پرداخت با عامل‌های هوش مصنوعی آسان شده، اما بازپرداخت هنوز بی‌قاضی است

عامل‌های هوش مصنوعی حالا می‌توانند با استفاده از استیبل‌کوین‌ها و سقف‌های هزینه از پیش تعیین‌شده، برای کاربران کالا و خدمات بخرند؛ اما اگر معامله به‌درستی پرداخت شود و نتیجه مطابق انتظار نباشد، هنوز مشخص نیست چه نهادی باید درباره بازپرداخت یا مسئولیت تصمیم بگیرد. این شکاف می‌تواند مسیر گسترش تجارت خودکار را محدود کند.

پرداخت انجام می‌شود؛ اختلاف از آن‌جا آغاز می‌شود

Amazon با همکاری Coinbase و Stripe، زیرساخت Bedrock AgentCore Payments را توسعه داده است. این سامانه به عامل‌های هوش مصنوعی اجازه می‌دهد خدمات پولی را پیدا کنند، احراز هویت شوند و با استیبل‌کوین‌ها و استاندارد x402، در چارچوب محدودیت‌های تعیین‌شده از سوی کاربر، پرداخت انجام دهند. به زبان ساده، کاربر می‌تواند اختیار خرید را با سقف مشخص به نرم‌افزار بسپارد و عامل، مراحل جست‌وجو تا پرداخت را انجام دهد.

اما قطعی بودن انتقال پول به معنای قطعی بودن نتیجه معامله نیست. اگر کالا تحویل نشود، خدمت با مشخصات سفارش همخوانی نداشته باشد یا کاربر معتقد باشد عامل فراتر از اختیارش عمل کرده است، سازوکار روشنی برای تعیین مسئولیت وجود ندارد. ادواردز نمسه، مدیرعامل GenLayer Foundation، در گفت‌وگو با CryptoSlate این تفاوت را چنین توضیح داد: پرداخت مسئله‌ای تعیین‌پذیر است، چون پول یا منتقل شده یا نشده است؛ اما ارزیابی نتیجه به قضاوت نیاز دارد.

بانک مرکزی استرالیا در جمع‌بندی مشورت پرداخت‌های خود در ۶ اکتبر، این مسئله را برجسته کرد. این جمع‌بندی بر پاسخ‌های کتبی ۷۵ ذی‌نفع، از جمله پذیرندگان، ارائه‌دهندگان خدمات پرداخت و صادرکنندگان، تکیه داشت. این گروه‌ها گفتند در شرایطی که عامل خارج از اختیار خریدار عمل کند، مقررات بازگشت وجه یا chargeback به‌روشنی مشخص نمی‌کند چه کسی باید هزینه را بپردازد.

نگرانی درباره موج اختلاف‌ها و هزینه پذیرندگان

یکی از فرض‌های پنهان در نظام‌های حل اختلاف این است که ثبت شکایت آن‌قدر دشوار یا زمان‌بر باشد که بسیاری از مشتریان از آن صرف‌نظر کنند. عامل‌های هوش مصنوعی می‌توانند این مانع را کاهش دهند. یک عامل می‌تواند مدارک را جمع‌آوری و شکایت را با هزینه‌ای ناچیز ثبت کند، در حالی که پذیرنده باید سوابق حمل‌ونقل، اطلاعات پردازش و مدارک اجرای سفارش را ارائه دهد.

نمسه معتقد است عامل‌ها به دلیل هزینه پایین ثبت اختلاف، دفعات بیشتری برای بازپس‌گیری پول اقدام خواهند کرد. داده‌های ارائه‌شده در گزارش می‌گوید شکایت‌های ثبت‌شده نزد اداره حمایت مالی از مصرف‌کنندگان آمریکا در سال ۲۰۲۵ دو برابر شده و به ۶.۶ میلیون مورد رسیده است؛ هرچند این آمار عمدتا به گزارش‌های اعتباری مربوط می‌شود و مستقیما اندازه اختلاف‌های خریدهای عامل‌محور را نشان نمی‌دهد. همچنین یک مطالعه در Nature Human Behaviour برآورد کرده استفاده از مدل‌های زبانی بزرگ، احتمال دریافت نتیجه مطلوب در این فرایندها را ۶.۹ واحد درصد افزایش می‌دهد.

