Arc x Canteen Agora Hackathon
Arc dan Canteen menampilkan tiga tim pemenang Agora Hackathon yang membangun AI agent untuk prediction market, analisis prediksi berbasis jaminan USDC, dan riset strategi perdagangan kuantitatif.
Perkembangan AI agent mulai bergerak dari sekadar chatbot menuju sistem yang dapat membaca data, mengambil keputusan, berinteraksi dengan pasar, dan melakukan penyelesaian transaksi secara onchain. Tema inilah yang menjadi fokus Agora Hackathon, sebuah program kolaborasi antara Canteen dan Circle untuk mengeksplorasi aplikasi berbasis AI di jaringan Arc.
Dalam acara Arc x Canteen: Agora Hackathon Builder Spotlight, tiga tim pemenang mempresentasikan proyek mereka secara langsung. Sesi tersebut tidak hanya memperlihatkan demo produk, tetapi juga membahas penggunaan nyata, proses pembangunan, serta pelajaran yang dapat diterapkan oleh developer lain dalam proyek Arc mereka sendiri.
Hackathon ini menantang peserta untuk membangun AI agent yang dapat melakukan aktivitas seperti berdagang, berinvestasi, menciptakan produk, serta berinteraksi dengan berbagai jenis pasar. Seluruh proses penyelesaian transaksi dirancang berlangsung di Arc menggunakan USDC.
Mimir Markets: Prediction Market yang Diselesaikan AI Oracle
Proyek pertama yang diperkenalkan adalah Mimir Markets, karya Cankat Polat. Mimir Markets merupakan prediction market satu lawan satu yang menggunakan sebuah dewan AI Oracle untuk membaca bukti dan menentukan hasil klaim secara onchain tanpa campur tangan manusia.
Dalam prediction market tradisional, salah satu tantangan utamanya adalah menentukan pihak yang benar setelah suatu peristiwa selesai. Sistem biasanya memerlukan oracle eksternal, moderator, atau mekanisme voting komunitas.
Mimir Markets mencoba mengotomatisasi proses tersebut. Sekumpulan AI agent bertugas menilai bukti yang tersedia, membandingkan informasi, kemudian menghasilkan keputusan yang digunakan untuk menyelesaikan pasar.
Model seperti ini menunjukkan bagaimana AI dapat menjadi lapisan interpretasi di atas smart contract. Smart contract menangani aturan dan penyelesaian dana, sedangkan AI membantu memahami data dunia nyata yang tidak selalu tersedia dalam format terstruktur.
Namun, sistem semacam ini juga menghadirkan tantangan. Developer perlu memastikan bahwa AI Oracle menggunakan sumber terpercaya, memiliki metode evaluasi yang transparan, serta tidak mudah dimanipulasi oleh bukti palsu atau informasi yang sengaja disusun untuk menyesatkan model.
Precall: Prediksi Berjaminan USDC dengan Lima AI Agent
Proyek kedua adalah Precall, yang dikembangkan oleh Mrgtee. Precall memungkinkan pengguna membuat prediction call dengan jaminan USDC. Setiap prediksi dianalisis oleh sebuah dewan yang terdiri dari lima AI agent dan memanfaatkan pembayaran mikro melalui protokol x402.
Menurut informasi yang dipresentasikan dalam acara tersebut, Precall mencatat tingkat kemenangan sebesar 68 persen dari 336 prediksi yang telah diselesaikan.
Penggunaan jaminan USDC memberikan unsur akuntabilitas ekonomi. Seseorang tidak hanya mempublikasikan prediksi secara gratis, tetapi juga menempatkan nilai finansial di balik klaimnya.
Konsep ini berpotensi digunakan untuk berbagai kebutuhan, seperti:
- Prediksi pergerakan pasar.
- Perkiraan hasil pertandingan atau kompetisi.
- Analisis kejadian industri.
- Reputasi analis dan pembuat prediksi.
