Mastercard переписывает правила борьбы с мошенничеством для ИИ-агентов

Каждый раз, когда кто-то прикладывает карту Mastercard к терминалу, у сети есть меньше десятой доли секунды, чтобы оценить вероятность мошенничества при покупке. В прошлом году компания обработала таким образом 175 миллиардов транзакций. Теперь покупатели по другую сторону этой проверки начинают меняться, и Грег Ульрих (Greg Ulrich), директор по искусственному интеллекту и работе с данными компании, рассказал о последствиях этого для аудитории VB Transform 2026 в Менло-Парке 14 июля. «За долгие годы мы создали множество правил оценки рисков, которые предназначались для блокировки ботов при проведении транзакций, — сказал Ульрих. — Теперь нам нужно разрешить ботам совершать транзакции, а для этого требуется изменить нашу структуру рисков и правила работы с ними».

Ульрих пришел в Mastercard одиннадцать лет назад, когда была приобретена аналитическая компания, в которой он работал, и отметил, что концепция доверия поразила его с первого же дня на новом месте. «Именно оно позволяет продавцу, который никогда вас не видел, принять платеж и быть уверенным, что он получит деньги. Именно оно позволяет вам как потребителю совершать транзакции и быть уверенным, что все пройдет надежно и безопасно. А если что-то пойдет не так, существует безопасный порядок урегулирования споров», — пояснил он.

175 миллиардов транзакций, оцененных менее чем за 100 миллисекунд

Он рассказал аудитории о том, как принимается каждое из таких решений. «Когда вы прикладываете свою карту Mastercard для оплаты товара или услуги, мы оцениваем эту транзакцию, — сказал он. — У нас есть менее 100 миллисекунд, чтобы изучить ее и выставить балл от нуля до 999, отражающий вероятность мошенничества или легитимности. И мы передаем эту оценку банку-эмитенту».

Генеративный ИИ расширил возможности такой оценки. «Благодаря новым технологиям мы можем привлекать больше данных, больше контекста, и теперь мы видим, что можем выявлять на 300–400% больше мошеннических транзакций в этих зонах высокого риска», — отметил Ульрих, подчеркнув, что это не создает дополнительных трудностей или ложноположительных срабатываний для потребителей. Система Safety Net компании предотвратила более 70 миллиардов мошеннических транзакций, сообщил он слушателям, и теперь Mastercard создает собственную трансформерную модель на основе данных о транзакциях в качестве фундамента для новых решений по безопасности, защите и персонализации. Подкаст VentureBeat Beyond the Pilot подробно разбирал этот рабочий стек борьбы с мошенничеством в начале этого года.

Треть бизнеса услуг уже работает на базе ИИ

Ставки в бизнесе выходят далеко за рамки борьбы с мошенничеством. Около 40% бизнеса Mastercard сегодня связано с услугами, сообщил Ульрих, включая маркетинговые сервисы, защиту от мошенничества и обеспечение безопасности, а также бизнес-аналитику. «Треть из них основана на ИИ, и эти направления растут гораздо быстрее остальных», — сказал он.

Еще одна мысль, к которой он возвращался на протяжении всей сессии, звучала еще шире. «Масштабированию ИИ в дальнейшем будут способствовать не возможности агентов, а то, насколько сильно мы — как потребители, бизнес, финансовые институты или другие участники — доверяем этим агентам действовать от нашего имени», — заявил он.

Пять уровней между агентами и сетью

Агентская коммерция меняет сам объект защиты. «Вместо единой атомарной транзакции, где я говорю «купи что-нибудь», я фактически делегирую полномочия — или потребитель делегирует полномочия, бизнес делегирует полномочия, — пояснил Ульрих. — И когда это происходит, транзакция становится гораздо более сложной». У доверия, в свою очередь, есть обязательное условие. «Доверие будет работать только в том случае, если мы сможем определить намерение, особенности поведения и ограничения, которые закладывались в эту транзакцию».

Ульрих перечислил пять уровней, которые Mastercard создала для решения этой проблемы. На первом месте стоит идентификация. «Я хочу убедиться, что понимаю не только кто потребитель, но и кто агент, что я объединяю их вместе и применяю принцип KYA (Know Your Agent — «знай своего агента»), проверяя, что это легитимная технология, легитимный агент, — сказал он. — Мы можем зарегистрировать его в нашей системе».

Проверяемое намерение решает проблему «не тех кроссовок Nike»

Второе — проверяемое намерение, представляющее собой защищенную от подделки криптографическую запись первоначальных инструкций, которая сопровождает транзакцию. «Если вы просили черные кроссовки Nike 12-го размера, но получили товар по финальной распродаже без права возврата, хотя этого не было в ваших инструкциях, на бэкенде это можно проверить объективным и понятным способом», — пояснил он.

Контроль образует третий уровень: он определяет, у каких продавцов агент может совершать покупки, с какими лимитами и на каких условиях. Исполнение обеспечивается через Mastercard Agent Pay, которая включает в себя «встроенные механизмы токенизации, аутентификации и приема платежей» и уже запущена в партнерстве с Microsoft, OpenAI, Google и другими компаниями, рассказал Ульрих. Пятый уровень — это интеллект, охватывающий правила оценки рисков, инсайтные токены, предоставляющие «согласованный или разрешенный доступ к аналитике» для персональных рекомендаций, а также мониторинг с помощью Recorded Future для выявления злоумышленников в системе.

