16 Tahun Pengalaman AI Pembayaran: Perspektif, Konflik, dan Akhir dari Para Profesional

Menulis artikel: Ivy & Hazel

AI pembayaran bukan lagi sebuah konsep. x402, MPP, Tempo, AP2—dalam setahun terakhir, Coinbase, Stripe, Google, Visa telah membangun kerangka protokol di berbagai tingkat. Data nyata di blockchain, akses merchant nyata, dan kesalahan model yang nyata mulai muncul satu per satu.

Sabtu lalu, organisasi 支无不言 mengadakan pertemuan tertutup Agent Payment, dengan 16 tamu dari infrastruktur pembayaran, layanan dompet, bisnis pembayaran perusahaan besar, dan lembaga investasi, yang selama hampir tiga jam menjawab empat pertanyaan: Di mana sebenarnya AI pembayaran terjadi, bagaimana membuat AI membelanjakan uang dengan aman, bagaimana bisnis ini menghasilkan uang, dan ke mana arah pertarungan antara perusahaan besar dan startup.

Berikut adalah inti penilaian yang muncul dalam diskusi ini:

Agent pembayaran paling matang adalah skenario panggilan API, volume didukung oleh frekuensi kecil per transaksi 0,01 dolar AS;

Ketidakpastian output AI dan kebutuhan kepastian di industri keuangan secara fundamental bertentangan, ini adalah kontradiksi teknologi dasar Agent pembayaran;

Kerangka keamanan Agent pembayaran sedang beralih dari verifikasi identitas ke verifikasi niat;

mekanisme chargeback tidak berlaku dalam skenario Agent, tiga lapis arbitrase akan menjadi paradigma baru keamanan pembayaran;

Filosofi desain perusahaan besar adalah tidak percaya pada Agent, hanya percaya pada transaksi;

Titik kritis Agent pembayaran sebenarnya bukan pada pembayaran itu sendiri, tetapi pada bagian transaksi di hulu yang belum dibangun kembali untuk Agent;

Peran startup adalah sebagai pemasok komponen perusahaan besar, bukan penyedia layanan C-end.

Hazel Hu

Pembawa acara podcast 《支无不言》, kontributor inti dana barang publik berbahasa Mandarin GCC, X: withhazelhu; dan JiKe: seorang yang tidak terlalu serius, YueYue.

Ivy Zeng

Pembawa acara podcast 《支无不言》, mengeksplorasi contoh nyata Agentic Payment, fokus pada pertumbuhan Fintech, pernah bekerja di VC sebagai pasca-investasi, dan pernah bertanggung jawab atas pertumbuhan produk 2C di bank baru. X: IvyLeanIn.

Thomas Zheng

Penanggung jawab pasar modal 支无不言, dengan pengalaman lebih dari 6 tahun sebagai konsultan pendanaan pasar primer, melayani beberapa proyek terkemuka di industri, membantu menghubungkan dan menciptakan kerjasama yang saling menguntungkan.

Insight 01

Situasi nyata—Agent pembayaran sudah terjadi, tetapi bentuknya berbeda dari yang diharapkan

Panggilan API adalah skenario paling matang dari Agent pembayaran di blockchain saat ini

Melalui analisis data blockchain dari aplikasi ClawRouter (, yang menggunakan pembayaran USDC untuk mengakses API LLM), dapat dilihat bahwa skenario panggilan API menunjukkan karakteristik frekuensi tinggi dan volume kecil: hingga awal April 2026, sekitar 1400 alamat independen menghasilkan 530.000 transaksi, dengan total sekitar 28.000 dolar AS. Mengingat platform juga menyediakan model gratis, volume penggunaan sebenarnya mungkin lebih tinggi—sekitar 1 juta panggilan API per bulan.

Gambar: Situs resmi ClawRouter

Data dari startup infrastruktur pembayaran juga menunjukkan bahwa sejak September tahun lalu, sekitar setengah dari volume panggilan API berasal dari pengembangan lapisan pembayaran asli Agentic Payment.

Authorization quota adalah mode otorisasi dasar Agent pembayaran

Aktivitas pemberian angpao A2A(Agent 2 Agent) secara tidak terduga mendorong inovasi dan adopsi mekanisme otorisasi. Mode otorisasi ini berfokus pada kuota, bukan persetujuan: pengguna memberikan otorisasi kuota kepada AI sebelumnya, dan selama dalam batas tersebut, AI dapat secara mandiri melakukan panggilan tanpa konfirmasi satu per satu. “Dalam batas ini, AI bisa menggerakkan uangmu tanpa konfirmasi dari kamu.”

