Perusahaan kripto terus memanfaatkan teknologi AI meskipun menghadapi berbagai tantangan yang belum terselesaikan.

Mengapa Perusahaan Menggabungkan Kripto dengan AI

Integrasi kecerdasan buatan dengan teknologi blockchain kini menjadi fokus strategis bagi perusahaan kripto demi meningkatkan efisiensi operasional dan menghadirkan pengalaman pengguna yang unggul. Para pelaku industri mencari cara inovatif untuk memanfaatkan kemampuan AI di berbagai aspek bisnis, mulai dari kepatuhan dan manajemen risiko hingga layanan pelanggan serta pengembangan produk.

Jacqueline Burns-Koven, Kepala Intelijen Ancaman Siber di Chainalysis—perusahaan analisis blockchain—menjelaskan bahwa Chainalysis mulai mengembangkan solusi berbasis AI guna meningkatkan produk kepatuhan, manajemen risiko, investigasi, dan pertumbuhan untuk pelanggan. “Seperti bisnis lainnya, kami mendapatkan manfaat dengan memanfaatkan AI untuk meningkatkan efisiensi di seluruh lini bisnis; menjadikan proses lebih cepat dan efisien,” ujar Burns-Koven. Pendekatan ini menandai tren industri yang lebih luas, di mana AI digunakan untuk merampingkan proses kompleks dan menekan biaya operasional.

Pada sektor perpajakan kripto, AI mengubah cara pengguna memenuhi kewajiban pajaknya. ZenLedger, penyedia perangkat lunak pajak kripto, mengumumkan kemitraan dengan april—perusahaan finansial berbasis AI—untuk menyederhanakan proses pelaporan pajak. Pat Larsen, Co-Founder dan CEO ZenLedger, menyampaikan bahwa produk terbaru ZenLedger akan memanfaatkan teknologi april dalam mengarahkan wajib pajak melalui satu alur terpadu, menggabungkan persyaratan federal dan negara bagian, lalu menentukan pertanyaan berikutnya yang relevan. “Ini berbeda dengan perangkat lunak pajak tradisional yang mengajukan pertanyaan berdasarkan urutan pengisian formulir, kemudian memisahkan formulir federal dan negara bagian ke bagian berbeda, sering kali mengulang pertanyaan yang sama,” kata Larsen. Pendekatan cerdas ini memangkas waktu dan kompleksitas dalam pelaporan pajak kripto.

Daniel Marcous, CTO dan Co-Founder april, menguraikan aspek teknis inovasi ini. Ia menjelaskan bahwa AI sangat berperan dalam membangun produk pajak yang mencakup berbagai skenario umum, termasuk pendapatan dari kripto dan aset digital. Menurut Marcous, april menggunakan metode “tax-to-code” di mana model bahasa besar dilatih untuk membaca dokumen pajak dan mengonversinya menjadi kode perangkat lunak yang kemudian direview oleh tim insinyur pajak. Pendekatan hibrid ini menggabungkan efisiensi AI dan keahlian profesional untuk memastikan akurasi serta kepatuhan.

Aplikasi DeFi Berbasis AI

Kecerdasan buatan juga mendorong beragam use case keuangan terdesentralisasi (DeFi), membuka peluang baru untuk penilaian, perdagangan, dan pengelolaan aset digital. Nick Emmons, Co-Founder dan CEO Upshot—perusahaan infrastruktur AI—menjelaskan bagaimana perusahaannya membangun jaringan terdesentralisasi yang memungkinkan berbagai model AI saling belajar. Menurut Emmons, interaksi antar-model AI akan menciptakan meta intelligence dalam jaringan berbasis AI, yang pada akhirnya membuat jaringan lebih efisien dan cerdas dibandingkan penggunaan model individual secara terpisah.

Emmons menambahkan bahwa model AI Upshot mendorong berbagai use case DeFi yang sebelumnya tidak praktis atau mustahil diterapkan. Sebagai contoh, AI dapat meningkatkan efisiensi price feed untuk aset kripto long-tail, yaitu aset digital yang jarang diperdagangkan namun tetap likuid. Mekanisme harga tradisional sering kali gagal menangani aset tersebut karena aktivitas perdagangan yang minim, sedangkan AI mampu menganalisis berbagai sumber data untuk menghasilkan valuasi yang lebih andal. Ia menyatakan:

“AI menjadi alat penting untuk menghasilkan pembaruan harga yang lebih sering berdasarkan beragam informasi, bukan sekadar perubahan kepemilikan aset. Ini memungkinkan kita memperluas cakupan aset dalam ruang desain DeFi.”

Untuk memperjelas, Emmons menyampaikan bahwa Upshot akan segera meluncurkan “watch perps” yang dihasilkan dari watch feed berbasis AI. Inovasi ini menunjukkan bagaimana AI dapat menciptakan pasar untuk aset yang sebelumnya tidak likuid. Ia mengungkapkan:

“Jam tangan individu tidak mampu menghasilkan feed waktu nyata yang cukup untuk membangun pasar. Model AI dapat memproses data dalam jumlah besar sekaligus, sehingga memungkinkan terciptanya price feed dengan frekuensi tinggi dan akurasi tinggi untuk mengubah aset digital menjadi representasi on-chain yang ter-tokenisasi. Ini akan memperluas cakupan aset digital.”

