آینده خرید و پرداخت، نوشتاری در باب وب عامل محور

مقدمه

ایجنت‌های هوش مصنوعی (AI Agents) در حال ظهور به عنوان بازیگران جدید عرصه خرید آنلاین و پرداخت دیجیتال هستند. این برنامه‌های هوشمند قادرند وظایفی را انجام دهند که پیش‌تر مستلزم دخالت مستقیم انسان بود، از جمله جستجوی کالا، مقایسه گزینه‌ها و حتی تکمیل فرآیند پرداخت. به عبارت دیگر، ما با «تجارت عاملیت‌محور» (Agentic Commerce) روبرو هستیم؛ وضعیتی که در آن ایجنت‌های هوشمند به نیابت از مصرف‌کنندگان تصمیم می‌گیرند و معامله می‌کنند[1][2]. این تحول می‌تواند تجربه خرید مصرف‌کننده را متحول ساخته و مدل کسب‌وکار شرکت‌های فین‌تک و خرده‌فروشی را دستخوش تغییرات بنیادین کند. در این گزارش، ابتدا تعریف و کاربرد ایجنت‌های هوشمند در خرید و پرداخت را بررسی کرده و سپس به میزان پذیرش عمومی آن در نقاط مختلف جهان می‌پردازیم. فرصت‌های پیش روی فین‌تک‌ها، چالش‌های فنی و رگولاتوری، نقش پلتفرم‌های معتبری مانند ChatGPT، دستیار گوگل و آمازون الکسا، نمونه‌های واقعی پیاده‌سازی و در نهایت چشم‌انداز ۳ تا ۵ ساله این روند بر اساس نظر متخصصان، از دیگر محورهای این تحلیل هستند.

ایجنت هوش مصنوعی چیست و کاربرد آن در خرید و پرداخت

ایجنت هوش مصنوعی در زمینه خرید، یک سیستم هوشمند است که به نمایندگی از کاربر عمل کرده و می‌تواند تمام مراحل سفر خرید را به شکل خودکار انجام دهد. بر اساس یک تعریف، «ایجنت شخصی خرید مبتنی بر هوش مصنوعی سامانه‌ای است که به نیابت از مصرف‌کننده، تمام گام‌های فرآیند خرید را انجام می‌دهد؛ از تشخیص نیاز و جستجوی بهترین گزینه موجود گرفته تا مقایسه قیمت‌ها، مذاکره شرایط و در نهایت اجرای امن معامله بدون دخالت مستقیم انسان»[3]. این بدان معناست که برخلاف ابزارهای رایج توصیه‌گر که صرفاً محصولاتی را پیشنهاد می‌کنند، ایجنت‌های هوشمند گام را فراتر گذاشته و خود اقدام به خرید می‌کنند؛ برای مثال، کالا را به سبد افزوده، روش پرداخت را اعمال و تراکنش را نهایی می‌سازند[4]. کاربر می‌تواند خط‌مشی‌ها و ترجیحات خود را برای ایجنت تعریف کند – مانند سقف هزینه، برندهای مورد علاقه، زمان‌های تأمین مجدد یا اولویت‌بندی معیارهایی مثل قیمت یا کیفیت – و ایجنت در همان چارچوب تصمیم‌گیری می‌کند[5][6].

یکی از کاربردهای بارز ایجنت‌های هوشمند در خرید، نقش «خریدیار شخصی» یا دستیار خرید است. برای نمونه، اگر به ChatGPT (چت‌جی‌پی‌تی) درخواست یک کفش ورزشی زیر ۱۰۰ دلار بدهید، این پلتفرم اکنون می‌تواند به عنوان ایجنت شما، محصولات مرتبط در وب را یافته و نمایش دهد و حتی در صورت تمایل خرید را از همان‌جا تکمیل کند[7][8]. جدیدترین قابلیت Instant Checkout در ChatGPT – که با همکاری Stripe توسعه یافته – دقیقاً بر همین ایده استوار است. کاربران می‌توانند هنگام گفتگو درباره محصولی، با یک کلیک آن را مستقیماً در محیط چت خریداری کنند و پرداخت را بدون خروج از چت انجام دهند[9][8]. در این فرآیند، ChatGPT صرفاً نقش واسط ایمن میان کاربر و فروشنده را ایفا می‌کند؛ بدین شکل که جزئیات سفارش، اطلاعات ارسال و توکن‌های پرداخت را به طور رمزنگاری‌شده رد و بدل کرده و خرید را به نمایندگی از کاربر نهایی می‌سازد – درست مانند یک «دستیار خرید دیجیتال» که کارهای خرید را به جای شما انجام می‌دهد[8].