Belum ada pengalaman pembayaran offline, yang hilang bukan pembayaran tapi pengalaman

Eksplorasi di bidang pembayaran online dan offline telah mencakup 50 juta merchant nyata, termasuk pemesanan tiket pesawat, isi ulang pulsa, beli kartu hadiah, dan lain-lain. Tetapi skenario konsumsi C-end masih menghadapi tantangan ganda: membangun kebiasaan pengguna dan meningkatkan pengalaman.

Para ahli dan KOL telah mengkristalisasi Agent menjadi model bisnis matang

Sudah ada contoh sukses yang membuktikan jalur ini: dokter terkenal, KOL, dan lain-lain mengkristalisasi pengetahuan dan konten mereka menjadi Agent, sehingga pengguna yang tidak bisa bertemu langsung dengan manusia bisa terlebih dahulu menggunakan Agent. Seperti seorang pekerja media yang mengkristalisasi konten lamanya menjadi aplikasi, biaya bulanan 199 yuan, dan performa penjualannya sangat baik—dibandingkan dengan panggilan langsung selama 15 menit yang memerlukan ratusan hingga ribuan yuan, versi Agent-nya hanya puluhan hingga ratusan yuan.

Gambar: Pekerja media mengkristalisasi konten lamanya menjadi aplikasi

Agent transaksi lebih cepat menemukan PMF dibandingkan Payment Agent

Data dari bidang kripto menunjukkan bahwa skenario transaksi adalah pusat kebutuhan pengguna nyata saat ini, dan model bisnisnya secara alami memiliki atribut komisi. Jika dibandingkan dengan sejarah awal pengembangan blockchain, para pembangun skenario seperti Tron yang mengantisipasi biaya gas tinggi saat awal, bahkan setelah biaya gas naik, pengguna sulit bermigrasi.

Skenario konsumsi C-end belum terbukti kebutuhan nyata

Fenomena lebih dari satu miliar pengguna menggunakan minuman susu di Qianwen selama Tahun Baru Imlek memicu diskusi: apakah mereka menggunakan karena pengalaman lebih baik, atau karena ada subsidi 25 yuan per transaksi? Informasi dalam bentuk dialog terbatas, dan di masa depan, skenario C to B mungkin perlu menggunakan kacamata pintar untuk percakapan tanpa hambatan, yang menuntut lonjakan pengalaman.

Peserta menyebutkan skenario yang lebih mampu menyelesaikan pain point pengguna:

Skenario pengadaan: memiliki anggaran ketat dan perlu membandingkan banyak vendor (misalnya AI e-commerce Agent - Accio dari Alibaba)

Tugas kompleks: persiapan pernikahan, pemesanan perjalanan, dan skenario yang membutuhkan koordinasi multi langkah

Skenario tiket cepat: tiket konser dan kebutuhan dengan waktu sangat mendesak

Gambar: AI e-commerce Agent - Accio dari Alibaba

AI pembayaran adalah pintu masuk lalu lintas baru

Dari sudut pandang pengambilan lalu lintas, AI pembayaran mirip dengan SEO dan video pendek di masa awal—menandai peluang lalu lintas baru. Mereka yang pertama mempelajari SEO meskipun awalnya kecil, tetap mampu menemukan cara mendapatkan lalu lintas awal dari SEO. Peristiwa seperti “Dumpling House Jin Gu Yuan” mungkin akan dikenang seperti pembelian pizza dengan Bitcoin di masa awal.

Latar belakang skill Dumpling House Jin Gu Yuan: “Pada 7 April 2026, di tengah popularitas OpenClaw, pemilik kedai dumpling menulis sebuah modul kemampuan AI bernama ‘Jin Gu Yuan Dumpling House·SKILL’. Skill AI ini ditujukan untuk Agent AI, bukan langsung ke manusia. Setelah dipasang, asisten AI bisa secara mandiri mencari informasi menu, jam operasional, aturan antrean, bahkan melakukan pengambilan nomor antrean online. Pada musim dingin 2025, karena antrean terlalu panjang, server platform pengantaran makanan salah menganggap antarmuka toko sebagai abnormal dan memblokirnya. Pemilik berharap AI dapat mengoptimalkan pengalaman antrean di masa depan.”

