Membangun Ulang Internet untuk Era AI Agent
Dibalik Narasi AI Sebagai Terobosan Peradaban ada Krisis Utang Teknologi
Laporan ini disusun oleh Tiger Research, menganalisis pendekatan Intuition dalam membangun ulang infrastruktur web untuk era AI agen melalui struktur pengetahuan berbasis atom, token-curated registries (TCR) untuk mencapai konsensus standar, serta sistem pengukuran kepercayaan berbasis sinyal.
TL;DR
Era AI agent telah tiba. Namun, AI agent tidak dapat berfungsi secara optimal. Infrastruktur web saat ini didesain untuk manusia. Situs web menggunakan format data yang berbeda-beda. Informasi sering kali tidak terverifikasi. Hal ini menyulitkan agent dalam memahami dan memproses data.
Intuition mengembangkan visi Semantic Web dengan pendekatan Web3. Sistem ini menstrukturkan pengetahuan ke dalam Atoms, menggunakan Token Curated Registries (TCR) untuk mencapai konsensus atas penggunaan data, dan menentukan tingkat kepercayaan melalui sinyal.
Intuition akan mentransformasi web. Web saat ini bagaikan jalan tanah yang belum diaspal. Intuition membangun jalan tol tempat agent dapat beroperasi dengan aman. Ia berpotensi menjadi standar infrastruktur baru dan merealisasikan potensi sejati era AI agent.
1. Era Agen Dimulai: Apakah Infrastruktur Web Cukup?
Era AI agent berkembang pesat. Kita dapat membayangkan masa depan di mana agen personal menangani segala hal mulai dari perencanaan perjalanan hingga manajemen keuangan kompleks. Namun, kenyataannya tidak sesederhana itu. Permasalahan bukan terletak pada kinerja AI itu sendiri, melainkan pada infrastruktur web saat ini.
Web dibangun untuk manusia, agar dapat dibaca dan dipahami melalui browser. Akibatnya, web tidak cocok untuk agen yang perlu memproses semantik dan menghubungkan relasi antar-sumber data. Keterbatasan ini tampak jelas dalam layanan sehari-hari. Sebagai contoh: sebuah situs maskapai menampilkan waktu keberangkatan sebagai “14:30,” sementara situs hotel mencantumkan check-in pada “2:30 PM.” Manusia langsung memahami keduanya sama, tetapi agent menginterpretasikan keduanya sebagai format data yang berbeda.
Masalah tidak berhenti pada perbedaan format saja, muncul tantangan yang lebih kritis yaitu apakah agent dapat mempercayai data itu sendiri. Manusia dapat bekerja dengan informasi tidak lengkap dengan mengandalkan konteks dan pengalaman. Namun sebaliknya, agent tidak memiliki standar yang jelas untuk menilai asal-usul maupun reliabilitas data. Hal ini membuat mereka rentan terhadap input palsu, kesimpulan yang keliru, hingga halusinasi.
Pada akhirnya, bahkan agen tercanggih pun tidak dapat berkembang dalam kondisi seperti ini. Mereka ibarat mobil F1: sekuat apa pun mesinnya, tidak akan bisa melaju kencang di jalan tanah sama halnya dengan data yang tidak terstruktur. Dan jika di sepanjang jalur terdapat rambu-rambu menyesatkan, data yang tidak dapat diandalkan mereka mungkin tidak pernah mencapai garis akhir.
2. Utang Teknis Web: Membangun Ulang Fondasi
Isu ini pertama kali diangkat lebih dari 20 tahun lalu oleh Tim Berners-Lee, pencipta World Wide Web, melalui proposal Semantic Web.
Gagasan inti Semantic Web sederhana: menstrukturkan informasi web agar dapat dipahami mesin, bukan hanya dibaca manusia. Misalnya, “Tiger Research didirikan pada 2021” jelas bagi manusia, tetapi bagi mesin hanya berupa deretan karakter. Semantic Web menyusunnya menjadi “Tiger Research (subjek) – didirikan pada (predikat) – 2021 (objek),” sehingga mesin dapat menafsirkan maknanya.