کاربرد دیگر ایجنت‌های AI، نماینده خودکار پرداخت یا Payment Delegate است. در این سناریو، کاربر اختیار پرداخت را به ایجنت می‌سپارد تا با رعایت حدود تعیین‌شده، از طرف وی تراکنش انجام دهد. این می‌تواند شامل پرداخت‌های دوره‌ای (مثل تمدید اشتراک‌ها)، تسویه قبوض یا حتی مدیریت خودکار کیف پول دیجیتال باشد. به عنوان نمونه، شما می‌توانید به یک ایجنت مالی بگویید: «هر زمان موجودی حساب جاری من از ۵۰۰ دلار کمتر شد، به صورت خودکار از حساب پس‌اندازم پول منتقل کن» – ایجنت چنین تراکنشی را در پس‌زمینه و بدون دخالت شما انجام خواهد داد[10][11]. به طور کلی، ایجنت‌ها با ترکیب حافظه، استدلال و قدرت اقدام خودمختار در حال تبدیل شدن به واسطه‌های مالی و خرید ما هستند؛ تغییری که برخی آن را با ظهور خودروهای بدون راننده مقایسه می‌کنند از حیث اعتمادی که باید به فناوری سپرده شود[12][13].

میزان پذیرش عمومی در کشورهای مختلف

اگرچه ایده سپردن خرید و پرداخت به هوش مصنوعی تا چندی پیش علمی-تخیلی به نظر می‌رسید، اما شواهد نشان می‌دهد مصرف‌کنندگان در سراسر جهان به سرعت در حال آشنا شدن و پذیرش این مفهوم هستند. بر اساس گزارش Salesforce که با مشارکت هزاران خرده‌فروش و مصرف‌کننده در چندین کشور تهیه شده، ۷۵٪ از فروشندگان معتقدند ایجنت‌های خرید مبتنی بر AI در آینده نقشی تعیین‌کننده در تجارت الکترونیک خواهند داشت و ۵۴٪ از نسل Z (متولدین اواخر دهه ۹۰ و پس از آن) نیز اظهار کرده‌اند هم‌اکنون از نوعی هوش مصنوعی برای کشف محصولات جدید استفاده می‌کنند[14]. جالب‌تر اینکه ۶۳٪ از پاسخ‌دهندگان نسل Z ابراز علاقه کرده‌اند که در آینده فرآیند خرید را کاملاً به یک ایجنت هوشمند واگذار کنند[14]. این ارقام نشان می‌دهد جوانان به عنوان نسل دیجیتال، پذیرای بالاتری برای خرید خودکار توسط AI دارند، در حالی که نسل‌های مسن‌تر شاید با احتیاط و تردید بیشتری به آن نگاه کنند.

مطالعات متعددی سعی کرده‌اند درصد پذیرش عمومی در نقاط مختلف جهان را اندازه‌گیری کنند. بر اساس یک پژوهش سال ۲۰۲۵ در فصل تعطیلات توسط یک شرکت پرداخت، تقریباً نیمی از خریداران (۴۷٪) گفته‌اند احتمال دارد برای خرید هدیه کریسمس آن سال از یک ایجنت هوشمند کمک بگیرند[15]. این تمایل در میان جوانان به‌مراتب بیشتر بود؛ به‌طور خاص ۷۲٪ از افراد ۲۵ تا ۳۴ ساله ابراز داشته‌اند با راحتی خیال اجازه می‌دهند یک ایجنت AI پولشان را برای خرید خرج کند[16]. با این حال، در کل جامعه نگرش‌ها هنوز دوپاره است: طبق همان نظرسنجی حدود ۵۲٪ افراد گفته‌اند راحت نیستند که AI کاملاً مستقل برایشان خرید کند، در حالی‌که ۴۸٪ احساس راحتی می‌کردند[17]. این آمار ۴۸-۵۲٪ نشان می‌دهد که اعتماد عمومی به ایجنت‌های خریدار در حال شکل‌گیری است اما هنوز به اکثریت قاطع نرسیده و نیازمند زمان و تجربه بیشتر است.