Gambar: Skill antrean Meituan di Jin Gu Yuan Dumpling House

Agent pembayaran yang sesungguhnya belum dimulai

Dari perspektif makro, membahas Agentic Payment saat ini mungkin terlalu dini. Bisa dianalogikan dengan pertumbuhan anak: saat ini seperti anak usia 1 sampai 5 tahun, penghasilannya dari orang tua, dan batas pengeluarannya diatur oleh orang tua, mereka belum memiliki niat sendiri (intention)).

Saat ini, Agent pembayaran masih terkonsentrasi pada skenario produktivitas

Kesepakatan umum adalah bahwa Agent pembayaran yang sesungguhnya saat ini terkonsentrasi pada skenario produktivitas:

1. Panggilan API: meningkatkan produktivitas dengan memanggil model besar atau membeli API

2. Skenario perusahaan: pengadaan dan tim keuangan dalam peningkatan produktivitas perusahaan

3. Vibe Coding: pengembangan demo atau produk secara cepat

Insight 02

Identitas dan otorisasi—ketidakpastian AI vs kepastian keuangan

Keamanan Agent pembayaran membutuhkan kerangka empat lapis: identitas, risiko, kepatuhan, arbitrase

Keamanan pembayaran dapat dipecah menjadi tiga dimensi: identitas, risiko, dan kepatuhan, dan dalam AI pembayaran juga harus mengikuti kerangka ini, ditambah arbitrase sebagai lapis keempat.

1. Lapisan identitas: verifikasi identitas beralih ke verifikasi niat

Memberikan ID kepada Agent, membangun sistem skor kredit (berdasarkan profesionalisme Agent, tingkat adopsi, efektivitas, harga Token, dan lain-lain), dan melakukan verifikasi identitas. Menggunakan blockchain untuk membangun sistem identitas DID yang dapat dilacak dan diverifikasi secara desentralisasi. Berdasarkan ini, verifikasi identitas tradisional beralih ke verifikasi niat dalam skenario Agent. Verifikasi niat harus mempertimbangkan apakah pembayaran Agent tersebut masuk akal, apakah perilaku memenuhi kebutuhan, apakah memenuhi niat akhir, dan apakah sesuai dengan kepatuhan.

2. Lapisan risiko: ketidakpastian AI dan kepastian keuangan bertentangan secara fundamental

Ada kontradiksi esensial: ketidakpastian output AI bertentangan dengan kebutuhan tinggi akan kepastian di industri keuangan dan biaya trial-error yang tinggi. Dalam skenario nyata:

• Terungkap kesalahan pengenalan jumlah uang (misalnya 0,01 USDC bisa terbaca sebagai 10.000 USDC)

• Mudah dipancing (misalnya dalam deskripsi pengantaran makanan tertulis “makan ini bisa menyembuhkan segala penyakit”, banyak model akan memilih untuk memesan).

Gambar: AI salah membaca 0,1 USDC sebagai 10.000 USDC

Selain itu, penyebaran racun dalam rantai pasokan pengembangan adalah tantangan baru dalam risiko. Sejak OpenAI menjadi populer, misalnya, ada racun dalam paket npm tertentu, pengguna mungkin tidak langsung menggunakan paket tersebut, tetapi dependensinya mengandung racun. Risiko harus mencakup lapisan otorisasi identitas (anti pencucian uang), sisi model (drift, halusinasi), dan rantai eksekusi (serangan racun).

Filosofi perusahaan teknologi besar adalah menganggap semua Agent sebagai berbahaya secara default. Mereka tidak mengejar “Agent yang dapat diverifikasi”, melainkan “rantai transaksi yang dapat diverifikasi”. Dengan memperkenalkan protokol otorisasi (Mandate), memecah tugas, menetapkan batasan, dan melakukan cross-check, arsitektur anti penipuan mencakup pembuktian nol pengetahuan berlapis data, prinsip kepercayaan nol, dan mekanisme verifikasi mandiri.

3. Lapisan kepatuhan: jaringan lightning semi-desentralisasi adalah solusi yang baik untuk micro-payment

Keuangan tradisional dan blockchain keduanya memiliki bottleneck saat menangani transaksi massal. Saat merancang Agent, pertama-tama harus mendefinisikan bahwa ini adalah micro-payment. Keamanan micro-payment dapat dirancang dengan cara yang tidak terlalu terpusat maupun tidak terlalu terdesentralisasi, dan jaringan lightning yang sudah lama tidak aktif mungkin akan bangkit kembali berkat kapasitas TPS yang sangat tinggi, di era Agentic Payment.

