaptasi dengan kecepatan dan rasa ingin tahu tiap siswa
  • Tingkat personalisasi ini sebelumnya hanya mungkin dengan biaya les privat puluhan ribu dolar per siswa
• Di bidang kesehatan pun personalisasi menjadi keseharian
  • AI merancang kombinasi suplemen, rencana olahraga, dan rutinitas makan yang sesuai dengan data biologis pribadi
  • Hal ini menjadi mungkin tanpa bergantung pada pelatih atau laboratorium
• Media juga ikut dipersonalisasi
  • Berita, program, dan cerita disusun ulang sesuai minat dan tone masing-masing orang
• Pemenang abad lalu adalah perusahaan yang menemukan konsumen rata-rata
• Pemenang abad berikutnya adalah perusahaan yang menemukan individu yang tersembunyi di dalam rata-rata
• Tahun 2026 menjadi titik ketika dunia berhenti mengoptimalkan ‘semua orang’ dan mulai mengoptimalkan ‘Anda’

Universitas AI Native pertama - Emily Bennett

• Pada 2026, universitas AI native muncul
  • Ini adalah institusi pendidikan yang sejak awal dirancang dengan sistem cerdas sebagai pusatnya
• Universitas yang ada selama ini hanya mengadopsi AI secara parsial
  • Masih terbatas pada penilaian, tutoring, dan pengelolaan jadwal
• Kini muncul organisasi akademik yang belajar dan mengoptimalkan dirinya sendiri
  • Kelas, bimbingan, kolaborasi riset, hingga operasional gedung beradaptasi melalui loop umpan balik data
• Semua elemen universitas berubah secara real time
  • Jadwal mengoptimalkan dirinya sendiri
  • Daftar bacaan diperbarui tiap malam untuk mencerminkan riset terbaru
  • Jalur pembelajaran langsung disesuaikan dengan kecepatan dan konteks tiap mahasiswa
• Tanda-tandanya sudah ada
  • ASU menjalankan ratusan proyek AI melalui kerja sama tingkat institusi dengan OpenAI
  • SUNY mewajibkan literasi AI dalam kurikulum pendidikan umum
• Di universitas AI native, peran dosen berubah
  • Bukan lagi penyampai pengetahuan, melainkan perancang pembelajaran
  • Mengkurasi data dan menyesuaikan model
  • Mengajarkan mahasiswa cara bersikap kritis terhadap penalaran mesin
• Metode evaluasi juga bergeser
  • Deteksi plagiarisme dan larangan penggunaan menghilang
  • Yang dinilai adalah bagaimana AI digunakan
  • Transparansi dan penggunaan yang terukur menjadi standar
• Seluruh industri membutuhkan talenta yang mampu merancang, mengoperasikan, dan berkolaborasi dengan AI
• Universitas AI native menjadi mesin tenaga kerja ekonomi baru yang melahirkan talenta ini

---

# [American Dynamism]

Membangun fondasi industri AI native - David Ulevitch

• Sektor yang membentuk kekuatan nyata ekonomi AS kembali menjadi pusat perhatian
  • Energi, manufaktur, logistik, dan infrastruktur kembali sebagai poros utama
• Perubahan terpenting adalah kemunculan fondasi industri yang benar-benar AI native dan software-first
  • Berawal dari simulasi, desain otomatis, dan operasi berbasis AI
  • Bukan memodernisasi masa lalu, tetapi membangun generasi berikutnya dari nol
• Peluang baru terbuka di seluruh sektor industri
  • Sistem energi canggih
  • Manufaktur industri berat yang berpusat pada robot
  • Industri pertambangan generasi berikutnya
  • Proses kimia berbasis biologi dan enzim yang menjadi fondasi semua industri
• AI merancang ulang proses inti industri
  • Desain reaktor yang lebih bersih
  • Optimalisasi ekstraksi sumber daya
  • Rekayasa enzim yang lebih baik
  • Menyetel armada mesin otonom secara presisi
• Dunia di luar pabrik juga disusun ulang
  • Sensor otonom dan drone
  • Model AI terbaru membuat pelabuhan, rel kereta, jaringan listrik, pipa, pangkalan militer, dan data center terus terlihat secara menyeluruh
• Dunia nyata membutuhkan software baru
  • Pendiri yang membangunnya akan menentukan kemakmuran Amerika di abad berikutnya

Renaisans pabrik Amerika - Erin Price-Wright

• Abad besar pertama Amerika dibangun di atas kapabilitas industri
  • Offshoring dan kegagalan membangun di seluruh masyarakat membuat banyak kekuatan itu hilang
• Kini semuanya mulai bergerak lagi
  • Kelahiran kembali pabrik Amerika yang menempatkan software dan AI di pusatnya sedang berlangsung
• Pada 2026, seluruh industri mendekati masalah dengan pola pikir pabrik
  • Diterapkan pada energi, pertambangan, konstruksi, dan manufaktur secara luas
• Intinya adalah perpaduan AI modular dan otonomi + pekerja terampil
  • Membuat proses yang kustom dan kompleks bekerja seperti lini perakitan
• Pendekatan ini memungkinkan hal-hal berikut
  • Melewati regulasi dan perizinan yang kompleks dengan cepat dan berulang
  • Memperpendek siklus desain dan melakukan desain yang mempertimbangkan manufaktur sejak awal
  • Mengelola koordinasi proyek skala besar secara efisien
  • Mempercepat pekerjaan yang sulit atau berbahaya bagi manusia lewat sistem otonom
• Pola pikir ala Henry Ford diterapkan sejak Day 0
  • Merancang dengan asumsi skala dan kemampuan pengulangan
  • Lalu menggabungkannya dengan AI terbaru
• Hasilnya muncul dengan cepat
  • Produksi massal reaktor nuklir
  • Peningkatan pasokan perumahan
  • Pembangunan data center supercepat
• Gagasan “pabrik adalah produknya” kembali menjadi kenyataan
• Kita memasuki era keemasan industri yang baru

Gelombang observabilitas berikutnya bukan digital, melainkan fisik - Zabie Elmgren

