Agen AI telah keluar dari kotak obrolan dan masuk ke koridor tempat kerja.

Mereka tidak lagi sekadar menjawab pertanyaan. Mereka menyortir email, menjadwalkan rapat, melakukan riset, mengakses file, dan melakukan tindakan nyata di berbagai alat perusahaan. Singkatnya, mereka sedang berkembang dari perangkat lunak yang kita ajak bicara menjadi rekan digital yang mampu membuka pintu atas nama kita.

Tapi kami tidak akan pernah memberikan setiap kunci kepada seorang karyawan di seluruh perusahaan dan berkata, “Mereka terlihat cukup pintar. Semoga mereka membuka pintu yang tepat.” Dengan agen AI, fokus hanya pada kualitas keputusan mereka tidak lagi cukup.

Siapa yang berdiri di pintu antara sebuah keputusan dan sebuah tindakan?

Open-source #ironclaw 1,0, yang dikembangkan dalam @NEAR Protocol visi #NEARAI , menawarkan jawaban arsitektural untuk pertanyaan itu. Komponen yang membuat keputusan dipisahkan dari komponen yang bertindak atas keputusan tersebut di dunia luar. Di antara keduanya ada lapisan koordinasi bersama bernama “guard”, yang setiap tindakan harus melewatinya.

🛂 Guard di Gerbang Keamanan Agen

Anggap lapisan guard sebagai gerbang keamanan pintar untuk gedung perusahaan. Ia kurang peduli dengan apa yang dipikirkan di dalam, dan lebih peduli izin apa yang sedang digunakan, pintu mana yang ingin dimasuki seseorang, dan alasannya.

IronClaw bisa membaca email, mengedit file, atau meneliti sesuatu secara online. Namun dari sisi keamanan, ada tiga aturan penting yang berperan:

  • Tindakan yang bersifat sensitif memerlukan persetujuan eksplisit dari pengguna terlebih dahulu.

  • Kata sandi dan token akses bersifat sekali pakai secara default.

  • Setelah digunakan, rahasia tersebut dibersihkan dari log, pesan kesalahan, dan laporan.

Pemanfaatan pemisahan ini penting. Ketika “berpikir” dan “melakukan” terikat menjadi satu simpul di dalam agen AI, setiap kemampuan baru membuat simpul itu sedikit lebih erat. Pada akhirnya, Anda mungkin mendapatkan rekan yang sangat kapabel—dengan banyak kunci di sakunya—tetapi tidak ada yang benar-benar yakin kunci mana yang membuka pintu yang mana.

📊 Apakah Safety Menginjak Rem pada Performa

Kita sering menganggap bahwa kontrol yang lebih besar berarti eksekusi yang lebih lambat. Hasil benchmark IronClaw 1.0 menunjukkan bahwa mengencangkan sabuk pengaman tidak selalu memperlambat mobil.

Dalam evaluasi yang dipublikasikan oleh NEAR AI, setiap agen menggunakan model dasar yang sama, deepseek-v4-flash. IronClaw mencapai hasil berikut di tiga benchmark:

  • PinchBench: 93,5%

  • ClawBench: 88,6%

  • OfficeQA: 76,4%

PinchBench mengukur performa di 147 tugas dunia nyata, termasuk penjadwalan rapat, manajemen email, pemrograman, penelitian, dan operasi file. ClawBench menguji agen untuk tugas multi-langkah di lebih dari 140 situs web yang masih aktif. OfficeQA mengevaluasi penarikan informasi dan penalaran pada kumpulan sekitar 89.000 halaman dokumen perusahaan.

Detail paling menarik di sini bukan hanya nilainya, tetapi kenyataan bahwa setiap sistem berlomba dengan mesin yang sama. Karena model dasar tidak berubah, perbedaannya tidak terlalu berasal dari ukuran mesin, melainkan dari cara kemudi, rem, dan transmisi bekerja bersama.

💾 Tidak Mengulang dari Awal Saat Pekerjaan Terhenti

IronClaw terus menyimpan progres tugas melalui checkpoint. Anggap saja seperti save point dari gim video lama yang diadaptasi untuk kehidupan perusahaan. Jika agen berhenti untuk izin pengguna atau sistem restart, ia tidak melupakan seluruh tugas dan mengirim Anda kembali ke level pertama. Ia melanjutkan dari tempat yang terhenti.

