Selama dua puluh tahun terakhir, hampir seluruh industri internet melakukan hal yang sama: memudahkan manusia dalam mengoperasikan perangkat lunak.
Google memecahkan masalah pencarian informasi, Amazon memudahkan belanja daring, Uber mengatur transportasi, dan Salesforce mengelola hubungan pelanggan. Berbagai produk SaaS juga mencakup pengelolaan keuangan, SDM, pemasaran, dan proyek di dalam perusahaan.
Produk-produk ini memiliki satu asumsi dasar yang sama: manusia adalah pihak utama yang mengoperasikan perangkat lunak. Karena itu, perusahaan perangkat lunak perlu terus menyempurnakan antarmuka pengguna, mempermudah penggunaannya, dan meningkatkan pengalaman interaksi, lalu memperoleh pendapatan melalui langganan, iklan, atau komisi transaksi.
Namun, kemunculan AI Agent tengah mengubah asumsi ini. Ketika agen mampu memahami tugas, menggunakan alat eksternal, mengakses basis data, menjalankan program, dan melakukan transaksi dalam batas otorisasi, manusia tidak lagi perlu mengoperasikan setiap perangkat lunak sendiri.
Ini bukan sekadar perubahan cara berinteraksi. Ketika pihak utama yang mengoperasikan perangkat lunak beralih secara bertahap dari manusia ke agen, model bisnis yang dibangun selama dua puluh tahun terakhir dengan mengandalkan trafik, retensi pengguna, dan langganan perangkat lunak bisa menghadapi penetapan harga ulang.
Perangkat lunak paling bernilai di masa depan belum tentu memiliki pengguna manusia terbanyak. Bisa jadi justru layanan yang paling sering digunakan oleh agen.
I. Pengeluaran SaaS sebesar 234 miliar dolar AS menghadapi penetapan harga ulang
Pada Juli 2026, Gartner menerbitkan sebuah prediksi yang patut diperhatikan industri perangkat lunak: pada 2030, AI agen dapat memengaruhi hingga 234 miliar dolar AS pengeluaran untuk perangkat lunak aplikasi perusahaan, atau sekitar 20% dari pengeluaran SaaS aplikasi perusahaan pada saat itu.
Gartner menyebut fenomena ini Agentic Arbitrage (arbitrase agen), yaitu ketika agen menjalankan tugas lintas sistem sehingga mengurangi ketergantungan perusahaan pada antarmuka pengoperasian perangkat lunak tradisional dan kursi pengguna terkait.
Dulu, perusahaan dengan 1.000 karyawan mungkin perlu membeli banyak lisensi perangkat lunak untuk CRM, ERP, manajemen proyek, dan intelijen bisnis. Namun, jika sebagian pekerjaan dapat diserahkan kepada agen, perusahaan mungkin tidak perlu lagi menyediakan kursi pengguna manusia tersendiri untuk setiap tahap pelaksanaan.
Ambil contoh proses penjualan. Dulu, staf penjualan harus memasukkan informasi pelanggan secara manual, memperbarui CRM, membuat penawaran, mengirim email, lalu menyinkronkan data transaksi dengan sistem keuangan. Kini, langkah-langkah ini sudah dapat dirangkai melalui API dan alat otomatisasi. Arah pengembangan selanjutnya adalah membuat agen menentukan sendiri sistem mana yang perlu dipanggil dan tindakan apa yang perlu dilakukan berdasarkan sasaran bisnis.
CRM dan ERP tidak akan kehilangan nilainya karena hal ini. Data pelanggan, catatan pesanan, data inventaris, dan buku besar keuangan tetap membutuhkan sistem yang andal untuk menyimpannya. Namun, perusahaan mungkin tidak lagi membutuhkan begitu banyak karyawan yang setiap hari membuka sistem tersebut dan menyelesaikan tugas satu per satu.
