Hari ini kebetulan saya berbincang dengan rekan-rekan dari @BNB_Chain tentang topik AI + Crypto. Menurut pandangan saya, sebagian besar AI + Crypto yang ada di pasar saat ini sebenarnya adalah kebutuhan semu.

AI sendiri di industri tradisional pun masih berada pada tahap pelaksanaan yang cepat serta terus mencari model bisnis. Skenario yang benar-benar mampu menghasilkan pendapatan secara stabil, secara nyata menurunkan biaya, dan meningkatkan efisiensi tidak sebanyak yang dibayangkan. Setelah diterapkan ke Crypto, masalah ini hanya akan makin terlihat jelas.

Saya kira AI saat ini sebagian besar masih berperan sebagai alat bantu untuk pendidikan, riset, trading, dan pengambilan keputusan—termasuk menyusun data on-chain, membaca berita, menganalisis proyek, menjelaskan kontrak, mencari peluang trading, dan sebagainya. Namun, fungsi-fungsi tersebut pada kenyataannya sangat bergantung pada kemampuan model, kualitas data, daya komputasi, kemampuan rekayasa, serta biaya inferensi. Dalam banyak kasus, blockchain sering kali tidak benar-benar memainkan peran yang tidak bisa digantikan.

Jadi sekarang saya menilai apakah sebuah proyek AI + Crypto punya makna atau tidak dengan bertanya pertanyaan yang sangat sederhana: jika Blockchain (blockchain) dan Token (penerbitan koin) semuanya dihilangkan, apakah produk ini masih bisa berdiri?

Jika setelah dihilangkan semuanya masih bisa berjalan—bahkan lebih cepat, biaya lebih rendah, dan pengalaman pengguna lebih baik—saya sulit memahami mengapa harus dijadikan proyek Crypto. Sebaliknya, jika sebuah perusahaan memang memiliki model AI yang sangat kuat, kemampuan komputasi, atau kemampuan algoritma, sebenarnya tidak ada kebutuhan besar untuk memaksa masuk ke Crypto. Pasar modal tradisional sendiri sudah bersedia memberikan valuasi dan syarat pendanaan yang tinggi kepada perusahaan AI yang benar-benar unggul.

Tentu saja, masih ada tiga arah penggabungan yang menurut saya cukup menjanjikan:

Pertama: Menggabungkan AI dan pasar prediksi.

Saya tidak berpikir AI bisa menggantikan penilaian manusia. Keunikan pasar prediksi justru ada pada probabilitas transaksi: harga saat ini sebuah peristiwa yang menunjukkan peluang terjadinya 70% tidak berarti peristiwa itu benar-benar punya peluang 70%. Harga itu hanya menunjukkan bahwa pasar sudah memperdagangkan harga hingga level tersebut. Di dalam harga tersebut bisa jadi ada informasi nyata, bisa juga emosi, kurangnya likuiditas, posisi pemegang besar (whale) bahkan manipulasi yang disengaja.

Hal yang sangat cocok dilakukan AI adalah membaca sekaligus data historis, data makro, berita, media sosial, dokumen kebijakan, harga pasar terkait, dan kejadian-kejadian serupa di masa lalu, lalu membangun model probabilitas independen. Misalnya pasar menilai peluang kejadian adalah 70%, tetapi AI—berdasarkan informasi yang ada—menghitungnya hanya 52%. Kesenjangan 18% di antaranya sendiri justru bisa menjadi peluang trading.

AI bahkan bisa menilai lebih lanjut apakah kedalaman pasar saat ini sudah cukup, berapa banyak harga yang dapat digerakkan oleh dana per transaksi, dan berapa banyak kemungkinan transaksi yang berasal dari whale. Seberapa besar ruang perubahan harga saat ini yang sebenarnya dipengaruhi secara buatan. Dengan cara ini, AI yang diberikan bukan sekadar YES atau NO, melainkan penilaian tentang kualitas probabilitas pasar saat ini. Menurut saya, arah ini jauh lebih menarik daripada sekadar membuat apa yang disebut AI Oracle (oracle/penerjemah prediksi).

