Penulis: RWA Research Institute
Pada bulan Maret 2026, Peter Schroeder, Kepala Pasar Global Circle, memposting sebuah data di platform X: dalam sembilan bulan terakhir, AI agent menyelesaikan 140 juta transaksi pembayaran dengan total volume 43 juta dolar AS. Di antaranya, 98,6% diselesaikan dengan USDC, dengan rata-rata per transaksi hanya 0,31 dolar AS. Lebih penting lagi, jumlah AI agent yang memiliki kemampuan membeli telah melebihi 400.000.
Data ini jauh lebih menunjukkan masalah daripada laporan keuangan mana pun: AI agent sedang beralih dari konsep menuju aktivitas ekonomi nyata.
400.000 AI agent, 140 juta transaksi, 43 juta dolar AS—ini adalah pertukaran nilai yang dilakukan secara mandiri antar mesin. Tanpa intervensi manusia, tanpa persetujuan bank, tanpa verifikasi kartu kredit. Kode dengan kode, protokol dengan protokol, menyelesaikan proses yang sebelumnya membutuhkan tanda tangan manusia, rekonsiliasi, dan penyelesaian.
Harga saham Circle dalam beberapa hari terakhir naik dari 60 dolar AS menjadi 105 dolar AS, kenaikan sebesar 75%. Pasar menafsirkan kenaikan ini sebagai respons positif terhadap laporan keuangan—Circle mencapai pendapatan sebesar 7,7 miliar dolar AS di kuartal keempat tahun 2025, meningkat 77% secara tahunan, dan laba bersih sebesar 1,33 miliar dolar AS. Tetapi yang benar-benar patut diperhatikan bukan angka-angka ini sendiri, melainkan perubahan struktural di balik angka-angka tersebut: ketika AI agent menjadi subjek ekonomi baru, seluruh logika infrastruktur keuangan perlu ditulis ulang.
Dalam proses penulisan ulang ini, muncul pertanyaan yang lebih mendalam: ketika AI agent mulai memiliki dana yang dapat dipakai, dan mereka mampu menghasilkan USDC melalui menyelesaikan tugas, bagaimana mereka akan mengelola dana tersebut? Pembayaran adalah langkah pertama, pengelolaan aset adalah langkah kedua. Jalur RWA (aset dunia nyata) perlu menjawab tepatnya langkah kedua ini.
1. Dari kemampuan pembayaran ke kepemilikan aset
Untuk memahami apa yang dibutuhkan AI agent dari layanan keuangan, pertama-tama harus memahami pola aktivitas ekonomi mereka.
Laporan “Prediksi Teknologi, Media, dan Telekomunikasi 2026” dari Deloitte menyebutkan bahwa jika perusahaan dan penyedia layanan mampu mencapai koordinasi agen cerdas yang efisien, maka pasar AI berbasis agen global diperkirakan akan mencapai 45 miliar dolar AS pada tahun 2030. Ciri utama dari model kolaborasi multi-agen ini adalah: sebuah tugas kompleks dipecah menjadi beberapa langkah, diselesaikan oleh berbagai agen profesional yang berbeda, dan setiap panggilan disertai dengan micro-payment.
Sebagai contoh, panggilan API. Sebuah aplikasi AI mungkin perlu memanggil beberapa model bahasa besar sekaligus, mengakses berbagai basis data, dan menggunakan berbagai sumber daya komputasi. Setiap panggilan menambah biaya sebesar 0,01 dolar, 0,05 dolar, 0,1 dolar. Jumlah pembayaran ini sangat kecil, tetapi frekuensinya sangat tinggi. Data Circle menunjukkan bahwa dalam sembilan bulan terakhir, 140 juta transaksi dengan rata-rata per transaksi hanya 0,31 dolar—ini adalah ciri khas pasar micro-payment.
Namun masalahnya adalah, ketika AI agent terus-menerus menghasilkan pendapatan—baik melalui layanan kepada pengguna, maupun melalui partisipasi dalam jaringan komputasi terdistribusi—maka dana akan terkumpul di akun mereka. Dana ini tidak bisa tetap mengalir selamanya. Setiap entitas ekonomi yang rasional akan mempertimbangkan: bagaimana mengelola dana yang tidak terpakai ini?
Di sinilah titik awal logika peralihan AI agent dari “pembayar” menjadi “pemilik aset”.
