Dari kolaborasi multi-agent, prediction market, hingga eksekusi on-chain, sebuah eksperimen tentang ekonomi otonom berbasis AI sedang berlangsung
Juli 2026
Dalam dua tahun terakhir, logika persaingan dalam kecerdasan buatan mengalami perubahan yang jelas.
Pada tahap pertama, orang membahas apakah large model bisa menghasilkan teks, gambar, dan kode yang lebih baik. Pada tahap kedua, pasar mulai menaruh perhatian pada AI Copilot—apakah kecerdasan buatan bisa menjadi alat bantu bagi manusia.
Dan saat ini, arah baru sedang terbentuk: AI tidak lagi hanya menjawab pertanyaan, melainkan mulai memahami tujuan, memecah tugas, memanggil alat, membuat keputusan, dan menyelesaikan eksekusi.
Inilah alasan mengapa AI Agent semakin banyak menarik perhatian para pelaku startup teknologi dan investor.
Namun dari sudut pandang VC, pertanyaan yang benar-benar layak diteliti tidak hanya “apakah AI Agent akan menjadi jalur tren berikutnya?” Yang lebih penting adalah: ketika AI Agent memperoleh aset, identitas, kemampuan pembayaran, dan lingkungan eksekusi yang dapat diverifikasi, ia akan menjadi apa?
Web3 sedang menyediakan jawaban baru untuk masalah ini.
Sementara itu, Vanguard berupaya mengeksplorasi infrastruktur keuangan otonom generasi baru di area persilangan AI Agent, prediction market, dan eksekusi on-chain.
Dari Chatbot ke Agent, AI sedang mengalami perubahan peran
Dahulu, AI lebih seperti sebuah alat. Pengguna mengajukan pertanyaan, AI memberikan jawaban; pengguna memberi instruksi, AI memberikan saran; pada akhirnya, operasi dan eksekusi yang sesungguhnya tetap dilakukan oleh manusia.
Namun kemunculan AI Agent sedang mengubah pola ini. Agent yang benar-benar bermakna tidak hanya “bisa mengobrol”. Ia juga harus memiliki kemampuan untuk memahami lingkungan, memahami tugas, perencanaan mandiri, pemanggilan alat, eksekusi multi-langkah, umpan balik hasil, dan optimasi berkelanjutan.
Singkatnya, AI tradisional lebih seperti “memberi tahu Anda apa yang harus dilakukan”, sedangkan AI Agent lebih mendekati “memahami apa yang ingin Anda selesaikan, lalu membantu mengerjakan tugas itu sampai selesai”.
Dari logika investasi, ini berarti nilai komersial AI bisa bergeser dari “langganan software” ke “eksekusi tugas”.
Ketika AI mulai ikut secara langsung dalam proses bisnis, nilainya tidak lagi ditentukan hanya oleh kemampuan model. Nilai itu juga bergantung pada apakah ia memiliki data real-time, dapat memanggil sistem eksternal, mampu mengeksekusi secara mandiri, memiliki manajemen otorisasi, dapat menyelesaikan pembayaran dan settlement, serta apakah hasil eksekusinya dapat diverifikasi.
Di sinilah AI Agent dan Web3 mulai bertemu.
Mengapa AI Agent membutuhkan Web3?
Banyak orang menganggap AI dan Web3 sebagai dua jalur yang sepenuhnya berbeda: satu mewakili kecerdasan, yang lain mewakili blockchain dan aset digital.
Namun dari sisi infrastruktur, sebenarnya ada saling melengkapi yang alami di antara keduanya.
AI Agent unggul dalam memahami informasi, menganalisis lingkungan, menghasilkan strategi, mengambil keputusan, dan menjalankan tugas; sementara Web3 dapat menyediakan identitas digital, akun wallet, kepemilikan aset, pembayaran yang dapat diprogram, catatan on-chain, protokol terbuka, serta eksekusi yang dapat diverifikasi.
Dengan kata lain: AI bertanggung jawab atas “berpikir dan bertindak”, sedangkan Web3 bertanggung jawab atas “identitas, aset, settlement, dan bukti”.
Jika di masa depan AI Agent hanya membantu pengguna menulis email atau membuat PPT, maka ia mungkin tidak perlu Web3. Namun jika AI Agent mulai mengelola aset digital, memanggil protokol on-chain, berpartisipasi dalam prediction market, mengeksekusi strategi otomatis, menyelesaikan pembayaran antara mesin dan mesin, serta secara mandiri mengatur sumber daya, maka wallet, akun on-chain, aset digital, dan catatan yang dapat diverifikasi bisa menjadi infrastruktur yang penting.