• Selama 10 tahun terakhir, observabilitas software membuat sistem digital menjadi transparan
  • Kode dan server dipahami melalui log, metrik, dan trace
• Inovasi yang sama kini meluas ke dunia fisik
• Di seluruh Amerika, sudah ada lebih dari 1 miliar kamera dan sensor yang terpasang
  • Observabilitas fisik untuk memahami kota, jaringan listrik, dan infrastruktur secara real time menjadi mendesak sekaligus memungkinkan
• Lapisan persepsi ini membuka tahap berikutnya bagi robotika dan otonomi
  • Diperlukan fabric bersama agar mesin dapat mengenali dunia fisik seperti mengenali kode
• Risikonya juga ada: teknologi untuk mendeteksi kebakaran hutan dan mencegah kecelakaan industri bisa berubah menjadi distopia pengawasan
• Pemenangnya adalah perusahaan yang memperoleh kepercayaan: menjaga privasi, interoperabel, dan AI native
• Kita membutuhkan sistem yang membuat masyarakat lebih mudah dipahami, tanpa membuatnya kurang bebas
• Pihak yang membangun fabric kepercayaan ini akan mendefinisikan 10 tahun observabilitas berikutnya

Stack elektro-industri yang menggerakkan dunia - Ryan McEntush

• Revolusi industri berikutnya terjadi bukan hanya di pabrik, tetapi juga di dalam komponen yang membentuk mesin
• Perangkat lunak telah mengubah cara berpikir dan merancang, dan kini mengubah mobilitas, konstruksi, dan produksi
• Terjadi perpaduan elektrifikasi, material, dan AI
  • Kontrol perangkat lunak yang sesungguhnya diperkenalkan ke dunia fisik
  • Mesin dapat merasakan, belajar, dan bertindak sendiri
• Inilah electro-industrial stack
  • Teknologi fondasi untuk kendaraan listrik, drone, pusat data, dan manufaktur modern
  • Menghubungkan teknologi yang menggerakkan atom dengan bit
• Komponen stack
  • Pemurnian mineral → komponen
  • Energi yang disimpan dalam baterai
  • Listrik yang dikendalikan oleh power electronics
  • Gerakan yang disalurkan melalui motor presisi
  • Perangkat lunak yang mengoordinasikan semuanya
• Ini adalah fondasi tak terlihat dari otomasi fisik yang menciptakan perbedaan antara perangkat lunak untuk memanggil taksi dan perangkat lunak yang memegang kemudi
• Kemampuan untuk membangun stack ini sedang melemah: pemurnian material inti dan manufaktur chip canggih
• Jika Amerika Serikat ingin memimpin era industri berikutnya, mereka harus membuat hardware sendiri
• Negara yang menguasai electro-industrial stack akan menentukan masa depan teknologi industri dan militer
• Software telah melahap dunia. Kini software menggerakkan dunia

Laboratorium otonom mempercepat penemuan ilmiah - Oliver Hsu

• Kapabilitas model berkembang di seluruh spektrum multimodal
• Kemampuan manipulasi robot juga terus meningkat
• Ketika dua arus ini bergabung, muncullah laboratorium otonom
  • Perumusan hipotesis - perancangan eksperimen - eksekusi - penalaran dan analisis hasil - pengulangan arah riset berikutnya
• Loop end-to-end penemuan ilmiah tertutup secara otomatis
• Tim yang membangun laboratorium ini pada dasarnya bersifat lintas disiplin: AI, robotika, ilmu fisika dan hayati, manufaktur, operasi
• Melalui eksperimen tanpa awak (lights-out), eksperimen berkelanjutan menjadi mungkin
• Kecepatan penemuan meningkat tajam di berbagai bidang

Perang salib data menuju industri inti - Will Bitsky

• Pusat wacana AI pada 2025 adalah kendala komputasi dan pusat data
• Pusat 2026 adalah kendala data dan medan pertempuran data yang baru, dan medan itu adalah industri inti
• Di industri inti, masih tertidur sejumlah besar data tidak terstruktur: operasi truk, pembacaan meteran, pekerjaan pemeliharaan, proses produksi, perakitan dan pengujian, dan lain-lain
• Semua proses ini menjadi data pelatihan model, sehingga yang penting bukan hanya apa yang dilakukan, tetapi juga bagaimana hal itu dilakukan
• Masalahnya, lokasi industri kekurangan konsep tentang data: pengumpulan, anotasi, dan pelatihan model tidak termasuk dalam kosakata industri
• Permintaan data meningkat eksplosif
  • Scale, Mercor, dan lab AI secara agresif mengumpulkan data proses
  • Bergantung pada data manual berbiaya tinggi
• Perusahaan industri yang sudah ada memiliki keunggulan struktural
  • Sudah memiliki infrastruktur fisik dan tenaga kerja
  • Dapat mengumpulkan data hampir tanpa biaya marginal
  • Dapat melatih model sendiri atau melisensikannya ke pihak luar
• Startup mendukung hal ini
  • Perangkat lunak untuk pengumpulan, anotasi, dan manajemen persetujuan
  • Hardware sensor dan SDK
  • Lingkungan reinforcement learning dan pipeline pelatihan
  • Pada akhirnya bahkan menyediakan mesin cerdas milik sendiri

---

# [Apps]

AI memperkuat model bisnis itu sendiri - David Haber

• Startup AI yang unggul tidak sekadar mengotomatisasi pekerjaan, tetapi juga memperbesar struktur ekonomi pelanggan itu sendiri
• Ambil contoh firma hukum berbasis success fee
  • Pendapatan hanya muncul jika menang
  • Perusahaan seperti Eve memanfaatkan data hasil perkara untuk memprediksi peluang kemenangan
  • Memilih perkara yang lebih baik, menangani lebih banyak klien, dan lebih sering menang
• AI tidak berhenti sebagai alat pengurang biaya, tetapi langsung meningkatkan pendapatan
• Pada 2026, logika ini akan meluas ke seluruh industri
  • AI akan lebih dalam selaras dengan insentif pelanggan
  • Menciptakan keunggulan kompetitif majemuk yang tidak bisa dikejar oleh software lama

