nearai

Evolusi asisten AI secara historis telah menghadapi hambatan arsitektural yang sangat jelas: sebuah model monolitik yang terhubung langsung ke setiap kemampuan yang dimilikinya. Saat penalaran, pelaksanaan tindakan, penanganan kredensial sensitif, dan akses ke jaringan semuanya terjadi dalam lingkungan yang sama persis, muncul kerentanan kritis dan titik kegagalan tunggal, di mana alur kerja apa pun dapat runtuh sepenuhnya dalam hitungan detik.
<c-55/> tackles this structural challenge head-on with the rollout of #IronClaw 1.0, an advanced architecture that cleanly separates high-level decision-making from execution through a secure coordination layer known as the guard.

Agen AI tidak lagi hanya menjawab pertanyaan.
Mereka dapat menjelajahi situs web, bekerja dengan dokumen, menggunakan alat, berinteraksi dengan perangkat lunak, dan semakin sering mengeksekusi tugas atas nama pengguna.
Namun seiring agen memperoleh lebih banyak kemampuan untuk bertindak, satu pertanyaan menjadi semakin penting:
Bagaimana kita memberi AI otoritas yang cukup agar berguna tanpa memberinya terlalu banyak kebebasan?
Di sinilah IronClaw 1.0 dari @NEAR Protocol dan NEAR AI menjadi sangat menarik.
Pendekatan yang berbeda untuk arsitektur agen AI
Sistem AI tradisional sebagian besar berfokus pada meningkatkan kemampuan model untuk bernalar.

Saya telah memperhatikan apa yang terjadi ketika AI bergerak melampaui sekadar memberi jawaban dan mulai mengambil tindakan.
Di situlah tantangan sebenarnya dimulai. Sebuah agen bisa saja cakap, tetapi apakah ia bisa bertindak dalam batas-batas yang jelas, mempertahankan hasil kerjanya, dan menangani tugas-tugas sensitif dengan aman?
Itulah yang membuat IronClaw 1.0 dari @NEAR Protocol layak untuk dikaji.
#NEARAI Cloud menyediakan infrastruktur di balik arah ini, memberi pengembang cara untuk menjalankan beban kerja AI dengan privasi yang lebih kuat dan keamanan yang dapat diverifikasi. Pendekatan confidential computing-nya menggunakan Trusted Execution Environments (TEEs) untuk mengisolasi beban kerja AI yang sensitif, sementara attestation kriptografis dapat memberikan bukti tentang di mana dan bagaimana komputasi dilakukan.

Agen AI semakin mahir dalam penalaran. Perbedaannya di sini bukan sekadar bahwa penalaran saja tidak cukup.
Tantangan sesungguhnya dimulai ketika sebuah agen perlu mengambil tindakan. Mengakses sebuah alat, menjelajahi web, mengelola kredensial, melanjutkan tugas setelah terputus, atau beralih di antara berbagai saluran komunikasi tanpa kehilangan konteks.
Itulah masalah yang ingin diatasi oleh IronClaw 1.0.
✅ Arsitektur yang Berbeda untuk Agen AI
#ironclaw memisahkan bagian pengambilan keputusan dari bagian pelaksanaan tindakan. Di antara keduanya terdapat lapisan koordinasi bernama guarding. Pemisahan ini penting karena agen AI tidak seharusnya memiliki akses tak terbatas hanya karena ia bisa bernalar tentang suatu tindakan. Setiap tindakan melewati lapisan guarding, sehingga tercipta satu titik pemeriksaan untuk izin dan keamanan.

AI sedang memasuki babak baru yang menarik. Kita bergerak melampaui sistem yang sekadar menjawab pertanyaan menuju agen yang dapat bernalar, menggunakan alat, mengingat konteks, dan menyelesaikan tugas dunia nyata. Namun, seiring AI memperoleh kemampuan yang lebih besar untuk bertindak, ada satu pertanyaan yang tak bisa diabaikan: bagaimana kita memberi AI lebih banyak kapabilitas tanpa memberinya otoritas tanpa batas?
Di situlah @NEAR Protocol IronClaw 1.0 menghadirkan pendekatan yang menarik.
Inti dari IronClaw adalah pemisahan antara berpikir dan bertindak. Alih-alih membiarkan agen AI membuat keputusan dan segera menjalankan tindakan sensitif, arsitektur ini memperkenalkan lapisan penjaga di antara penalaran dan eksekusi agen.

