التجارة الوكيلة محسنة من أجل الكفاءة. ستتحمل الشركات الصغيرة مخاطر الاحتيال.

بواسطة Stephanie O’Connor، Wind River Payments.

طبقة الاستخبارات للمحترفين في التكنولوجيا المالية (FinTech) الذين يفكرون بأنفسهم.

استخبارات المصدر الأولية. التحليل الأصلي. مساهمات من الأشخاص الذين يحددون ملامح الصناعة.

موثوق به من قبل المحترفين في JP Morgan وCoinbase وBlackRock وKlarna والمزيد.

انضم إلى دائرة الوضوح الأسبوعية للتكنولوجيا المالية →

تم تصميم أدوات الاحتيال بناءً على كيفية تسوق الناس عادةً: كيف يتنقلون عبر الموقع، ومدة تصفحهم، وما يغيرونه قبل النقر على شراء. غالبًا ما تحدد هذه الإشارات ما إذا كانت المعاملة شرعية.

أنظمة الاحتيال الحديثة قادرة بالفعل على التعرف على سلوك الروبوتات التقليدية. لكن التحدي مع التجارة الوكيلة (agentic commerce) مختلف. يمكن تدريب وكلاء الذكاء الاصطناعي على تقليد الأنماط البشرية بشكل قريب لدرجة يصعب معها التمييز بين تلك الإشارات ومتصفحي المتاجر من البشر.

حتى عندما تعمل أنظمة الاحتيال كما هو مخطط لها، تظهر مشكلات منفصلة عندما يبدأ الذكاء الاصطناعي في اتخاذ قرارات الشراء.

عادةً ما يُبنى وكلاء الذكاء الاصطناعي بهدف تحسين السعر والسرعة. لا يتوقفون لطرح الأسئلة التي قد يطرحها الإنسان، مثل سعر يبدو منخفضًا أكثر من اللازم، أو بائع ليس تاجرًا معتمدًا، أو إعلان لا يتطابق تمامًا مع العلامة التجارية. إنهم ينفذون التعليمات. قد يؤدي ذلك إلى تحسين معدلات التحويل، لكنه أيضًا يزيل طبقات الفلترة غير الرسمية للمخاطر التي يطبقها البشر بشكل طبيعي.

يضع تحسين السعر ضغطًا فوريًا على الشركات الصغيرة والمتوسطة. إذا تم توجيه وكيل لشراء X بأقل من Y، فإن البائع الأرخص هو الفائز. الشركات المصنعة الكبرى ومشغلو الأسواق ذات الحجم الكبير مُنظمون للمنافسة على السعر. العديد من الشركات الصغيرة والمتوسطة تتنافس على الخدمة، والتخصص، وثقة العملاء. الشراء الآلي يضعف تلك المزايا.

كما تصبح القوائم المقلدة فرصًا محسنة بواسطة الآلة. بينما يدرك المشتري البشري أن منتجًا مخفضًا بشكل كبير يثير الشك، فإن وكيل الذكاء الاصطناعي لن يدرك ذلك إلا إذا تم برمجته صراحة لتقييم شرعية العلامة التجارية وأنماط التسعير. البائعون المزوّرون لا يحتاجون إلى تسعير أقل بكثير من السوق للفوز. حتى التخفيضات الطفيفة تكفي لالتقاط عمليات الشراء التلقائية.

تزيد النطاقات والمواقع المستنسخة من المخاطر الإضافية. إذا كانت الوكلاء تتعامل بشكل مستقل، فيجب عليهم تقييم ما إذا كان الموقع شرعيًا. يمكن لموقع مُنسخ أن يعترض الطلبات الآلية قبل أن يدرك المستهلك أن هناك شيئًا غير صحيح. الضرر يقع على سمعة التاجر الحقيقي. الشركات الصغيرة غالبًا تفتقر إلى أدوات المراقبة وموارد الأمان التي تمتلكها المؤسسات الكبرى للكشف عن عمليات التزييف وإيقافها بسرعة.

من طبقة المدفوعات، نرى مدى سرعة انتقال التعرض عندما يتغير سلوك المعاملات. نماذج الشحنات المرتجعة، وتسجيل الاحتيال، وإجراءات النزاع كانت مصممة حول سلوكيات الشراء البشرية. إذا زادت المعاملات المدفوعة بالذكاء الاصطناعي من نزاعات المنتجات المقلدة أو مطالبات الشراء غير المصرح به، فإن الشركات الصغيرة والمتوسطة ستتحمل الأثر المالي أولًا.

حتى لو كان اعتماد المستهلكين تدريجيًا، فإن قرارات البنية التحتية تُتخذ الآن. يحتاج مقدمو خدمات المدفوعات والبرمجيات إلى تعديل نماذج المخاطر قبل أن يتوسع الشراء الآلي.

وهذا يتطلب:

• تحديث نماذج الاحتيال لتشمل السلوك المدفوع بالآلة
• تطبيق معايير التحقق من التاجر التي يمكن قراءتها آليًا
• المراقبة المستمرة للمواقع المستنسخة أو المشابهة
• توضيح المسؤولية وإجراءات النزاع للشراء الذي يبدأه الذكاء الاصطناعي

التجارة المدفوعة بالذكاء الاصطناعي يمكن أن تكون أكثر كفاءة. لكن بدون تغييرات على مستوى البنية التحتية، فإنها ستنقل أيضًا مخاطر الاحتيال وضغوط التسعير إلى أصغر اللاعبين في السوق.

إذا تغير المشتري، يجب أن تتغير نماذج المخاطر وأطر المسؤولية معه.

عن المؤلف

Stephanie O’Connor هي مديرة العمليات وتجربة التاجر في Wind River Payments، حيث تقود فريقًا من مديري العلاقات الذين يعملون مباشرة مع العملاء لمساعدتهم على التنقل في تعقيدات المدفوعات الحديثة — من معالجة المعاملات إلى منع الاحتيال وتحسين تجربة العملاء. تمتلك أكثر من عقد من الخبرة في صناعة الخدمات المالية، وتعمل عن كثب مع التجار وشركاء المدفوعات.