ChatGPT menjadi AI app store - Anish Acharya

• Siklus produk konsumen membutuhkan tiga hal
  • Teknologi baru
  • Perilaku konsumen baru
  • Kanal distribusi baru
• AI telah memenuhi dua yang pertama, tetapi belum punya kanal distribusi yang khas, sehingga bergantung pada jaringan yang sudah ada seperti X atau word of mouth
• Situasinya berubah
  • OpenAI merilis Apps SDK
  • Dukungan mini app dari Apple
  • ChatGPT memperkenalkan group messaging
• Kini developer bisa langsung menjangkau 900 juta pengguna ChatGPT
  • Dapat tumbuh bersama jaringan mini app baru seperti Wabi
• Potongan puzzle terakhir ini kini pas, dan pada 2026 akan dimulai demam emas sekali dalam satu dekade di teknologi konsumen

Agen suara mulai benar-benar memperluas wilayahnya - Olivia Moore

• Dalam 18 bulan terakhir, voice AI telah berubah dari fiksi ilmiah menjadi kenyataan: penjadwalan, pemrosesan reservasi, survei, penanganan inbound pelanggan
• Sudah digunakan secara luas dari SMB hingga enterprise
• Dampaknya jelas: penghematan biaya, penciptaan pendapatan tambahan, dan manusia mengerjakan pekerjaan bernilai lebih tinggi
• Banyak perusahaan masih berada pada tahap solusi titik, sehingga hanya menangani jenis panggilan tertentu
• Tahap berikutnya adalah ekspansi menyeluruh
  • Menangani seluruh workflow
  • Interaksi multimodal
  • Mengelola keseluruhan hubungan pelanggan
• Untuk itu dibutuhkan agen yang terintegrasi mendalam dengan sistem bisnis dan otoritas untuk secara mandiri menangani interaksi yang lebih kompleks
• Selama performa model terus meningkat, tidak ada alasan bagi setiap perusahaan untuk tidak menjalankan AI voice-first

Munculnya aplikasi proaktif tanpa prompt - Marc Andrusko

• 2026 adalah akhir dari kotak input prompt
• Generasi berikutnya dari aplikasi AI bekerja tanpa input eksplisit: mengamati perilaku pengguna dan secara proaktif memberikan saran
• Contoh
  • IDE menyarankan refactor sebelum diminta
  • CRM menulis email tindak lanjut segera setelah panggilan selesai
  • Alat desain menghasilkan variasi saat pekerjaan sedang berlangsung
• Antarmuka chat hanyalah roda bantu
• AI kini menjadi struktur tak terlihat yang meresap ke seluruh workflow
  • Merespons niat, bukan perintah

AI membangun ulang fondasi perbankan dan asuransi - Angela Strange

• Perusahaan keuangan lama selama ini menambahkan AI di atas sistem legacy: pengenalan dokumen, agen suara
• Perubahan yang sesungguhnya terjadi ketika infrastruktur itu sendiri dibangun ulang
• Pada 2026, risiko tidak mengadopsi AI menjadi lebih besar daripada risiko kegagalan
• Lembaga keuangan besar mengakhiri kontrak vendor legacy dan berpindah ke alternatif AI-native
• Ciri platform keuangan baru: memusatkan, menormalkan, dan memperkaya data legacy maupun eksternal
• Hasilnya
  • Paralelisasi workflow dalam skala besar
  • Pekerjaan diproses tanpa berpindah antar sistem
  • Ratusan tugas bisa dilihat sekaligus dan sebagian ditangani otomatis oleh agen
• Kategorinya sendiri menyatu
  • Contoh: KYC dan monitoring transisi digabung menjadi satu platform risiko
• Pemenangnya akan menjadi perusahaan yang 10 kali lebih besar dari yang lama
  • Software menggantikan tenaga kerja
• Masa depan keuangan bukanlah menempelkan AI ke sistem lama, melainkan membangun sistem operasi baru berbasis AI

Strategi forward-deployed menyebarkan AI ke 99% - Joe Schmidt

• Sampai sekarang, manfaat AI terkonsentrasi pada 1% Silicon Valley karena akses geografis dan jaringan VC
• Pada 2026, arus ini akan berbalik: sebagian besar peluang AI berada di luar Silicon Valley
• Pendiri generasi baru menemukan peluang di dalam industri legacy dengan pendekatan forward-deployed
• Bidang dengan peluang yang sangat besar:
  • Konsultasi tradisional
  • Integrasi sistem
  • Industri lambat seperti manufaktur

Fortune 500 akan memiliki lapisan dan peran orkestrasi baru - Seema Amble

• Perusahaan bergerak dari alat AI tunggal ke sistem multi-agent
• Agent harus bekerja sama seperti tim digital. Melakukan perencanaan, analisis, dan eksekusi bersama
• Untuk itu, struktur kerja dan aliran konteks antar sistem didesain ulang
• AskLio dan HappyRobot sudah menempatkan agent bukan pada satu tugas saja, melainkan pada seluruh proses
• Fortune 500 mengalami perubahan paling besar: data silo yang sangat besar dan pengetahuan tacit yang selama ini ada di kepala manusia
• Jika ini diubah menjadi fondasi bersama, kecepatan pengambilan keputusan meningkat, siklus menjadi lebih singkat, dan proses end-to-end tanpa intervensi manusia menjadi mungkin
• Peran baru pun muncul: perancang workflow AI, supervisor agent, penanggung jawab governance
• Di atas system of record, ditambahkan system of coordination
• Manusia fokus pada edge case yang paling kompleks
• Multi-agent bukan sekadar otomatisasi, tetapi merekonstruksi cara perusahaan beroperasi itu sendiri