Hal ini akan berdampak langsung pada Seat-based Pricing di SaaS tradisional, yaitu model bisnis yang mengenakan biaya berdasarkan jumlah kursi pengguna. Selama ini, salah satu sumber utama pertumbuhan pendapatan perusahaan perangkat lunak adalah bertambahnya karyawan dan akun perangkat lunak di perusahaan klien. Ke depannya, perusahaan mungkin mengurangi sebagian kursi untuk operator manusia, sekaligus menambah anggaran untuk panggilan API, tugas otomatis, dan eksekusi agen.
Model pendapatan vendor perangkat lunak juga dapat beralih secara bertahap dari penagihan per pengguna menjadi penagihan berdasarkan volume pemanggilan, alur kerja, dan hasil tugas.
Nilai perangkat lunak tidak hilang, tetapi cara mengukurnya mungkin berubah.
II. Google dan Anthropic tengah membangun standar komunikasi antaragen
Untuk menilai apakah suatu teknologi benar-benar mulai diterapkan di industri, biasanya saya tidak hanya melihat kemampuan baru yang ditampilkan model. Saya juga melihat apakah perusahaan mulai mengerahkan sumber daya untuk membangun standar teknis bersama.
Pada 2025, Google meluncurkan Agent2Agent Protocol (A2A). Pada April 2026, Linux Foundation mengumumkan bahwa A2A telah mendapat dukungan dari lebih dari 150 organisasi, termasuk perusahaan seperti Google, Microsoft, AWS, Salesforce, SAP, dan ServiceNow.
Tujuan A2A adalah memungkinkan agen yang dibuat dengan kerangka kerja berbeda dan diterapkan oleh vendor berbeda untuk saling menemukan, berkomunikasi, mendelegasikan tugas, dan bertukar hasil.
Sementara itu, Model Context Protocol (MCP) yang pertama kali diluncurkan Anthropic tengah menangani masalah lain: menghubungkan sistem AI dengan alat eksternal dan sumber data melalui antarmuka standar.
Keduanya memiliki fungsi yang berbeda. MCP terutama menangani Agent-to-Tool, yaitu cara agen menggunakan alat; A2A terutama menangani Agent-to-Agent, yaitu cara berbagai agen berkolaborasi.
Perkembangan kedua protokol ini berarti sistem perangkat lunak di masa depan belum tentu perlu berinteraksi melalui antarmuka manusia.
Bayangkan sebuah perusahaan multinasional perlu membeli sejumlah server. Agen pengadaan dapat terlebih dahulu memperoleh informasi tentang stok dan anggaran, lalu meminta penawaran dari agen pemasok, menggunakan layanan logistik untuk menghitung waktu pengiriman, dan akhirnya meminta sistem keuangan memeriksa otorisasi pembayaran.
Setiap langkah di dalamnya dapat dilakukan oleh sistem yang dikembangkan perusahaan berbeda. Dulu, perusahaan membutuhkan banyak antarmuka khusus dan koordinasi manual. Kini, industri berupaya menekan biaya kolaborasi lintas sistem melalui protokol standar.
Tentu saja, penyatuan protokol tidak berarti semua sistem sudah dapat saling terhubung tanpa hambatan. Autentikasi identitas, pengelolaan izin, format data, dan penanganan kesalahan masih memerlukan pengembangan tambahan. Namun, dari arah perkembangan teknologinya, perangkat lunak mulai merancang cara komunikasi bagi pihak yang bukan manusia.
Dulu, kita mengembangkan API terutama agar berbagai perangkat lunak dapat bertukar data. Ke depannya, antarmuka ini bisa menjadi landasan bagi agen untuk menjalankan tugas secara mandiri, mengoordinasikan sumber daya, dan membeli layanan.
III. Stripe mulai memungkinkan agen membayar langsung; mesin menjadi pelaku konsumsi baru
Pada 2026, Stripe dan Tempo bersama-sama meluncurkan Machine Payments Protocol (MPP), yang bertujuan memungkinkan agen membayar langsung untuk API, data, dan sumber daya digital lainnya.
