Bagaimana seharusnya wujud infrastruktur keuangan baru di era AI?

Pada November 2024, pasar prediksi telah lebih dulu memutuskan hasil pemilu sebelum pihak mana pun. Ketika survei menunjukkan persaingan ketat dan para ahli berbicara hati-hati, pasar memberikan peluang 60% bagi Trump untuk menang. Saat hasil keluar, pasar prediksi membuktikan keunggulannya atas seluruh lembaga peramalan—survei, model, maupun pendapat para ahli.

Hal ini membuktikan bahwa pasar mampu mengumpulkan informasi tersebar menjadi keyakinan yang akurat, dengan mekanisme berbagi risiko sebagai kunci utama. Sejak 1940-an, ekonom telah membayangkan pasar spekulatif akan melampaui prediksi para ahli. Kini, visi itu terealisasi di panggung dunia terbesar.

Mari kita telaah prinsip-prinsip ekonomi yang berperan di sini.

Di platform seperti Polymarket dan Kalshi, petaruh menyuntikkan likuiditas hingga miliaran. Apa imbalan yang mereka terima? Mereka menciptakan sinyal yang langsung dapat diakses seluruh dunia secara gratis. Hedge fund memantau ketat, tim kampanye menyerap datanya, dan jurnalis membangun dasbor berdasarkan itu. Tak ada yang membayar untuk intelijen ini; pada dasarnya, para petaruh mensubsidi barang publik global.

Inilah dilema utama pasar prediksi: produk terpenting mereka—informasi—langsung dirilis saat tercipta. Pembeli berpengalaman tidak mau membayar untuk informasi publik. Penyedia data privat bisa mengenakan biaya premium ke hedge fund karena data mereka tidak tersedia untuk pesaing. Sebaliknya, harga pasar prediksi publik, seakurat apa pun, tak bernilai bagi pembeli tersebut.

Akibatnya, pasar prediksi hanya berkembang di bidang yang cukup banyak peminat “berjudi”—pemilu, olahraga, atau peristiwa meme di internet. Yang kita dapatkan hanyalah hiburan berkedok infrastruktur informasi. Pertanyaan-pertanyaan krusial untuk pengambil keputusan—risiko geopolitik, gangguan rantai pasok, hasil regulasi, jadwal pengembangan teknologi—tetap tak terjawab karena tak ada yang bertaruh atasnya demi hiburan.

Logika ekonomi pasar prediksi menjadi terbalik. Solusinya adalah bagian dari transformasi yang jauh lebih luas. Di sini, informasi menjadi produk utama, sedangkan taruhan hanya mekanisme produksi—dan itu pun terbatas. Kita butuh paradigma baru. Berikut garis besar awal “cognitive finance”: infrastruktur yang didesain ulang dari prinsip dasar, berfokus pada informasi itu sendiri.

Kecerdasan Kolektif

Pasar keuangan adalah wujud kecerdasan kolektif. Ia mengumpulkan pengetahuan, keyakinan, dan niat yang tersebar ke dalam harga, mengoordinasikan jutaan partisipan tanpa komunikasi langsung. Ini luar biasa, namun juga sangat tidak efisien.

Pada pasar tradisional, pergerakan lambat akibat jam perdagangan, siklus penyelesaian, dan gesekan institusional. Keyakinan hanya diekspresikan secara umum lewat harga—alat yang tumpul. Ruang lingkupnya pun terbatas: hanya klaim yang dapat diperdagangkan, sangat kecil dibandingkan spektrum kepentingan manusia. Partisipasi pun sangat terbatas: hambatan regulasi, syarat modal, dan lokasi mengecualikan sebagian besar orang dan seluruh mesin.

Dunia kripto mengubah ini, menghadirkan pasar 24/7, partisipasi tanpa izin, dan aset yang dapat diprogram. Protokol modular bisa digabungkan tanpa koordinasi terpusat. DeFi (Decentralized Finance) membuktikan infrastruktur keuangan dapat dibangun ulang sebagai blok terbuka dan interoperabel, diciptakan lewat interaksi modul otonom, bukan mandat penjaga gerbang.

Namun DeFi sebagian besar hanya meniru keuangan tradisional dengan “pipa” yang lebih baik. Kecerdasan kolektifnya masih berpusat pada harga, fokus pada aset, dan menyerap informasi baru secara lambat.