AI konsumen bergeser dari ‘tolong bantu saya’ ke ‘lihat saya’ - Bryan Kim

• Tahun 2026 adalah tahun ketika AI konsumen bergeser dari produktivitas ke konektivitas
• AI melampaui alat bantu kerja dan membantu orang memahami diri mereka lebih baik serta memperkuat hubungan
• Ini adalah area yang sulit. Banyak AI sosial gagal
• Namun lingkungannya berubah: konteks multimodal meluas, biaya penalaran turun
• AI kini mempelajari emosi dalam foto, pola percakapan, dan perubahan rutinitas akibat stres
• Ciri produk ‘see me’
  • Kemauan membayar jangka pendek rendah
  • Retensi tinggi
• Orang-orang sudah menukar data dengan nilai
  • Sebentar lagi imbalannya akan cukup besar

Primitive model baru menciptakan perusahaan yang sebelumnya mustahil ada - Kimberly Tan

• Inovasi model terbaru memunculkan perusahaan yang sebelumnya tidak mungkin ada
• Di masa lalu, levelnya hanya sebatas meningkatkan produk yang sudah ada
• Sekarang, fungsi inti produk itu sendiri dimungkinkan oleh kemampuan model yang baru
• Contoh
  • Penilaian klaim keuangan yang kompleks
  • Analisis materi akademik dan riset dalam jumlah sangat besar
  • Ekstraksi data video di lokasi manufaktur
  • Otomatisasi pekerjaan yang tersembunyi di balik desktop dan API yang buruk
• Penalaran, multimodal, dan penggunaan komputer mengubah struktur industri-industri besar

Startup AI yang menjadikan startup AI sebagai pelanggan akan tumbuh - James da Costa

• Saat ini adalah periode ledakan pendirian perusahaan yang belum pernah terjadi sebelumnya
• Perusahaan yang sudah mapan juga sedang cepat mengadopsi AI
• Cara startup menang adalah dengan menjadikan perusahaan yang masih dalam tahap pembentukan sebagai pelanggan
• Jika mendapatkan perusahaan baru sejak awal, startup bisa tumbuh bersama ketika pelanggan ikut tumbuh
• Stripe, Deel, Mercury, dan Ramp menggunakan strategi ini
• Banyak pelanggan Stripe lahir setelah Stripe sendiri berdiri
• Tahun 2026 akan menjadi tahun startup yang memilih strategi greenfield mulai benar-benar memperbesar skala di berbagai area software enterprise
• Intinya sederhana:
  • membuat produk yang lebih baik
  • dan berfokus keras pada pelanggan baru yang belum terikat pada pemain lama

---

# [Crypto]

Privasi menjadi moat terpenting dalam crypto

• Agar keuangan on-chain menjadi arus utama, privasi adalah keharusan
• Namun sebagian besar blockchain selama ini nyaris tidak memiliki privasi atau menaruhnya di belakang prioritas lain
• Kini, privasi saja sudah bisa membedakan sebuah chain secara jelas
• Privasi bukan sekadar fitur, tetapi bisa menciptakan chain lock-in
  • Ini menjadi sangat kuat terutama di dunia tempat persaingan performa saja tidak lagi cukup
• Berpindah di antara chain publik itu mudah berkat bridging
  • Tetapi ceritanya berbeda ketika privasi masuk ke dalamnya
  • Token mudah dipindahkan, tetapi rahasia sulit dipindahkan
• Risiko yang muncul saat keluar-masuk area privat
  • Pihak yang memantau chain/mempool/lalu lintas jaringan dapat menyimpulkan identitas
  • Saat melintasi batas (privat↔publik, privat↔privat), terjadi kebocoran metadata
    • Waktu transaksi, korelasi ukuran, dan sebagainya menjadi petunjuk pelacakan
• Biaya mudah terdorong mendekati nol oleh persaingan
  • Blockspace makin terhomogenisasi
  • Karena itu, “chain baru tanpa ciri apa pun” sulit menciptakan efek jaringan yang kuat
• Sebaliknya, chain privasi punya ruang untuk membangun efek jaringan yang lebih kuat
• Jika sebuah chain serbaguna
  • belum punya ekosistem yang sudah berkembang
  • belum punya killer app
  • dan tidak punya keunggulan distribusi yang tidak adil
    maka hampir tidak ada alasan untuk memakainya, membangunnya, atau loyal kepadanya
• Di chain publik, “berada di chain yang mana” kurang penting
  • Transaksi dengan pengguna chain lain juga mudah
• Di chain privat, “masuk ke chain yang mana” jauh lebih penting
  • Risiko terekspos saat berpindah lebih besar sehingga churn berkurang
• Hasilnya, chain privasi bisa menciptakan struktur yang mendekati winner-takes-all
  • Jika sebagian besar penggunaan di dunia nyata membutuhkan privasi
  • beberapa chain privasi saja bisa mengambil porsi terbesar crypto

Pasar prediksi akan menjadi lebih besar, lebih luas, dan lebih cerdas

• Pasar prediksi sudah memasuki tahap adopsi massal
• Tahun depan, pasar ini akan berpadu dengan crypto dan AI sehingga skala, cakupan, dan kecerdasannya tumbuh bersamaan
• Jauh lebih banyak kontrak akan terdaftar
  • Bukan hanya pemilu besar atau isu geopolitik
  • tetapi juga hasil yang makin kompleks dan peristiwa yang saling terkait bisa diakses sebagai probabilitas real-time
• Informasi dari pasar prediksi sudah semakin masuk ke ekosistem berita
• Pada saat yang sama, pertanyaan sosial juga membesar
  • bagaimana menyeimbangkan nilai dan risiko informasi seperti ini
  • bagaimana membuat desainnya lebih transparan dan dapat diaudit
  • crypto dapat memungkinkan hal ini (dengan asumsi akan ada tautan tulisan lanjutan)
• Ketika jumlah kontrak bertambah, “cara menyepakati kebenaran” menjadi bottleneck
  • Penilaian terpusat (apakah suatu peristiwa benar-benar terjadi, bagaimana memverifikasinya) menjadi penting
  • Namun kasus sengketa menunjukkan keterbatasannya
    • Zelensky suit market
    • Venezuelan election market
• Untuk melakukan ekspansi, dibutuhkan mekanisme baru untuk menangani kasus sengketa
  • governance terdesentralisasi
  • oracle LLM (membantu menilai ‘kebenaran’ dari hasil yang kontroversial)
• AI melampaui oracle dan juga memperluas sisi trading
  • Agent trader dapat mengumpulkan sinyal dari dunia untuk menciptakan keunggulan jangka pendek
  • (arah seperti Prophet Arena memberi petunjuk)
• Pasar prediksi tidak menggantikan polling
  • Sebaliknya, pasar ini bisa membuat polling menjadi lebih baik
  • Data polling juga bisa menjadi input bagi pasar prediksi
• Salah satu tantangan kunci adalah “verifikasi manusia”
  • AI meningkatkan pengalaman survei
  • dibutuhkan cara dengan crypto untuk membuktikan bahwa responden adalah manusia, bukan bot