نگاهی به تفاوت‌های منطقه‌ای نیز جالب توجه است. بنا بر یک مطالعه جهانی کنتار (Kantar) که ۱۰ کشور را بررسی کرده، نرخ استفاده مداوم از دستیارهای هوشمند در برخی کشورهای آسیایی و آمریکای لاتین بسیار بالاتر از اروپاست. برای مثال، در هند ۶۷٪ از پاسخ‌دهندگان گفته‌اند که به طور روزانه از یک دستیار AI (اعم از صوتی یا چت‌بات) استفاده می‌کنند؛ این رقم در چین ۵۰٪ و برزیل ۴۶٪گزارش شده است[18]. در مقابل، این گونه ابزارها در کشورهای اروپایی کمتر رواج یافته‌اند؛ به عنوان نمونه، ۱۸٪ از فرانسوی‌ها و ۱۴٪ از آلمانی‌ها اظهار داشته‌اند که «کمتر از ماهی یک‌بار» سراغ دستیارهای هوشمند می‌روند[19]. چنین شکاف‌هایی می‌تواند ناشی از عوامل گوناگونی باشد: زیرساخت دیجیتال و فراگیری فناوری، نگرانی‌های فرهنگی پیرامون حریم خصوصی، یا صرفاً در دسترس بودن سرویس‌های بومی به زبان‌های مختلف. با این حال، روند کلی جهانی به سوی استفاده هرچه بیشتر از AI در انجام کارهای روزمره است. در مجموع ۸۱٪کاربرانی که تاکنون از یک ابزار AI استفاده کرده‌اند گفته‌اند در چند ماه اخیر دست‌کم یکبار از دستیار صوتی، چت‌بات یا ابزارهای خرید هوشمند بهره برده‌اند و ۷۶٪ اعلام کرده‌اند این کار را به صورت هفتگی یا روزانه انجام می‌دهند[20].

یکی از نخستین عرصه‌هایی که مردم عادی با ایده «خرید توسط AI» مواجه شدند، دستیارهای صوتی مانند الکسا و دستیار گوگل بود. فرمان‌های صوتی برای سفارش کالا یا پخش موسیقی، مفهومی آشنا شده است. طبق برآوردها، تعداد کل دستیارهای صوتی فعال در جهان تا سال ۲۰۲۴ به حدود ۸.۴ میلیارد واحد رسید که حتی از جمعیت کره زمین بیشتر است[21][22]. هرچند همه این دستیارها برای خرید به کار گرفته نمی‌شوند، اما بازار موسوم به Voice Commerce (تجارت صوتی) رشد قابل توجهی داشته است. ارزش معاملات خرید از طریق صدا از حدود ۱.۸ میلیارد دلار در سال ۲۰۱۷ به برآورد ۱۵۰+ میلیارد دلار در ۲۰۲۵ رسیده است[23]. نظرسنجی‌ها نشان می‌دهد ۴۳٪ از صاحبان بلندگوهای هوشمند حداقل یکبار با استفاده از دستگاهشان خرید کرده‌اند یا به کمک آن در فرآیند خرید تصمیم‌گیری نموده‌اند[24]. همچنین ۵۱٪ از کاربران دستیارهای صوتی گفته‌اند که از این ابزارها برای جستجوی اطلاعات محصولات استفاده می‌کنند و ۲۲٪ نیز مستقیماً از طریق صدا خرید انجام داده‌اند (مثلاً سفارش یک کالا توسط فرمان صوتی)[25]. این آمار به خوبی نشان می‌دهد که پلتفرم‌هایی مانند Alexa آمازون با ارائه امکان خرید صوتی، بسیاری از کاربران را عملاً با مفهوم ایجنت‌های خرید هوشمند آشنا کرده‌اند و راه را برای پذیرش گسترده‌تر آنها هموار ساخته‌اند.

