Агентна торгівля оптимізована для ефективності. Малі підприємства візьмуть на себе ризик шахрайства.

Степані О’Коннор, Wind River Payments.

Рівень інтелекту для фінтех-професіоналів, які думають самостійно.

Основне джерело розвідки. Оригінальний аналіз. Внески від людей, що визначають індустрію.

Довіряють професіонали з JP Morgan, Coinbase, BlackRock, Klarna та інших компаній.

Приєднуйтесь до Щотижневого Клубу Чіткої Інформації FinTech →

Інструменти боротьби з шахрайством розроблені з урахуванням того, як люди зазвичай здійснюють покупки: як вони рухаються по сайту, скільки часу витрачають на перегляд і що змінюють перед натисканням купити. Ці сигнали зазвичай визначають, чи є транзакція законною.

Сучасні системи шахрайства вже здатні ідентифікувати традиційну поведінку ботів. Відмінність у тому, що з агентською торгівлею виникає інша проблема. AI-агенти можуть бути навчені імітувати людські шаблони настільки точно, що ці сигнали стають важчими для розпізнавання від людських покупців.

Навіть коли системи шахрайства працюють як задумано, виникають окремі проблеми, коли AI починає приймати рішення про покупку.

Зазвичай AI-агенти налаштовані на оптимізацію ціни та швидкості. Вони не зупиняються, щоб поставити під сумнів щось, що міг би зробити людський покупець, наприклад, ціну, яка здається трохи занизькою, продавця, який не є авторизованим роздрібним продавцем, або оголошення, що не зовсім відповідає бренду. Вони виконують інструкції. Така ефективність може покращити коефіцієнт конверсії, але водночас усуває рівні неформального фільтрування ризиків, які люди природно застосовують.

Оптимізація цін створює негайний тиск на малі та середні підприємства. Якщо агенту наказано «купити X за ціною нижче Y», перемагає продавець з найнижчою ціною. Виробники більшого масштабу та оператори високорозмірних ринків структуровані для конкуренції за ціною. Багато SMB-конкурентів змагаються за сервіс, спеціалізацію та довіру клієнтів. Автоматизована купівля послаблює ці переваги.

Підроблені оголошення також стають можливістю для машинної оптимізації. Людський покупець розпізнає, що товар із значною знижкою виглядає підозріло, але AI-агент ні, якщо його явно не запрограмували оцінювати легітимність бренду та цінові моделі. Продавці підробок не потребують значного зниження ціни нижче ринку, щоб перемогти. Навіть незначне зниження цін достатньо для залучення автоматичних покупок.

Підроблені домени та сайти додають додатковий ризик. Якщо агенти здійснюють транзакції автономно, вони повинні оцінювати легітимність сайту. Клонований сайт може перехопити автоматичні замовлення, перш ніж споживач зрозуміє, що щось не так. Репутаційний шкода лягає на справжнього продавця. Менші підприємства зазвичай не мають інструментів моніторингу та ресурсів безпеки, які використовують великі компанії для швидкого виявлення та припинення імітації.

З боку платіжної системи ми бачимо, наскільки швидко поширюється інформація, коли змінюється поведінка транзакцій. Моделі повернення коштів, оцінка шахрайства та процеси розбіжностей були розроблені з урахуванням людської поведінки при покупках. Якщо транзакції, керовані AI, збільшать кількість суперечок щодо підробок або претензій на несанкціоновані покупки, перші фінансові втрати зазнають SMB.

Навіть якщо споживачі приймають нововведення поступово, рішення щодо інфраструктури вже приймаються. Постачальники платіжних та програмних рішень повинні коригувати моделі ризику, перш ніж автоматизована купівля стане масовою.

Це означає:

* оновлення моделей шахрайства з урахуванням поведінки машин
* впровадження стандартів перевірки продавців, що читаються машинами
* моніторинг підроблених або схожих сайтів
* уточнення відповідальності та процедур розбіжностей для покупок, ініційованих AI

Торгівля, керована AI, може бути більш ефективною. Але без змін у інфраструктурі вона також перенесе ризики шахрайства та ціновий тиск на найменших гравців ринку.

Якщо змінюється покупець, мають змінитися й моделі ризику та рамки відповідальності.

Про автора

Степані О’Коннор — директор з операцій та досвіду продавців у Wind River Payments, де вона керує командою менеджерів з відносин, які безпосередньо працюють із клієнтами, допомагаючи їм орієнтуватися у складнощах сучасних платежів — від обробки транзакцій до запобігання шахрайству та покращення досвіду клієнтів. Вона має понад десять років досвіду у фінансових послугах, тісно співпрацюючи з продавцями та платіжними партнерами.