Alur pembayaran internet tradisional terutama dirancang untuk manusia. Pengguna membuat akun, memilih paket, mengisi informasi pembayaran, lalu mengonfirmasi pembelian. Namun, saat menjalankan tugas, agen mungkin hanya perlu melakukan satu panggilan antarmuka.
Sebagai contoh, agen riset keuangan yang menganalisis suatu aset mungkin perlu membeli tiga layanan untuk sementara: data pasar real-time, aliran dana on-chain, dan data volatilitas historis.
Misalkan harga satu kali pemanggilan untuk masing-masing layanan adalah 0,003, 0,005, dan 0,002 dolar AS. Jika menggunakan model pembayaran kartu kredit tradisional, biaya tetap transaksi bisa lebih tinggi daripada harga layanannya sendiri. Protokol pembayaran mesin seperti MPP dan x402 berupaya membuat transaksi kecil yang dibayar per penggunaan seperti ini menjadi layak.
Riset yang dirilis Visa dan Artemis pada 2026 juga mulai mengamati perkembangan pembayaran mesin melalui transaksi on-chain nyata. Statistik awal terkait menunjukkan bahwa dalam beberapa minggu pertama setelah peluncuran MPP, sekitar 115.000 transaksi telah diproses dengan nilai penyelesaian sekitar 25.000 dolar AS dan nilai rata-rata sekitar 0,22 dolar AS per transaksi.
Data ini tetap perlu dinilai dengan mempertimbangkan metodologi statistik, jenis transaksi, dan penggunaan di lingkungan produksi yang sebenarnya; data tersebut tidak bisa langsung dianggap sebagai bukti bahwa permintaan komersial nyata telah terbentuk dalam skala besar. Namun, pola pembayaran yang tercermin di dalamnya layak diteliti.
Dulu, layanan digital biasanya mengenakan biaya bulanan atau tahunan karena menagih beberapa pecahan sen dari setiap pengguna tidak ekonomis. Ke depannya, jika agen dapat melakukan pembayaran dengan biaya rendah, penyedia layanan data berpeluang mengenakan biaya untuk setiap pencarian, komputasi, atau eksekusi.
Perusahaan tanpa aplikasi konsumen pun dapat langsung menjual layanan API khusus kepada agen, tanpa perlu terlebih dahulu membangun saluran trafik yang menyasar pengguna umum.
Bagi industri kripto, hal ini mungkin memunculkan permintaan baru untuk pembayaran dengan stablecoin. Namun, stablecoin bukan satu-satunya pilihan. Perusahaan seperti Stripe dan Visa juga tengah menjajaki kredensial kartu bank, otorisasi pembayaran, dan berbagai cara penyelesaian transaksi.
Pada akhirnya, apakah pembayaran mesin dapat digunakan secara luas bergantung pada biaya, kecepatan, kepatuhan terhadap regulasi, mekanisme pengembalian dana, dan kebutuhan bisnis nyata—bukan semata-mata pada blockchain yang digunakan.
Salah satu pengguna penting stablecoin di masa depan mungkin bukan manusia, melainkan agen yang telah mendapat otorisasi dan mampu membeli layanan digital secara mandiri.
IV. Internet generasi berikutnya mungkin tidak lagi membutuhkan banyak pintu masuk yang dirancang untuk manusia
Pada era internet seluler, perusahaan bersaing memperebutkan perhatian pengguna. Peringkat toko aplikasi, trafik mesin pencari, iklan, retensi pengguna, DAU, dan MAU membentuk sistem pertumbuhan bagi banyak produk internet.
Namun, pola perilaku agen berbeda dari manusia. Saat membeli layanan, manusia mungkin dipengaruhi oleh merek, iklan, desain halaman, dan kebiasaan penggunaan. Saat menjalankan tugas, agen dapat membandingkan layanan berdasarkan kriteria yang telah ditentukan.
Sebagai contoh, sebuah agen perlu membeli layanan data real-time. Kriteria pilihannya mungkin seperti berikut:
Latensi data di bawah 500 milidetik.