Inilah juga alasan sebenarnya mengapa AI × Web3 layak mendapat perhatian dari VC. Ini bukan sekadar penjumlahan sederhana dari dua konsep yang sedang tren, melainkan pertanyaan yang lebih mendalam: ketika software mulai memiliki kemampuan bertindak, apakah software juga memerlukan sistem akun, aset, dan settlement miliknya sendiri?
Dari sudut pandang VC, ada tiga pertanyaan yang benar-benar penting tentang AI × Web3
Bagi investor, apakah sebuah jalur baru layak dipantau dalam jangka panjang biasanya tidak bergantung pada apakah konsepnya sedang ramai, melainkan pada apakah ia menciptakan kemampuan baru, menghasilkan hubungan ekonomi baru, dan membentuk lapisan infrastruktur baru.
Pertama, apakah ia menciptakan kemampuan baru?
Perubahan teknologi yang benar-benar bernilai biasanya bukan mengganti nama produk yang sudah ada, melainkan menciptakan kemampuan yang sebelumnya tidak bisa diwujudkan.
Perubahan terbesar dari gabungan AI Agent dan Web3 adalah: software tidak lagi hanya menyediakan informasi, melainkan mulai memiliki kemampuan untuk merasakan lingkungan secara berkelanjutan, membuat penilaian secara mandiri, memanggil dana dan protokol, serta mengeksekusi proses yang kompleks.
Artinya, perangkat lunak mungkin berubah dari “alat” menjadi “partisipan”.
Kedua, apakah ia menciptakan hubungan ekonomi baru?
Di internet tradisional, software terutama melayani manusia. Namun di era Agent, kemungkinan akan ada semakin banyak transaksi antara Agent dan manusia, transaksi antara Agent dan platform, serta transaksi antara Agent dan Agent.
Jika kecerdasan buatan dapat membeli data secara mandiri, membayar biaya API, memanggil komputasi, mengonfigurasi aset, dan mengeksekusi tugas on-chain, maka mesin itu sendiri bisa menjadi subjek ekonomi baru.
Inilah juga ruang imajinasi inti dari apa yang disebut “Agent Economy”, yaitu ekonomi berbasis Agent.
Ketiga, apakah terbentuk lapisan infrastruktur baru?
Yang paling diperhatikan VC biasanya bukan aplikasi jangka pendek, melainkan siapa yang punya peluang menjadi infrastruktur dasar ekosistem generasi berikutnya.
Di era internet seluler, infrastruktur mencakup sistem operasi, layanan cloud, pembayaran, dan app store.
Di era AI Agent, infrastruktur baru mungkin mencakup identitas Agent, dompet Agent, penjadwalan model, akses data, eksekusi tugas, kontrol risiko, dan settlement di blockchain.
Arah yang dipilih Vanguard tepat berada di area perpotongan ini.
Titik masuk Vanguard: membuat AI beralih dari pengambilan keputusan menuju eksekusi
Berdasarkan materi proyek, Vanguard tidak mendefinisikan dirinya sebagai chatbot semata atau alat sinyal transaksi semata. Sistem teknologi intinya berpusat pada mesin cerdas VGQuant.
Sistem mencoba menghubungkan data real-time, analisis AI, penilaian strategi, kontrol risiko, proses eksekusi, umpan balik hasil, serta iterasi model.
Materi proyek menampilkan arsitektur empat lapis: lapisan dasar adalah inti cerdas VGQuant, lapisan interaksi adalah AI Agent middleware, lapisan aplikasi adalah VGMatrix DApp, dan lapisan pengguna adalah antarmuka yang dipersonalisasi.
Arsitektur ini mencoba menghubungkan data dasar, kemampuan model, kolaborasi Agent, dan aplikasi on-chain menjadi satu.
Dari sudut pandang VC, fokus desain ini bukan “berapa banyak AI yang digunakan”. Yang layak diamati adalah apakah ia bisa membentuk loop teknis lengkap dari persepsi data hingga eksekusi akhir.
Karena di era Agent, kesenjangan teknologi terbesar mungkin bukan lagi “siapa model yang bisa menjawab lebih banyak pertanyaan”, melainkan “siapa yang bisa membuat AI menyelesaikan tugas secara andal di lingkungan nyata”.