در مجموع، پذیرش عمومی ایجنت‌های AI یک پدیده در حال رشد جهانی است، اما سرعت و شدت آن در مناطق مختلف متفاوت است. آمریکای شمالی و چین به عنوان قطب‌های فناوری از یک سو، و کشورهایی نظیر هند و برزیل با جمعیت دیجیتال بومی بالا از سوی دیگر، پیشتاز این روند هستند[18]. در اروپا نگرانی‌های مربوط به حریم خصوصی و مقررات سخت‌گیرانه‌تر، ظاهراً باعث سرعت آهسته‌تر پذیرش شده است[19][26]. آنچه مسلم است این که نسل‌های جوان‌تر تقریباً در همه جا نسبت به نسل‌های قدیمی راحتی و اشتیاق بیشتری برای سپردن امور خرید و مالی به هوش مصنوعی دارند[27][28]. این روند جمعیتی به این معناست که در سال‌های آینده با ورود بیشتر متولدین عصر دیجیتال به بازار مصرف، تقاضا برای خدمات مبتنی بر ایجنت‌ها رشدی فزاینده خواهد داشت.

فرصت‌های فین‌تک‌ها در توسعه سرویس‌های مبتنی بر ایجنت

برای شرکت‌های فین‌تک و ارائه‌دهندگان خدمات مالی-پرداخت، ظهور ایجنت‌های هوش مصنوعی نه‌تنها تهدید نیست بلکه می‌تواند فرصتی طلایی برای نوآوری و کسب سهم بازار باشد. این ایجنت‌ها برای عمل کردن، نیاز به زیرساخت‌های جدیدی دارند که انعطاف‌پذیری، امنیت و اتصال‌پذیری بالایی داشته باشد – حوزه‌ای که فین‌تک‌ها می‌توانند در آن پیشگام شوند[29][30]. در واقع، تجارت عاملی به اندازه‌ای که زیرساخت احراز هویت و پرداخت شما اجازه دهد موفق خواهد بود[31]. شرکت‌هایی که میلیون‌ها مشتری و پذیرنده در اختیار دارند – نظیر غول‌های پرداخت بین‌المللی – دریافته‌اند که می‌توانند نقش واسط قابل اعتمادی میان ایجنت‌های AI و سامانه‌های مالی را بازی کنند.

یکی از بزرگ‌ترین فرصت‌ها برای فین‌تک‌ها، ارائه پروتکل‌ها و APIهای استاندارد جهت اتصال ایجنت‌ها به شبکه پرداخت است. در حال حاضر یکی از چالش‌ها این است که هر پلتفرم AI روش خاص خود را برای انجام خرید نداشته باشد. به همین دلیل، شاهد همکاری جالبی میان OpenAI (سازنده ChatGPT) و Stripe (شرکت پرداخت آنلاین) بوده‌ایم. این دو در سال ۲۰۲۴ یک پروتکل متن‌باز تحت عنوان Agentic Commerce Protocol (ACP) توسعه دادند که هدفش «قابل استفاده کردن فرآیند خرید آنلاین برای ایجنت‌ها» است[32]. در سپتامبر ۲۰۲۵، OpenAI به کمک همین پروتکل امکان Instant Checkout را در ChatGPT برای کاربران آمریکایی راه‌اندازی کرد[9][33]. ایده اصلی ACP آن است که کسب‌وکارها فقط یکبار سیستم خود را مطابق این استاندارد آماده کنند و سپس هر ایجنت هوشمندی(چه ChatGPT، چه دستیارهای دیگر) بتواند به سادگی و با امنیت از طریق آن خرید را کامل کند[34][35]. Stripe تأکید کرده که این طراحی موجب می‌شود فروشنده همچنان «مرچنت رکورد» باقی بماند و کنترل رابطه با مشتری، فرایندهای ضدتقلب و سیستم‌های پس از فروش خود را حفظ کند، حتی اگر ظاهراً خریدار یک AI باشد[36][37]. چنین همکاری‌هایی نشان می‌دهد فین‌تک‌ها می‌توانند با استانداردسازی زیرساخت، نقش ستون فقرات دنیای جدید تجارت AI را ایفا کنند.