Pendekatan ini terlalu maju untuk zamannya dan pada akhirnya tidak terwujud. Alasan utamanya adalah tantangan implementasi. Sulit untuk mencapai konsensus tentang format data dan standar penggunaannya. Lebih jauh, membangun dan memelihara dataset dalam skala besar lewat kontribusi sukarela hampir mustahil. Kontributor tidak menerima imbalan langsung. Selain itu, pertanyaan apakah data yang dibuat dapat dipercaya tetap menjadi masalah yang belum terselesaikan.
Meski demikian, visi Semantic Web masih relevan. Prinsip bahwa mesin harus memahami dan memanfaatkan data pada level semantik tidak berubah. Di era AI, kebutuhan ini justru semakin krusial.
3. Intuition: Menghidupkan Kembali Semantic Web dengan Pendekatan Web3
Intuition mengembangkan visi Semantic Web melalui pendekatan Web3 untuk mengatasi keterbatasan yang ada. Intinya adalah menciptakan sistem yang memberi insentif bagi pengguna agar berpartisipasi secara sukarela dalam mengakumulasi dan memverifikasi data terstruktur yang berkualitas. Dengan cara ini, knowledge graph yang dapat dibaca mesin, memiliki asal-usul yang jelas, dan dapat diverifikasi dapat terbentuk secara sistematis. Pada akhirnya, ini menyediakan fondasi agar agen cerdas dapat beroperasi dengan andal dan membawa kita lebih dekat pada masa depan yang dibayangkan.
3.1. Atoms: Blok Penyusun Pengetahuan
Intuition memulai dengan membagi seluruh pengetahuan ke dalam unit minimal bernama Atoms. Atoms merepresentasikan konsep seperti individu, tanggal, organisasi, atau atribut. Setiap Atom memiliki pengenal unik (misalnya menggunakan teknologi Decentralized Identifiers atau DIDs) dan berdiri secara independen. Setiap Atom mencatat informasi kontributor sehingga dapat diverifikasi siapa yang menambahkan informasi tersebut dan kapan.
Alasan memecah pengetahuan menjadi Atoms jelas. Informasi umumnya hadir dalam kalimat kompleks. Mesin seperti agen memiliki keterbatasan struktural dalam memproses dan memahami informasi komposit tersebut. Mesin juga kesulitan menentukan bagian mana yang benar dan mana yang salah.
Contoh:
Subjek: Tiger Research
Predikat: didirikan pada
Objek: 2021
Kalimat “Tiger Research didirikan pada 2021” bisa saja benar, atau sebagian salah. Apakah organisasi ini benar-benar ada, apakah “tanggal pendirian” atribut yang tepat, dan apakah 2021 valid—semuanya perlu diverifikasi secara terpisah. Jika kalimat ini diperlakukan sebagai satu unit, sulit untuk memisahkan elemen mana yang akurat dan mana yang tidak. Melacak sumber informasi tiap elemen pun menjadi rumit.
Atoms menyelesaikan masalah ini. Dengan mendefinisikan [Tiger Research], [didirikan pada], [2021] sebagai Atoms independen, sumber data dapat dicatat dan diverifikasi satu per satu.
Contoh lanjutan:
Subjek: Tanggal pendirian Tiger Research adalah 2021
Predikat: Berdasarkan
Objek: Catatan resmi
Atoms tidak hanya berfungsi sebagai alat untuk memecah informasi, mereka bekerja layaknya balok Lego yang dapat digabungkan. Misalnya, Atoms [Tiger Research], [didirikan pada], dan [2021] dapat dihubungkan untuk membentuk Triple. Ini menghasilkan informasi bermakna: “Tiger Research didirikan pada 2021.” Strukturnya mengikuti Triple dalam RDF (Resource Description Framework) milik Semantic Web.
Lebih jauh lagi, Triple ini bisa menjadi Atom baru. “Tiger Research didirikan pada 2021” dapat diperluas menjadi Triple baru: “Tanggal pendirian Tiger Research tahun 2021 didasarkan pada catatan bisnis.” Dengan metode ini, Atoms dan Triples terus bergabung dan berkembang, dari unit kecil menjadi struktur yang lebih besar.
