Відкриті стандарти розкриють наступний прорив агентного ШІ у фінтеху

Манік Суртанді — керівник напрямку Open Source у Block.

Відкрийте для себе найкращі новини та події у фінтеху!

Підпишіться на бюлетень FinTech Weekly

Читають керівники в JP Morgan, Coinbase, Blackrock, Klarna та багатьох інших

У 2025 році AI-агенти змінили спосіб, у який фінтехи працюють всередині компаній, автоматизуючи складні процеси та координуючи роботу між інструментами за мінімального людського керівництва. У 2026 році ми побачимо дедалі більше таких агентних можливостей, запропонованих безпосередньо клієнтам. Але галузь стоїть перед вибором. Сьогодні фінтех-екосистема глибоко фрагментована. Кожен процесинг платежів, кредитор, банк і платформа мають власні формати даних і API. Клієнти можуть отримати агентів, які працюють лише в ізольованих системах, або ж ми можемо спільно рухатися до відкритих стандартів, що дозволяють агентам працювати в ширшому спектрі фінансових контекстів.

Раніше цього місяця Block, Anthropic і OpenAI, у партнерстві з Linux Foundation, оголосили про створення Agentic AI Foundation (AAIF), об’єднавши внески відповідних компаній за підтримки інших лідерів у сфері AI, щоб закласти відкриті стандарти для агентного AI. Хоча це ще на початку, це є суттєвим кроком до покращення взаємодії в фінансових технологіях. Якщо галузь підтримає цей напрям, ми зможемо побудувати екосистему, де агенти зможуть навчатися на багатших даних, отримувати доступ до узгоджених інтерфейсів і приносити вигоди, які нарощуються, а не фрагментуються. Якщо ж ні, ми ризикуємо відтворити ту саму ізольовану архітектуру, яка гальмувала інновації десятиліттями, тільки цього разу — з більш потужною технологією.

Обмеження агентного AI у ізоляції

Фінтех історично зростав через пропрієтарні стекі. Ця модель працювала в минулому, але агентний AI виявляє її обмеження. Агентам потрібен послідовний доступ до контексту, поверхонь дій і сигналів з багатьох систем.

Коли кожна установа структурує транзакції, ідентичності, індикатори ризику та профілі мерчантів по-різному, агентний AI натрапляє на серйозні перешкоди. Фрагментовані дані підривають здатність агентів міркувати або виконувати впевнені дії. Дискомфорт під час інтеграції гальмує розгортання та збільшує витрати на інженерію. Локування за вендором змушує компанії обирати менш ефективні інструменти лише тому, що вони підходять до наявної архітектури, або, що ще гірше, створювати власні ізольовані середовища, що лише посилює проблему.

Агентний AI досягає успіху, коли може спостерігати, ухвалювати рішення та діяти в межах взаємопов’язаних систем. Ізольовані середовища послаблюють усі три можливості.

Чому відкриті стандарти змінюють усе

Відкриті стандарти (спільні схеми, визначення та протоколи) роблять набагато більше, ніж просто спрощують інтеграцію. Вони створюють основу для масштабованої та взаємодіючої агентної поведінки.

Перш ніж агенти зможуть міркувати між системами або діяти від імені користувачів, ці системи мають говорити однією мовою. Зверніть увагу на Model Context Protocol (MCP) — відкритий стандарт, який дає AI-системам можливість взаємодіяти з інструментами та даними реального світу. Усього за приблизно рік MCP побачив зростання впровадження в багатьох галузях, зокрема у фінтеху та компаніях комерції. Block побудував першу референсну реалізацію для MCP з goose і був раннім учасником розробки самого протоколу. Stripe створив підтримку MCP, щоб агенти могли отримувати доступ до платіжних даних, створювати checkout-сесії та керувати підписками. Square випустила MCP-сервери для своїх платежів, каталогу та API клієнтів. Shopify запустив інтеграції MCP для своєї платформи комерції. Ці приклади демонструють реальний інтерес ринку до взаємодії.

За наявності взаємодіючих протоколів агенти можуть інтерпретувати дані з більшим контекстним розумінням. Натомість фрагментація обмежує якість сигналів, на які спираються агенти.