Meninjau kembali tokenisasi RWA dan stablecoin agar lebih crypto-native

• Bank/fintech/manajer aset
  • sangat tertarik membawa saham AS, komoditas, indeks, dan aset tradisional lainnya ke onchain
• Namun tokenisasi saat ini sering kali bersifat skeuomorphic
  • sekadar mereplikasi konsep aset dunia nyata yang sudah ada
  • belum cukup memanfaatkan fungsi khas kripto
• Sebagai alternatif, aset sintetis, terutama perpetual futures (perps), sangat kuat
  • likuiditas lebih dalam
  • implementasinya sering kali lebih sederhana
  • leverage lebih intuitif
  • berpotensi menjadi PMF terkuat di antara derivatif crypto-native
• Eksperimen menarik: “perpify” saham pasar berkembang
  • pada beberapa saham, opsi 0DTE kadang menunjukkan likuiditas yang lebih dalam daripada pasar spot
  • ini bisa menjadi target yang menarik untuk eksperimen perpify
• Pada akhirnya pertanyaannya adalah “perpify vs tokenisasi”
  • apa pun bentuknya, pada 2026 kemungkinan akan ada lebih banyak arus RWA yang lebih crypto-native
• Untuk stablecoin juga, origination menjadi lebih penting daripada “tokenisasi”
  • pada 2025 stablecoin sudah masuk arus utama dan saldo penerbitannya juga terus meningkat
• Stablecoin tanpa infrastruktur kredit yang kuat terlihat seperti narrow bank
  • model bank yang sempit dengan hanya memegang aset likuid yang sangat aman
  • ini produk yang valid, tetapi belum cukup untuk menjadi tulang punggung jangka panjang ekonomi onchain
• Karena itu, untuk “aset utang” dibanding membuatnya offchain lalu men-tokenisasi
  • origination langsung di onchain memberi keuntungan yang lebih besar
  • biaya layanan pinjaman/biaya struktur back-office berkurang
  • aksesibilitas meningkat
• Tantangan besar yang tersisa adalah kepatuhan dan standardisasi
  • tetapi para builder yang ingin menyelesaikannya sudah mulai bergerak

Trading bukan tujuan akhir, melainkan persinggahan

• Selain stablecoin dan sebagian infrastruktur inti,
  • banyak perusahaan kripto yang sedang melaju justru telah beralih atau sedang beralih ke trading
• Masalah yang muncul ketika semua orang menjadi platform trading
  • para pemain menjadi homogen sehingga brand awareness dan peluang terkikis
  • mudah berakhir dengan hanya segelintir pemenang besar yang tersisa
  • tim yang beralih terlalu cepat bisa kehilangan kesempatan membangun bisnis yang defensible
• Ada biaya dalam mengejar sensasi PMF yang instan
  • khususnya di kripto, struktur token/spekulasi mendorong imbalan langsung
  • sehingga bisa menarik tim ke ‘transaksi’ jangka pendek alih-alih membangun ‘produk’ jangka panjang
• Trading sendiri adalah fungsi pasar yang penting
  • tetapi tidak harus menjadi “tujuan akhir”
• Pemenang yang lebih besar
  • bisa jadi adalah pihak yang lebih terobsesi pada ‘produk’ daripada ‘pasar’ dalam PMF

Dari KYC ke KYA: kenali agen, bukan pelanggan

• Bottleneck dalam ekonomi agen sedang bergeser dari kecerdasan ke identitas
• Dalam layanan keuangan, “identitas non-manusia” kini jumlahnya 96:1 dibanding karyawan manusia
  • tetapi identitas-identitas ini pada dasarnya diperlakukan seperti hantu di luar sistem perbankan
• Primitive inti yang dibutuhkan adalah KYA (Know Your Agent)
  • sebagaimana manusia memerlukan skor kredit
  • agen juga memerlukan kredensial yang ditandatangani secara kriptografis untuk bisa bertransaksi
    • terhubung dengan principal agen
    • menjelaskan batasan dan tanggung jawab (liability)
• Tanpa KYA, realitasnya sederhana
  • toko/layanan akan terus memblokir agen di firewall
• Industri yang selama beberapa dekade membangun infrastruktur KYC
  • kini berada dalam situasi harus membangun KYA dalam hitungan bulan

On-ramp/off-ramp stablecoin akan menjadi lebih cerdas

• Volume transaksi stablecoin tahun lalu diperkirakan mencapai sekitar 46 triliun dolar AS
  • dan terus mencetak rekor tertinggi baru
  • sebagai perbandingan: 20x+ PayPal, mendekati 3x Visa, dan cepat mendekati ACH AS
• Secara teknis, “mengirim” sudah menjadi mudah
  • dapat ditransfer dalam kurang dari 1 detik dengan biaya kurang dari 1 sen
• Masalah inti yang belum terselesaikan adalah koneksi ke rel keuangan dunia nyata
  • yaitu on-ramp/off-ramp stablecoin
• Generasi startup baru mengisi celah ini
  • terhubung ke sistem pembayaran yang familiar/mata uang lokal
  • menukar saldo lokal ↔ dolar digital sambil menjaga privasi dengan bukti kriptografis
  • integrasi settlement antarbank dengan memanfaatkan rel pembayaran berbasis QR/real-time
  • lapisan wallet global + penerbitan kartu untuk membelanjakan stablecoin di merchant sehari-hari
• Saat on-ramp/off-ramp matang, perilaku baru akan muncul
  • pembayaran gaji lintas negara secara real-time
  • menerima ‘dolar global’ tanpa rekening bank
  • aplikasi melakukan settlement instan dengan pengguna di seluruh dunia
• Stablecoin bergerak dari alat keuangan ceruk
  • menjadi lapisan dasar pembayaran dan settlement internet

