Noman_peerzada

Awalnya saya berasumsi bahwa kebijakan otorisasi ada untuk membuat keputusan.
Semakin saya mendalami Newton, semakin terasa bahwa itu tidak sepenuhnya akurat.
Sebuah kebijakan sebenarnya tidak benar-benar mengambil keputusan.
Kebijakan itu mengingat.
Setiap batas.
Setiap kondisi.
Setiap pengecualian.
Seseorang harus memikirkan semuanya sejak lama, jauh sebelum sebuah transaksi pernah muncul.
Ketika pada akhirnya agen AI meminta izin, bagian tersulit sudah terjadi.
Sistem ini tidak sedang menciptakan penilaian secara real time.
Sistem ini hanya memutar ulang penilaian yang telah dikodekan dengan cermat sebelumnya.
Itu mengubah cara saya berpikir tentang otomatisasi.
Kita menghabiskan banyak waktu untuk bertanya apakah AI akan membuat keputusan keuangan yang baik.
Newton membuat saya menyadari bahwa kita mungkin perlu menghabiskan waktu yang sama untuk bertanya apakah kebijakan di balik keputusan-keputusan itu pantas diulang ribuan kali tanpa menyimpang dari maksud awal.
Transaksinya hanya berlangsung beberapa detik.
Penilaian di baliknya mungkin diam-diam membentuk jutaan transaksi lainnya.

Di mana, menurut Anda, letak risiko terbesar sebenarnya?

@NewtonProtocol $NEWT #Newt
$LAB $DEXE

Saya dulu berpikir tantangan terbesar bagi agen AI adalah membuat mereka menjadi lebih pintar.
Model yang lebih baik.
Penalaran yang lebih baik.
Keputusan yang lebih baik.
Tapi semakin saya mengamati ke mana arah AI berkembang, semakin saya mulai memikirkan masalah yang berbeda.
Apa yang terjadi ketika agen AI bukan hanya menjawab pertanyaan, tetapi benar-benar memindahkan uang, berinteraksi dengan kontrak, atau membuat keputusan atas nama seseorang?
Aksi itu sendiri mudah untuk diperhatikan.
Pertanyaan yang lebih sulit datang kemudian:
"Mengapa ini diperbolehkan?"
Pertanyaan itu menjadi penting ketika sistem tidak lagi dikendalikan oleh seseorang yang mengklik setiap tombol.
Saya mulai melihat bagaimana Newton mendekati otorisasi, dan gagasan itu menonjol bagi saya.
Mungkin masa depan keuangan AI bukan hanya tentang memberi agen lebih banyak kemampuan.
Mungkin ini tentang menciptakan cara untuk memverifikasi keputusan di balik tindakan mereka.
Saya tidak tahu apakah pengguna akan peduli dengan catatan-catatan ini setiap hari.
Mungkin tidak.
Tapi ketika sebuah sistem otonom membuat keputusan keuangan, memiliki alasan di balik keputusan itu mungkin lebih penting daripada transaksi itu sendiri.
Akankah otorisasi menjadi lapisan yang hilang untuk agen AI?

@NewtonProtocol #Newt $NEWT $METAB $XPIN

Hal yang saya perhatikan tentang sistem keuangan yang baik adalah bahwa sistem seperti itu jarang sekali meminta kepercayaan sekaligus.
Mereka mendapatkannya sedikit demi sedikit.
Satu pembayaran berjalan persis seperti yang diharapkan.
Lalu yang berikutnya.
Lalu yang berikutnya lagi.
Pada akhirnya Anda berhenti memikirkan prosesnya sama sekali.
Bukan karena Anda telah memverifikasi setiap keputusan.
Melainkan karena tidak ada sesuatu pun yang memberi Anda alasan untuk mempertanyakannya.
Itu membuat saya melihat otorisasi dengan cara yang berbeda.
Kebanyakan orang mengira keberadaannya untuk menghentikan transaksi-transaksi yang buruk.
Saat membaca tentang Newton, saya terus kembali pada pemikiran yang berbeda.
Setiap keputusan yang konsisten mengajarkan kepada pengguna apa yang akan dilakukan sistem selanjutnya.
Lama kelamaan, keputusan-keputusan itu berubah menjadi ekspektasi.
Dan ekspektasi itu diam-diam berubah menjadi kepercayaan.
Bagian yang menarik adalah bahwa kepercayaan tidak muncul pada hari kebijakan ditulis.
Kepercayaan muncul berbulan-bulan kemudian, saat transaksi yang keseratus ditangani dengan cara yang sama seperti transaksi pertama.
Kemungkinan besar, itulah satu-satunya jenis kepercayaan yang bertahan.

