همه مقاله‌ها
پرداخت عاملیبانکداریایجنت هوش مصنوعیامنیت پرداخت

پرداخت با ایجنت هوش مصنوعی در ۲۰۲۶: بانک‌ها و شبکه‌های کارت چطور به ایجنت‌ها اعتماد می‌کنند

در چند روز از مهر ۱۴۰۵، امریکن اکسپرس، مسترکارت، FIS، HSBC و Ant Digital هر کدام به یک پرسش واحد پرداختند: وقتی یک ایجنت هوش مصنوعی پرداخت می‌کند، چه کسی و برای چه کاری به آن اجازه داده است؟ هویت ایجنت، قصد خرید امضاشده و اعتبارنامه‌های محدود چطور مجوزدهی پرداخت را تغییر می‌دهند و مدیران بانک و فین‌تک از امروز چه باید بکنند.

نویسنده: یاسینه پورابراهیم · · ۱۲ دقیقه مطالعه

پرداخت کارتی ده‌ها سال بر یک فرض ساده استوار بوده است: آن سوی صفحه یک انسان نشسته و دکمه «خرید» را می‌زند. پرداخت با ایجنت هوش مصنوعی (Agentic Payments) این فرض را می‌شکند. وقتی یک ایجنت به نمایندگی از مشتری جست‌وجو می‌کند، انتخاب می‌کند و پول می‌پردازد، یک شماره کارت معتبر دیگر به پرسش‌های اصلی پاسخ نمی‌دهد: کدام ایجنت این خرید را انجام داد، اجازه انجام چه کاری را داشت و آیا تراکنش با خواسته واقعی مشتری مطابقت دارد؟

در کمی بیش از یک هفته در مهر ۱۴۰۵، چند بازیگر بزرگ صنعت پرداخت پاسخ‌های خود را منتشر کردند. مسترکارت در ۱۶ مهر سیگنال‌های تازه هویتی و ضدتقلب را برای پلتفرم Agent Pay شرح داد. Ant Digital Technologies و HSBC در ۱۷ مهر از آزمون ریزپرداخت‌های ایجنت هوش مصنوعی با تسویه در سپرده‌های توکنیزه بانکی خبر دادند. امریکن اکسپرس در ۲۱ مهر چارچوب Intent Intelligence را برای ثبت و احراز «قصد خرید» پیش از اقدام ایجنت منتشر کرد. و در ۲۴ مهر، شرکت پردازش پرداخت FIS اعلام کرد بانک‌ها اکنون باید نه فقط اعتبارنامه، بلکه خود ایجنت پشت آن را هم راستی‌آزمایی کنند.

در این مقاله لایه‌های اعتمادی را که پیرامون تجارت عاملی (Agentic Commerce) شکل می‌گیرد توضیح می‌دهم، قابلیت‌های واقعاً فعال را از چارچوب‌های منتشرشده جدا می‌کنم و یک راهنمای عملی برای بانک‌ها و تیم‌های فین‌تک پیشنهاد می‌کنم.

چرا پرداخت عاملی مدل قدیمی مجوزدهی را می‌شکند

گوگل وقتی در شهریور ۱۴۰۴ پروتکل باز Agent Payments Protocol (AP2) را معرفی کرد، مسئله را روشن بیان کرد: سامانه‌های پرداخت امروز عموماً فرض می‌کنند انسانی مستقیماً روی یک صفحه مطمئن «خرید» را می‌زند و ایجنت‌های خودمختار این فرض را می‌شکنند. AP2 سه پرسش را مطرح می‌کند که هر پرداخت ایجنت‌محور باید به آن‌ها پاسخ دهد: مجوز (آیا کاربر برای همین خرید مشخص به ایجنت اختیار داده است؟)، اصالت (آیا درخواست بازتاب قصد واقعی کاربر است؟) و پاسخ‌گویی (اگر تراکنش متقلبانه یا نادرست باشد، مسئولیت با کیست؟).