علاوه بر استانداردسازی، توکن‌سازی پیشرفته پرداخت حوزه دیگریست که فرصت بزرگی برای فین‌تک‌ها فراهم می‌کند. در مدل پرداخت عاملیت‌محور، به جای آنکه اطلاعات کارت یا حساب مستقیماً در اختیار ایجنت قرار گیرد (که ریسک امنیتی دارد)، توکن‌های پرداخت موقت و محدودشده صادر می‌شوند[38][39]. برای مثال، مسترکارت در آوریل ۲۰۲۵ از برنامه‌ای به نام Agent Pay رونمایی کرد که در آن مفهوم «توکن عاملی» معرفی شده است[38]. بر مبنای این طرح، هر ایجنت AI که بخواهد تراکنش کارت انجام دهد باید از پیش ثبت‌شده و تأیید هویت‌شده باشد و شبکه مسترکارت برای آن یک توکن ویژه ایجاد می‌کند[40][41]. این توکن در واقع یک شماره کارت مجازی است که به ایجنت اجازه پرداخت می‌دهد بی‌آنکه PAN (شماره واقعی کارت) فاش شود، و در عین حال برای همه طرف‌های شبکه مشخص است که این تراکنش توسط یک AI انجام شده است[42][39]. بدین ترتیب می‌توان قوانین مخاطره و ضدتقلب را متناسباً اعمال کرد یا محدودیت‌هایی مانند سقف مبلغ برای ایجنت تعریف نمود. ویزا نیز رویکرد مشابهی را با نام Intelligent Commerce در پیش گرفته و بر شبکه گسترده خود تکیه کرده تا صرفاً ایجنت‌های معتمد بتوانند مجوز تراکنش پیدا کنند، آن هم تحت نظارت مکانیزم‌هایی که کاربر نهایی مشخص کند AI چه چیزهایی را می‌تواند بخرد[43][44]. این اقدامات مسترکارت و ویزا نشان می‌دهد شبکه‌های پرداخت سنتی خود را برای موج جدید آماده می‌کنند و فین‌تک‌های نوپا نیز می‌توانند در این فضا همکار یا رقیب آنها باشند.

از دید کسب‌وکار، هوشمندسازی پرداخت‌ها می‌تواند هزینه‌ها را کاهش و فروش را افزایش دهد. AI می‌تواند همیشه بهترین گزینه پرداخت را هم انتخاب کند – مثلاً تصمیم بگیرد از کدام کارت شما با بیشترین cashback خرید کند یا کدام روش پرداخت کارمزد کمتر و سرعت بیشتری دارد[45][46]. این یعنی مصرف‌کننده بهینه‌ترین خروجی را می‌گیرد و وفاداری‌اش به ارائه‌دهندگان خدمات مالی ممکن است صرفاً بر مبنای منطق باشد نه عادت. گزارش مک‌کینزی اشاره می‌کند که ایجنت‌های AI در حال از بین بردن حاشیه سودی هستند که «از شکاف میان آنچه مصرف‌کننده می‌تواند انجام دهد و آنچه عملاً انجام می‌دهد» نصیب بانک‌ها و شرکت‌های کارت می‌شد[47][48]. برای بانک‌ها، یک فرصت این است که خود ارائه‌دهنده ایجنت شوند – مثلاً دستیاران مالی شخصی که بهترین نرخ سود یا بهترین برنامه بازپرداخت بدهی را برای مشتری پیدا کرده و خودکار اجرا می‌کنند. استارتاپ‌هایی نیز در این زمینه فعال شده‌اند؛ برای مثال شرکت Griffin در حال ساخت یک هسته بانکداری «عامل-محور» است تا به فین‌تک‌ها امکان ایجاد محصولات مالی با قابلیت‌های AI-agent را بدهد[11][10]. همچنین پلتفرم‌های کریپتو هم فرصت را غنیمت شمرده‌اند: Coinbase پروتکل جدیدی به نام x402 معرفی کرده که بر پایه یک کد وضعیت HTTP قدیمی (Payment Required 402) است و هدفش تسهیل پرداخت‌های کوچک خودکار توسط ماشین‌ها (مثل پرداخت چند سنت برای دسترسی لحظه‌ای به یک API یا محتوا) از طریق استیبل‌کوین‌هاست[49][50]. این حرکت نشان می‌دهد حتی رمزارزها می‌توانند نقش مهمی در مقیاس‌پذیری اقتصاد ایجنت‌ها داشته باشند، به‌خصوص برای تراکنش‌های machine-to-machine. تمام این نوآوری‌ها عرصه تازه‌ای برای فعالیت فین‌تک‌ها گشوده است؛ هر کجا که بحث تأمین امنیت، هویت یا تسویه‌حساب میان ایجنت و کسب‌وکار باشد، آنجا یک فرصت برای خلق ارزش توسط شرکت‌های مالی فناوری‌محور وجود دارد.