Strategi Yield yang Ditingkatkan AI

Emmons juga menyoroti kemunculan vault DeFi berbasis AI, yang menandai kemajuan besar dalam strategi investasi otomatis. Vault DeFi berfungsi sebagai kumpulan dana dengan strategi auto-compounding yang mengelola dan menjalankan instruksi berdasarkan kondisi on-chain tertentu. Namun, Emmons mengakui bahwa keterbatasan daya komputasi dalam aktivitas on-chain menjadi kendala utama. “Karena itu, yield yang dihasilkan pengguna pun terbatas,” jelasnya. Hambatan komputasi ini selama ini membatasi kompleksitas strategi on-chain.

Untuk menjawab tantangan tersebut, Emmons menjelaskan bahwa model AI dapat digunakan untuk mengolah informasi dengan lebih efisien. “AI dapat digunakan untuk mengkodifikasi strategi yang bisa diterapkan on-chain dalam bentuk vault. Selanjutnya dapat dimanfaatkan untuk market making dan lainnya.” Dengan memproses data kompleks di luar rantai dan menerapkan strategi optimal ke on-chain, AI memungkinkan mekanisme yield yang lebih canggih.

Meskipun use case ini masih tahap awal, RoboNet adalah protokol DeFi berbasis AI untuk pasar aset long-tail dan fungible. RoboNet didukung oleh Upshot dan memungkinkan terbentuknya vault on-chain yang dikelola model machine learning, menghasilkan yield lewat optimasi likuiditas otomatis. Ini adalah implementasi nyata AI-driven DeFi yang berpotensi menjadi model pengembangan masa depan.

Tantangan Menggabungkan AI dengan Kripto

Meski AI meningkatkan efisiensi produk kripto, terdapat sejumlah tantangan yang harus diatasi demi implementasi yang aman dan efektif. Persimpangan dua teknologi yang berkembang pesat ini memunculkan risiko dan kekhawatiran unik yang memerlukan perhatian khusus dari pengembang, regulator, dan pengguna.

Kepercayaan dan Transparansi

Emmons menegaskan bahwa saat AI digunakan untuk membangun protokol DeFi, kepercayaan terhadap pencipta model sangat penting, karena jika tidak, beragam masalah bisa muncul. Sifat black-box pada banyak sistem AI berpotensi menimbulkan kerentanan di aplikasi keuangan. Ia menyatakan:

“Bias dan manipulasi dapat terjadi, sehingga penting untuk membangun tumpukan AI dalam format terdesentralisasi. Model yang berbeda dapat saling mengawasi untuk mengurangi bias dan menciptakan sumber kecerdasan yang lebih transparan.”

Emmons menambahkan bahwa zero-knowledge (ZK) proof dapat memverifikasi model machine learning dan memberi jaminan kriptografi atas integritas model. “Upshot telah merilis produk yang memverifikasi output model prediksi harga utama dalam sirkuit ZK. Ini memberikan kepastian dan integritas komputasi untuk protokol permissionless.” Pendekatan ini menawarkan solusi menjanjikan untuk masalah kepercayaan pada aplikasi kripto berbasis AI.

Marcous menambahkan bahwa AI generatif yang bekerja bersama pakar pajak dan insinyur mampu memitigasi risiko karena prosesnya melibatkan manusia. “Di april, kami melakukan pengujian ketat pada seluruh produk dan wajib lulus uji Internal Revenue Service serta otoritas negara bagian sebelum peluncuran,” ujarnya. Model human-in-the-loop memastikan output AI divalidasi pakar sebelum diterapkan di sistem produksi.

Ketidakpastian Regulasi

Walau strategi ini membantu, ketiadaan regulasi terkait penggunaan AI tetap menjadi tantangan berkelanjutan bagi industri kripto. Salah satunya, sulit memastikan AI benar-benar digunakan untuk kepentingan pengguna, bukan sekadar investor atau pengembang model machine learning. Ketidakjelasan ini berisiko menimbulkan konflik kepentingan dan memicu pertanyaan soal akuntabilitas ketika sistem AI mengambil keputusan berdampak pada hasil finansial pengguna.

Karena itu, sejumlah negara mulai membentuk lembaga pengawas AI. Contohnya, Presiden Uni Emirat Arab dan penguasa Abu Dhabi, Sheikh Mohamed bin Zayed Al Nahyan, menetapkan undang-undang pembentukan Artificial Intelligence and Advanced Technology Council. Pemerintah Abu Dhabi mengumumkan, “dewan ini bertanggung jawab merumuskan dan menerapkan kebijakan serta strategi terkait riset, infrastruktur, dan investasi kecerdasan buatan serta teknologi canggih di Abu Dhabi.” Ini menjadi salah satu kerangka kerja pengawasan pemerintah yang komprehensif untuk AI.