Cognitive finance adalah langkah berikutnya: membangun ulang sistem cerdas dari awal untuk era AI dan kripto. Kita butuh pasar yang “berpikir”—memelihara model probabilistik dunia, menyerap informasi pada tingkat detail apa pun, bisa diakses dan diperbarui oleh sistem AI, serta memungkinkan manusia berkontribusi pengetahuan tanpa memahami struktur dasarnya.

Komponen-komponennya sudah dalam jangkauan: pasar privat untuk memperbaiki model ekonomi, struktur komposisional untuk menangkap korelasi, ekosistem agen untuk memperluas pemrosesan informasi, dan antarmuka manusia-komputer untuk mengekstraksi sinyal dari pikiran manusia. Setiap bagian bisa dibangun hari ini, dan jika digabungkan, akan melahirkan sesuatu yang benar-benar baru.

Pasar Privat

Saat harga tetap privat, kendala ekonomi pun hilang.

Pasar prediksi privat hanya mengungkapkan harga kepada entitas penyedia likuiditas. Entitas ini menerima sinyal eksklusif—intelijen kepemilikan, bukan barang publik. Kini pasar bisa bekerja untuk setiap pertanyaan yang “butuh jawaban”, tak peduli nilai hiburannya.

Saya membahas konsep ini dengan @Dave_White.

Bayangkan hedge fund makro yang membutuhkan estimasi probabilitas berkelanjutan untuk keputusan The Fed, inflasi, dan data ketenagakerjaan—bukan sebagai peluang taruhan, melainkan sinyal keputusan. Jika intelijen itu eksklusif, mereka akan membayar. Kontraktor pertahanan ingin distribusi probabilitas untuk skenario geopolitik; perusahaan farmasi ingin prediksi jadwal persetujuan regulasi. Saat ini, pembeli seperti ini belum ada karena, begitu informasi dihasilkan, ia langsung bocor ke pesaing.

Privasi mutlak untuk model ekonomi yang layak. Ketika harga publik, pembeli informasi kehilangan keunggulan, pesaing menumpang gratis, dan sistem kembali pada permintaan hiburan.

Trusted execution environments (TEE) memungkinkan ini—enklave komputasi aman di mana operasi tak terlihat pihak luar, bahkan operator sistem. Status pasar sepenuhnya berada di dalam TEE. Pembeli informasi menerima sinyal melalui saluran terverifikasi. Beberapa entitas non-kompetitor dapat berlangganan pasar tumpang tindih; jendela akses bertingkat membantu menyeimbangkan eksklusivitas dan distribusi.

TEE memang tak sempurna—memerlukan kepercayaan pada produsen perangkat keras. Namun, TEE sudah cukup privat untuk penggunaan komersial, dan teknologinya matang.

Pasar Komposisional

Saat ini, pasar prediksi memperlakukan peristiwa secara terpisah. “Akankah The Fed menurunkan suku bunga Maret?” adalah satu pasar. “Akankah inflasi Q2 melebihi 3%?” adalah pasar lain. Trader yang tahu kedua peristiwa saling terkait—misal, inflasi tinggi meningkatkan peluang penurunan suku bunga atau ketenagakerjaan kuat menurunkannya—harus melakukan arbitrase manual antar pool yang tak terhubung, mencoba merekonstruksi korelasi yang justru dihilangkan struktur pasar.

Ini seperti membangun otak dengan neuron yang menembak sendiri-sendiri.

Pasar prediksi komposisional berbeda: mereka menjaga distribusi probabilitas gabungan atas kombinasi hasil. Perdagangan seperti “suku bunga tetap tinggi dan inflasi di atas 3%” memengaruhi seluruh pasar terkait, memperbarui struktur probabilitas secara sinkron.

Ini mirip cara jaringan saraf belajar: setiap pembaruan pelatihan menyesuaikan miliaran parameter sekaligus, seluruh jaringan merespons setiap data. Begitu juga, setiap perdagangan di pasar prediksi komposisional memperbarui seluruh distribusi probabilitas, informasi menyebar lewat struktur korelasi, bukan harga-harga terpisah.

Hasilnya adalah sebuah “model”—distribusi probabilitas atas ruang keadaan peristiwa dunia yang terus diperbarui. Setiap perdagangan mengoptimalkan pemahaman model atas hubungan antarvariabel. Pasar belajar bagaimana dunia saling terhubung.

Ekosistem Cerdas

Sistem perdagangan otomatis kini mendominasi Polymarket. Mereka memantau harga, mendeteksi salah harga, melakukan arbitrase, dan mengumpulkan informasi eksternal dengan kecepatan tak tertandingi manusia.