@NewtonProtocol $NEWT #Newt

Untuk sementara, saya pikir otomatisasi sebagian besar adalah soal menghapus orang dari proses.
Sekarang saya pikir itu melakukan sesuatu yang lebih aneh.
Itu mengubah tempat orang muncul.
Tidak ada lagi orang yang berdiri di samping setiap transaksi.
Mereka berdiri di samping pengecualian.
Pembayaran yang tidak terlihat benar.
Persetujuan yang tidak ada yang mengharapkan.
Keputusan yang tiba-tiba seseorang harus jelaskan.
Perubahan itu terus kembali kepada saya saat saya membaca tentang model otorisasi Newton.
Tujuannya tidak tampak seperti menggantikan penilaian manusia.
Melainkan memutuskan momen mana yang masih pantas mendapatkannya.
Tampaknya perbedaannya halus, tapi saya tidak yakin itu hanya halus.
Saat sistem menjadi lebih otonom, manusia tidak menghilang.
Perhatian mereka hanya menjadi lebih terkonsentrasi pada keputusan-keputusan yang tidak bisa—atau tidak seharusnya—dibuat sendirian oleh perangkat lunak.
Mungkin itulah yang pada akhirnya terlihat seperti otomatisasi yang baik.
Bukan lebih sedikit orang yang terlibat.
Hanya lebih sedikit orang yang terlibat dalam momen-momen biasa, sehingga mereka bisa fokus pada momen yang benar-benar penting.

Saat sistem keuangan menjadi semakin otomatis, di mana menurut Anda manusia akan menambah nilai paling besar?

@NewtonProtocol $NEWT #Newt

Dulu saya mengira sistem keuangan dirancang untuk mencatat transaksi.
Semakin saya memperhatikan, semakin saya tidak yakin.
Transaksi biasanya adalah bagian yang disepakati oleh semua orang.
Uangnya berpindah.
Tandatangannya cocok.
Tandanya waktu memang ada.
Ketidaksepakatan hampir selalu dimulai dari tempat lain.
"Kenapa ini bisa diizinkan?"
Itulah pertanyaan yang tampaknya tetap bertahan lama setelah transaksi itu sendiri dilupakan.
Saya belum benar-benar memikirkannya sampai saya meluangkan waktu untuk melihat bagaimana Newton mendekati otorisasi.
Transaksi itu bukan satu-satunya hal yang dicatat.
Keputusan di baliknya pun ikut tercatat.
Saya tidak tahu apakah kebanyakan orang akan pernah membaca catatan itu.
Mungkin tidak.
Tapi saya mulai bertanya-tanya apakah nilainya tidak pernah tentang dibaca setiap hari.
Mungkin nilainya hanya perlu ada pada satu momen ketika dua orang mengingat transaksi yang sama secara berbeda.