Dalam lingkungan bisnis, ini tidak hanya menghemat beberapa menit. Ini juga mengurangi kesalahan, pengulangan, dan hilangnya konteks akibat membuat ulang pekerjaan yang belum selesai. Menjelaskan tugas yang sama untuk ketiga kalinya pada pagi Senin saja sudah cukup melelahkan bagi orang; tidak ada alasan untuk mengulang pengalaman itu dengan perangkat lunak.

Memori yang sama dipertahankan di seluruh CLI, web, Slack, dan Telegram. Mengubah kanal tidak membuat Anda berkenalan dengan intern baru setiap kali di hari pertama mereka. Anda terus berbicara dengan agen yang sama—yang mengingat preferensi, keputusan sebelumnya, dan aturan keamanan Anda.

🧩 Memori Tim Bukan Berarti Membuka Setiap Laci

Arsitektur tim IronClaw menangani dua kebutuhan berbeda sekaligus:

  • Dalam penerapan multi-tenant, alat dan keahlian yang dikembangkan oleh satu orang dapat dibagikan ke seluruh organisasi. Alur kerja yang sama tidak perlu ditemukan ulang dari nol oleh setiap karyawan.

  • Ruang kerja individual tidak terlihat oleh administrator secara default.

  • Penerapan single-tenant memberi organisasi dengan batas data yang lebih ketat lingkungan yang sepenuhnya terisolasi tanpa akses eksternal.

Karena itu, membangun memori organisasi bersama tidak berarti membuka setiap laci meja untuk diperiksa semua orang.

🔐 Di mana NEAR AI dan Staking Berperan

IronClaw bukan produk yang berdiri sendiri. NEAR AI sedang mengembangkan infrastruktur yang lebih luas agar agen, model, dan data sensitif dapat beroperasi di dalam Trusted Execution Environments—didukung oleh privasi dan verifikabilitas yang ditopang perangkat keras. Arsitektur ini merupakan bagian dari #Near visi Protocol untuk masa depan yang lebih terbuka dan terdesentralisasi, di mana sistem AI menjadi milik penggunanya, bukan platform tertutup.

Staking memainkan dua peran yang saling terhubung dalam gambaran ini:

  • Pada level protokol, pengguna mendelegasikan $NEAR ke validator, memberikan keamanan ekonomi bagi jaringan Proof-of-Stake.

  • Di sisi NEAR AI, NEAR yang distake dapat menyediakan akses ke inferensi yang bersifat rahasia serta kredit hosting IronClaw. Kredit hosting agen ditentukan oleh jumlah yang distake, sedangkan kredit inferensi rahasia dihasilkan dari imbal hasil staking.

Pengguna tetap memiliki pokoknya, sehingga modal mereka dapat mendukung layanan AI tanpa dijual.

Karena itu, menganggap staking hanya sebagai pancuran hasil pasif mengabaikan sebagian dari gambaran. Di sini, modal bertindak seperti panel sirkuit yang menghubungkan keamanan jaringan dan penggunaan AI ke sistem yang sama. Di satu sisi, ini membantu mengamankan jaringan secara ekonomi. Di sisi lain, ini mendukung akses berbasis wallet ke infrastruktur AI yang berfokus pada pengguna—yang dapat digunakan oleh agen seperti IronClaw dan OpenClaw.

Persaingan antar agen AI tidak akan dimenangkan hanya oleh siapa pun yang memiliki model terbesar. Sistem yang paling efektif dalam mengoordinasikan keputusan, izin, memori, privasi, dan infrastruktur ekonomi akan menonjol.

Itulah gagasan kuat di balik IronClaw 1.0: sebelum membuat “otak” agen sedikit lebih besar, rancang ulang pintu mana yang boleh dibuka oleh kunci yang ada di tangannya.

Menurut Anda, apakah hambatan utama untuk agen AI perusahaan adalah kecerdasan model, atau mengubah kecerdasan itu menjadi tindakan yang aman?