Tingkat ketersediaan selama 30 hari terakhir di atas 99,9%.
Harga setiap pemanggilan di bawah 0,01 dolar AS.
Menyediakan sumber data yang dapat diverifikasi.
Mendukung API standar.
Jika beberapa penyedia layanan memenuhi persyaratan, agen dapat membandingkan harga, kecepatan respons, tingkat kesalahan historis, dan izin layanan.
Dalam skenario seperti ini, desain antarmuka pengguna hampir tidak memberi nilai langsung bagi akses oleh mesin. Stabilitas layanan, kualitas data, biaya pemanggilan, dan dokumentasi antarmuka yang dapat dibaca mesin justru menjadi tolok ukur persaingan yang lebih penting.
Tentu saja, merek dan reputasi tidak akan sepenuhnya hilang. Perusahaan mungkin tetap mengharuskan agen untuk mengutamakan pemasok bersertifikat atau hanya menggunakan layanan yang memenuhi kebijakan keamanan internal.
Namun, cara distribusi perangkat lunak di masa depan mungkin akan terpecah dengan jelas. Satu jalur tetap melayani manusia, menjangkau pengguna melalui aplikasi, situs web, pencarian, dan media sosial. Jalur lainnya melayani agen, memperoleh panggilan melalui API, protokol, registri layanan, dan deskripsi kemampuan yang dapat dibaca mesin.
Kedua sistem ini akan hidup berdampingan dalam jangka panjang, tetapi logika bisnisnya tidak sepenuhnya sama. Dulu, pengembang perlu memikirkan cara agar pengguna menemukan aplikasi mereka. Ke depannya, mereka juga perlu memikirkan cara agar agen menemukan layanan mereka dan cara membuktikan bahwa layanan tersebut lebih andal daripada layanan lainnya.
Ini membuat saya mulai memikirkan satu pertanyaan:
Jika kelak agen dapat menemukan, membandingkan, dan membeli layanan secara mandiri, siapa yang akan mengendalikan pintu masuk distribusi layanan tersebut?
Dulu, Google menguasai pintu masuk pencarian, Apple menguasai App Store, dan Microsoft menguasai banyak pintu masuk ke perangkat kerja perusahaan. Namun, dalam ekonomi agen, pemilihan layanan bisa berlangsung di antara model, platform tempat agen berjalan, sistem otorisasi perusahaan, dan jaringan pencarian layanan.
Sistem-sistem ini tidak hanya menentukan layanan apa yang dapat ditemukan agen, tetapi juga dapat memengaruhi pemasok mana yang akan lebih dahulu digunakan.
Jika sistem distribusi ini semakin matang, persaingan untuk memperebutkan pintu masuk internet generasi berikutnya tidak lagi harus berlangsung hanya antara browser dan toko aplikasi.
V. Perusahaan perangkat lunak di masa depan mungkin sama sekali tidak memiliki produk untuk masyarakat umum
Jika ke depannya banyak tugas dikerjakan oleh agen, infrastruktur yang dibutuhkan untuk menjalankan agen bisa membuka peluang usaha baru.
Yang layak diteliti bukanlah membuat satu chatbot lagi, melainkan menyelesaikan masalah kolaborasi nyata antaragen.
Pertama adalah identitas dan otorisasi agen (Agent Identity & Authorization).
Ketika sebuah perusahaan menerapkan ratusan agen, tiap agen harus memiliki izin yang berbeda. Agen pengadaan boleh membeli perangkat lunak, tetapi tidak boleh memindahkan seluruh dana perusahaan. Agen keuangan boleh membayar tagihan, tetapi harus dibatasi oleh anggaran, penerima pembayaran, dan aturan persetujuan.
Artinya, agen memerlukan identitas yang dapat diverifikasi, cakupan otorisasi yang jelas, mekanisme pencabutan izin, serta audit operasional yang lengkap. Terutama dalam urusan keuangan dan pengadaan perusahaan, kemampuan agen untuk melakukan suatu tindakan bukan berarti agen seharusnya memiliki izin tanpa batas.