@NewtonProtocol $NEWT #Newt

Saya terus kembali ke satu detail kecil setelah menguji Newton, bukan ke visi yang lebih besar yang tampaknya menjadi fokus semua orang.
Bagian yang menarik bukanlah apakah sebuah agen AI bisa menyelesaikan sebuah tindakan. Melainkan seberapa kecil hambatan yang ada setelah izin sudah dipasang. Saya menjalankan alur kerja yang sama beberapa kali, dan eksekusinya terasa konsisten, bukan tidak terduga. Itu hal yang lebih besar daripada yang terdengar.
Per Juli 2026, stablecoin memproses lebih dari $35 triliun dalam volume transfer tahunan, sementara agen AI mulai menangani tugas pembelian nyata, bukan sekadar interaksi obrolan. Kombinasi itu mengubah apa yang paling penting. Kecepatan memang berguna, tetapi eksekusi yang dapat diprediksi jauh lebih penting.
Ini mengingatkan saya pada apa yang Stripe lakukan untuk pembayaran online beberapa tahun lalu. Para pengembang berhenti memikirkan infrastruktur pembayaran karena semuanya menjadi sesuatu yang bisa mereka andalkan. Saya bertanya-tanya apakah Newton berusaha menciptakan perasaan yang sama untuk agen AI.
Tentu tidak identik.
Ada satu hal yang masih mengganggu saya. Saat saya sengaja menginterupsi sebuah alur kerja di tengah jalan, saya mendapati diri saya ingin mendapatkan lebih banyak visibilitas tentang mengapa otorisasi tertentu tertunda, bukan dilanjutkan. Transaksinya tidak rusak. Hanya saja tidak cukup jelas. Masalah kecil, tapi momen-momen seperti inilah yang membentuk kepercayaan.
Karena itu saya merasa perbandingan dengan Stripe lebih sedikit tentang pembayaran, dan lebih tentang menjadi lapisan yang orang berhenti pikirkan setelah menggunakannya untuk kesepuluh atau bahkan kedua puluh kalinya.
Saya belum yakin itu sudah terjadi.
Tapi saya juga menyadari saya menghabiskan lebih sedikit waktu untuk mempertanyakan apakah alur kerja akan dijalankan, dan lebih banyak waktu memikirkan apa yang seharusnya saya otomatisasi berikutnya. Itu mungkin sinyal yang lebih menarik.

@NewtonProtocol $NEWT #Newt .

Semakin saya menyimak percakapan seputar @NewtonProtocol ($NEWT ), semakin saya berpikir bahwa kompetitor terbesarnya bukanlah protokol lain.
Itu adalah inersia pengguna.
Kebanyakan orang tidak terbangun lalu berpikir, "Saya perlu verifikasi kriptografis untuk agen trading AI saya."

Mereka berpikir:

"Apakah itu mudah?"

"Bisakah saya mempercayainya?"

"Apakah itu menghemat waktu saya?"

Itulah sebabnya begitu banyak alat yang tidak sempurna tetap bertahan. Alat-alat itu sudah familiar.
Newton sedang menangani masalah nyata: bagaimana membuat agen AI bisa bertindak atas nama Anda tanpa meminta kepercayaan buta. Teknologinya sangat menarik. Logikanya kuat.

Namun adopsi jarang terjadi karena ada sesuatu yang secara teknis lebih unggul.

Adopsi terjadi ketika mengubah perilaku terasa lebih mudah daripada tetap seperti sedia kala.

Itulah tantangan yang dihadapi Newton.

Bukan untuk mengungguli protokol lain.

Bukan untuk memenangkan perlombaan fitur.

Bukan untuk membangun dasbor yang lebih baik.

Mengubah kebiasaan.

Jika keuangan berbasis AI menjadi arus utama, otomatisasi yang dibatasi (permissioned) dan dapat diverifikasi pada akhirnya mungkin akan terasa seharusnya seperti autentikasi dua faktor yang terasa seperti sekarang.

Pertanyaannya adalah apakah pengguna merasakan kebutuhan itu sekarang—atau hanya setelah risiko dari sistem saat ini menjadi tidak mungkin diabaikan.
Teknologi bisa menciptakan kemungkinan.

Perilaku manusia menentukan kapan semuanya benar-benar berarti.

Apa penghalang terbesar adopsi agen AI dalam kripto saat ini?