Hasil akhirnya, Intuition membangun knowledge graph berbentuk fraktal yang dapat berkembang tanpa batas dari elemen dasar. Bahkan pengetahuan kompleks pun dapat diurai untuk diverifikasi, lalu disusun kembali.
3.2. Token Curated Registries: Konsensus yang Digulirkan Pasar
Jika Intuition menyediakan kerangka konseptual untuk menstrukturkan pengetahuan melalui Atoms, masih ada tiga pertanyaan kunci: Siapa yang akan berkontribusi membuat Atoms ini? Atoms mana yang bisa dipercaya? Dan ketika ada beberapa Atoms yang bersaing mewakili konsep yang sama, mana yang akan menjadi standar?
Intuition menyelesaikan persoalan ini melalui Token Curated Registries (TCR). TCR menyaring entri berdasarkan apa yang dinilai bernilai oleh komunitas. Token staking mencerminkan penilaian tersebut. Pengguna melakukan stake token $TRUST, token asli Intuition, saat mereka mengusulkan Atoms, Triples, atau struktur data baru. Peserta lain dapat melakukan stake di sisi pendukung jika mereka menganggap usulan itu berguna, atau di sisi penentang jika tidak. Mereka juga bisa melakukan stake pada alternatif yang bersaing. Pengguna memperoleh imbalan jika data yang mereka dukung sering digunakan atau mendapat penilaian tinggi, namun kehilangan sebagian stake jika tidak.
TCR tidak hanya memverifikasi pernyataan individu, tetapi juga secara efektif menyelesaikan masalah standardisasi ontologi. Standardisasi ontologi berarti menentukan pendekatan mana yang menjadi standar umum ketika ada beberapa cara untuk mengekspresikan konsep yang sama. Sistem terdistribusi menghadapi tantangan mencapai konsensus ini tanpa koordinasi terpusat.
Bayangkan dua predikat bersaing untuk ulasan produk: [hasReview] dan [customerFeedback]. Jika [hasReview] diperkenalkan lebih dulu dan banyak pengguna membangunnya, para kontributor awal memegang stake token dalam kesuksesannya. Sementara itu, pendukung [customerFeedback] akan terdorong secara ekonomi untuk beralih bertahap ke standar yang lebih banyak diadopsi.
Mekanisme ini mencerminkan bagaimana standar token ERC-20 meraih adopsi alami. Pengembang yang mengadopsi ERC-20 memperoleh keuntungan kompatibilitas langsung—integrasi mudah dengan dompet, bursa, dan dApps yang sudah ada. Keuntungan ini secara alami menarik lebih banyak pengembang untuk mengikuti ERC-20. Hal ini menunjukkan bahwa pilihan yang digerakkan pasar saja bisa menyelesaikan masalah standardisasi di lingkungan terdistribusi. TCR bekerja dengan prinsip serupa. TCR mengurangi kesulitan agen dalam menghadapi format data yang terfragmentasi dan menyediakan lingkungan di mana informasi dapat dipahami dan diproses secara lebih konsisten.
3.3. Signal: Membangun Jaringan Pengetahuan Berbasis Kepercayaan
Intuition menstrukturkan pengetahuan melalui Atoms dan Triples, lalu menggunakan insentif untuk mencapai konsensus tentang “mana yang benar-benar digunakan.”
Namun masih tersisa satu tantangan terakhir: Seberapa besar kita bisa mempercayai informasi itu? Intuition memperkenalkan Signal untuk menjawab hal ini. Signal mengekspresikan tingkat kepercayaan atau ketidakpercayaan pengguna terhadap Atoms atau Triples tertentu. Signal melampaui sekadar mencatat bahwa data itu ada, ia menangkap seberapa banyak dukungan yang diterima data dalam berbagai konteks. Signal memformalkan proses verifikasi sosial yang biasa kita lakukan di dunia nyata, misalnya saat kita menilai informasi berdasarkan “sumber terpercaya yang merekomendasikan” atau “ahli yang sudah memverifikasi.