Главная цель — закупочный агент с бюджетом

Потребительские покупки — это то, с чего началась агентская коммерция. Ульрих переключил внимание аудитории на B2B-закупки как на более масштабную возможность. В качестве примера он привел производителя, которому требуется непрерывно работающая сборочная линия, управляемая агентом, который следит за уровнем запасов, отслеживает их истощение, автоматически производит пополнение и понимает установленный бюджет и список утвержденных поставщиков. «Когда вы начинаете внедрять подобное, для таких транзакций требуются те же пять уровней», — отметил он.

Организация такой работы между компаниями увеличивает количество сторон, которые должны доверять друг другу. «Вам нужны четкие стандарты идентификации, четкие стандарты намерений, и все это должно работать в комплексе. У вас будут агент по закупкам, агент-поставщик, банковский агент. Всем им нужно будет общаться друг с другом, чтобы этот процесс происходил автономно, а для этого потребуется мощная инфраструктура доверия».

Мощные новые модели, прежняя стратегия безопасности

Mastercard участвовала в первой волне Project Glasswing с моделью Mythos от Anthropic, а также работала с решением GPT-5.5-Cyber от OpenAI, сообщил он. «Мы увидели, что обе эти модели невероятно мощно справляются с поиском новых уязвимостей в экосистеме, которые раньше было трудно обнаружить, но по сути это новый инструмент, а не новая стратегия», — подчеркнул Ульрих.

Внутри компании эту работу возглавляет директор по информационной безопасности. Специализированная команда определила приоритетные критически важные активы, регулярно проверяет их с помощью моделей, классифицирует находки по степени критичности (высокая, средняя и низкая) и использует те же технологии для установки патчей. Ульрих отметил, что этот подход уже вышел за рамки первоначальных задач, и Mastercard работает над тем, чтобы сделать аналогичные архитектуру и процесс патчинга доступными и для других.

Что Mastercard сделала бы иначе спустя 14 месяцев

«Системы защиты, безопасность и все остальное должны быть встроены на переднем крае. Это не то, что можно добавлять постфактум на бэкенде. Это урок номер один. Урок номер два заключается в том, что необходимо работать с расчетом на масштабирование, а урок номер три — наблюдаемость и подотчетность важны не меньше, чем интеллектуальные возможности», — перечислил Ульрих выводы, которые команда сделала в процессе разработки внутри Mastercard. Компания создала то, что он охарактеризовал как «агентскую фабрику» — операционную систему со встроенными средствами комплаенса, наблюдаемости и защиты, а не прикрученными поверх для каждого отдельного агента. Дрифт моделей, который раньше отслеживался профильными командами вручную, теперь автоматизирован в рамках этой фабрики.

Отвечая на вопрос одного из зрителей о подводных камнях, Ульрих прямо высказался о ловушке перехода от пилотного проекта к продакшену. «Если вы пытаетесь масштабировать проект и одновременно добавлять системы защиты по ходу дела, уже после того как все построили, вы, на мой взгляд, обречены на провал», — сказал он.

В прошлом году Mastercard создала серию агентов для своих 4 000 консультантов, охватывающих сферы глубоких исследований, перевода текста в SQL, Excel и PowerPoint — инструменты, которые, по его словам, не существовали на том уровне, который требовался Mastercard. Если бы компания начинала с нуля сегодня, Ульрих отметил, что они строили бы все принципиально иначе. «Не думаю, что четырнадцать месяцев назад, когда мы все создавали, мы предполагали, что уже вскоре будем переосмысливать фундаментальную архитектуру и подход».

Агентская идентификация присоединяется к KYB и KYC

Уровень идентификации — это сфера, в которой, по прогнозам Ульриха, рынок будет развиваться дальше. Внутри Agent Pay Mastercard аутентифицирует потребителя так же, как в традиционной электронной коммерции, и привязывает агента к этому человеку. «За пределами этой среды, я полагаю, появятся открытые стандарты для идентификации агента и его привязки к потребителю, — сказал он. — И тогда мы сможем связать это с проверяемым намерением».

Исследование VentureBeat Pulse за июнь 2026 года указывает на тот же пробел. Лишь 32% из 107 квалифицированных респондентов из числа крупных предприятий предоставляют каждому агенту его собственную изолированную и управляемую учетную запись, и только 12% включают решения для идентификации агентов в свой круг интересов.

Он назвал идентификацию «одной из наиболее быстро растущих экосистем», отметив, что Mastercard развивает это направление органическим и неорганическим путем уже около шести или семи лет, и теперь эта работа охватывает «как агентскую идентификацию, так и традиционные процедуры KYB и KYC». Правила оценки рисков, которые защищают сеть от ботов, появились в результате более чем двадцатилетнего применения ИИ к таким транзакциям. Переработка этих правил ради агентов, которых Mastercard теперь готова пустить в сеть, уже ведется на той же самой платформе, через которую в прошлом году прошло 175 миллиардов операций.