Dalam sistem keuangan tradisional, individu dan perusahaan menyimpan dana idle jangka pendek di bank, membeli reksa dana uang, atau obligasi jangka pendek untuk mendapatkan keuntungan. AI agent juga membutuhkan kemampuan ini—bukan untuk spekulasi, tetapi untuk mengoptimalkan model ekonomi mereka sendiri. Memiliki saldo USDC yang selalu tersedia untuk pembayaran adalah hal yang perlu, tetapi jika dana yang berlebih hanya dibiarkan menganggur, itu berarti kehilangan peluang. Jika otomatis membeli dana yang didukung obligasi pemerintah jangka pendek AS, dan otomatis mencairkannya saat diperlukan, maka “efisiensi operasional” mereka meningkat.
Lebih jauh lagi, jika AI agent perlu menyimpan nilai untuk operasi jangka panjang, atau melakukan lindung nilai terhadap fluktuasi biaya gas yang tidak pasti, mereka mungkin akan membutuhkan pengaturan aset dengan tingkat risiko berbeda. Pada titik ini, mereka tidak lagi sekadar “pembayar”, tetapi menjadi “investor”—meskipun investor ini adalah sebuah kode.
Circle menyelesaikan masalah agar AI agent bisa menjadi “pembayar”. Tetapi agar mereka menjadi “investor”, diperlukan infrastruktur lain.
2. RWA dan AI agent: sebuah “dua arah” yang sedang berlangsung
Apa yang telah dilakukan Circle selama beberapa tahun terakhir dapat dirangkum dalam pembangunan tiga lapisan kemampuan.
Lapisan pertama adalah penerbitan stablecoin dan jaringan likuiditas. Menurut pengumuman resmi Circle, hingga akhir 2025, total peredaran USDC mencapai 75,3 miliar dolar AS, meningkat 72%, dan pangsa pasar dalam volume transaksi stablecoin mendekati 50%. Ini menyediakan alat nilai yang dapat digunakan untuk pembayaran AI.
Lapisan kedua adalah jaringan penyelesaian on-chain yang efisien. Pada Agustus 2025, Circle meluncurkan jaringan Arc yang dirancang khusus untuk layanan keuangan tingkat institusi. Pada Maret 2026, Circle meluncurkan sistem Nanopayments, yang menggabungkan ratusan ribu transaksi kecil secara off-chain dan secara berkala mengemasnya ke dalam blockchain, sehingga biaya transaksi di sisi pengembang menjadi nol. Jaringan uji coba sudah mendukung 12 chain EVM seperti Arbitrum, Arc, Avalanche, Base, Ethereum. Pada level protokol pembayaran, protokol x402 memungkinkan situs web atau API mengirim permintaan pembayaran HTTP 402 langsung saat merespons permintaan, sehingga pembayaran dapat langsung disisipkan ke dalam permintaan internet.
Lapisan ketiga adalah koneksi ke sistem keuangan tradisional. Circle Payments Network (CPN) menghubungkan bank, penyedia layanan pembayaran, lembaga kliring lintas negara, dan klien korporasi. Hingga Februari 2026, sudah ada 55 lembaga keuangan yang bergabung, dengan volume transaksi tahunan sekitar 5,7 miliar dolar AS. Pada bulan Februari, sistem pembayaran langsung dengan mata uang lokal dan stablecoin di berbagai wilayah Asia dan Timur Tengah juga mulai aktif.
Ketiga lapisan ini membentuk “infrastruktur pembayaran” ekonomi AI agent. Tetapi, untuk ekosistem lengkap, diperlukan juga “infrastruktur pengelolaan aset”—dan di sinilah RWA masuk.
Tokenisasi RWA (aset dunia nyata) selama beberapa tahun terakhir sebagian besar berfokus pada “pemetaan di blockchain” dari aset keuangan tradisional. Data dari Defillama menunjukkan bahwa hingga Juni 2025, total nilai terkunci (TVL) RWA mencapai 12,5 miliar dolar, meningkat 124% dari tahun sebelumnya. Bank-bank besar seperti Citibank dan Standard Chartered sedang mengeksplorasi aplikasi RWA dalam pembayaran, penyelesaian, pengelolaan aset, dan transaksi lintas negara.
Namun, untuk masuk ke dunia ekonomi AI agent, RWA perlu melakukan transformasi “asli berbasis AI”. Ini bukan sekadar mengonversi aset ke blockchain, tetapi membuat aset tersebut “dapat dipahami dan diperdagangkan oleh AI”.
Pertama adalah standarisasi data. Proyek-proyek RWA terkemuka seperti Ondo Finance sedang mendorong konversi arus kas dasar, ketentuan hukum, peringkat risiko, dan informasi lain menjadi data terstruktur dan dapat dibaca mesin. Pada Juli 2025, Ondo Finance menjadi proyek pertama yang meluncurkan tokenisasi obligasi pemerintah AS untuk investor global, dan masuk dalam laporan White House tentang pasar aset digital.