Enam Agent: eksperimen multi-agent Vanguard
Salah satu desain penting Vanguard lainnya adalah tidak mencoba membuat satu model AI tunggal menyelesaikan semua pekerjaan. Berdasarkan materi proyek, sistem terdiri dari enam agen cerdas profesional yang bekerja sama, dan masing-masing bertanggung jawab atas tugas yang berbeda.
RECON: agen intelijen
RECON bertanggung jawab untuk memindai berita global, sentimen sosial, data on-chain, kejadian makro, dan perubahan prediction market. Perannya lebih mirip sistem intelijen 24/7.
Dalam proses tradisional, sebuah berita perlu melalui “manusia melihat—manusia memahami—manusia menganalisis—manusia memutuskan apakah akan bertindak”. Sedangkan dalam sistem Agent, tujuannya adalah mengompres alur tersebut menjadi: kejadian terjadi—mesin merasakan—analisis terstruktur—penilaian strategi—masuk ke proses eksekusi.
RAPTOR: agen identifikasi peluang
RAPTOR bertanggung jawab mengidentifikasi kegagalan harga potensial di prediction market.
Keunikan prediction market adalah ia tidak memperdagangkan komoditas tradisional, melainkan probabilitas terjadinya sebuah peristiwa di masa depan. Kecepatan penyebaran informasi di dunia nyata berbeda-beda, penilaian tiap peserta juga berbeda, dan kedalaman pasar pun berbeda; karena itu, dalam jangka pendek bisa terjadi penyimpangan harga.
Peran RAPTOR adalah mencoba mengidentifikasi hubungan harga abnormal tersebut.
Dari sudut pandang teknis, ini bukan sekadar “memprediksi naik-turun”, melainkan mencari apakah ada inkonsistensi logis di antara harga-harga berbeda.
AEGIS: agen kontrol risiko
Setiap sistem AI yang berorientasi eksekusi tidak boleh hanya mengejar peluang. Ia juga harus tahu kapan seharusnya tidak menjalankan.
AEGIS bertanggung jawab untuk memantau anomali, melakukan penilaian batas ambang risiko, mengelola batasan posisi, menjalankan perlindungan, dan—jika diperlukan—memicu circuit breaker.
Dari perspektif VC, sistem risiko sering kali lebih penting daripada sekadar strategi trading. Karena yang menentukan apakah sistem otomatis bisa beroperasi dalam jangka panjang bukan seberapa banyak ia bisa menghasilkan saat kondisi terbaik, melainkan apakah ia bisa bertahan saat kondisi terburuk.
NEXUS: agen likuiditas
Peluang secara teori tidak berarti pasti bisa dieksekusi di dunia nyata. Pasar yang sesungguhnya juga dipengaruhi oleh faktor seperti kedalaman, volume transaksi, slippage, penyerapan dana, dan biaya eksekusi.
Peran NEXUS adalah menilai bagaimana dana dialokasikan di antara pasar dan kumpulan likuiditas yang berbeda.
PULSE: agen waktu
PULSE bertanggung jawab atas waktu pelaksanaan.
Di pasar yang berubah cepat, biaya untuk strategi yang sama bisa sangat berbeda hanya karena dieksekusi satu detik lebih cepat atau lebih lambat. Karena itu, sistem tidak hanya perlu tahu “apa yang harus dilakukan”, tetapi juga perlu menilai “kapan dilakukan”.
ANCHOR: agen rebalancing
ANCHOR bertanggung jawab menyesuaikan konfigurasi alokasi aset secara dinamis. Bahkan jika satu strategi efektif, jika terjadi konsentrasi berlebihan dalam jangka panjang, ia dapat menciptakan risiko baru.
Karena itu, sistem perlu terus menangani konsentrasi dana, keseimbangan portofolio, perubahan pasar, dan eksposur risiko.
Makna sebenarnya dari enam Agent bukan terletak pada nama semata, melainkan pada cara desain perangkat lunak baru yang diwakilinya: sistem kompleks di masa depan mungkin tidak lagi menyelesaikan semua tugas oleh satu model super, melainkan dikerjakan bersama oleh banyak Agent profesional.
Mengapa prediction market bisa menjadi arena uji coba penting bagi AI Agent?
Dari sudut pandang VC, prediction market adalah skenario yang sangat menarik. Karena ia memiliki karakteristik seperti data real-time, hasil yang jelas, perubahan informasi frekuensi tinggi, probabilitas yang dapat diperdagangkan, dan settlement aset digital.