AI sudah melampaui sekadar menjawab pertanyaan.
Perubahan yang lebih signifikan terjadi ketika sebuah sistem AI dapat mengambil tindakan.
Sebuah agen dapat menjelajah, melakukan riset, bekerja dengan file, menggunakan alat eksternal, berkomunikasi melalui berbagai saluran, dan melanjutkan tugas tanpa harus dipandu melalui setiap langkah satu per satu.
Itu menciptakan masalah infrastruktur yang berbeda.
Ketika perangkat lunak bisa bertindak atas nama Anda, kemampuan saja tidak lagi cukup. Anda juga perlu tahu apa yang diizinkan untuk dilakukan agen, apa yang ada di antara keputusan dan tindakannya, serta apa yang terjadi ketika ada sesuatu yang salah.

Yang menurut saya menarik tentang @NEAR Protocol pendekatan ini adalah bahwa ia memperlakukan agen AI sebagai infrastruktur, bukan sekadar chatbot dengan lebih banyak alat.
Banyak sistem agen masih menjalankan penalaran, eksekusi, rahasia, dan akses internet melalui satu loop yang sama. Itu mungkin terlihat mengesankan dalam demo, tetapi pekerjaan di dunia nyata adalah cerita yang berbeda. Semakin banyak alat yang dapat diakses agen, semakin besar peluang terjadinya kesalahan.
IronClaw 1.0 mengambil pendekatan yang berbeda.
Agen membuat keputusan, sementara lapisan koordinasi terpisah yang disebut guard mengontrol bagaimana keputusan itu dijalankan. Setiap tindakan melewati lapisan itu, termasuk kemampuan baru yang ditambahkan kemudian.

Agen AI bergerak ke fase yang berbeda.
Mereka tidak lagi terbatas pada menghasilkan jawaban. Mereka bisa menjelajahi situs web, mengelola file, menulis kode, menangani informasi, dan menjalankan alur kerja multi-langkah.
Kemampuan tambahan itu menciptakan masalah rekayasa yang baru.
Ketika perangkat lunak dapat bertindak atas nama Anda, bagaimana Anda mengendalikan apa yang diizinkan untuk dilakukannya? Bagaimana Anda memastikan tugas yang terputus tidak menghilang? Dan bagaimana Anda melindungi infrastruktur yang menangani data dan komputasi di baliknya?
Itulah yang membuat IronClaw 1.0 dari @NEAR Protocol menarik untuk dikaji.

Agen AI berkembang dari sistem yang hanya merespons menjadi sistem yang dapat bernalar dan mengeksekusi tugas kompleks di dunia nyata.
Mereka bergerak melampaui sekadar menjawab pertanyaan dan mulai menjelajah web, bekerja dengan file, berinteraksi dengan aplikasi, menggunakan API, dan menjalankan tugas multi-langkah. Namun, seiring agen memperoleh lebih banyak otonomi, muncul pertanyaan penting: bagaimana kita memberi AI kemampuan untuk bertindak tanpa mengorbankan keamanan, keandalan, dan kendali pengguna?
@NEAR Protocol ’s IronClaw 1.0 menawarkan pendekatan yang menarik terhadap tantangan ini dengan mendesain ulang cara agen AI berpikir, bertindak, dan mempertahankan progresnya.

Agen AI sedang memasuki fase yang berbeda.
Mereka tidak lagi terbatas pada menghasilkan teks atau menjawab pertanyaan. Mereka dapat melakukan riset, mengelola file, berinteraksi dengan situs web, berkomunikasi lintas platform, dan menjalankan alur kerja multi-tahap. Namun ketika para agen semakin mampu bertindak atas nama kita, saya pikir satu pertanyaan menjadi semakin penting:
Bagaimana kita memberi AI otonomi yang cukup agar berguna tanpa memberinya wewenang tanpa batas?
Itulah yang membuat IronClaw 1.0 dari #NEARAI khususnya menarik bagi saya.