Kedua adalah logika yang dapat diprogram. Aturan seperti dividen, pembayaran bunga, buyback, dan penyelesaian ditulis dalam smart contract dan dieksekusi otomatis oleh kode. Interaksi AI agent dengan aset baru bisa dilakukan secara “tanpa kepercayaan”—tidak perlu percaya pihak lawan akan memenuhi janji, cukup percaya bahwa kode akan berjalan sesuai aturan yang telah ditetapkan.
Ketiga adalah fragmentasi likuiditas. Setelah tokenisasi RWA, secara teori aset dapat dibagi menjadi unit-unit kecil—obligasi senilai 0,01 dolar, hak atas pendapatan properti seluas 0,1 meter persegi—yang sangat penting untuk kebutuhan pengaturan kecil oleh AI agent. Nanopayments telah membuktikan bahwa micro-payment secara teknis dapat dilakukan, dan logika yang sama dapat diterapkan untuk micro-investment.
JPMorgan Chase melalui divisi Kinexys menyediakan contoh yang relevan. Pada Mei 2025, Kinexys menyelesaikan transaksi publik pertama obligasi pemerintah AS yang tokenized di jaringan Ondo, menggunakan dana obligasi pemerintah AS tokenized dari Ondo Finance (OUSG), dan melakukan penyelesaian melalui infrastruktur cross-chain Chainlink. Transaksi ini mengikuti model “Delivery versus Payment” (DvP), di mana aset dan pembayaran dipertukarkan secara bersamaan. Divisi Kinexys JPMorgan Chase saat ini memproses transaksi lebih dari 2 miliar dolar AS per hari, dan sejak berdiri telah memfasilitasi transaksi bernilai lebih dari 1,5 triliun dolar AS secara nominal.
Contoh ini menunjukkan sinergi antara RWA dan jaringan penyelesaian pembayaran tingkat institusi. Di masa depan, ekonomi AI agent mungkin transaksi dari JPMorgan Chase ke AI agent, dari jutaan dolar ke beberapa dolar, tetapi logika dasarnya tetap sama—perpindahan dan penyimpanan nilai harus terintegrasi secara mulus.
3. Di luar jaringan pembayaran, ada ruang imajinasi lain
Jika menghubungkan semua logika di atas, sebuah siklus lengkap mulai terbentuk:
Seorang AI content generator menyediakan layanan kepada beberapa klien, dan saldo USDC di akunnya terkumpul cukup besar. Protokol dasar mengatur aturan pengelolaan dana: jika saldo melebihi 1000 USDC, bagian tersebut secara otomatis dialokasikan melalui aggregator RWA ke tiga dana tokenized obligasi jangka pendek dan satu dana energi hijau tokenized secara otomatis. Ketika suatu bulan permintaan klien menurun dan saldo perlu ditambah, protokol secara otomatis mencairkan sebagian bagian RWA, mengembalikannya ke USDC untuk operasional harian.
Dalam proses ini, AI agent melakukan: memonitor saldo akun, menilai risiko dan imbal hasil berbagai aset, melakukan pembelian dan pencairan otomatis, serta mencatat transaksi untuk audit. Semua dilakukan secara otomatis oleh kode, tanpa intervensi manusia.
Contoh lain, seorang AI travel planner memesan tiket dan hotel untuk pengguna, lalu pengguna mentransfer sejumlah USDC sebagai anggaran. Saat menunggu keberangkatan, AI memantau adanya produk asuransi RWA berbasis data keterlambatan penerbangan yang sedang dijual. Ia otomatis membeli bagian kecil dari asuransi tersebut dengan USDC yang sementara idle. Beberapa jam kemudian, terjadi keterlambatan, dan produk asuransi RWA secara otomatis membayar klaim sesuai aturan, menambah saldo AI.
Semua modul teknologi ini sudah ada: USDC sebagai alat nilai, Nanopayments mengatasi biaya micro-payment, protokol x402 memungkinkan pembayaran langsung disisipkan ke permintaan internet, obligasi tokenized sudah berjalan di platform seperti Ondo Chain, mekanisme DvP telah diverifikasi JPMorgan Chase. Yang tersisa adalah mengintegrasikan semuanya—menghubungkan lapisan pembayaran, aset, dan transaksi—agar AI agent dapat memanggil fungsi keuangan ini layaknya memanggil API.