FIS همین مسئله را به زبان بانکداری بیان کرد. تروی مان، معاون ارشد مدیریت محصول FIS، در گفت‌وگویی که PYMNTS در ۲۴ مهر منتشر کرد گفت حجم پرداخت‌های ایجنت‌محور هنوز کم است، اما «قصد باید بیان و ثبت شود». بانک‌ها باید بدانند کدام ایجنت از یک اعتبارنامه استفاده می‌کند، اجازه انجام چه کاری داشته و آیا تراکنش با دستور اولیه مطابقت دارد. دشواری در پراکندگی شواهد است: فروشنده می‌داند مشتری چه خواسته، پلتفرم هوش مصنوعی دستورهای داده‌شده به ایجنت را می‌داند و بانک حساب، اعتبارنامه و سابقه تراکنش را. این سیگنال‌ها هنوز با هم جابه‌جا نمی‌شوند.

لایه‌های اعتماد در حال شکل‌گیری: چهار لایه

اگر خبرهای مهر را کنار هم بخوانیم، چهار لایه‌ای را توصیف می‌کنند که پرداخت عاملی به آن نیاز دارد. هنوز هیچ شرکتی همه آن‌ها را به‌تنهایی ارائه نمی‌دهد.

۱. احراز هویت ایجنت: «ایجنتت را بشناس»

پیش از آن‌که فروشنده یا بانک به تراکنش اعتماد کند، باید ایجنت را بشناسد. پروتکل Trusted Agent Protocol ویزا که در مهر ۱۴۰۴ با همکاری Cloudflare منتشر شد، از امضاهای رمزنگاری مخصوص هر ایجنت بر پایه استاندارد HTTP Message Signature استفاده می‌کند. یک ایجنت تأییدشده می‌تواند سه نوع اطلاعات به فروشنده بدهد: نشانه‌ای که ایجنتی مورد اعتماد با قصد بررسی یا خرید است، سیگنال‌هایی درباره این‌که مشتری از قبل با فروشنده رابطه دارد یا نه، و به‌صورت اختیاری داده پرداخت. هدف اعلام‌شده ویزا این است که فروشندگان بدون بازسازی سایت خود بتوانند ایجنت‌های مشروع را از بات‌های مخرب تشخیص دهند.

مسترکارت هم مسیر مشابهی را می‌رود. این شرکت در گزارش مهرماه خود درباره هویت ایجنت می‌گوید در حال افزودن داده‌های هویتی، ضدتقلب و رفتاری به Agent Pay است، از جمله امتیازی احتمالاتی که کمک می‌کند تشخیص داده شود آیا ایجنتی مشروع در حال بازدید از سایت است. مسترکارت این پایه گسترده‌تر را Mastercard Agent Pay Trust Framework می‌نامد که هویت را با اثبات قصد، کنترل‌هایی که حدود اختیار ایجنت را تعیین می‌کنند و اجرای امن تراکنش ترکیب می‌کند. استارتاپ Skyfire که با مسترکارت همکاری می‌کند، توکنی با عنوان «ایجنتت را بشناس» (Know Your Agent یا KYA) صادر می‌کند که تأیید می‌کند ایجنت کیست و به نمایندگی از چه کسی عمل می‌کند.

۲. قصد خرید به‌عنوان شاهد امضاشده

لایه دوم، دستور مشتری را به چیزی تبدیل می‌کند که بعداً قابل راستی‌آزمایی باشد. AP2 این کار را با مَندِیت‌ها (Mandates) انجام می‌دهد: سوابق امضاشده رمزنگاری و غیرقابل دست‌کاری از دستورهای کاربر. در خرید هم‌زمان، درخواست کاربر در یک Intent Mandate ثبت می‌شود و تأیید سبد نهایی، یک Cart Mandate را امضا می‌کند. در کارهای واگذارشده، مثل خرید بلیت به محض شروع فروش، کاربر از ابتدا یک Intent Mandate دقیق با سقف قیمت و زمان‌بندی امضا می‌کند و ایجنت می‌تواند وقتی شرایط فراهم شد Cart Mandate را بسازد. گوگل نتیجه را یک رد ممیزی انکارناپذیر از قصد تا سبد خرید و پرداخت توصیف می‌کند.

