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.

Первинна розвідка джерел інформації. Оригінальний аналіз. Внески від людей, що визначають індустрію.

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

Приєднуйтесь до Клубу щотижневої ясності FinTech →

Інструменти боротьби з шахрайством розроблені відповідно до типових моделей покупок: як люди рухаються по сайту, скільки часу вони витрачають на перегляд і що змінюють перед натисканням купити. Ці сигнали зазвичай визначають, чи є транзакція легітимною.

Сучасні системи шахрайства вже здатні ідентифікувати традиційну поведінку ботів. Відмінність у тому, що агентний комерційний процес — інша справа. Штучні 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 слід, виникають окремі проблеми, коли штучний інтелект починає приймати рішення про покупку.

Зазвичай AI-агенти налаштовані на оптимізацію ціни та швидкості. Вони не зупиняються, щоб поставити під сумнів речі, які міг би зробити людина, наприклад, ціну, що здається 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 природно застосовують люди.

Оптимізація цін безпосередньо тисне на малі та середні підприємства. Якщо агенту наказано «купити X за ціною нижче Y», перемагає продавець із найнижчою ціною. Виробники більшого масштабу та оператори високорозмірних ринків структуровані для конкуренції за ціною. Багато SMB-конкурентів змагаються за сервіс, спеціалізацію та довіру клієнтів. Автоматизовані покупки послаблюють 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, щоб перемогти. Навіть незначне зниження цін достатньо для автоматичних покупок.

Фальшиві 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 збиток зазнає справжній продавець. Менші підприємства зазвичай позбавлені інструментів моніторингу та ресурсів безпеки, які використовують великі компанії для швидкого виявлення та припинення імітації.

З боку платіжної системи ми бачимо, наскільки швидко поширюється ризик при зміні поведінки транзакцій. Моделі повернення коштів, оцінка шахрайства та процеси розгляду 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, інфраструктурні рішення вже приймаються. Постачальники платіжних та програмних рішень мають адаптувати моделі ризику до масштабування автоматичних покупок.

Це означає:

* оновлення моделей шахрайства з урахуванням поведінки машин
* впровадження стандартів перевірки продавців, що читаються машинами
* моніторинг клонованих або схожих сайтів
* уточнення відповідальності та процедур розгляду спорів щодо покупок, ініційованих AI

Комерція, керована штучним інтелектом, 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 досвіду клієнтів. Вона має понад десять років досвіду у фінансовій сфері, тісно співпрацюючи з продавцями та платіжними партнерами.