Kedua adalah pencarian layanan (Agent Discovery).
Ke depannya, agen mungkin perlu mencari layanan eksternal berdasarkan tugas yang diberikan. Agen keuangan membutuhkan data on-chain, agen hukum membutuhkan basis data peraturan, dan agen pengembangan membutuhkan lingkungan pengujian.
Jika setiap agen harus mengintegrasikan semua layanan terlebih dahulu, biaya pengembangan dan pemeliharaannya akan sangat tinggi. Karena itu, pasar mungkin membutuhkan infrastruktur Agent Discovery khusus, agar agen dapat mencari pemasok berdasarkan kemampuan layanan, harga, izin, dan keandalan.
Selanjutnya adalah reputasi dan verifikasi agen (Agent Reputation & Verification).
Manusia dapat menilai keandalan pemasok lewat merek, ulasan, dan kerja sama jangka panjang. Namun, agen membutuhkan metrik yang lebih mudah diverifikasi secara otomatis, seperti tingkat keberhasilan tugas, tingkat ketersediaan historis, waktu respons rata-rata, keakuratan data, serta mekanisme kompensasi dan koreksi jika terjadi kesalahan.
Tantangan teknis terbesar di sini bukanlah membuat papan peringkat, melainkan memverifikasi apakah tugas benar-benar telah selesai serta mencegah penyedia layanan memalsukan data atau memanipulasi penilaian.
Mencatat data di blockchain pun tidak berarti catatan itu pasti benar. Sistem reputasi yang andal tetap membutuhkan verifikasi independen, sumber data yang dapat ditelusuri, dan mekanisme pertanggungjawaban yang jelas.
Terakhir adalah pembayaran dan penyelesaian transaksi (Agent Payment & Settlement).
Setelah dapat menemukan layanan, memverifikasi identitas, dan memastikan harga, agen juga perlu mengotorisasi pembayaran, menerima layanan, dan mengonfirmasi hasilnya. Jika fungsi-fungsi ini dapat membentuk infrastruktur yang stabil, fungsi tersebut berpotensi mendukung banyak transaksi komersial antar mesin.
Agent Marketplace di masa depan belum tentu berupa toko aplikasi yang dijelajahi manusia. Bisa jadi bentuknya hanya sekumpulan API: agen mengirimkan permintaan tugas, sistem mengembalikan penyedia layanan yang memenuhi kriteria, lalu melakukan pemanggilan, penagihan, dan verifikasi hasil.
Konsumen biasa bahkan mungkin tidak tahu bahwa perusahaan ini ada, tetapi perusahaan tersebut bisa memproses jutaan permintaan layanan setiap hari.
Daya saing utama perusahaan semacam ini bukan lagi seberapa menarik antarmuka penggunanya, melainkan seberapa banyak agen yang memasukkan layanannya ke dalam alur kerja sehari-hari.
VI. SaaS tradisional tidak akan sepenuhnya hilang, tetapi keunggulan kompetitif akan bergeser
Di sini, kita perlu membedakan dua hal: nilai fungsional perangkat lunak dan antarmuka pengoperasian perangkat lunak oleh manusia. AI Agent mungkin sangat mengurangi kebutuhan akan hal yang kedua, tetapi bukan berarti yang pertama akan hilang.
Perusahaan tetap membutuhkan basis data, sistem keuangan, autentikasi identitas, catatan transaksi, dan manajemen kepatuhan. Selain itu, vendor perangkat lunak tradisional yang memiliki banyak data eksklusif dan hubungan dengan klien perusahaan juga dapat secara aktif mengubah produknya menjadi layanan untuk agen.
Perusahaan seperti Salesforce, SAP, dan Microsoft belum tentu akan digantikan oleh perusahaan baru. Mereka juga berpeluang menjadi penyedia infrastruktur penting dalam ekonomi agen.