چارچوب Intent Intelligence امریکن اکسپرس که در ۲۱ مهر منتشر شد، قصد را حتی زودتر وارد جریان می‌کند. API با نام Create Intent دستورها و محدودیت‌های مشتری مانند فروشنده، سقف بودجه و ترجیحات را ثبت می‌کند؛ مشتری هویت خود را احراز و دستور را تأیید می‌کند؛ و سامانه یک شناسه قصد (Intent ID) و یک توکن اثبات قصد (Proof of Intent Token) صادر می‌کند. این توکن برای دریافت اعتبارنامه پرداختی به کار می‌رود که به حدود تأییدشده مشتری محدود شده و ایجنت به‌جای شماره واقعی کارت از آن استفاده می‌کند. استدلال امریکن اکسپرس این است که در دسترس قرار دادن قصد برای صادرکننده کارت پیش از اقدام ایجنت، به صادرکننده اجازه می‌دهد در سراسر تراکنش نقش کنترل را ایفا کند. در مثالی که امریکن اکسپرس برای TechCrunch آورد، اگر مشتری کفش سفید Nike سایز ۹ بخواهد و ایجنت بخواهد کفش Adidas بخرد، می‌توان جلوی تراکنش را گرفت.

۳. اعتبارنامه‌های محدود و سقف‌های برنامه‌پذیر

توکنیزه‌سازی همین حالا هم شماره واقعی کارت را پنهان می‌کند، اما تروی مان از FIS آن را فقط «لایه‌ای مهم» از پاسخ می‌داند. پیشنهاد او برای صنعتی که سال‌ها برای حذف اصطکاک تلاش کرده، خلاف انتظار به نظر می‌رسد: «کمی اصطکاک چیز بدی نیست». یک گزینه، کارت‌های مجازی مخصوص تجارت عاملی است که از نظر مبلغ، فروشنده، بازه زمانی یا پارامترهای دیگر محدود شده‌اند تا مجوزهای اعتبارنامه دقیقاً آینه اختیاری باشد که به ایجنت داده شده است. سرویس Agent Pay for Machines مسترکارت که در خرداد ۱۴۰۵ معرفی شد، همین ایده را در سطح شبکه پیاده می‌کند: سازمان‌ها قواعد مجوز و سقف هزینه تعیین می‌کنند و این قواعد به‌صورت برنامه‌نویسی‌شده اعمال می‌شوند.

۴. تسویه با سرعت ماشین

لایه آخر خود جابه‌جایی پول است. مسترکارت Agent Pay for Machines را برای پرداخت‌های پرتکرار و کم‌مبلغ میان ایجنت‌ها و سرویس‌ها طراحی کرده است، که برخی از آن‌ها کسری از یک سنت‌اند، با تسویه در کارت‌ها، حساب‌ها و استیبل‌کوین‌ها و بیش از ۳۰ مشارکت‌کننده و حامی اولیه. آزمون HSBC و Ant Digital یک جایگزین بانک‌محور را بررسی کرد: یک ایجنت هوش مصنوعی یک سرویس دیجیتال را پیدا کرد، از آن استفاده کرد و یک ریزپرداخت (که معمولاً کمتر از ۲ دلار تعریف می‌شود) را با تسویه لحظه‌ای در سرویس سپرده توکنیزه HSBC (Tokenised Deposit Service) روی شبکه آزمایشی Jovay، یک محیط بلاک‌چین لایه ۲ متعلق به Ant Digital، انجام داد. HSBC بررسی‌های لحظه‌ای ریسک را از طریق رابط MCP خود فراهم کرد. AP2 هم یک افزونه x402 دارد که با همکاری Coinbase و دیگران برای پرداخت‌های ایجنت‌محور با استیبل‌کوین و رمزارز ساخته شده است.