در نهایت، بزرگ‌ترین فرصت برای فین‌تک‌ها شاید جلب اعتماد مصرف‌کنندگان و تبدیل شدن به محور مدیریت مالی AI باشد. اگر شرکتی بتواند پلتفرمی ارائه کند که کاربران در آن ایجنت‌های مختلف (از خرید روزمره گرفته تا سرمایه‌گذاری و پس‌انداز) را مدیریت و تنظیم کنند، عملاً نقش «کیف پول/داشبورد فوق‌هوشمند» را ایفا خواهد کرد[51][52]. چنین کیف پولی تمامی حساب‌ها، کارت‌ها، و حتی ارزهای دیجیتال کاربر را یکپارچه می‌کند و به AI امکان می‌دهد طبق اهداف کاربر عمل کند – مثلاً اضافه پول را به بهترین محل منتقل کند یا هزینه‌ها را بهینه سازد – در حالی که کاربر کنترل مرکزی را در دست دارد. ارائه این لایه کنترل و اعتماد، حوزه‌ایست که فین‌تک‌ها می‌توانند در آن درخشیده و خود را از رقبا متمایز کنند.

از منظر کسب‌وکاری نیز اعداد و ارقام گویای جذابیت فرصت پیش رو هستند. طبق برآورد مک‌کینزی، مدل تجارت عاملیت‌محور می‌تواند تا سال ۲۰۳۰ حدود ۳ تا ۵ تریلیون دلار از تجارت خرده‌فروشی جهانی (B2C) را در بر گیرد[53]. تنها در ایالات متحده انتظار می‌رود تا آن زمان ایجنت‌های AI حدود ۱ تریلیون دلار فروش سالانه در بازار خرده‌فروشی ایجاد کنند[13]. اگر حتی درصدی از این گردش مالی نصیب ارائه‌دهندگان زیرساخت و خدمات پرداخت شود، سود هنگفتی در انتظار شرکت‌های آماده خواهد بود. بنابراین فین‌تک‌هایی که از اکنون روی توسعه سرویس‌های مبتنی بر ایجنت (مانند APIهای پرداخت عاملیت‌محور، راهکارهای احراز هویت AI، کیف پول‌های هوشمند چندارزی و امثالهم) سرمایه‌گذاری می‌کنند، شانس آن را دارند که در آینده نزدیک جزو برندگان بزرگ این تحول باشند.

موانع فنی، اعتماد عمومی، رگولاتوری و چالش‌های حریم خصوصی

با وجود همه فرصت‌ها، حرکت به سوی دنیای خرید خودکار توسط AI با چالش‌های قابل توجهی همراه است. در این بخش به چهار محور اصلی از این چالش‌ها می‌پردازیم: موانع فنی، اعتماد و پذیرش عمومی، مسائل حقوقی و رگولاتوری، و حریم خصوصی و امنیت داده.