Yang benar-benar menghadapi tekanan adalah perangkat lunak yang tidak memiliki data eksklusif maupun keunggulan bisnis, dan mengandalkan alur kerja yang rumit serta biaya perpindahan pengguna untuk mempertahankan pendapatan.
Ketika agen dapat berinteraksi langsung dengan berbagai sistem, keunggulan kebiasaan penggunaan yang dihasilkan antarmuka perangkat lunak bisa melemah.
Namun, agen sendiri masih jauh dari cukup matang untuk mengambil alih semua pekerjaan perusahaan. Gartner pernah memperkirakan bahwa lebih dari 40% proyek AI agen mungkin dibatalkan sebelum akhir 2027, terutama karena biaya meningkat, nilai bisnis tidak jelas, dan pengendalian risiko tidak memadai.
Ini juga menunjukkan bahwa kemampuan model menyelesaikan tugas tidak berarti perusahaan dapat menerapkannya dalam jangka panjang dengan biaya yang wajar.
Meskipun sebuah agen dapat menyelesaikan 95% tugas di lingkungan pengujian, bukan berarti perusahaan bisa dengan aman membiarkannya mengelola pengadaan, keuangan, dan data pelanggan secara mandiri. Sebab, 5% sisanya mungkin melibatkan pembayaran yang keliru, kebocoran data, pesanan ganda, atau tindakan bisnis yang tidak dapat dipulihkan.
Karena itu, infrastruktur agen yang benar-benar bernilai di masa depan belum tentu merupakan produk dengan fitur terbanyak, melainkan sistem yang mampu berjalan stabil dalam lingkungan bisnis nyata serta mengelola kesalahan, izin, dan risiko dana secara efektif.
Itulah sebabnya verifikasi identitas, kontrol izin, audit eksekusi, dan verifikasi hasil tugas mungkin menjadi bagian penting dari ekonomi agen.
VII. Untuk siapa para pendiri perusahaan rintisan seharusnya membuat produk di masa depan?
Dulu, para pendiri perusahaan rintisan biasanya terlebih dahulu mempertimbangkan ukuran pengguna, dengan sasaran memperoleh seratus ribu, satu juta, atau bahkan sepuluh juta pengguna. Produk perlu terus menyempurnakan antarmuka dan meningkatkan retensi, lalu menghasilkan uang melalui iklan, langganan, atau komisi transaksi.
Namun, jika di masa depan internet dipenuhi banyak agen yang mampu menjalankan tugas secara mandiri, para pendiri perusahaan rintisan perlu memikirkan kembali siapa sebenarnya pelanggan mereka.
Perusahaan penyedia data keuangan mungkin tidak lagi perlu menarik seratus ribu investor agar membuka situsnya setiap hari. Perusahaan itu dapat langsung menyediakan antarmuka data bagi puluhan ribu agen investasi.
Perusahaan penyedia layanan pengenalan gambar tidak harus mengembangkan aplikasi penyuntingan gambar yang lengkap. Perusahaan itu bisa menjadi layanan khusus yang digunakan agen lain saat mengerjakan tugas visual.
Perusahaan penyedia verifikasi identitas juga tidak perlu membuat konsumen biasa masuk ke platformnya setiap hari. Selama agen perusahaan harus melalui sistem otorisasinya saat menjalankan tugas sensitif, permintaan layanan yang berkelanjutan dapat terbentuk.
Perubahan terbesar dalam model bisnis ini adalah pendapatan tidak lagi sepenuhnya bergantung pada seberapa sering manusia menggunakan perangkat lunak, tetapi bisa berasal dari pemanggilan tugas yang berlangsung terus-menerus antar mesin.
Tentu saja, ini bukan berarti agen akan memiliki kemampuan belanja tanpa batas yang terpisah dari manusia. Anggaran mereka tetap berasal dari individu dan perusahaan, dan otorisasi transaksi juga perlu dikendalikan.
Namun, pihak yang benar-benar menjalankan anggaran mungkin akan semakin banyak beralih dari manusia ke perangkat lunak. Ketika pihak yang menjalankan berubah, desain produk, distribusi layanan, dan cara penagihan pun ikut berubah.