Stablecoin membuka siklus upgrade ledger bank dan skenario pembayaran baru

• Sistem inti bank, dari sudut pandang developer modern, nyaris seperti “artefak arkeologi”
  • 1960–70-an: adopsi awal sistem berskala besar
  • 1980–90-an: core banking generasi kedua (Temenos GLOBUS, Infosys Finacle, dll.)
  • bahkan sekarang ledger inti masih sering memakai mainframe, COBOL, dan antarmuka file batch
• Sebagian besar aset global berada di atas core ledger lama itu
  • dipercaya regulator
  • terintegrasi sangat dalam ke skenario operasional yang kompleks
  • sekaligus sangat memperlambat inovasi
  • bahkan menambahkan fungsi seperti RTP bisa memakan waktu berbulan-bulan hingga bertahun-tahun
• Stablecoin memungkinkan inovasi “tanpa harus langsung merombak legacy”
  • stablecoin, deposito yang ditokenisasi, surat utang negara yang ditokenisasi, obligasi onchain, dan lainnya
  • menjadi jalur bagi bank/fintech untuk menciptakan produk dan pelanggan baru
• Beberapa tahun terakhir adalah periode ketika stablecoin mendapatkan PMF dan masuk arus utama
• Tahun ini, TradFi mengadopsinya pada level yang lebih tinggi
• Kesimpulannya: stablecoin menjadi kanal inovasi yang mem-bypass ledger legacy

Masa depan dekat messaging bukan hanya quantum-resistant, tetapi juga terdesentralisasi

• Kesiapan menghadapi quantum computing itu penting
• Tetapi masalah yang lebih besar adalah “kepercayaan pada server”
  • messenger besar seperti Apple/Signal/WhatsApp
  • pada akhirnya tetap mengharuskan kita mempercayai server privat yang dioperasikan satu organisasi
  • sehingga masih ada kerentanan bahwa pemerintah dapat memblokir/memasang backdoor/memaksa server
• Jika server menjadi pusat model kepercayaan, hasilnya adalah “trust me”
  • sebaliknya, jika tidak ada server privat maka menjadi “tidak perlu percaya”
• Messaging harus bergerak ke protokol terbuka
  • tanpa server privat
  • tanpa satu aplikasi tunggal
  • sepenuhnya open source
  • enkripsi tingkat tertinggi (termasuk ancaman kuantum)
• Jika jaringannya terbuka
  • tidak ada negara/perusahaan yang bisa dengan mudah merampas kemampuan komunikasi
  • meski satu aplikasi diblokir, 500 aplikasi lain bisa muncul lagi keesokan harinya
  • meski node dimatikan, insentif ekonomi akan membuat node baru bermunculan
• Saat pesan dan identitas dimiliki lewat key seperti uang, permainan berubah
  • aplikasi bisa berubah, tetapi kontrol atas pesan/identitas tetap berada pada pengguna
• Pada akhirnya inti persoalannya melampaui “enkripsi tahan kuantum” menuju kepemilikan dan desentralisasi

Dari ‘code is law’ ke ‘spec is law’

• Peretasan DeFi belakangan ini
  • terjadi bahkan pada tim yang kuat, audit yang teliti, dan protokol yang telah beroperasi selama bertahun-tahun
• Praktik keamanan saat ini masih
  • berpusat pada heuristik (aturan praktis)
  • mendekati tambal-sulam per insiden
• Agar keamanan DeFi matang, perlu perubahan arah
  • respons terhadap pola bug → berpindah ke properti pada tingkat desain (property)
  • best-effort → berpindah ke pendekatan berbasis prinsip (principled)
• Dari sisi pra-deployment (statis)
  • bukan verifikasi parsial, melainkan harus membuktikan invariant global secara sistematis
  • alat pembuktian berbantuan AI dapat
    • menulis spesifikasi
    • mengusulkan invariant
    • menurunkan biaya rekayasa pembuktian manual
• Dari sisi pasca-deployment (dinamis)
  • invariant digunakan sebagai guardrail saat runtime
  • dikodekan sebagai assertion runtime yang harus dipenuhi semua transaksi
• Alih-alih berharap “semua bug sudah tertangkap”
  • transaksi yang melanggar properti keamanan inti akan secara otomatis dibatalkan
• Secara realistis, sebagian besar exploit
  • kemungkinan besar akan tertangkap oleh pemeriksaan semacam ini saat berjalan
• Karena itu, “code is law” berevolusi menjadi “spec is law”
  • karena serangan baru pun harus memenuhi properti keamanan yang sama
  • maka serangan yang mungkin dilakukan menjadi kecil atau sangat sulit

Kripto menghadirkan primitive baru yang bisa dipakai juga di luar blockchain

• SNARKs sudah lama nyaris menjadi teknologi khusus blockchain
  • bukti kriptografis yang bisa diverifikasi tanpa mengeksekusi ulang komputasi
  • tetapi overhead-nya terlalu besar (bisa mencapai 1.000.000x)
• Pada 2026, prover zkVM
  • kemungkinan besar turun ke kisaran overhead 10.000x
  • memory footprint juga turun ke ratusan MB
  • bisa dijalankan di ponsel dan menjadi cukup murah untuk dipakai di mana saja
• Mengapa 10.000x bisa menjadi ‘angka ajaib’
  • GPU kelas atas memiliki throughput paralel kira-kira 10.000x dibanding CPU laptop
  • pada akhir 2026, satu GPU bisa menghasilkan bukti secara real-time untuk eksekusi CPU
• Visi dari makalah lama ini yang dibuka oleh perubahan ini: cloud computing yang dapat diverifikasi
  • banyak workload CPU dijalankan di cloud
    • karena tidak cukup berat untuk di-GPU-kan
    • atau karena tidak ada keahlian khusus
    • atau karena alasan legacy
  • bukti ketepatan eksekusi bisa dilampirkan dengan biaya yang masuk akal
  • prover sudah dioptimalkan untuk GPU, sehingga kode aplikasi bisa tetap sama