Порівняйте це з відкритим банкінгом. Відкритий банкінг розвивався роками на глобальному рівні (особливо в США), тому що він вимагав від установ виконати основну важку роботу: створити нові API, забезпечити відповідність вимогам, координуватися між регуляторами. Прогрес залежав від регуляторного тиску, і навіть тоді впровадження було повільним та нерівномірним. У обох випадках клієнти виграють від кращої взаємодії. З агентним AI в компаній може з’явитися додатковий стимул: агенти можуть допомагати мостити або перекладати між системами, знижуючи навантаження на інтеграцію та роблячи відкриті стандарти комерційно привабливими, а не лише вимогою відповідності.

Наступне покоління агентного AI складатиметься зі спеціалізованих агентів, які співпрацюватимуть. Один агент може бути сильним у класифікації документів, інший — у виявленні шахрайства, третій — у прогнозуванні грошових потоків. Передбачувані інтерфейси та спільні протоколи можуть допомогти цим агентам знаходити сервіси, делегувати задачі й оркеструвати робочі процеси без крихкого кастомного коду.

Коли агенти зможуть плавно переміщатися між фінансовими платформами, стане очевидною реальна сила взаємодії. Зараз кожна фінансова послуга працює в ізоляції. Вашу систему зарплат не підключено до застосунку бізнес-банкінгу. Ваш інструмент керування витратами не може координуватися з вашим бухгалтерським ПЗ. Ваш платіжний процесинг не має видимості щодо прогнозування грошових потоків. За відкритими стандартами агенти можуть оркеструвати роботу між усіма цими компонентами. Вони можуть автоматично звіряти витрати, витягуючи дані з корпоративної картки, співставляючи їх із рахунками в бухгалтерській системі та оновлюючи бюджетні прогнози в реальному часі. Вони можуть координувати час оплати між кількома платформами, щоб ви платили постачальникам, коли грошовий потік сильний, і відкладали платежі, коли він «стиснутий». Вони можуть підключати дані андеррайтингу з однієї платформи до оцінки ризику на іншій, тож вам не потрібно знову й знову заповнювати ту саму інформацію. Цінність полягає у зв’язуванні систем, які спочатку не були розроблені для взаємодії.

Виграють також менші фінтехи. Відкриті стандарти вирівнюють ігрове поле, дозволяючи новим учасникам під’єднувати своїх агентів до банків і процесингів без дорогих інженерних проєктів. Вони можуть змагатися за рахунок інсайтів та досвіду, а не бюджету на інтеграцію.

Побудуйте рейки, а не стіни

Наступне десятиліття у фінтеху визначатимуть компанії, які розуміють, що агентний AI — це не один-єдиний продукт. Це платформа для міркувань, дій і співпраці між системами. Платформи масштабуються лише тоді, коли галузь домовляється про рейки, на яких вони працюють.

AAIF є важливим першим кроком, але це лише початок. Щоб розкрити весь потенціал агентного AI, фінтех має долучитися. Нам потрібні відкриті схеми даних, спеціально створені для фінансових примітивів: мерчанти, транзакції, ідентичності, сигнали ризику та платіжні потоки. Деякі протоколи комерції та платежів уже існують, і ще більше пропонуються, але їм досі потрібні згода всієї галузі та співпраця, щоб стати справжніми стандартами, а не ізольованими реалізаціями. Нам потрібні спільні рамки безпеки та управління, щоб довіра могла масштабуватися разом із інноваціями. І нам потрібна активна участь лідерів у фінтеху в галузевих об’єднаннях, які визначають і підтримують ці стандарти, а не лише пасивне спостереження.

Це не означає відмову від диференціації. Найсильніші компанії відрізнятимуться в досвіді, управлінні ризиками та інтелекті, а не в пропрієтарній «водопроводці».  Історія інтернету показує, що сильна інфраструктура може розширювати можливості, а не зменшувати їх. Агентний AI дає шанс зробити це знову.

Про автора

Манік Суртанді — керівник напряму Open Source у Block, Inc. У Block Манік раніше очолював інженерні команди в Square та Cash App. До того як приєднатися до Block, Манік був Staff Engineer у Red Hat. Він є засновником і провідним інженером проєкту Infinispan, а також архітектором платформи в JBoss Data Grid. Манік має бекграунд у AI, розподілених і відмовостійких системах та налаштуванні продуктивності JVM. Манік — сильний прихильник методологій розробки з відкритим кодом, етису та спільних процесів, і бере участь у відкритому доступі з перших кроків у обчислення.