Kecerdasan buatan bergerak melampaui chatbot.
Generasi berikutnya dari AI sedang dibangun di sekitar agen yang dapat bernalar, menggunakan alat, menjalankan tugas, dan terus bekerja dengan campur tangan manusia yang minimal.
Namun otonomi yang lebih besar menciptakan tantangan mendasar:
Bagaimana kita memberi AI kemampuan untuk bertindak tanpa mengorbankan keamanan, privasi, dan kontrol pengguna?
@NEAR Protocol menawarkan jawaban yang menarik dengan IronClaw 1.0.
IronClaw 1.0: Arsitektur Berbeda untuk Agen AI
IronClaw 1.0 dibangun di sekitar perbedaan arsitektural yang sederhana namun penting: memisahkan bagian dari sistem AI yang mengambil keputusan dari bagian yang bertindak.

Bayangkan sebuah perusahaan tempat siapa pun bisa mengajukan transfer dana. Pemasaran bisa meminta satu, teknik bisa meminta satu, HR bisa meminta satu. Tetapi tidak peduli siapa yang memulainya, uang tidak akan bergerak sampai melewati meja persetujuan tunggal yang menerapkan pemeriksaan yang sama setiap saat. Tidak ada departemen yang mendapat jalur khusus. Itulah gagasan dasar di balik IronClaw 1.0 dari NEAR AI: agen dapat menalar tentang apa yang ingin dilakukannya, tetapi tindakan itu sendiri harus melewati satu lapisan koordinasi sebelum dapat dijalankan.

Saat AI Bisa Melakukan Segalanya, Siapa yang Mengawasi?
Untuk waktu yang lama, agen AI telah menjadi “serba bisa”, mereka mampu melakukan riset, mengelola berkas, berinteraksi dengan situs web, dan berkomunikasi lintas platform. Namun, ketika satu agen bertanggung jawab atas baik menentukan apa yang harus dilakukan maupun benar-benar melakukannya, ruang untuk kesalahan, risiko keamanan, dan hilangnya kendali menjadi lebih besar
Inilah tantangan @NEAR Protocol yang dihadapi IronClaw 1.0. Sesuai dengan namanya, IronClaw dirancang untuk memberi agen AI cengkeraman yang lebih kuat atas cara mereka bertindak, dengan memisahkan pengambilan keputusan dari eksekusi melalui lapisan koordinasi yang berfokus pada keamanan bernama Guard. Ini berarti satu agen AI dapat menentukan apa yang menurutnya harus terjadi, sementara lapisan terpisah mengatur apa yang sebenarnya diizinkan untuk dilakukannya

Pendahuluan: Fase Berikutnya dari Agen AI
Agen kecerdasan buatan telah melampaui sekadar tanya jawab sederhana. Agen masa kini menjadwalkan rapat, mengelola berkas, melakukan riset, dan berinteraksi di berbagai platform. Namun, evolusi ini menghadirkan tantangan arsitektural yang krusial: bagaimana kita memastikan agen AI bertindak dengan aman ketika mereka memiliki kemampuan di dunia nyata?
@NEAR Protocol mengatasi hal ini dengan IronClaw 1.0, sebuah harness agen revolusioner yang secara fundamental memikirkan ulang arsitektur agen AI dengan memisahkan pengambilan keputusan dari eksekusi melalui lapisan koordinasi yang aman.

Agen AI semakin canggih.
‎Tetapi semakin mampu mereka menjadi, semakin penting satu pertanyaan menjadi.
‎Bisakah kita benar-benar mengontrol apa yang mereka lakukan?
‎Itu salah satu hal yang menarik perhatian saya saat menelusuri IronClaw 1.0 dari NEAR AI. @NEAR Protocol
‎Kebanyakan orang berfokus pada apa yang dapat dipikirkan oleh model AI.
‎IronClaw mengambil pendekatan yang sedikit berbeda dengan memperhatikan apa yang terjadi setelah AI membuat keputusannya.
‎Model memikirkan apa yang perlu dilakukan.
‎Lalu Guard berada di antara model dan tindakan.