Signal terakumulasi melalui tiga cara. Pertama, explicit signal berupa evaluasi sengaja yang dilakukan pengguna, seperti token staking. Kedua, implicit signal muncul secara alami dari pola penggunaan, misalnya pertanyaan berulang atau penerapan dalam aplikasi. Ketiga, transitive signal menciptakan efek relasional—ketika seseorang yang saya percayai mendukung suatu informasi, saya cenderung mempercayainya lebih. Tiga bentuk ini berpadu membangun jaringan pengetahuan yang memperlihatkan siapa mempercayai apa, seberapa besar, dan dengan cara bagaimana
Intuition memfasilitasi ini melalui Reality Tunnels. Reality Tunnels menawarkan perspektif personal untuk melihat data. Pengguna dapat mengatur tunnel yang memprioritaskan evaluasi kelompok ahli, menekankan opini teman dekat, atau mencerminkan kebijaksanaan komunitas tertentu. Pengguna bisa memilih tunnel terpercaya atau beralih di antara beberapa tunnel untuk perbandingan. Agent juga bisa menerapkan pendekatan interpretatif khusus untuk tujuan tertentu. Misalnya, memilih tunnel yang mencerminkan jaringan terpercaya Vitalik Buterin membuat agen menafsirkan informasi dan mengambil keputusan dari “perspektif Vitalik.”
Semua signal direkam di on-chain. Pengguna bisa memverifikasi secara transparan mengapa suatu informasi tampak dapat dipercaya, alamat mana yang menjadi sumber, siapa yang menjaminnya, dan berapa banyak token yang di-stake. Proses pembentukan kepercayaan yang transparan ini memungkinkan pengguna memverifikasi bukti langsung alih-alih menerima informasi secara buta. Agen juga dapat menggunakan fondasi ini untuk membuat penilaian yang sesuai dengan konteks dan perspektif individu.
4. Bagaimana Jika Intuition Menjadi Infrastruktur Web Berikutnya?
Infrastruktur Intuition bukan sekadar gagasan konseptual, melainkan solusi praktis yang menjawab masalah nyata yang dihadapi agen di lingkungan web saat ini.
Web saat ini dipenuhi data terfragmentasi dan informasi yang belum diverifikasi. Intuition mengubah data menjadi deterministic knowledge graphs yang memberikan hasil jelas dan konsisten pada setiap kueri. Proses kurasi dan signal berbasis token memverifikasi data tersebut. Agent dapat mengambil keputusan tanpa harus menebak-nebak, sehingga meningkatkan akurasi, kecepatan, sekaligus efisiensi.
Intuition juga menyediakan fondasi bagi kolaborasi antaragen. Struktur data yang terstandarisasi memungkinkan agen berbeda untuk memahami dan berkomunikasi dalam kerangka informasi yang sama. Seperti standar ERC-20 yang menciptakan kompatibilitas token, knowledge graph Intuition menciptakan lingkungan di mana agen dapat bekerja sama dengan basis data yang konsisten.
Lebih jauh lagi, Intuition bukan hanya infrastruktur untuk agen. Ia berfungsi sebagai foundational layer yang bisa digunakan oleh semua layanan digital. Ia bisa menggantikan sistem kepercayaan yang kini dibangun secara terpisah oleh tiap platform—review di Amazon, rating di Uber, rekomendasi di LinkedIn—dengan satu fondasi bersama. Sama seperti HTTP yang menyediakan standar komunikasi universal untuk web, Intuition menyediakan protokol standar untuk struktur data dan verifikasi kepercayaan.
Perubahan terpenting adalah portabilitas data. Pengguna memiliki langsung data yang mereka buat dan bisa menggunakannya di mana saja. Data yang selama ini terisolasi di platform individual akan saling terhubung, membentuk ulang ekosistem digital secara keseluruhan.
5. Membangun Ulang Fondasi untuk Era Agentik yang Akan Datang
Tujuan Intuition bukan sekadar perbaikan teknis. Ia bertujuan mengatasi technical debt yang menumpuk selama 20 tahun terakhir dan merancang ulang infrastruktur web secara fundamental. Saat Semantic Web pertama kali diajukan, visinya jelas—tetapi tidak ada insentif kuat untuk mendorong partisipasi. Bahkan seandainya visi itu terwujud, manfaatnya masih belum terang.