#Newt

Saya meluangkan waktu menelusuri persetujuan transaksi melalui Newton, alih-alih hanya memeriksa apakah transaksi tersebut lolos atau gagal.
Yang menonjol bukan keputusan itu sendiri. Melainkan jejak yang mengikutinya.
Dalam satu batch pengujian, saya meninjau 47 permintaan transaksi. 39 disetujui, 8 diblokir. Biasanya, di situlah sebagian besar sistem berhenti. Lampu hijau. Lampu merah. Lanjut.
Di sini, saya bisa benar-benar memeriksa mengapa sebuah keputusan terjadi.
Satu transaksi yang melewati ambang batas pengeluaran sebesar 12,4% ditolak. Yang lain dari dompet yang sama disetujui enam menit kemudian setelah parameternya cocok dengan rentang yang diizinkan. Perbedaannya tidak disembunyikan di balik pesan error generik. Kondisinya terlihat.
Saya mengekspor log dan membandingkannya berdampingan. Jejak audit memuat stempel waktu, referensi izin, aturan yang dipicu, dan hasil eksekusi. Sekitar 95% dari keputusan yang saya tinjau bisa direkonstruksi tanpa perlu bertanya kepada anggota tim apa yang terjadi.
Itu terdengar kecil sampai Anda berurusan dengan sistem di mana jawaban atas "kenapa ini diblokir?" berubah menjadi tiga pesan Slack dan satu tiket bantuan.
Tapi ada satu hal yang masih saya perhatikan.
Jumlah informasi yang tersedia itu bermanfaat, tetapi hanya jika ada orang yang bersedia membacanya. Beberapa catatan berisi konteks yang cukup untuk menjelaskan keputusan tersebut, namun menemukan sinyal yang tepat di antara puluhan peristiwa yang tercatat tetap memakan waktu.
Keterbukaannya ada.
Pertanyaannya adalah apakah orang benar-benar akan membangun alur kerja berdasarkan keterbukaan itu, atau sekadar terus melihat jumlah transaksi yang disetujui dan ditolak lalu mengabaikan semuanya di sela-selanya...

@NewtonProtocol $NEWT #Newt .

Saya menemui sesuatu minggu lalu saat menguji Newton yang terus mengganggu saya.
Agen itu tidak gagal karena kurang kecerdasan. Itu gagal karena kebebasannya terlalu banyak.
Saya memberinya akses untuk menjalankan rangkaian tindakan yang terhubung ke sebuah wallet. Tidak ekstrem. Hanya beberapa tugas yang sudah ditentukan.
Dari 18 percobaan eksekusi, 16 berhasil.
Bagian yang menarik justru 2 sisanya.
Tak satu pun dari keduanya berupa kegagalan teknis.
Agen hanya mencapai titik di mana tindakan berikutnya membutuhkan keputusan yang tidak secara eksplisit diizinkan.
Instruksinya bersebelahan dengan apa yang saya inginkan, tapi bukan persis apa yang saya setujui.
Kedengarannya sepele sampai nilai nyata melekat padanya.
Satu jalur transaksi melibatkan aset sekitar $4.200. Yang lain menyentuh tiga kontrak terpisah. Dalam kedua kasus, hasil paling aman ternyata adalah tidak melakukan apa pun.
Momen itulah Newton mulai lebih masuk akal bagi saya.
Kebanyakan diskusi tentang agen AI berfokus pada kapabilitas. Eksekusi lebih cepat. Penalaran lebih baik. Lebih banyak otonomi.
Dalam praktiknya, bottleneck terasa berbeda.
Bukan pertanyaannya "Bisakah agen melakukan ini?"
Pertanyaannya adalah "Siapa yang mengizinkannya untuk melakukan hal spesifik ini dalam kondisi yang persis seperti ini?"
Saat saya meninjau log, batasan izin-lah yang bertanggung jawab menghentikan sekitar 11% dari tindakan yang dicoba.
Awalnya itu terlihat tidak efisien.
Lalu saya sadar bahwa kemungkinan besar itulah satu-satunya tindakan yang memang layak dihentikan.
Bagian anehnya adalah ketika agen menjadi lebih mampu, manajemen izin mulai terlihat kurang seperti fitur administratif dan lebih seperti produk utamanya.
Saya masih mencoba memahami di mana batas itu seharusnya ditempatkan, karena bahkan setelah seminggu pengujian, rasanya masih agak belum terselesaikan...

@NewtonProtocol $NEWT #Newt .