Menggunakan AI untuk pekerjaan riset yang nyata

• Bahkan pada awal tahun ini, AI konsumen masih belum benar-benar memahami workflow riset
• Beberapa bulan kemudian, kita menjadi bisa memberi AI instruksi abstrak seperti yang diberikan kepada mahasiswa doktoral
  • dan kadang muncul jawaban baru yang benar-benar tepat dikerjakan
• Dalam arus yang lebih luas, penggunaan AI di ranah riset meningkat
  • khususnya berkembang ke arah langsung membantu penemuan di bidang berbasis penalaran
• Bidang mana yang akan mendapat dampak terbesar masih terbuka
• Namun, gaya riset tipe polymath yang baru bisa jadi lebih diuntungkan
  • menekankan kemampuan membuat hipotesis tentang hubungan antar-ide
  • dan mengekstrapolasi dengan cepat dari jawaban yang belum lengkap
  • meski sebagian jawaban tidak akurat, arahnya tetap bisa tepat
• Secara paradoks, ada sisi yang memanfaatkan “halusinasi”
  • ketika model menjadi cukup cerdas dan bergerak bebas
  • memang muncul omong kosong, tetapi kadang juga membuka celah menuju penemuan
• Workflow yang dibutuhkan untuk itu
  • bukan agen tunggal, melainkan struktur agen yang membungkus agen lain (wrapped in layers)
  • percobaan dan hasil dari model sebelumnya dievaluasi dan disintesis oleh model lain
• Contoh penggunaan nyata
  • penulisan makalah: write papers
  • pencarian paten, kreasi seni
  • dan sayangnya juga menemukan serangan smart contract
• Untuk mengoperasikan ensemble agen riset
  • dibutuhkan interoperabilitas antarmodel
  • sistem pengakuan kontribusi dan kompensasi juga diperlukan
  • dan kripto bisa membantu menyelesaikannya

Pajak tak terlihat dibebankan di atas web terbuka

• Agen AI sedang membebankan pajak tak terlihat pada web terbuka
• Inti masalahnya adalah ketidakselarasan antara dua layer internet
  • layer konteks: data disediakan oleh situs berbasis iklan
  • layer eksekusi: agen mengekstrak data itu dan memberi kemudahan kepada pengguna
  • hasilnya, sumber pendapatan seperti iklan/langganan dilewati dan fondasinya melemah
• Jika web terbuka runtuh
  • konten yang beragam dan kaya yang dikonsumsi AI juga akan ikut berkurang
• Solusi yang dibutuhkan adalah deployment besar-besaran dari solusi teknis + ekonomi
  • sponsored content generasi berikutnya
  • micro-attribution (pelacakan kontribusi)
  • model pendanaan baru
• Kesepakatan lisensi AI yang ada
  • sering kali menjadi tambalan yang tidak berkelanjutan secara finansial untuk menutup kehilangan trafik yang digerus AI
• Perubahan kuncinya adalah
  • lisensi statis → kompensasi berbasis penggunaan secara real-time
• Dengan memanfaatkan nanopayment berbasis blockchain dan standar attribution yang canggih
  • perlu diuji dan diperluas model di mana
  • nilai mengalir otomatis ke semua pihak yang berkontribusi pada keberhasilan kerja agen

Kebangkitan media yang dipertaruhkan

• Model media tradisional (termasuk mitos ‘objektivitas’) sudah lama mulai retak
• Internet memberi semua orang ruang untuk berbicara
  • dan operator/praktisi/pembangun mulai berbicara langsung ke publik
• Sudut pandang orang mencerminkan kepentingan yang mereka miliki (stake)
  • secara paradoks, audiens kadang justru lebih percaya karena ada kepentingan itu
• Hal yang benar-benar baru bukanlah “media sosial”
  • melainkan munculnya alat kriptografi yang memungkinkan komitmen yang dapat diverifikasi secara publik
• Saat biaya pembuatan konten dengan AI mendekati nol, kata-kata saja tidak lagi cukup (termasuk bot/deepfake/persona palsu)
• Karena itu, dasar kepercayaan berubah
  • aset yang ditokenisasi
  • programmable lockup
  • pasar prediksi
  • riwayat onchain
    hal-hal ini menjadi sinyal kepercayaan yang lebih kuat
• Inti dari “staked media”
  • bukan menyembunyikan kepentingan, melainkan menampakkannya dalam bentuk yang dapat dibuktikan
  • bukan lagi “saya netral”, melainkan “inilah yang saya pertaruhkan dan beginilah cara memverifikasinya”
• Ia akan menjadi sinyal yang melengkapi, bukan menggantikan, media lain

Secret-as-a-Service

• Semua model/agen/otomatisasi pada akhirnya bergantung pada data
• Namun, pipeline data saat ini sering kali
  • tidak transparan
  • mudah berubah
  • sulit diaudit
• Dalam aplikasi konsumen ini kadang tidak masalah, tetapi
  • di area seperti keuangan/layanan kesehatan, privasi data sensitif itu wajib
  • ini juga menjadi hambatan besar dalam tokenisasi RWA
• Pertanyaan intinya adalah kontrol akses data
  • siapa yang mengendalikan data sensitif
  • bagaimana data itu berpindah
  • siapa (atau apa) yang dapat mengaksesnya dalam kondisi apa
• Saat ini, untuk menjaga kerahasiaan
  • harus bergantung pada layanan terpusat, atau
  • harus menyiapkan sendiri setup kustom yang mahal
  • akibatnya TradFi tidak bisa menikmati manfaat pengelolaan data onchain
• Ketika agen mulai menelusuri/bertransaksi/mengambil keputusan secara otonom, yang dibutuhkan bukan lagi “kepercayaan sebatas upaya terbaik” melainkan jaminan kriptografis
• Karena itu dibutuhkan secrets-as-a-service
  • aturan akses native yang dapat diprogram
  • enkripsi sisi klien
  • manajemen kunci terdesentralisasi
  • menegakkan siapa yang dapat mendekripsi apa dalam kondisi/periode apa
  • mengeksekusikannya di onchain
• Jika digabungkan dengan sistem data yang dapat diverifikasi
  • privasi bukan lagi sekadar ‘lapisan tambahan di atas aplikasi’, melainkan
  • bisa menjadi infrastruktur inti internet