Saat ini, pasar prediksi dirancang untuk petaruh manusia lewat antarmuka web. Agen hanya bisa berpartisipasi secara terbatas dalam sistem ini. Pasar prediksi native AI akan membalik logika ini: agen jadi partisipan utama, manusia menjadi sumber informasi.

Ini menuntut pemisahan arsitektural yang tegas. Agen yang bisa melihat harga tidak boleh jadi sumber informasi; agen pengumpul informasi tidak boleh melihat harga.

Tanpa “dinding” ini, sistem akan memakan dirinya sendiri. Agen yang bisa mengakses informasi dan harga dapat menebak informasi bernilai dari pergerakan harga lalu mencari tahu. Sinyal pasar jadi peta harta bagi yang lain. Pengumpulan informasi berubah jadi front-running kompleks. Pemisahan ini memastikan agen pengumpul informasi hanya bisa untung jika memberi sinyal benar-benar baru dan unik.

Satu sisi “dinding” diisi agen perdagangan yang bersaing dalam struktur komposisional kompleks untuk mendeteksi salah harga, dan agen evaluasi yang memakai mekanisme adversarial untuk menilai informasi masuk serta membedakan sinyal dari noise atau manipulasi.

Sisi lain diisi agen pengumpul informasi, beroperasi di luar sistem inti. Mereka memantau aliran data, memindai dokumen, dan terhubung ke individu dengan pengetahuan unik—memasukkan informasi satu arah ke pasar. Bila informasinya bernilai, mereka dibayar.

Kompensasi mengalir mundur sepanjang rantai. Perdagangan yang menguntungkan memberi imbalan pada agen perdagangan, agen evaluasi, dan agen pengumpul informasi asli. Ekosistem ini jadi platform: agen AI spesialis bisa memonetisasi keahlian, dan platform ini juga jadi fondasi bagi sistem AI lain untuk mengumpulkan intelijen guna membimbing keputusan. Agen-agen inilah pasarnya sendiri.

Kecerdasan Manusia

Banyak informasi paling bernilai di dunia hanya ada dalam pikiran manusia: insinyur yang tahu produknya terlambat, analis yang menangkap perubahan perilaku konsumen secara halus, pengamat yang melihat detail tak kasatmata bahkan bagi satelit.

Sistem native AI harus mampu menangkap wawasan ini dari otak manusia tanpa tenggelam dalam noise. Dua mekanisme memungkinkan hal ini:

Partisipasi dimediasi agen: manusia dapat “berdagang” tanpa melihat harga. Seseorang cukup menyatakan keyakinannya dalam bahasa alami, misal “Saya pikir peluncuran produk akan tertunda.” Agen penerjemah keyakinan akan mem-parsing prediksi, menilai tingkat keyakinan, dan menerjemahkannya ke posisi pasar. Agen ini berkoordinasi dengan sistem yang memiliki akses harga untuk membangun dan mengeksekusi order. Manusia hanya menerima umpan balik sederhana—“posisi terbentuk” atau “keunggulan tidak cukup.” Pembayaran diselesaikan setelah peristiwa, berdasarkan akurasi prediksi, tanpa pernah mengungkapkan harga.

Pasar informasi: agen pengumpul informasi membayar manusia langsung untuk wawasan mereka. Contohnya, agen yang mencari info pendapatan perusahaan teknologi dapat mengidentifikasi insinyur dengan pengetahuan internal, membeli penilaian, memvalidasi, dan membayar berdasarkan nilai pasar berikutnya. Manusia dikompensasi atas pengetahuannya tanpa harus paham struktur pasar yang rumit.

Ambil contoh analis Alice: ia yakin, berdasarkan keahliannya, merger tertentu takkan mendapat persetujuan regulasi. Ia memasukkan pendapatnya lewat antarmuka bahasa alami; agen penerjemah keyakinan mem-parsing prediksi, mengukur kepercayaan dari bahasa, memeriksa rekam jejak, dan membangun posisi—tanpa pernah melihat harga. Agen koordinasi di batas TEE menilai apakah pandangannya punya keunggulan informasi berdasarkan probabilitas pasar saat ini dan mengeksekusi perdagangan. Alice hanya menerima notifikasi “posisi terbentuk” atau “keunggulan tidak cukup”. Harga tetap rahasia sepanjang proses.