Kini situasinya berbeda. Kemajuan AI menjadikan era agentik nyata. Agen AI tidak lagi sekadar alat sederhana. Mereka bisa melakukan tugas kompleks, mengambil keputusan otonom, dan berkolaborasi dengan agen lain. Untuk bisa berfungsi efektif, agen-agen ini memerlukan inovasi mendasar dalam infrastruktur web.
Seperti yang disorot oleh Balaji (mantan CTO Coinbase), kita perlu membangun infrastruktur yang benar-benar cocok bagi agent. Web saat ini lebih mirip jalan tanah yang tidak rata dibanding jalan raya tempat agen dapat melaju cepat dengan data terpercaya. Setiap situs web memiliki struktur dan format berbeda. Informasi sulit dipercaya. Data tidak terstruktur dan agen kesulitan memahaminya. Hambatan ini membuat agen sulit melakukan pekerjaan secara akurat dan efisien.
Intuition ingin membangun ulang web agar memenuhi tuntutan ini. Ia berambisi menciptakan struktur data terstandarisasi yang mudah dipahami agent, sistem verifikasi informasi yang andal, dan protokol yang memungkinkan interaksi mulus antaragent. Ini mengingatkan pada bagaimana HTTP dan HTML membentuk standar web di era internet awal. Intuition berusaha menjadi pencipta standar baru untuk era agentik.
Tentu saja, tantangan tetap ada. Sistem ini tidak bisa berfungsi baik tanpa partisipasi dan network effects yang cukup. Untuk mencapai critical mass butuh waktu dan usaha besar. Mengatasi inersia ekosistem web yang sudah mapan bukan hal mudah. Menetapkan standar baru selalu penuh kesulitan. Namun ini tantangan yang harus dipecahkan. Rebase yang ditawarkan Intuition adalah upaya untuk melampaui hambatan tersebut, membuka kemungkinan baru bagi era agentik yang bahkan baru mulai kita bayangkan.
🐯 Lainnya dari Tiger Research
Telusuri lebih lanjut laporan yang relevan dengan topik ini: Disclaimer
Laporan ini sebagian didanai oleh Intuition. Laporan ini diproduksi secara independen oleh tim peneliti kami dengan menggunakan sumber-sumber yang kredibel. Temuan, rekomendasi, dan opini yang disajikan didasarkan pada informasi yang tersedia pada saat publikasi dan dapat berubah sewaktu-waktu tanpa pemberitahuan. Kami tidak bertanggung jawab atas kerugian yang timbul dari penggunaan laporan ini atau isinya, serta tidak menjamin keakuratan maupun kelengkapannya. Informasi dalam laporan ini dapat berbeda dengan pandangan pihak lain. Laporan ini disusun semata-mata untuk tujuan informasi dan bukan merupakan nasihat hukum, bisnis, investasi, maupun pajak. Referensi terhadap sekuritas atau aset digital hanya bersifat ilustratif dan bukan merupakan nasihat investasi atau penawaran. Materi ini tidak ditujukan bagi investor.
Terms of Usage
Tiger Research mengizinkan penggunaan wajar atas report yang telah disusun dan diterbitkan. 'Penggunaan wajar' adalah prinsip yang mengizinkan penggunaan sebagian konten untuk kepentingan publik, selama tidak merugikan nilai komersial materi tersebut. Jika penggunaan sesuai dengan prinsip ini, laporan dapat digunakan tanpa memerlukan izin terlebih dahulu. Namun, saat mengutip laporan Tiger Research, Anda diwajibkan untuk:
Menyebutkan dengan jelas 'Tiger Research' sebagai sumber.
Menyertakan logo Tiger Research (hitam/putih).
Jika materi akan disusun ulang dan diterbitkan kembali, diperlukan persetujuan terpisah. Penggunaan laporan tanpa izin dapat mengakibatkan tindakan hukum.