Manajemen aset untuk semua orang

• Manajemen aset yang dipersonalisasi awalnya adalah layanan khusus untuk individu bernilai kekayaan tinggi
  • karena mahal dan kompleksitas operasionalnya tinggi
• Ketika semakin banyak aset ditokenisasi
  • eksekusi strategi/rebalancing di atas rel kripto menjadi instan dan berbiaya rendah
  • personalisasi diperkuat oleh rekomendasi/copilot AI
• Ini bukan sekadar robo-advisor
  • semua orang bisa mengakses manajemen portofolio aktif, bukan hanya menjadi ‘pasif’
• Pada 2025, TradFi mulai meningkatkan porsi kripto
  • misalnya: usulan 2~5% untuk klien wealth management BoA. Secara langsung atau melalui ETPs
• Pada 2026, platform yang dioptimalkan bukan untuk “pelestarian kekayaan” melainkan akumulasi kekayaan akan tumbuh
  • fintech seperti Revolut dan Robinhood
  • CEX seperti Coinbase memperluas pasar dengan keunggulan tech stack
• Di sisi DeFi
  • alat seperti Morpho Vaults menyediakan alokasi otomatis berdasarkan imbal hasil yang disesuaikan dengan risiko
  • ini bisa menjadi zona imbal hasil inti dalam portofolio
• Aset setara kas juga berubah
  • memegang stablecoin alih-alih fiat
  • memegang MMF yang ditokenisasi alih-alih MMF tradisional
  • ruang untuk imbal hasil/strategi tambahan menjadi lebih besar
• Tokenisasi juga memperluas akses ke aset privat
  • seperti private credit, pre-IPO, private equity
  • likuiditas dapat ditingkatkan sambil tetap menjaga compliance/pelaporan
• Ketika komponen penyusun aset ditokenisasi
  • rebalancing otomatis menjadi mungkin tanpa wire transfer

Internet menjadi bank

• Ketika agen muncul dalam skala besar dan
  • perdagangan otomatis di latar belakang meningkat, bukan lagi klik manual
  • cara uang (nilai) berpindah juga harus berubah
• Jika sistem bergerak berdasarkan niat, bukan instruksi langkah demi langkah
  • nilai juga harus bisa bergerak cepat dan bebas seperti informasi
• Blockchain/smart contract/protokol baru menjadi fondasinya
• Smart contract sudah dapat
  • menyelesaikan settlement pembayaran dolar secara global dalam hitungan detik
• Pada 2026, dengan primitive seperti x402
  • pembayaran menjadi programmable dan responsif
• Skenario yang mungkin
  • agen membayar biaya data/GPU/panggilan API satu sama lain secara instan
  • tanpa invoice/settlement/batch, tanpa izin
  • aturan pembayaran/batas/audit trail tertanam dalam pembaruan perangkat lunak
  • tanpa integrasi fiat/onboarding merchant/integrasi bank
  • pasar prediksi melakukan self-settlement real-time seiring berlangsungnya peristiwa
• Pada tingkat ini, alur pembayaran bukan lagi layer operasional terpisah, melainkan perilaku jaringan
• Bank menjadi pipa dasar internet
  • dan aset menjadi infrastruktur
• Ketika uang menjadi paket yang bisa dirutekan oleh internet
  • internet tidak lagi sekadar “mendukung” sistem keuangan
  • melainkan menjadi sistem keuangan itu sendiri

Potensi blockchain akan terbuka ketika struktur hukum menyusul struktur teknis

• Salah satu alasan terbesar mengapa sulit membangun jaringan di AS selama 10 tahun terakhir adalah ketidakpastian hukum
• Hukum sekuritas memaksakan kerangka yang berpusat pada ‘perusahaan’ ke atas ‘jaringan’
  • dan situasi penegakan selektif terus berlanjut
• Akibatnya
  • mitigasi risiko hukum didahulukan daripada strategi produk
  • dan pengacara duduk di kursi depan, bukan insinyur
• Efek samping dari distorsi ini
  • saran untuk menghindari transparansi
  • distribusi menjadi sewenang-wenang secara hukum
  • tata kelola menjadi sandiwara
  • struktur organisasi condong ke optimasi perisai hukum
  • token dirancang agar menghindari nilai ekonomis atau sulit memiliki model bisnis
  • muncul pembalikan keadaan di mana proyek yang mengabaikan aturan melaju lebih cepat daripada builder yang beritikad baik
• Namun, regulasi struktur pasar berpotensi besar mengubah keadaan
  • pemerintah lebih dekat ke pengesahan daripada sebelumnya
• Jika lolos, perubahan yang diharapkan
  • insentif untuk transparansi
  • standar yang jelas
  • berakhirnya “roulette penegakan (enforcement roulette)”
  • tersedianya jalur terstruktur untuk pendanaan/peluncuran token/desentralisasi
• Seperti ledakan adopsi stablecoin setelah GENIUS, regulasi struktur pasar dapat membawa perubahan yang jauh lebih besar bagi “jaringan”
• Kesimpulan
  • ketika struktur hukum selaras dengan struktur teknis
  • jaringan blockchain dapat berfungsi sebagaimana mestinya sebagai jaringan
  • keterbukaan, otonomi, komposabilitas, netralitas yang dapat dipercaya, dan desentralisasi menjadi nyata