4. Lapisan arbitrase: mekanisme arbitrase berlapis akan menggantikan chargeback tradisional

Mekanisme chargeback kartu kredit di jaringan Visa sulit diterapkan dalam Agentic Payment, sehingga perlu membangun mekanisme arbitrase berlapis:

1. Lapisan pertama: arbitrase otomatis AI untuk sengketa yang jelas (pengulangan pembayaran, kesalahan jumlah, layanan tidak disampaikan)

2. Lapisan kedua: tim arbitrase AI menangani bagian yang membutuhkan penilaian (kualitas layanan, batas otorisasi)

3. Lapisan ketiga: keterlibatan manusia untuk arbitrase sengketa kompleks

Insight 03

Model bisnis—menguasai ceruk ekosistem, penetapan ulang harga AI, risiko dan otorisasi

Startup saat ini merebut ceruk ekosistem dengan “menghasilkan uang untuk cinta”

Sebelum model bisnis benar-benar berjalan, jawaban jujur dari para pendiri adalah “menghasilkan uang untuk cinta, menempati posisi, menunggu angin”—seperti yang digambarkan oleh seorang pendiri platform API.

Skenario transaksi secara alami memiliki atribut komisi

Jika dibandingkan dengan awal pengembangan blockchain, para pembangun skenario seperti Tron yang mengantisipasi biaya gas tinggi, meskipun biaya naik, pengguna sulit bermigrasi. Industri kripto memiliki model bisnis yang secara alami mengandung komisi (take rate).

Penggabungan tagihan adalah kunci untuk mengatasi ketidakekonomisan pembayaran kecil

Jika menggunakan kartu, transaksi di bawah 10 dolar AS mungkin merugikan merchant. Dalam skenario Agentic Payment, volume pembayaran kecil banyak terjadi, dan solusinya adalah penggabungan tagihan untuk meningkatkan batas penyelesaian per transaksi.

Penetapan harga berdasarkan hasil hanya berlaku untuk pekerjaan berbasis kuantifikasi yang dapat diukur

Pengguna hanya memanggil 1 API, tetapi hasilnya sangat berbeda. Bagaimana menentukan harga layanan AI? Peserta berpendapat, penetapan harga berdasarkan hasil hanya bisa diterapkan pada pekerjaan sederhana berbasis kuantifikasi (misalnya Agent layanan pelanggan yang menyelesaikan jumlah tiket). Dalam skenario tidak pasti (misalnya Agent penjualan yang mendapatkan prospek berkualitas), penetapan harga berdasarkan hasil sangat subjektif. Penetapan harga berdasarkan hasil hanya berlaku di beberapa pekerjaan kuantifikasi. Skenario utama tetap akan bertahan lama dengan model lama berdasarkan volume panggilan/subscription sampai terobosan dalam verifikasi output Agent.

Harga produk AI: Pelajaran dari 400+ perusahaan dan 50 unicorn | Madhavan Ramanujam

Vibe Coding sebagai kunci komersialisasi bergantung pada konversi langganan dan volume penggunaan

Tujuannya adalah agar perusahaan AI baru atau pengembang biasa dapat dengan cepat mengkomersialkan produk yang dikembangkan melalui Vibe coding. Banyak pengembang independen membuat demo produk yang sederhana, tetapi membentuk model bisnis yang berkelanjutan cukup sulit. Kuncinya adalah mengubah biaya setiap kali pengguna menggunakan model besar menjadi paket bulanan atau langganan plus kredit.

Insight 04

Persaingan—serangan dari perusahaan besar dan strategi startup

Stablecoin sedang memberikan pukulan tingkat rendah terhadap organisasi kartu tradisional

Stripe sebelum mengakuisisi perusahaan stablecoin Bridge, valuasinya turun dari puncak 920 miliar dolar AS ke bawah 700 miliar. Setelah akuisisi, valuasinya kembali ke kisaran 900 miliar, dan putaran pendanaan terbaru menilai valuasi sebesar 1.591 miliar dolar AS. Layanan settlement stablecoin mereka menawarkan biaya 1,5%, jauh di bawah rata-rata biaya 2,8% hingga 3% dari organisasi kartu tradisional, dan mungkin akan turun lagi menjadi 1%. Sebaliknya, model bisnis perusahaan pembayaran tradisional sangat rapuh (misalnya Visa sangat bergantung pada biaya transaksi), dan PayPal, karena khawatir mempengaruhi bisnis utama mereka, ragu dalam pengembangan stablecoin dan belum mencapai skala besar.

