24 Mei 2026
Beberapa bulan yang lalu, saya memperhatikan sesuatu yang aneh saat menguji berbagai agen AI yang terhubung ke alat crypto. Agen-agen itu sendiri bukanlah masalah utama. Kebanyakan bisa merangkum data, memicu transaksi, atau mengoordinasikan alur kerja sederhana dengan cukup baik. Masalah sebenarnya muncul satu lapisan lebih dalam. Tidak ada yang bisa menjelaskan mengapa pengguna harus mempercayai output setelah insentif menjadi saling bertentangan. Percakapan seputar infrastruktur AI masih terasa sangat fokus pada kemampuan sambil mengabaikan verifikasi. Dalam istilah crypto, itu mengingatkan saya pada periode awal DeFi di mana semua orang mengoptimalkan komposabilitas sebelum memahami betapa rapuhnya sistem insentif di bawah tekanan.
Itu sebagian mengapa OpenLedger menjadi lebih menarik untuk diperhatikan belakangan ini. Bukan karena menjanjikan masa depan AI terdesentralisasi yang sempurna, tetapi karena tampaknya mendekati AI sebagai masalah koordinasi dan bukan hanya masalah komputasi. Saya rasa perbedaan itu lebih penting dari yang orang sadari. Sebagian besar sistem AI saat ini bergantung pada tenaga kerja yang tidak terlihat dan saluran data yang tidak dapat diverifikasi. Model menyerap informasi dari kontributor, API, forum, dataset, dan umpan balik manusia, namun atribusi biasanya menghilang di suatu tempat antara pengambilan dan penghasilan output. Secara ekonomi, itu menciptakan ketidakseimbangan aneh. Entitas yang mengekstrak nilai paling banyak sering kali adalah yang paling tidak bertanggung jawab atas dari mana kecerdasan sebenarnya berasal.
Infrastruktur crypto secara historis berusaha menyelesaikan kepercayaan melalui transparansi dan penyelarasan ekonomi. Tetapi AI memperkenalkan versi masalah yang lebih sulit karena kecerdasan itu sendiri bersifat probabilistik. Anda tidak lagi memverifikasi saldo atau mengonfirmasi hash blok. Anda sedang mengevaluasi apakah output model layak mendapatkan kredibilitas. Itu jauh lebih sulit untuk dinilai. Eksperimen OpenLedger di sekitar datanet dan Proof of Attribution tampaknya ditujukan langsung pada ketegangan ini. Ide dasarnya tampak sederhana di permukaan: melacak aliran kontribusi sehingga nilai dan reputasi dapat dihubungkan kembali ke peserta yang membentuk sistem. Tetapi secara struktural, itu menciptakan implikasi urutan kedua yang jauh melampaui distribusi hadiah.
Jika atribusi menjadi dapat diandalkan, maka infrastruktur AI berhenti bertindak seperti kotak hitam dan mulai berperilaku lebih seperti jaringan ekonomi. Tiba-tiba penyedia data, pembangun model, validator, dan agen semua beroperasi dalam loop insentif yang terlihat. Itu mengubah perilaku peserta. Kontributor menjadi lebih selektif tentang kualitas karena reputasi menjadi dapat dipertaruhkan. Pengembang menjadi lebih berhati-hati tentang memanipulasi output karena jejak atribusi menciptakan tekanan akuntabilitas. Bahkan pemerintahan berubah karena sistem secara teoritis dapat membedakan antara kontributor yang berarti dan spekulan pasif.
Setidaknya dalam teori.
Bagian yang sulit adalah bahwa sistem atribusi itu sendiri bisa menjadi target manipulasi. Begitu reputasi memiliki nilai ekonomi, orang pasti akan mengoptimalkan metrik daripada kebenaran. Crypto sudah memiliki pengalaman bertahun-tahun dengan dinamika ini. Liquidity mining menghasilkan modal tentara bayaran. Pertanian keterlibatan sosial mendistorsi pasar perhatian. Sistem pemerintahan sering kali didominasi oleh konsentrasi modal daripada keahlian. Jaringan AI kemungkinan akan mewarisi distorsi serupa, kecuali sekarang manipulasi terjadi melalui kualitas data, interaksi sintetis, keracunan model yang terkoordinasi, atau permainan reputasi.
Di situlah saya pikir banyak diskusi optimis tentang infrastruktur AI menjadi terlalu sederhana. Menskalakan sistem koordinasi bukan hanya tentang throughput atau desentralisasi. Ini tentang mempertahankan kualitas sinyal sementara insentif menjadi semakin dibiayai secara finansial. Di bawah tekanan, sebagian besar sistem mengarah ke perilaku ekstraksi biaya rendah kecuali ada penalti yang berarti untuk merusak kepercayaan. Tantangan OpenLedger bukan hanya menarik kontributor. Ini menciptakan kondisi di mana partisipasi yang jujur tetap secara ekonomis rasional bahkan ketika strategi yang bersifat antagonis menjadi menguntungkan dalam jangka pendek.
Hal menariknya adalah bahwa agen AI mungkin memperburuk masalah ini secara dramatis. Begitu agen mulai berinteraksi secara otonom di berbagai pasar, API, dan sistem terdesentralisasi, kepercayaan tidak lagi bergantung murni pada pengenalan merek atau reputasi institusi. Agen akan membutuhkan lapisan kredibilitas yang dapat dibaca mesin. Mereka akan memerlukan cara untuk mengevaluasi apakah dataset telah dimanipulasi, apakah kontributor telah secara historis menghasilkan output yang dapat diandalkan, atau apakah agen lain memiliki insentif ekonomi untuk menipu mereka. Dalam lingkungan itu, atribusi berhenti menjadi fitur sosial dan menjadi infrastruktur.
Tetapi eksperimen infrastruktur jarang berkembang dengan bersih. Sejarah crypto penuh dengan sistem yang bekerja secara elegan dalam skala kecil sebelum runtuh di bawah tekanan ekonomi yang nyata. Kegagalan koordinasi biasanya muncul secara bertahap dan kemudian tiba-tiba. Saya curiga jaringan AI akan mengalami siklus serupa. Beberapa pasar kontribusi akan menjadi bising. Beberapa sistem reputasi akan menjadi sybilled. Beberapa lapisan pemerintahan akan mengarah ke plutokrasi meskipun dengan niat baik. OpenLedger mungkin akan menghadapi semua tekanan itu pada akhirnya.
Namun, saya rasa arah yang lebih luas ini layak diperhatikan karena mengubah AI dari perlombaan kecerdasan murni menjadi masalah arsitektur kepercayaan. Pemenang jangka panjang dalam infrastruktur AI mungkin bukan sistem dengan model paling kuat. Mereka mungkin adalah sistem yang paling efektif menyelaraskan insentif antara kontributor, agen, dan pengguna tanpa terjerumus ke dalam ekstraksi atau manipulasi. Itu adalah masalah yang jauh lebih sulit daripada menghasilkan output, dan mungkin lebih penting.
Pencerahan yang lebih dalam bagi saya adalah bahwa AI terdesentralisasi mungkin pada akhirnya bergantung kurang pada siapa yang memiliki model dan lebih pada siapa yang dapat mempertahankan koordinasi kredibel dalam skala besar. Saya tidak yakin industri sepenuhnya memahami perbedaan itu.