۱. چالش‌های فنی (زیرساخت و یکپارچه‌سازی): سیستم‌های کنونی تجارت الکترونیک و پرداخت اساساً برای تعامل مستقیم انسان طراحی شده‌اند، نه برای خریدهای کاملاً خودکار و پیوسته توسط ماشین‌ها. ورود ایجنت‌ها به این فضا، نیازمند بازنگری جدی در مقیاس‌پذیری و معماری فنی است. تصور کنید میلیون‌ها ایجنت در پس‌زمینه، همزمان در حال انجام خُرده‌تراکنش‌های مکرر(microtransactions) باشند – مثلاً هر کدام در لحظه‌ای قیمت چند کالا را چک کنند، یکی را بخرند، دیگری را مرجوع کنند و ... . چنین حجمی از عملیات مداوم و پراکنده می‌تواند سیستم‌های فعلی را تحت فشار شدید قرار دهد. یک گزارش تأکید می‌کند که «ایجنت‌های خرید هوشمند به صورت پیوسته و نامرئی، میلیون‌ها تصمیم‌ریز را منجر به تراکنش می‌کنند و این نیازمند یک زیرساخت پرداخت فوق‌العاده مقیاس‌پذیر با حداقل تأخیر است»[54]. برای نیل به این هدف، شرکت‌ها باید از معماری‌های متمرکز سنتی فاصله گرفته و به سمت سیستم‌های ماژولار و توزیع‌شده حرکت کنند که قابلیت پردازش همزمان و بلادرنگ حجم عظیمی از درخواست‌ها را داشته باشند[55]. سه قابلیت کلیدی در این میان اهمیت دارد: نخست، توکن‌سازی امن داده‌های حساس (مثل تبدیل شماره کارت به توکن‌های رمزنگاری‌شده) که امکان اجرای خودکار تراکنش‌ها توسط AI را فراهم کند بدون اینکه ریسک لو رفتن اطلاعات افزایش یابد[56]. دوم، اتصال‌پذیری منعطف از طریق API – ایجنت‌ها «به وبسایت سر نمی‌زنند»، بلکه مستقیماً از طریق API با سامانه فروشگاه‌ها و بانک‌ها صحبت می‌کنند[57]. بنابراین پلتفرم‌ها باید APIهای باز و مستندی فراهم کنند که ایجنت‌ها بتوانند موجودی کالا، قیمت، شرایط ارسال، انجام پرداخت و غیره را به شکل ماشین‌خواناستعلام و اجرا کنند[58]. سوم، هوشمندی در انتخاب روش پرداخت – ایجنت‌های آینده تنها به دنبال بهترین قیمت کالا نخواهند بود، بلکه بهترین شیوه پرداخت را نیز انتخاب می‌کنند؛ مثلاً تحلیل می‌کنند کدام کارت کارمزد کمتر یا پاداش بیشتری دارد، یا آیا استفاده از یک کیف‌پول دیجیتال یا رمزارز صرفه‌جویی بیشتری ایجاد می‌کند[45][46]. این بدان معنی است که سیستم پرداخت باید تنوع روش‌ها را پشتیبانی کند (از کارت‌های محلی و کیف‌پول‌های دیجیتال گرفته تا روش‌هایی مثل Pix در برزیل[59]) و حتی شاخص‌هایی چون کارمزد، مدت تسویه و اثرات زیست‌محیطی هر روش را در اختیار ایجنت قرار دهد[45]. یکپارچگی بی‌درنگ میان ایجنت و زیرساخت فروشنده/پرداخت، کلید تجربه خرید روان خواهد بود. به بیان دیگر، از دید فنی باید وب را برای حضور ایجنت‌ها “بازطراحی” کنیم: محتوای بسیاری از سایت‌ها پشت صفحات لاگین و کپچا پنهان است که AI باید راه ورود رسمی از طریق احراز هویت امن داشته باشد[60]؛ تعاملات به جای کلیک انسانی باید با گواهی دیجیتال و امضای رمزنگاری‌شده مجاز شوند تا خطر حملات جعل و ربات کاهش یابد[61][62]؛ و فرآیندهای پس از خرید (مانند مرجوعی یا خدمات پس از فروش) نیز باید به شکل خودکار توسط API قابل انجام باشد تا ایجنت بتواند چرخه کامل را مدیریت کند[63][64]. دستیابی به این سطح از تحول فنی نیازمند سرمایه‌گذاری قابل توجه در کوتاه‌مدت است، اما در بلندمدت همان چیزیست که تجارت هوشمند آینده بر آن استوار خواهد بود.