Itulah yang membuatnya menjadi lingkungan alami untuk menguji AI Agent. Sebuah sistem Agent harus menyelesaikan tugas seperti memperoleh berita, memahami peristiwa, menilai dampak, mengidentifikasi perubahan penetapan harga, mengevaluasi risiko, memilih waktu eksekusi, dan mencatat hasil akhir.
Materi proyek mendeskripsikan proses ini sebagai sebuah loop tertutup delapan langkah: pengumpulan data, pengambilan keputusan, eksekusi transaksi, pencatatan hasil, analisis atribusi, pembaruan strategi, iterasi model, dan optimasi berikutnya.
Ini berbeda dari AI tradisional yang terbesar: tugas AI tradisional selesai setelah menghasilkan jawaban; sedangkan tugas Agent dimulai secara nyata setelah eksekusi dilakukan.
Karena sistem juga harus tahu apakah hasilnya benar, mengapa berhasil, mengapa gagal, dan bagaimana menyesuaikan langkah berikutnya.
Nilai Web3: membuat hasil eksekusi bisa dilacak
Salah satu masalah terbesar AI Agent adalah kepercayaan (trust).
Jika sebuah AI memberitahu Anda “Saya sudah mengeksekusi tugas”, bagaimana cara membuktikannya?
Di internet tradisional, banyak catatan eksekusi disimpan di basis data milik platform itu sendiri. Platform mengendalikan data, izin, catatan, dan hasil.
Sementara sistem on-chain menawarkan kemungkinan lain: catatan eksekusi bisa menjadi dapat ditelusuri, diberi timestamp, sulit untuk dimanipulasi, dan dapat diverifikasi secara terbuka.
Ini tidak berarti semua sistem AI harus di-chain. Namun dalam skenario yang melibatkan aset, pembayaran, transaksi, dan settlement, keterverifikasian akan menjadi semakin penting.
Ini juga salah satu logika inti Vanguard dalam menggabungkan AI Agent dengan aplikasi on-chain. Materi proyek menunjukkan bahwa sistem data VGQuant menghubungkan berbagai sumber data, seperti data on-chain, data bursa, informasi prediction market, oracle, dan sentimen berita.
Dari perspektif modal, nilai potensial dari desain ini tidak hanya “perdagangan otomatis”. Yang lebih penting, desain ini mencoba membangun sistem yang bisa dipersepsikan, diputuskan, dan dieksekusi oleh AI—sekaligus bisa diverifikasi.
Parit pertahanan yang sesungguhnya tidak hanya “kami menggunakan AI”
Dalam beberapa tahun ke depan, semakin banyak proyek akan mengklaim bahwa mereka memiliki AI, Agent, Web3, dan otomatisasi. Oleh karena itu, konsep itu sendiri tidak akan menjadi penghalang jangka panjang.
Persaingan yang sesungguhnya akan terkonsentrasi pada lima aspek: data, eksekusi, kontrol risiko, keterverifikasian, dan pembelajaran berkelanjutan.
Pertama, data
Apakah sistem memiliki sumber data yang stabil, real-time, berkualitas tinggi, dan berkelanjutan?
Kedua, eksekusi
Apakah penilaian yang diberikan model benar-benar bisa berubah menjadi eksekusi yang andal? Banyak masalah produk AI bukan karena tidak bisa menganalisis, melainkan karena tidak mampu menyelesaikan “langkah terakhir”.
Ketiga, kontrol risiko
Apakah sistem mampu mengenali anomali, membatasi kerugian, menghentikan eksekusi yang salah, serta menghadapi kondisi ekstrem?
Keempat, keterverifikasian
Sistem mengklaim melakukan apa, dan apakah pihak eksternal bisa memverifikasinya?
Kelima, pembelajaran berkelanjutan
Apakah hasil eksekusi bisa masuk ke model dan strategi baru? Jika tidak bisa membentuk feedback loop, AI Agent akan mudah merosot menjadi skrip otomatis biasa.
Keunggulan kompetitif jangka panjang Vanguard pada akhirnya juga bergantung pada kemampuan-kemampuan ini, bukan semata-mata pada berapa banyak jumlah Agent, berapa besar parameter model, atau seberapa baru konsep yang dipromosikan.
Dari narasi modal menuju verifikasi nyata
Cerita AI × Web3 memang besar, tetapi semakin besar ceritanya, semakin membutuhkan verifikasi nyata.
Bagi Vanguard, pertanyaan yang benar-benar akan diperhatikan pasar di masa depan mencakup: apakah sistem benar-benar berjalan, apakah enam Agent bisa berkolaborasi secara stabil, apakah sumber data dapat diandalkan, apakah mekanisme risiko efektif, apakah hasil eksekusi bisa dilacak, apakah strategi bisa beradaptasi jangka panjang terhadap pasar yang berbeda, dan apakah indikator teknis bisa diverifikasi secara independen.