Agen AI semakin jauh lebih mampu daripada chatbot. Mereka mulai merencanakan, menjalankan tugas, berinteraksi dengan aplikasi, dan membantu alur kerja yang semakin kompleks. Seiring kemampuan ini berkembang, satu pertanyaan menjadi semakin penting: Bagaimana kita membuat AI otonom dapat dipercaya?
Di sinilah @NEAR Protocol mengambil pendekatan yang menarik dengan IronClaw 1.0.
Alih-alih membiarkan model AI berpikir dan menjalankan tindakan tanpa pengawasan, IronClaw memperkenalkan lapisan Guard yang memisahkan pengambilan keputusan dari eksekusi. Operasi sensitif memerlukan persetujuan eksplisit, sehingga menciptakan lapisan keamanan tambahan untuk alur kerja berbasis AI.

Agen AI sedang memasuki fase yang berbeda.
Tujuannya tidak lagi sekadar membangun model yang bisa menjawab pertanyaan. Peluang yang lebih besar adalah membangun agen yang dapat mengambil tindakan, mengoperasikan alat, mempertahankan konteks, dan menyelesaikan alur kerja dunia nyata.
Namun itu menimbulkan masalah penting:
Bagaimana Anda memberi AI kemampuan untuk bertindak tanpa memberinya kontrol yang tidak diawasi?
@NEAR Protocol IronClaw 1.0 mengambil pendekatan yang benar-benar berbeda.
Lapisan “Guard”
IronClaw memisahkan pengambilan keputusan dari eksekusi melalui lapisan koordinasi yang aman bernama guard.

Agen AI telah keluar dari kotak obrolan dan masuk ke koridor tempat kerja.
Mereka tidak lagi sekadar menjawab pertanyaan. Mereka menyortir email, menjadwalkan rapat, melakukan riset, mengakses file, dan melakukan tindakan nyata di berbagai alat perusahaan. Singkatnya, mereka sedang berkembang dari perangkat lunak yang kita ajak bicara menjadi rekan digital yang mampu membuka pintu atas nama kita.
Tapi kami tidak akan pernah memberikan setiap kunci kepada seorang karyawan di seluruh perusahaan dan berkata, “Mereka terlihat cukup pintar. Semoga mereka membuka pintu yang tepat.” Dengan agen AI, fokus hanya pada kualitas keputusan mereka tidak lagi cukup.

Asisten terbaik adalah yang tidak lagi Anda perhatikan. Anda menetapkan tujuan, berpindah dengan mulus dari terminal ke Slack, dan tidak pernah kehilangan konteks atau mengulang pekerjaan karena gangguan. Sebagian besar agen AI gagal melewati uji sehari-hari ini karena alasan struktural: mereka mengikat seluruh fungsi berpikir, bertindak, menyimpan rahasia, dan mengakses internet menjadi satu sistem yang saling terjalin. Setiap kapabilitas baru menjadi titik kegagalan atau risiko tambahan.
IronClaw 1.0, diluncurkan oleh @NEAR Protocol pada 27 Juli 2026, mengambil jalur yang berbeda. Ia memisahkan pengambilan keputusan dari eksekusi, dengan satu lapisan koordinasi bernama guard di antara keduanya. Poin pemeriksaan itu bukan sekadar gaya pemasaran; itu arsitektur yang membuat asisten yang selalu aktif terasa seperti rekan kerja yang tepercaya, bukan skrip yang rapuh.

Agen AI sedang melampaui sekadar menjawab pertanyaan. Mereka kini semakin diharapkan untuk mengambil tindakan, bekerja lintas aplikasi, mengingat tugas-tugas sebelumnya, dan beroperasi dalam jangka waktu lama tanpa pengawasan yang konstan. Itu menimbulkan pertanyaan yang sulit: bagaimana cara membuat agen AI yang cukup mampu untuk bertindak, tanpa memberinya akses yang tidak terkendali ke segala sesuatu yang bisa disentuh?
l

IronClaw 1.0 dari NEAR mengambil pendekatan arsitektural yang berbeda.
Memisahkan Pemikiran Dari Tindakan
IronClaw 1.0 adalah agen AI harness yang dibangun di sekitar pemisahan yang sederhana namun penting: komponen yang bertanggung jawab untuk memutuskan apa yang seharusnya terjadi dipisahkan dari komponen yang benar-benar menjalankan tindakan.