چه چیزی فعال است و چه چیزی هنوز چارچوب است

به‌عنوان مدیر ارشد فناوری، جهت حرکت را قانع‌کننده می‌دانم، اما میزان بلوغ را باید با دقت خواند:

  • حجم‌ها کم‌اند. FIS می‌گوید حجم پرداخت ایجنت‌محور هنوز کم است، هرچند مشتریانی که اعتبارنامه پرداخت ذخیره‌شده دارند از همین حالا وارد این اکوسیستم می‌شوند.
  • چارچوب با یکپارچه‌سازی یکی نیست. امریکن اکسپرس به Digital Commerce 360 تأیید کرد که Intent Intelligence هنوز هیچ یکپارچه‌سازی فعالی ندارد و پوشش حمایتی برنامه‌ریزی‌شده آن با نام Agent Purchase Protection هنوز در دسترس نیست.
  • آزمون با عرضه تجاری یکی نیست. HSBC و Ant Digital اعلام کرده‌اند آزمونشان صرفاً یک بررسی فنی بوده، نه عرضه تجاری یا خدمتی برای مشتریان، و در اطلاعیه تعداد یا مبلغ تراکنش‌ها اعلام نشده است.
  • استانداردها هنوز در رقابت‌اند. AP2، پروتکل Agentic Commerce Protocol که OpenAI و Stripe با هم توسعه داده‌اند، Trusted Agent Protocol ویزا، پروتکل Universal Commerce Protocol گوگل و x402 همگی بخش‌های هم‌پوشانی از این جریان را پوشش می‌دهند. امریکن اکسپرس می‌گوید با EMVCo تعامل دارد و از بنیاد x402 حمایت می‌کند؛ ویزا می‌گوید با IETF، بنیاد OpenID و EMVCo هم‌راستا می‌شود.
  • پرسش‌های هویتی هنوز باز است. مرکز ملی تعالی امنیت سایبری NIST (NCCoE) در بهمن ۱۴۰۴ یک سند مفهومی درباره هویت و مجوزدهی نرم‌افزار و ایجنت‌های هوش مصنوعی منتشر کرد. این سند می‌پرسد ایجنت‌ها چطور باید شناسایی و احراز هویت شوند، وقتی اقدام‌های ایجنت کاملاً پیش‌بینی‌پذیر نیست اصل «حداقل دسترسی» چطور اعمال شود، اختیار در سناریوهای «به نمایندگی از» چطور واگذار شود، اقدام‌ها و قصد ایجنت چطور به شکلی غیرقابل دست‌کاری ثبت شود و از تزریق پرامپت (Prompt Injection) چطور جلوگیری شود.
  • مشتریان محتاط‌اند. در نظرسنجی NMI از ۱۰۰۰ بزرگسال آمریکایی که Digital Commerce 360 به آن استناد کرده، ۵۸ درصد نگران بودند ایجنت خرید کالای اشتباه بخرد و ۶۰ درصد نگران بودند بیش از حد مورد نظرشان خرج کند.

راهنمای عملی برای مدیران بانک و فین‌تک

۱. تراکنش‌های عاملی را قابل‌مشاهده کنید. پرداخت‌های آغازشده توسط ایجنت را علامت‌گذاری کنید و در امتیازدهی تقلب و گزارش‌دهی جداگانه ببینید؛ همان کاری که FIS می‌گوید با مؤسسات مالی انجام می‌دهد. ریسکی را که نمی‌بینید نمی‌توانید مدیریت کنید.

۲. قصد را داده بدانید. مندیت، شناسه قصد یا شاهد معادل را کنار رکورد تراکنش نگه دارید و در اختیار تیم‌های رسیدگی به اختلاف و برگشت وجه (Chargeback) قرار دهید. اختلاف آینده این است که «ایجنت چیز اشتباهی خرید» و شاهد آن باید پیش از وقوع وجود داشته باشد.

۳. اعتبارنامه محدود صادر کنید، نه شاه‌کلید. توکن‌ها یا کارت‌های مجازی مخصوص ایجنت با سقف مبلغ، قفل فروشنده و تاریخ انقضا، آسیب را وقتی ایجنت خطا می‌کند محدود نگه می‌دارند.

۴. ایجنت را به مشتری گره بزنید و ابطال را فوری کنید. هر اعتبارنامه ایجنت باید تا رضایت احرازشده مشتری قابل ردیابی باشد، به‌طور پیش‌فرض حداقل دسترسی را داشته باشد و با یک کلیک قابل ابطال باشد.