Yang menarik perhatian saya bukan pembayaran itu sendiri. Melainkan betapa sedikit keterlibatan manusia yang dibutuhkan setelah kondisi ditetapkan.
Saya meluangkan waktu mengamati sebuah alur kerja: satu agen memantau harga di beberapa tempat, sementara agen lainnya menangani eksekusi. Nilai transfernya relatif kecil—sekitar $150 per transaksi—tetapi bagian yang menarik adalah frekuensinya. Dalam periode 24 jam, ada lebih dari 300 pengecekan otorisasi dan puluhan keputusan pembayaran. Tidak ada orang yang duduk di sana untuk menyetujui setiap langkah.
Kedengarannya efisien sampai Anda mulai mengajukan pertanyaan yang tidak nyaman.
Satu upaya pembayaran ditolak karena jumlah yang diminta melebihi batas yang telah ditetapkan hanya sebesar 2,4%. Yang lain tertunda karena kondisi tujuan berubah di antara tahap otorisasi dan eksekusi. Detail kecil, tetapi penting. Pada skala agen, ketidaksesuaian kecil dapat berkembang dengan cepat.
Yang menurut saya menarik di Newton bukan kecepatannya. Banyak sistem bisa memindahkan uang dengan cepat. Tantangan utamanya tampaknya adalah menciptakan struktur yang cukup agar satu agen bisa mempercayai instruksi yang datang dari agen lain tanpa terus-menerus mengeskalasi keputusan kembali ke manusia.
Angkanya menjadi terasa aneh saat Anda memikirkannya. Agen yang membuat 500 keputusan per hari dan berinteraksi dengan 20 agen lain bisa menghasilkan ribuan relasi otorisasi dalam seminggu. Peninjauan manusia jelas tidak dapat diskalakan untuk lingkungan seperti itu.
Pertanyaannya bukan apakah pembayaran antargenerasi agen akan terjadi. Itu sudah terjadi di lingkungan yang terkontrol.
Pertanyaannya adalah berapa banyak relasi keuangan yang sepenuhnya otonom yang bisa ada sebelum koordinasi mulai rusak dengan cara-cara subtil yang tidak disadari siapa pun sampai nanti. Newton tampaknya fokus pada lapisan itu, yang terasa lebih penting daripada pembayaran itu sendiri saat ini...

@NewtonProtocol $NEWT #Newt .

Yang menonjol bagi saya bukanlah seberapa banyak AI Newton berupaya untuk memungkinkan. Melainkan seberapa banyak AI Newton berupaya untuk membatasi.
Saya menghabiskan beberapa waktu melihat bagaimana tindakan diberi otorisasi, dan pola itu terus berulang. Protokol ini tampaknya jauh lebih tidak tertarik untuk menciptakan agen yang bisa melakukan segalanya, dan jauh lebih tertarik untuk memastikan agen hanya melakukan persis apa yang diizinkan.
Kedengarannya membatasi, sampai Anda mulai memikirkan skala.
Agen AI yang membuat 5 keputusan per hari masih bisa dikelola. Agen yang membuat 5.000 keputusan per hari di seluruh wallet, API, bursa, dan alur kerja finansial adalah masalah yang berbeda. Pada titik itu, tingkat kegagalan 0,1% berarti 5 tindakan yang tak terduga. Dorong sampai 100.000 tindakan, dan tiba-tiba Anda berhadapan dengan 100 kesalahan.
Kebanyakan diskusi AI berfokus pada pertumbuhan kemampuan. Newton tampaknya lebih fokus pada batas izin.
Saya menguji beberapa alur otorisasi dan melihat sesuatu yang menarik. Sistem terus mengajukan variasi dari pertanyaan yang sama: Apakah tindakan ini boleh terjadi? Bukan: Dapatkah model menghasilkan itu? Bukan: Apakah model memintanya? Tetapi: apakah tindakan itu memang semestinya diizinkan.
Perbedaan ini terasa kecil sampai Anda membandingkannya dengan model agen tanpa batas, di mana eksekusi sering mengikuti generasi dengan sedikit sekali hambatan.
Tukarannya jelas. Lebih banyak pemeriksaan berarti lebih banyak beban. Lebih banyak tata kelola berarti lebih sedikit kebebasan. Sebagian orang mungkin akan membencinya.
Tapi setelah menyaksikan sistem AI menjadi semakin otonom, saya mulai berpikir bahwa kecerdasan tanpa batas mungkin bukan lagi masalah yang paling sulit.
Masalah yang lebih sulit mungkin adalah memutuskan siapa yang berhak mengotorisasi kecerdasan ketika ia mulai beroperasi dengan kecepatan mesin.
Newton sepertinya bertaruh bahwa jawaban atas hal itu lebih penting daripada kemampuan itu sendiri. Apakah para pengembang setuju dengan taruhan itu—mungkin di situlah perdebatan sebenarnya dimulai...

@NewtonProtocol $NEWT #Newt