Dulu, para pendiri perusahaan rintisan perlu mempelajari cara meningkatkan retensi pengguna dan menekan biaya akuisisi pelanggan. Ke depannya, sebagian perusahaan yang sejak awal dibangun dengan AI mungkin lebih berfokus pada volume panggilan API, tingkat penyelesaian tugas, biaya eksekusi rata-rata, serta jumlah agen yang terus bergantung pada layanan mereka.
Ini juga berarti bahwa ke depannya mungkin muncul sejumlah perusahaan teknologi yang sangat berbeda dari SaaS tradisional.
Layanan-layanan ini tidak memiliki antarmuka depan yang rumit, tidak bergantung pada peringkat toko aplikasi, dan tidak perlu menarik banyak konsumen untuk masuk setiap hari. Layanan yang mereka sediakan mungkin hanya berupa kemampuan yang sangat spesifik, seperti pencarian data, verifikasi identitas, penyelesaian pembayaran, atau pelaksanaan tugas.
Selama kemampuan ini terus digunakan oleh cukup banyak agen, peluang untuk membangun sumber pendapatan yang stabil akan terbuka.
VIII. Waktu yang tersisa bagi umat manusia tidak banyak
Yang dimaksud dengan “manusia” di sini bukanlah manusia yang akan segera digantikan oleh AI. Yang mungkin sedang memasuki titik balik adalah sistem perangkat lunak yang selama dua puluh tahun terakhir dibangun berdasarkan klik, penjelajahan, dan tindakan manusia.
Pada era internet seluler, para pendiri perusahaan rintisan mempelajari cara membuat manusia mengunduh lebih banyak aplikasi. Pada era agen, mereka perlu mempelajari cara membuat layanan mereka ditemukan dan digunakan oleh lebih banyak Agent.
Dulu, perusahaan perangkat lunak mengandalkan jumlah pengguna, durasi penggunaan, dan pertumbuhan kursi langganan. Ke depannya, sebagian perusahaan perangkat lunak mungkin memperoleh pendapatan dari panggilan API, pelaksanaan tugas, transaksi data, dan layanan otomatis.
Dulu, pintu masuk komersial utama internet adalah mesin pencari, browser, dan toko aplikasi. Ke depannya, bisa muncul jaringan pencarian layanan, identitas, reputasi, pembayaran, dan eksekusi yang khusus melayani agen.
Hal ini juga mengubah pandangan saya tentang perusahaan rintisan teknologi generasi berikutnya.
Saya tidak lagi beranggapan bahwa setiap perusahaan perangkat lunak yang bernilai harus memiliki aplikasi untuk konsumen biasa. Jika sebuah perusahaan dapat menyediakan data, alat, atau infrastruktur yang dibutuhkan jutaan agen setiap hari, perusahaan itu bisa membangun bisnis berskala besar meskipun tanpa antarmuka pengguna yang rumit.
Sementara itu, perangkat lunak yang masih mengharuskan manusia berulang kali mengeklik, menyalin, mengisi formulir, dan berpindah halaman untuk menyelesaikan pekerjaan kemungkinan akan menghadapi tekanan yang semakin besar.
Dulu, kita mengembangkan perangkat lunak agar manusia dapat menggunakan komputer. Ke depannya, kita mungkin mengembangkan perangkat lunak agar agen dapat menggunakan perangkat lunak lainnya.
Jika saya memulai perusahaan rintisan teknologi lagi hari ini, saya akan serius mempertimbangkan sebuah pertanyaan yang jarang diajukan orang:
Mengapa produk saya harus dirancang untuk digunakan manusia?
Jika nantinya ada jutaan agen yang perlu membeli data, memverifikasi identitas, menggunakan alat, membayar biaya, dan mencari agen lain untuk menyelesaikan tugas, membangun infrastruktur untuk kebutuhan ini mungkin lebih layak diteliti daripada membuat satu aplikasi konsumen biasa lagi.