۵. فرض کنید ایجنت قابل فریب است. ایجنت مبتنی بر مدل زبانی را می‌توان با تزریق پرامپت منحرف کرد و NIST این را در میان پرسش‌های اصلی خود آورده است. کنترل‌ها باید بیرون از مدل باشند: بررسی سمت صادرکننده که خرید را با قصد امضاشده مقایسه می‌کند، به خوش‌رفتاری ایجنت وابسته نیست. همین اصل درباره حفاظ‌هایی صدق می‌کند که در مقاله ایجنت هوش مصنوعی در عمل شرح داده‌ام.

۶. به یک پروتکل وابسته نشوید. با وجود چند پروتکل رقیب، یک لایه انتزاعی میان سامانه‌های اصلی و پروتکل‌های ایجنت بگذارید تا بتوانید بیش از یکی را بدون بازنویسی منطق مجوزدهی پشتیبانی کنید.

۷. گام‌به‌گام پیش بروید. همان‌طور که FIS توصیه می‌کند، در آغاز انسان را در ثبت قصد و مجوزدهی درگیر نگه دارید و خودمختاری را فقط در دسته‌های کم‌ریسکی گسترش دهید که شاخص‌ها از آن پشتیبانی می‌کنند.

۸. روی ویژگی‌های لحظه‌ای ریسک سرمایه‌گذاری کنید. امتیاز هویت ایجنت، تطابق با مندیت و سرعت هزینه‌کرد، سیگنال‌های تازه‌ای برای مدل‌های تشخیص تقلب‌اند و باید در لحظه تصمیم تازه باشند. فیچر استور برای تحلیل لحظه‌ای همان زیرساختی است که این کار را عملی می‌کند.

سخن پایانی

پرداخت عاملی با هوشمندتر شدن ایجنت‌ها فراگیر نمی‌شود؛ وقتی فراگیر می‌شود که نظام مالی بتواند ثابت کند هر ایجنت اجازه انجام چه کاری را داشته است. هویت، قصد امضاشده، اعتبارنامه محدود و تسویه قابل ممیزی همان اهمیتی را پیدا می‌کنند که روزی شماره کارت داشت. بانک‌هایی که از امروز «اختیار ماشین» را بخشی اصلی از معماری پرداخت خود بدانند، وقتی حجم‌های کوچک امروز به ترافیک عادی فردا تبدیل شود آماده خواهند بود.

منابع

مقاله‌های مرتبط

عامل هوشمندمدل زبانیحفاظ‌هاارزیابی

ایجنت هوش مصنوعی در عمل: ابزار، حافظه، حفاظ‌ها و ارزیابی

آنچه یک عامل هوشمند قابل‌اتکا را از یک دموی چشمگیر جدا می‌کند: ابزارهای خوش‌طراحی، حافظه آگاهانه، حفاظ‌های چندلایه و سازوکار ارزیابی‌ای که رفتار را می‌سنجد، نه فقط پاسخ را.

· ۷ دقیقه مطالعه

یادگیری ماشینMLOpsپردازش جریانیمعاملات

فیچر استور و پایپ‌لاین یادگیری ماشین برای تحلیل لحظه‌ای معاملات

چگونه ویژگی‌ها را یک بار محاسبه کنیم و به‌طور یکسان برای آموزش و استنتاج زنده ارائه دهیم؛ با درستی نقطه‌درزمان، تجمیع جریانی و بودجه تأخیری که کاربردهای معاملاتی می‌طلبند.

· ۷ دقیقه مطالعه

هوش مصنوعی فیزیکیرباتیکمدل بینایی-زبان-عملربات انسان‌نما

هوش مصنوعی فیزیکی در ۲۰۲۶: مدل‌های بینایی-زبان-عمل و ورود ربات‌ها به کار واقعی

در نیمه مهر ۱۴۰۵، گوگل، NEURA Robotics و Galaxea هر کدام بخشی از یک تصویر واحد را نشان دادند: مدل‌های پایه رباتیک که می‌بینند، استدلال می‌کنند و عمل می‌کنند. چه چیزی واقعاً تغییر کرده، چه چیزی هنوز ادعای خود شرکت‌هاست و مدیران فناوری چطور هوش مصنوعی فیزیکی را ارزیابی کنند.

· ۱۰ دقیقه مطالعه