- Marketplace informasi berbasis kinerja.
Dewan lima AI agent dapat digunakan untuk mengurangi ketergantungan pada satu model. Setiap agent dapat diberikan peran atau pendekatan analisis yang berbeda. Hasil akhirnya kemudian ditentukan berdasarkan konsensus atau mekanisme agregasi tertentu.
Sementara itu, x402 memungkinkan agent atau layanan melakukan pembayaran kecil untuk mengakses data, API, analisis, atau sumber informasi tertentu. Ini membuka kemungkinan terbentuknya ekonomi machine-to-machine, tempat AI agent dapat membeli informasi dan layanan secara otomatis.
Archimedes: Riset Keuangan Kuantitatif Berbasis AI
Proyek ketiga dan salah satu pemenang utama adalah Archimedes, yang dibangun oleh Dan Browne. Archimedes merupakan sistem riset keuangan kuantitatif yang menggabungkan gagasan perdagangan, lebih dari 10.000 makalah dari arXiv, dan data pasar langsung. Sistem tersebut kemudian melakukan backtesting dengan validasi statistik yang ketat.
Banyak strategi trading terlihat menjanjikan ketika hanya diuji pada satu periode tertentu. Namun, strategi tersebut bisa gagal ketika digunakan dalam kondisi pasar berbeda.
Archimedes mencoba mengurangi masalah tersebut dengan menghubungkan tiga komponen penting:
Ide atau hipotesis strategi perdagangan. Pengetahuan dari ribuan publikasi akademis. Data pasar aktual untuk pengujian.
AI dapat membantu membaca penelitian dalam jumlah besar, menemukan hubungan antarkonsep, dan mengubah gagasan menjadi hipotesis yang dapat diuji. Setelah itu, sistem menjalankan backtest untuk melihat bagaimana strategi tersebut bekerja pada data historis.
Validasi statistik menjadi elemen penting karena hasil backtesting dapat menyesatkan apabila strategi terlalu disesuaikan dengan data masa lalu. Fenomena ini biasa disebut overfitting.
Dengan pendekatan yang lebih sistematis, Archimedes bertujuan membantu peneliti dan trader membedakan strategi yang memiliki dasar statistik dari strategi yang hanya tampak berhasil karena kebetulan.
Arc sebagai Lapisan Settlement untuk AI Agent
Ketiga proyek tersebut memiliki fokus berbeda, tetapi menggunakan pola arsitektur yang serupa. AI menjalankan analisis atau pengambilan keputusan, sedangkan Arc dan USDC digunakan sebagai lapisan transaksi dan penyelesaian nilai.
Dalam arsitektur seperti ini, AI agent dapat menangani:
- Membaca informasi dan data pasar.
- Membandingkan berbagai bukti.
- Menghasilkan prediksi.
- Menilai tingkat keyakinan.
- Memilih tindakan atau strategi.
Sementara itu, blockchain menangani:
- Kepemilikan aset.
- Jaminan dana.
- Aturan transaksi.
- Catatan aktivitas yang dapat diverifikasi.
- Penyelesaian pembayaran.
- Distribusi hasil kepada pengguna.
Pemisahan fungsi tersebut penting. AI tidak harus menggantikan blockchain, dan blockchain tidak harus menjalankan seluruh proses analisis AI. Keduanya dapat digunakan sebagai lapisan yang saling melengkapi.
AI memberikan kemampuan interpretasi dan otomatisasi, sedangkan blockchain memberikan mekanisme kepemilikan, transparansi, dan settlement.
Pentingnya Proyek Open Source
Mimir Markets, Precall, dan Archimedes tersedia secara open source melalui Arc Open Source Showcase. Developer dapat mempelajari, mengimpor, melakukan fork, atau membangun aplikasi baru di atas proyek-proyek tersebut.