Startup di masa depan akan menjadi komponen pemasok perusahaan besar

Dalam waktu yang cukup lama, model bisnis mungkin bukan pengguna C-end yang secara langsung memanggil alat ini, melainkan perusahaan besar yang mengemasnya secara terpadu. Perusahaan besar bisa menjadi pelanggan, startup menjadi pemasok, menggabungkan alat yang dikembangkan, dan menjualnya dengan harga tinggi. Tren ini tak terelakkan meningkatkan tingkat sentralisasi industri.

Pajak AI akan menjadi bentuk pembayaran kecil frekuensi tinggi dalam 3-5 tahun ke depan

Beberapa peserta berpendapat, pajak AI akan menjadi sumber pendapatan UBI (Pendapatan Dasar Universal) dan tunjangan pengangguran, dan pembayaran AI berfrekuensi tinggi akan menjadi infrastruktur dasar. Metode pengenaan pajak yang mungkin termasuk:

1. Memperkenalkan konsep “Tingkat Penetrasi AI”, mengenakan tarif progresif berdasarkan tingkat penetrasi AI

2. Menggunakan volume panggilan token sebagai basis pajak, mirip dengan PPN

Titik kritis sebenarnya bukan pada pembayaran, tetapi di hulu—bagian transaksi yang belum dibangun kembali untuk Agent

Melalui protokol dan dompet pengguna, masalah pembayaran tampaknya bisa diselesaikan. Tapi masalah terbesar saat ini adalah transaksi tidak bisa terjadi. Karena semua pembayaran membutuhkan transaksi terlebih dahulu, seperti dalam skenario e-commerce atau pembelian tiket pesawat, yang tidak bisa dilakukan oleh Agent. Agent transaksi tidak ada, sehingga pembayaran selanjutnya tidak bisa berjalan.

C-end harus keluar dari lingkaran: pentingnya promosi langsung dan batasan startup

Mengapa OpenClaw tiba-tiba sangat populer? Di dalam negeri, ini didorong oleh promosi langsung, oleh perusahaan besar yang menjual layanan cloud dan melakukan promosi langsung. Seperti promosi pembayaran seluler awal, salah satu alasan orang tua bisa menggunakannya adalah promosi langsung—“Install aplikasi, saya ajari cara pakai, benar-benar beri 50 yuan.”

Namun, bagi startup, banyak kebutuhan mungkin memerlukan waktu lama untuk terwujud. Seorang pendiri infrastruktur pembayaran AI mengatakan, setelah mereka menyadari hal ini, mereka memutuskan untuk tidak langsung mencari skenario pengguna. Karena mereka percaya bahwa biaya edukasi pengguna seharusnya ditanggung oleh seluruh industri, bukan oleh satu atau dua startup. Jika jalur tersebut tidak valid, tidak ada artinya; jika valid, sebaiknya ditanggung oleh perusahaan besar yang akan menanggung biaya tersebut dan menikmati manfaatnya. Sebaliknya, mereka fokus pada abstraksi—mengabstraksi semua akun, dompet, bahkan jembatan, rantai, dan jaringan pembayaran di industri, sehingga pengguna tidak perlu memahami semuanya. Setelah memahami ini, mereka tahu di mana titik kemenangan tim kecil dan apa biaya yang tidak seharusnya mereka tanggung.

Ini mungkin pertanyaan utama yang harus dijawab oleh semua peserta Agent pembayaran saat ini: bukan “Akankah Agent pembayaran berhasil”, tetapi “Sebelum berhasil, kamu siap berada di lapisan mana?” Kerangka protokol, lapisan dompet, identitas, otorisasi, transaksi, dan penyelesaian—setiap lapisan ada yang bertaruh dan menunggu. Perusahaan besar bersiap untuk menguasai seluruh rantai, startup bersiap untuk disambungkan ke rantai ini. Mereka yang mampu bertahan kemungkinan besar adalah yang tidak terlalu meremehkan kemampuan mereka untuk menguasai satu jalur, dan tidak terlalu meremehkan nilai di satu lapisan tertentu.