Terutama dalam prediksi makro, model seperti ini bisa jadi lebih bernilai. Bahkan pejabat dari Federal Reserve pernah membahas topik serupa.

Suku bunga, inflasi, pekerjaan, PDB, perubahan kebijakan—hal-hal seperti ini memang punya banyak data historis yang bisa diuji ulang (backtest). Di sini, yang paling penting bagi AI adalah terus memperbaiki probabilitas. Misalnya, semua kejadian yang diprediksi model terjadi dengan peluang 70%—pada akhirnya benar-benar terjadi kira-kira dengan 70% atau tidak.

Jika sebuah model AI dalam jangka panjang mampu memberikan probabilitas yang lebih akurat daripada pasar prediksi itu sendiri—meskipun keunggulannya hanya beberapa persen—pada jumlah transaksi yang cukup banyak, hal itu berpotensi membentuk nilai yang sangat besar.

Kedua: Menggabungkan AI dan trading kuantitatif.

Saya sendiri terus meneliti arah ini juga, tapi terus terang, saat ini saya masih merasa bahwa membiarkan AI sepenuhnya berdagang secara mandiri itu masih terlalu dini.

Keunggulan terbesar AI adalah memproses informasi. Seseorang sulit membaca sekaligus laporan keuangan puluhan perusahaan, ratusan artikel berita, puluhan ribu akun media sosial, lalu menganalisis bersama data makro, opsi, arus dana, data on-chain, dan harga. Jadi saat ini saya lebih suka membuat AI membantu saya menemukan anomali, menyaring peluang, melakukan backtest data, mencari korelasi, dan membangun hipotesis trading; setelah itu barulah manusia memutuskan apakah akan dieksekusi.

Sebenarnya, banyak perubahan besar di pasar keuangan berasal dari hal-hal yang tidak pernah muncul dalam data historis: perang yang tiba-tiba meningkat, sebuah negara yang tiba-tiba mengubah kebijakan, seorang presiden yang mendadak mengirim pesan, lembaga pengawas yang tiba-tiba mengambil keputusan. Semua ini sulit dipelajari dari pelatihan data sepuluh tahun ke belakang. Jadi setidaknya pada saat ini, saya lebih bersedia memandang AI sebagai asisten yang sangat kuat, bukan sebagai manajer investasi yang sudah matang.

Ketiga: Kebutuhan penyimpanan yang dibawa oleh era AI.

Semakin berkembang AI, data pelatihan, konten yang dihasilkan, versi model, log inferensi, data historis, video, gambar, audio, dan snapshot model akan semakin banyak. Di antaranya, yang benar-benar perlu dibaca dengan kecepatan tinggi hanyalah sebagian. Banyak data historis mungkin bertahun-tahun tidak pernah dipakai, tetapi tidak boleh langsung dihapus. Data seperti itu sebenarnya membutuhkan cold storage yang murah, stabil, dan andal.

Jadi saya terus merasa bahwa jaringan penyimpanan terdesentralisasi seperti FIL mungkin tidak tanpa kesempatan. Bukan hanya dari sisi harga; perusahaan juga peduli apakah data bisa diambil kembali dengan stabil, bagaimana kecepatannya, apakah redundansinya cukup, apakah integritas bisa diverifikasi, bagaimana penanganan privasi, apakah biaya migrasinya tinggi atau tidak, dan sebagainya.

Jika di masa depan penyimpanan terdesentralisasi benar-benar bisa menjadi lebih murah daripada penyimpanan cloud dingin tradisional, sekaligus menyediakan sifat terverifikasi dan redundansi, menurut saya justru era AI dapat kembali menghadirkan kebutuhan nyata yang cukup besar untuk jalur ini.

Pada dasarnya, bagi saya, satu-satunya pertanyaan paling penting tentang AI + Crypto adalah: Crypto menyelesaikan masalah apa yang tidak bisa diselesaikan oleh AI saja? Jika pertanyaannya tidak bisa dijawab, meskipun ceritanya terdengar sangat megah, menurut saya maknanya tidak besar.