Ketua eksekutif Asosiasi Web3.0 Hong Kong, Li Ming, menyatakan bahwa “kami ingin menemukan titik masuk standar untuk Web3.0 yang dapat menghubungkan ekosistem RWA”. Bagi ekonomi AI agent, titik masuk ini mungkin adalah penghubung antara pembayaran dan aset.
4. Masalah lama di dunia baru: risiko dan tanggung jawab
Tentu saja, dari pembayaran AI hari ini menuju pengelolaan aset AI esok hari, masih banyak hambatan yang harus dilalui.
Pertama adalah masalah keaslian data. Aset RWA di luar chain, status, nilai, dan informasi risiko-nya harus disampaikan secara andal ke blockchain. Jika AI agent bergantung pada data yang salah atau telah diubah, maka “keputusan investasi” mereka akan bermasalah. Laporan “RWA Industry Development Research Report” dari Asosiasi Standarisasi Web3.0 Hong Kong menyebutkan bahwa aset yang berhasil diimplementasikan secara skala harus memenuhi tiga syarat utama: stabilitas nilai, kejelasan hak hukum, dan verifikasi data off-chain.
Kedua adalah risiko model AI agent. Bahkan jika data benar, logika pengambilan keputusan investasi AI bisa salah. Siapa yang bertanggung jawab atas keputusan yang salah ini? Apakah manusia, protokol, atau AI agent itu sendiri? Isu tanggung jawab ini masih belum ada jawaban pasti dari segi hukum dan regulasi.
Ketiga adalah risiko likuiditas. Transaksi di blockchain RWA umumnya tidak sedalam mata uang kripto utama, dan beberapa aset mungkin memiliki likuiditas rendah. Ketika banyak AI agent ingin mencairkan dana dari dana RWA yang sama secara bersamaan, apakah transaksi akan berjalan lancar? Tidak pasti.
Keempat adalah perbedaan regulasi. Setiap negara memiliki sikap berbeda terhadap RWA, dan status hukum aset yang sama bisa berbeda di berbagai yurisdiksi. AI agent harus mampu mengenali dan mengelola kompleksitas ini, yang menuntut kemampuan AI saat ini.
Kelima adalah keamanan teknologi. Kerentanan smart contract, serangan jembatan lintas chain, dan kebocoran kunci pribadi tidak hilang hanya karena transaksi dilakukan oleh AI. Sebaliknya, otomatisasi transaksi oleh AI bisa mempercepat dan memperbesar skala kerentanan jika ada celah keamanan.
Penutup
Kembali ke data awal: 400.000 AI agent, 140 juta transaksi, 43 juta dolar AS.
Makna angka-angka ini bukan dari skala itu sendiri—dibandingkan dengan total pembayaran tahunan manusia yang mencapai triliunan dolar AS, 43 juta dolar sangat kecil. Tetapi, maknanya sesungguhnya adalah menunjukkan sebuah arah: mesin sedang menjadi subjek ekonomi yang independen, memiliki penghasilan sendiri, akun sendiri, dan kemampuan pembayaran sendiri.
Ketika mesin memiliki penghasilan, mereka akan membutuhkan pengelolaan aset. Ini bukan lagi sebuah imajinasi jauh, melainkan jalur alami evolusi ekonomi AI agent.
Circle sedang membangun “sistem saraf pembayaran” untuk masa depan ini—memungkinkan AI agent memindahkan nilai secara efisien dan biaya rendah. Sedangkan jalur RWA perlu menjadi “sistem penyimpanan energi” dari ekosistem ini—memungkinkan AI agent mengelola aset mereka seperti mengelola kode mereka sendiri.
Jika prediksi ini benar, maka pertanyaan yang harus dipikirkan para pelaku RWA hari ini adalah: ketika 400.000 AI agent mulai mencari aset yang dapat dikonfigurasi, dan setelah 140 juta transaksi pembayaran mulai menghasilkan kebutuhan pengelolaan aset, apakah produk RWA yang Anda miliki sudah siap dievaluasi, dipilih, dimiliki, dan diperdagangkan oleh AI agent?
Baca juga: Momen balik Circle: harga saham melipatganda, transaksi on-chain mengalahkan USDT, posisi strategis dalam pembayaran Agent
(Artikel ini ditulis berdasarkan laporan keuangan dan pengumuman resmi Circle, laporan Deloitte “Prediksi Teknologi, Media, dan Telekomunikasi 2026”, data Defillama, dokumen publik Ondo Finance, pengungkapan resmi JPMorgan Chase Kinexys, serta laporan “RWA Industry Development Research Report” dari Asosiasi Standarisasi Web3.0 Hong Kong. Tidak merupakan saran investasi apa pun. Pasar berisiko, berinvestasi dengan hati-hati.)