چشم‌انداز ۲۰۲۵ Mastercard و Datos شمار chargebackهای جهان را در سال ۲۰۲۸ حدود ۳۲۴ میلیون مورد پیش‌بینی کرده بود. معیار هزینه پذیرندگان Mastercard در آمریکا برای سال ۲۰۲۶، ۱۲۸ دلار به ازای هر chargeback است؛ رقمی که هزینه‌های داخلی و کارمزد اشخاص ثالث را شامل می‌شود، اما ارزش کالا یا خدمت ازدست‌رفته را در بر نمی‌گیرد. اگر صرفا به‌صورت فرضی همین معیار برای کل حجم جهانی به کار رود، افزایش پنج‌درصدی می‌تواند ۱۶.۲ میلیون اختلاف و حدود ۲.۱ میلیارد دلار هزینه عملیاتی اضافه ایجاد کند. افزایش ۱۵ درصدی نیز معادل ۴۸.۶ میلیون اختلاف و حدود ۶.۲ میلیارد دلار خواهد بود.

بانک مرکزی استرالیا گفته پذیرش این فناوری هنوز در مراحل ابتدایی است و شواهد آسیب گسترده محدود است. این نهاد قصد دارد تا پایان سال ۲۰۲۶ اولویت‌های نظارتی خود را اعلام کند. در برخی پاسخ‌ها نیز از احتمال دریافت هزینه اضافی برای خریدهای کمک‌گرفته از هوش مصنوعی سخن گفته شده و یک ذی‌نفع، رقم ۴ درصد را مطرح کرده است.

رقابت پلتفرم‌ها بر سر رابط و داوری

اختلاف فقط میان خریدار و فروشنده نیست؛ پلتفرم‌های بزرگ نیز می‌خواهند رابط اصلی خرید را در اختیار داشته باشند. Amazon عامل خرید Muse متعلق به Meta را مسدود کرده و به دسترسی غیرمجاز و سیاست‌های خود استناد کرده است. از نگاه نمسه، مسئله این نیست که عامل Meta توان پرداخت ندارد، بلکه پلتفرم نمی‌خواهد رابطه با مشتری، داده‌ها و فضای تبلیغاتی خود را در اختیار عامل شرکت دیگری بگذارد.

Google نیز با چالش مشابهی روبه‌رو است و در گزارش آمده که ممکن است پلتفرم‌های بزرگ، عامل‌های بیرونی را محدود و نمونه‌های اختصاصی خود را عرضه کنند. در مقابل، پذیرش عامل‌های مرورگرمحور توسط Shopify در مرحله پرداخت، نشانه‌ای از مسیر متفاوت این شرکت است. کسب‌وکارهای کوچک می‌توانند از جست‌وجوی عاملی بهره ببرند که به‌جای رتبه تبلیغاتی، بهترین حل مسئله را پیدا می‌کند؛ اما اگر اختلاف به سازوکار بی‌طرفی سپرده نشود، مشتری ممکن است در نهایت دوباره به پلتفرم‌های بزرگ بازگردد.

یک نظرسنجی CI&T از ۱٬۰۱۱ مصرف‌کننده آمریکایی نشان داد ۲۷ درصد افراد با خرید کاملا خودکار توسط هوش مصنوعی احساس راحتی می‌کنند. نمسه سقف پذیرش این تجارت را میزان زیانی می‌داند که کاربر بدون امکان جبران حاضر است تحمل کند. از نظر او، پرداخت بهتر به‌تنهایی این سقف را بالاتر نمی‌برد.