Pendekatan ini memperlakukan perhatian manusia sebagai sumber daya langka yang harus dialokasikan dan dikompensasi secara adil, bukan untuk dieksploitasi gratis. Seiring kematangan antarmuka ini, pengetahuan manusia akan menjadi “likuid”: apa yang Anda ketahui mengalir ke model realitas global dan dihargai jika terbukti benar. Informasi yang terperangkap dalam pikiran tak akan lagi terperangkap.

Visi Masa Depan

Lihat lebih luas, Anda akan tahu ke mana arah semua ini.

Masa depan adalah lautan hubungan cair, modular, dan interoperabel. Hubungan-hubungan ini akan terbentuk dan larut secara spontan antara partisipan manusia maupun non-manusia, tanpa penjaga gerbang terpusat. Inilah “fractal autonomous trust.”

Agen bernegosiasi dengan agen, manusia memberi pengetahuan lewat antarmuka alami, dan informasi terus mengalir ke model realitas yang terus diperbarui—terbuka untuk semua, dikendalikan oleh siapa pun tidak.

Pasar prediksi hari ini hanya sketsa kasar visi ini. Mereka membuktikan konsep inti (berbagi risiko menghasilkan keyakinan akurat) namun masih terjebak pada model ekonomi dan asumsi struktural yang salah. Taruhan olahraga dan pemilu bagi cognitive finance ibarat ARPANET bagi internet global: bukti konsep yang disangka bentuk akhir.

“Pasar” sejati adalah setiap keputusan di bawah ketidakpastian—hampir semua keputusan. Manajemen rantai pasok, uji klinis, perencanaan infrastruktur, strategi geopolitik, alokasi sumber daya, penunjukan personel… Nilai pengurangan ketidakpastian di bidang-bidang ini jauh melebihi hiburan taruhan olahraga. Kita hanya belum membangun infrastrukturnya.

Pergeseran yang akan datang adalah “OpenAI moment” bagi kognisi: proyek infrastruktur skala peradaban, bukan untuk penalaran individu, melainkan keyakinan kolektif. Perusahaan large language model membangun sistem yang “berpikir” dari data masa lalu; cognitive finance ingin membangun sistem yang “percaya”—menjaga distribusi probabilitas terkalibrasi tentang dunia, terus diperbarui lewat insentif ekonomi, mengintegrasikan pengetahuan manusia pada tingkat detail apa pun. LLM mengkodekan masa lalu; pasar prediksi mengumpulkan keyakinan tentang masa depan. Hanya bersama-sama mereka membentuk sistem kognitif yang lebih lengkap.

Dalam skala penuh, ini akan jadi infrastruktur: sistem AI bisa mengaksesnya untuk memahami ketidakpastian; manusia bisa memberi pengetahuan tanpa tahu mekanisme dalamnya; ia bisa menyerap pengetahuan lokal dari sensor, pakar domain, dan riset mutakhir, mensintesisnya jadi model terpadu. Model dunia prediktif yang mengoptimalkan diri. Substrat di mana ketidakpastian bisa diperdagangkan dan dikomposisikan. Kecerdasan yang muncul akan melampaui jumlah bagiannya.

“Komputer peradaban”—itulah tujuan pembangunan cognitive finance.

Apa yang Dipertaruhkan

Semua elemen sudah tersedia: kemampuan agen telah melewati ambang prediksi; komputasi rahasia sudah produksi; pasar prediksi sudah membuktikan product-market fit skala besar di hiburan. Semua ini bertemu pada peluang bersejarah: membangun infrastruktur kognitif yang dibutuhkan era AI.

Alternatifnya, pasar prediksi selamanya hanya jadi hiburan—sangat akurat saat pemilu, diabaikan selebihnya, dan tak pernah menjawab pertanyaan penting. Dalam dunia semacam itu, infrastruktur yang dibutuhkan AI untuk memahami ketidakpastian takkan pernah ada, dan sinyal berharga dalam pikiran manusia tetap bisu.

Pernyataan:

1. Artikel ini diterbitkan ulang dari [Foresight News], dengan hak cipta milik penulis asli [Matt Liston]. Jika ada kekhawatiran terkait penerbitan ulang ini, silakan hubungi tim Gate Learn yang akan menangani sesuai prosedur terkait.
2. Disclaimer: Pandangan dan opini dalam artikel ini sepenuhnya milik penulis dan bukan merupakan nasihat investasi.
3. Versi bahasa lain dari artikel ini diterjemahkan oleh tim Gate Learn. Dilarang menyalin, mendistribusikan, atau menjiplak artikel terjemahan tanpa mencantumkan Gate.