Materi proyek menampilkan sistem data multi-sumber VGQuant, enam Agent, dan loop eksekusi yang lengkap.
Namun untuk setiap infrastruktur keuangan AI yang baru muncul, kepercayaan yang sesungguhnya tidak berasal dari PPT, melainkan dari penyerahan yang berkelanjutan, transparan, dan dapat diverifikasi.
Inilah juga tantangan bersama yang harus dihadapi semua proyek AI Agent di masa depan.
Tentang perusahaan dan kepatuhan
Berdasarkan materi proyek Vanguard, Vanguard Crypto Intelligence telah menyelesaikan pendaftaran perusahaan di California, Amerika Serikat.
Materi juga menampilkan FinCEN Money Services Business, yaitu informasi pendaftaran MSB.
Perlu dijelaskan bahwa pendaftaran FinCEN MSB merupakan bagian dari sistem regulasi pendaftaran dan pelaporan, dan tidak sama dengan persetujuan atau endorsement oleh pemerintah AS atau FinCEN atas model bisnis, produk investasi, strategi transaksi, token, atau kinerja imbal hasil apa pun.
Dari sudut pandang VC dan pengembangan perusahaan jangka panjang, yang benar-benar penting tetaplah kepatuhan berkelanjutan, kemampuan bisnis yang nyata, penyerahan teknologi, kontrol risiko, dan transparansi.
Internet generasi berikutnya mungkin bukan hanya “manusia menggunakan software”
Logika inti dari internet selama tiga puluh tahun terakhir adalah: manusia menggunakan software, manusia mengklik tombol, manusia menyelesaikan transaksi.
Kemunculan AI Agent dapat membawa perubahan baru. Kemungkinannya adalah perangkat lunak yang secara proaktif memahami tujuan, memecah tugas, memanggil alat, menyelesaikan pembayaran, mengeksekusi transaksi, dan terus belajar.
Dalam kondisi seperti ini, partisipan di internet tidak lagi hanya manusia; ia juga bisa mencakup banyak AI Agent yang memiliki akun, memiliki aset, dapat memanggil layanan, dan mampu menyelesaikan transaksi.
Web3 menyediakan aset dan settlement, sementara AI menyediakan kecerdasan dan pengambilan keputusan.
Ketika keduanya mulai digabungkan, sebuah pertanyaan baru sudah muncul: di ekonomi digital masa depan, apakah AI Agent akan menjadi pelaku ekonomi baru?
Di sinilah AI × Web3 paling layak untuk pengamatan jangka panjang oleh pasar modal.
Posisi Vanguard
Yang dipilih Vanguard bukan sekadar cerita “AI + koin”. Minimal dari arah arsitektur teknologinya, ia mencoba mengeksplorasi kombinasi: AI Agent, kolaborasi multi-agent, prediction market, eksekusi on-chain, umpan balik data, dan iterasi berkelanjutan.
Dari perspektif investasi, nilai sebenarnya dari arah ini terletak pada upayanya menjawab pertanyaan jangka panjang: bagaimana AI—dari perangkat lunak yang bisa berpikir—menjadi perangkat lunak yang dapat bertindak dalam ekonomi digital?
Jawaban belum sepenuhnya terbentuk, dan jalur ini masih berada pada tahap awal.
Tepat karena itu, area perpotongan AI Agent dan Web3 berpotensi menjadi salah satu eksperimen teknologi yang paling layak diamati secara berkelanjutan dalam beberapa tahun mendatang.
Dan Vanguard ingin menjadi partisipan infrastruktur dalam eksperimen ini.
Tentang Vanguard
Vanguard adalah platform teknologi yang dibangun di sekitar AI Agent, mesin cerdas VGQuant, prediction market, dan eksekusi on-chain.
Berdasarkan materi proyek, sistem multi-agent tersebut mencakup RECON (agen intelijen), RAPTOR (agen identifikasi peluang), AEGIS (agen manajemen risiko), NEXUS (agen likuiditas), PULSE (agen waktu), dan agen rebalancing ANCHOR.
Arah teknologi inti proyek ini adalah mendorong AI agar berkembang secara bertahap dari alat analisis informasi tradisional menjadi sistem otonom yang dapat merasakan, menilai, berkolaborasi, menjalankan, memberi umpan balik, dan beriterasi.