Ketua United States Securities and Exchange Commission, Gary Gensler, turut mengingatkan bahaya AI bagi sektor keuangan tradisional. Dengan demikian, kejelasan regulasi AI di Amerika Serikat diprediksi akan semakin berkembang. Lanskap regulasi AI di sektor keuangan akan terus bergerak seiring otoritas menyesuaikan diri dengan perkembangan teknologi ini.

Prospek Masa Depan

Seluruh perkembangan ini dinilai penting, sebab Emmons meyakini AI pada akhirnya akan diadopsi di setiap fungsi vital masyarakat. Untuk sementara, ia menilai sektor kripto cenderung mengadopsi jenis AI yang telah diterapkan di sektor keuangan tradisional. Ia menuturkan:

“Karena kripto merupakan inovasi di bidang keuangan, jenis AI ini lebih cocok untuk aplikasi finansial. Selain itu, model machine learning klasik lebih menarik dan kompatibel dengan format yang dapat diverifikasi, sehingga perangkat kriptografi di sekitarnya dapat dikembangkan lebih cepat dibandingkan model AI generatif.”

Pendekatan pragmatis ini menandakan industri kripto akan mengadopsi teknik AI yang telah terbukti di keuangan tradisional sebelum bereksperimen dengan teknologi AI yang lebih mutakhir. Seiring perkembangan teknologi dan regulasi, integrasi AI dan kripto akan semakin dalam, berpotensi mentransformasi cara aset digital dibuat, diperdagangkan, dan dikelola.

FAQ

Mengapa perusahaan kripto menggunakan teknologi AI? Apa saja skenario aplikasi spesifiknya?

Perusahaan kripto memanfaatkan AI untuk deteksi penipuan, manajemen risiko, optimalisasi perdagangan, dan analisis pasar. AI memperkuat keamanan dengan pengenalan pola, mengotomatisasi pemantauan transaksi, meningkatkan akurasi prediksi harga, dan mempersonalisasi pengalaman pengguna. Beragam aplikasi ini meningkatkan efisiensi operasional dan volume perdagangan secara signifikan.

Bagaimana AI diterapkan dalam perdagangan mata uang kripto dan manajemen risiko?

AI menganalisis data pasar historis untuk memprediksi risiko dan mengidentifikasi peluang perdagangan. AI mendeteksi anomali dan pola mencurigakan secara real time, meningkatkan keamanan. Model machine learning mengoptimalkan keputusan portofolio dan menekan potensi kerugian melalui penilaian risiko otomatis dan strategi mitigasi.

Apa tantangan dan risiko utama bagi perusahaan kripto dalam memanfaatkan AI?

Perusahaan kripto menghadapi tantangan teknis dalam implementasi AI, ketidakpastian regulasi, kerentanan keamanan data, hambatan adopsi pasar, dan kekurangan talenta blockchain-AI. Faktor-faktor tersebut memperumit proses pengembangan dan meningkatkan biaya operasional secara signifikan.

Apa peran AI dalam mendeteksi penipuan kripto dan anti-pencucian uang (AML)?

AI memantau transaksi secara real time untuk mengidentifikasi aktivitas dan pola mencurigakan, memperkuat deteksi penipuan dan kepatuhan AML. AI mengotomatisasi proses pelaporan, mengurangi beban regulasi, dan meningkatkan efisiensi operasional bisnis kripto.

Apa peran teknologi AI dalam perlindungan keamanan di bursa mata uang kripto?

AI mendeteksi serta mencegah ancaman keamanan secara real time, mengotomatisasi respons ancaman, mengidentifikasi transaksi penipuan, dan memperkuat keamanan bursa melalui pemantauan berkelanjutan serta deteksi anomali.

Apa persyaratan dan pembatasan regulator terhadap perusahaan kripto yang menggunakan AI?

Regulator mensyaratkan perusahaan kripto membangun kerangka kepatuhan berbasis AI untuk perdagangan dan manajemen risiko. Mereka menuntut transparansi dan pengawasan algoritmik, serta menerapkan pendekatan ‘minimal effective regulation’ guna mendorong inovasi di layanan keuangan berbasis AI.

Apa keunggulan dan kelemahan proyek kripto berbasis AI dibandingkan proyek tradisional?

Proyek kripto berbasis AI menawarkan efisiensi unggul melalui otomasi dan adaptasi pasar dinamis, memfasilitasi pengambilan keputusan lebih cepat dan operasi yang optimal. Namun, mereka menghadapi kompleksitas teknis lebih tinggi, risiko implementasi, serta potensi kerentanan pada algoritma AI yang tidak ditemukan pada proyek tradisional.

Apa tantangan privasi data dan kepatuhan yang dihadapi AI di industri kripto?

AI di industri kripto menghadapi risiko privasi data akibat penggunaan ulang tanpa izin, pelanggaran keamanan yang membahayakan informasi sensitif, serta tantangan kepatuhan terhadap regulasi seperti GDPR dan CCPA. Perusahaan perlu menerapkan tata kelola data yang ketat, enkripsi, dan transparansi persetujuan pengguna guna melindungi data pribadi dan memastikan kepatuhan regulasi.