AI-агенты в платёжных системах: как меняется доверие в транзакциях
Mastercard обработал 175 миллиардов транзакций за прошлый год, тратя менее 100 миллисекунд на оценку каждой из них. Теперь компания перестраивает саму логику этой оценки: правила безопасности, которые десятилетиями создавались для блокировки ботов, необходимо переписать, чтобы пропускать агентов с правом совершать покупки от имени людей и компаний.
Это не техническая деталь крупной корпорации. Это сигнал о том, что базовая инфраструктура коммерции — платёжные сети, банки, процессинговые системы — начинает адаптироваться под новый тип участника рынка: автономный программный агент, действующий по делегированным полномочиям.
Почему агентная коммерция создаёт принципиально новые риски
Традиционная транзакция устроена просто: один покупатель, один продавец, один момент решения. AI-агент меняет структуру этого взаимодействия. Как объяснил Грег Ульрих, директор по AI и данным Mastercard, на конференции VB Transform 14 июля 2026 года: вместо единичной транзакции возникает делегирование полномочий — от человека или компании к агенту, который действует автономно в заданных рамках.
Это делает транзакцию значительно сложнее. Кто несёт ответственность, если агент купил товар на неправильных условиях? Как проверить, что агент действовал строго в рамках полученных инструкций? Как убедиться, что агент вообще легитимен, а не скомпрометирован?
Mastercard выстраивает пятиуровневую архитектуру доверия для ответа на эти вопросы. Первый уровень — идентификация: система должна знать не только покупателя, но и самого агента, верифицировать его как легитимный инструмент и зарегистрировать в сети. Второй уровень — верифицируемое намерение: криптографически защищённая запись исходных инструкций, которая сопровождает транзакцию. Если агент купил кроссовки на финальной распродаже без права возврата, а в инструкции такого условия не было — это можно объективно проверить. Третий уровень — контроли: ограничения по продавцам, суммам и условиям. Четвёртый — исполнение через платформу Agent Pay с токенизацией и аутентификацией. Пятый — интеллект: мониторинг угроз, риск-правила и разрешённый доступ к персонализированным данным.
Что это означает для бизнеса уже сегодня
Масштаб применения агентной коммерции не ограничивается потребительскими покупками. Ульрих указал на B2B-закупки как на главную область роста: производственная компания с агентом, который отслеживает уровень запасов, самостоятельно инициирует пополнение у одобренных поставщиков и действует в рамках бюджета — это уже не концепция, а работающий сценарий, под который строится инфраструктура.
Для такого сценария потребуется взаимодействие нескольких агентов одновременно: закупочный агент, агент поставщика, банковский агент. Каждый из них должен идентифицировать других участников и доверять их действиям. Это означает необходимость открытых стандартов идентификации агентов, которые будут работать между разными организациями и системами.
Параллельно Mastercard фиксирует, что треть сервисного бизнеса компании уже построена на AI, и этот сегмент растёт быстрее остального портфеля. Генеративный AI позволил системе выявлять на 300–400% больше мошеннических транзакций в высокорисковых диапазонах без увеличения числа ложных срабатываний.
Отдельного внимания заслуживает вопрос идентификации агентов. По данным исследования VentureBeat за июнь 2026 года, только 32% из 107 опрошенных корпоративных пользователей присваивают каждому агенту собственный управляемый идентификатор, и лишь 12% включают продукты для идентификации агентов в свой набор инструментов. Это означает, что большинство компаний, уже использующих AI-агентов, работают без базового контроля над тем, кто и что делает от их имени.
Практические уроки из опыта Mastercard
Mastercard построил агентную платформу для 4000 консультантов около 14 месяцев назад и уже переосмысливает её архитектуру. Ульрих выделил три ключевых урока этого опыта:
- Защитные механизмы, соответствие требованиям и наблюдаемость должны быть встроены с самого начала, а не добавлены позже.
- Система должна проектироваться под масштаб с первого дня.
- Наблюдаемость и подотчётность важны не меньше, чем интеллект самих агентов.
Компания создала то, что Ульрих назвал агентной фабрикой: операционную среду с встроенными механизмами соответствия требованиям, мониторинга и контроля. Отслеживание дрейфа моделей, которое раньше выполнялось вручную, теперь автоматизировано внутри этой фабрики.
Вывод Ульриха о попытке добавить защитные механизмы постфактум прямой: «Если вы пытаетесь добавить ограничения уже в процессе масштабирования — вы обречены на провал». Это наблюдение применимо к любой компании, которая внедряет агентов в производственные процессы.
Что касается новых моделей безопасности, Mastercard работал с моделями Anthropic и OpenAI для обнаружения уязвимостей. По оценке Ульриха, мощные новые модели находят уязвимости, которые раньше было сложно обнаружить, но это новый инструмент, а не новый подход к безопасности. Компания распространяет эту архитектуру и возможности исправления уязвимостей на внешних участников экосистемы.
Доверие к агентам, как сформулировал Ульрих, — это не технический параметр, а условие масштабирования всей агентной экономики. «Что позволит AI продолжать масштабироваться — это не возможности агентов, а то, насколько мы доверяем им действовать от нашего имени». Компании, которые не выстроят верифицируемую идентификацию своих агентов и чёткие механизмы фиксации намерений, столкнутся с растущими операционными и правовыми рисками по мере того, как агентная коммерция входит в стандартную практику закупок и обслуживания клиентов.
Практический вывод: если ваша компания уже использует или планирует внедрить AI-агентов для закупок, продаж или клиентского сервиса, проведите аудит того, как в системе идентифицируется каждый агент, фиксируются ли его исходные инструкции и существуют ли чёткие ограничения на его действия — эти три параметра станут базовым требованием платёжной инфраструктуры в ближайшие годы.