Pendekatan open source memberikan manfaat besar bagi ekosistem. Builder tidak harus selalu memulai dari nol. Mereka dapat mempelajari struktur proyek pemenang, memahami cara integrasi Arc dan USDC, lalu menyesuaikannya untuk kebutuhan sendiri.
Beberapa komponen yang dapat dipelajari dari proyek-proyek tersebut antara lain:
- Arsitektur multi-agent.
- Integrasi AI dengan smart contract.
- Sistem prediction market.
- Penggunaan USDC sebagai jaminan.
- Pembayaran mikro antarmesin.
- Backtesting strategi keuangan.
- Penyelesaian hasil berbasis oracle.
- Mekanisme konsensus antar-AI agent.
- Peluang Pengembangan Berikutnya
Proyek yang dipamerkan dalam Agora Hackathon menunjukkan bahwa AI agent dapat digunakan dalam berbagai aplikasi ekonomi digital.
Prediction market berbasis AI, misalnya, dapat dikembangkan untuk kebutuhan analisis risiko, prakiraan industri, evaluasi proyek, atau pengambilan keputusan komunitas.
Sistem seperti Precall dapat dikembangkan menjadi marketplace reputasi, tempat analis membangun rekam jejak berdasarkan prediksi yang dapat diverifikasi.
Archimedes dapat diperluas menjadi asisten riset yang tidak hanya menguji strategi, tetapi juga menjelaskan dasar akademis, risiko, kelemahan data, dan kondisi ketika strategi kemungkinan gagal.
AI agent juga dapat diberi kemampuan untuk melakukan pembayaran terhadap sumber data, model, atau layanan lain. Dengan demikian, agent tidak hanya menjadi alat analisis, tetapi juga pelaku ekonomi digital yang mampu membeli layanan dan menyelesaikan transaksi secara mandiri.
Tantangan yang Harus Diperhatikan
Walaupun potensinya besar, aplikasi AI agent di sektor pasar dan keuangan tetap membutuhkan mekanisme pengamanan.
Keputusan AI dapat salah akibat data buruk, bias model, prompt manipulation, atau kondisi yang belum pernah ditemukan dalam data pelatihan.
Karena itu, developer perlu mempertimbangkan beberapa lapisan pengamanan:
- Batas maksimum transaksi.
- Sistem multisignature atau persetujuan pengguna.
- Transparansi sumber data.
- Audit smart contract.
- Logging keputusan AI.
- Pengujian terhadap manipulasi oracle.
- Mekanisme penghentian darurat.
- Pemisahan wallet operasional dan treasury.
Hasil analisis AI juga tidak seharusnya otomatis dianggap sebagai saran investasi. Informasi pada materi Arc tersebut disediakan untuk tujuan informasional dan bukan merupakan jaminan, komitmen, atau nasihat investasi.
Kesimpulan
Arc x Canteen Agora Hackathon memperlihatkan tiga pendekatan berbeda dalam membangun ekonomi berbasis AI agent.
Mimir Markets menggunakan dewan AI Oracle untuk menyelesaikan prediction market secara onchain. Precall menggabungkan prediksi, jaminan USDC, lima AI agent, dan pembayaran mikro x402. Archimedes menggabungkan penelitian akademis, data pasar, dan backtesting untuk membantu memvalidasi strategi perdagangan secara lebih sistematis.
Ketiganya menunjukkan bahwa masa depan aplikasi blockchain mungkin tidak hanya berisi pengguna yang berinteraksi langsung dengan smart contract. Sebagian aktivitas dapat dijalankan oleh AI agent yang membaca informasi, mengambil keputusan, membeli layanan, dan melakukan transaksi dengan batas kebijakan tertentu.
Dalam model tersebut, Arc berfungsi sebagai lapisan settlement dan USDC sebagai instrumen pembayaran digital yang dapat diprogram. Hasilnya adalah fondasi baru bagi prediction market, riset keuangan, pembayaran machine-to-machine, dan berbagai bentuk agentic economy.