راه‌حل‌های پیشنهادی برای قضاوت درباره عامل‌ها

پروژه‌هایی مانند AP2 گوگل، Agent Pay شرکت Mastercard و Intelligent Commerce شرکت Visa بیشتر بر احراز هویت عامل، اعتبارنامه‌های توکنیزه‌شده، کنترل هزینه و مجوزهای امضاشده تمرکز دارند. این مجوزها می‌توانند نشان دهند خریدار چه اختیاری داده است، اما به‌تنهایی ثابت نمی‌کنند کالا یا خدمت طبق وعده ارائه شده است.

پیشنهاد GenLayer Foundation استفاده از اعتبارسنج‌هایی است که با مدل‌های هوش مصنوعی شواهدی مانند رسید، رهگیری ارسال و مشخصات سفارش را بررسی و درباره نتیجه به اجماع برسند. طبق توضیح این بنیاد، پرونده‌های معمولی می‌توانند تقریبا در ۳۰ دقیقه نهایی شوند و پرونده‌های کاملا ارجاع‌شده حدود سه ساعت زمان ببرند. تصمیم روی زنجیره ثبت می‌شود و امکان اعتراض وجود دارد.

با این حال، برای جلوگیری از اختلاف‌های بی‌اساس، کارمزد، وثیقه یا جریمه اعتباری لازم است ثبت اعتراض بی‌هزینه به رفتاری اقتصادی تبدیل نشود. تجدیدنظر نیز از خطاهای مدل‌ها محافظت می‌کند، اما زمان و هزینه فرایند را افزایش می‌دهد. در چنین مدلی، حکم زنجیره‌ای می‌تواند درباره وجوه سپرده‌گذاری‌شده در حساب امانی اعمال شود؛ موضوعی که لزوما به بازپرداخت کارت بانکی عادی دسترسی ندارد.

اگر صنعت بر سر مجوزهای قابل‌راستی‌آزمایی، سوابق شواهد پذیرنده و حساب‌های امانی به توافق برسد، عامل‌ها می‌توانند از پرداخت‌های ساده API به خرید خدمات و معامله با طرف‌های ناشناخته برسند. در غیر این صورت، افزایش هزینه‌ها، محدودیت خرید عامل‌ها یا بازگرداندن مشتری به پلتفرم‌های مورداعتماد می‌تواند رشد این بازار را کند کند.

تصویر بازار به روایت Moneyiar

داده‌های بازار Moneyiar در ساعت‌های اعلام‌شده، نوسان منفی چند دارایی را نشان می‌دهد:

• Cronos (CRO): قیمت ۰.۰۶۰۸۴۱۲۲۸ دلار؛ تغییر ۲۴ساعته ۲.۶۹- درصد و تغییر هفت‌روزه ۱۲.۵- درصد، در ساعت ۱۱:۰۸ روز ۹ اکتبر ۲۰۲۶.
• Stable (STABLE): قیمت ۰.۰۲۵۳۶۷۳۰۷۴ دلار؛ تغییر ۲۴ساعته ۳.۲۳- درصد و تغییر هفت‌روزه ۱۰.۱۸- درصد، در ساعت ۱۱:۰۹.
• Monad (MON): قیمت ۰.۰۲۴۴۲۹۵۷۸۱ دلار؛ تغییر ۲۴ساعته ۳.۹۷- درصد و تغییر هفت‌روزه ۲۷.۹۲- درصد، در ساعت ۱۱:۰۹.
• BNB Attestation Service (BAS): قیمت ۰.۰۲۲۷۲۳۱۱۲۷ دلار؛ تغییر ۲۴ساعته ۰.۳۱ درصد و تغییر هفت‌روزه ۴.۳۳- درصد، در ساعت ۱۱:۰۸.

این ارقام صرفا تصویر بازار در زمان ثبت داده‌های Moneyiar هستند و ارتباطی با نتیجه یا ریسک تجارت عامل‌محور ندارند.