۲. اعتماد عمومی و پذیرش روانی: حتی اگر زیرساخت کامل و بی‌نقص باشد، آیا مردم واقعاً به ماشین اجازه خواهند داد برایشان پول خرج کند؟ اعتماد، شاه‌کلید موفقیت ایجنت‌های AI در حوزه مصرف‌کننده است. بسیاری از کاربران هنوز مایلند کنترل نهایی را در دست داشته باشند و این نگرانی را دارند که مبادا AI اشتباه کند یا منافع آن‌ها را کاملاً درک نکند. نظرسنجی شرکت Zendesk در سال ۲۰۲۵ نشان داد که در سطح جهان بیش از نیمی از مصرف‌کنندگان (۵۲٪) در انجام کارهای روزمره خود احساس راحتی می‌کنند که به یک دستیار AI تکیه کنند[65][66]، اما وقتی بحث تصمیم‌های حساس مالی پیش می‌آید، میزان اعتماد به شدت افت می‌کند؛ به طوری که تنها ۳۹٪افراد حاضر بودند برنامه‌ریزی مالی یا بودجه‌بندی خود را به یک دستیار هوشمند بسپارند[67]. همین مطالعه مشخص کرد که اگر یک AI در وظیفه مالی اشتباهی مرتکب شود – مثلاً یک قبض را دوبار پرداخت کند – حدود ۵۸٪ کاربران اعلام کردند که پس از آن ترجیح می‌دهند ادامه کار را به یک انسان واگذار کنند[67]. این آمار نشان می‌دهد مردم خطای AI را چندان برنمی‌تابند، خصوصاً در موضوع پول. از سوی دیگر، اگر اشتباه AI جزئی باشد (مثلاً پیشنهاد خرید کالایی بدهد که کاربر همین دیروز خریده)، همان ۵۸٪ گفته‌اند این را قابل اغماض می‌دانند و همچنان به AI اعتماد می‌کنند[68]. این یافته جالب بیانگر آن است که خطای مالی تاثیر بسیار مخرب‌تری بر اعتماد دارد تا خطای توصیه‌ای. در حوزه خرید آنلاین نیز روند مشابهی دیده می‌شود؛ چنان‌که اشاره شد حدود نیمی از مشتریان فعلاً نسبت به خرید کاملاً خودکار مردد هستند[69][17]. یک گزارش Bain در ۲۰۲۵ نیز تأیید می‌کند که «با آنکه استفاده از AI مولد برای پیدا کردن و ارزیابی محصولات در میان خریداران رو به افزایش است، حدود نیمی از آن‌ها هنوز در سپردن کل فرآیند خرید به AI جانب احتیاط را نگه می‌دارند»[70]. بنابراین برای کسب اعتماد عمومی، راهبرد صحیح آن است که این فناوری به شکل تدریجی و تحت نظارت کاربر پیاده‌سازی شود: ابتدا به عنوان دستیار پیشنهاددهنده و پرکننده خودکار سبد خرید، و به مرور با جلب اطمینان کاربران جوان‌تر، اجازه اقدام خودکار نیز پیدا کند. شرکت‌های ارائه‌دهنده این خدمات نیز در تبلیغات و آموزش باید بر مزایای ملموس تمرکز کنند – مثلاً اینکه AI همیشه بهترین تخفیف‌ها را پیدا می‌کند، یا با کمک آن کاربر در وقت و هزینه صرفه‌جویی می‌کند[71][72]. سه دلیل اصلی که مصرف‌کنندگان مایلند از ایجنت‌ها برای خرید استفاده کنند طبق یک نظرسنجی عبارتند از: «همیشه بهترین قیمت را گرفتن» (۳۳٪ پاسخ‌ها)، «کمک به پایبندی به بودجه و جلوگیری از خرج اضافی» (۳۰٪) و «صرفه‌جویی در زمان» (۲۷٪)[71]. اگر محصولات فین‌تکی بتوانند این مزایا را تضمین و به خوبی به کاربر منتقل کنند، احتمال پذیرش گسترده بالاتر خواهد رفت. همچنین کنترل‌پذیری باید حفظ شود: بسیاری از کاربران می‌خواهند امکان بازبینی یا تأیید نهایی خرید توسط خودشان وجود داشته باشد، دست‌کم در مراحل اولیه[73]. راهکار دیگر، شروع از حوزه‌های کم‌ریسک‌تر است؛ برای نمونه مدیریتفهرست کارها و یادآورها حوزه‌ایست که ۶۴٪ افراد کاملاً راحت‌اند آن را به AI بسپارند[73]، یا کمک در برقراری قرار ملاقات‌ها و ایمیل‌ها که ۵۲٪ مشکلی با آن ندارند[74]. پس از اینکه کاربران در این امور روزمره اعتماد کسب کردند، می‌توان آرام‌آرام پرداخت‌های کوچک و خریدهای با مبالغ کم را نیز به AI سپرد تا عادت کنند. به طور خلاصه، اعتماد عمومی در گرو تجربه کاربری شفاف و قابل‌کنترل، سابقه عملکرد بدون اشتباه فاحش، و آگاهی‌بخشی تدریجی است.

۳. چالش‌های حقوقی و مقرراتی: نظام‌های حقوقی فعلی در سراسر دنیا عمدتاً بر مبنای این بنا شده‌اند که انسان‌ها تصمیم‌گیرنده نهایی در معاملات هستند. ورود الگوریتم‌های خودمختار به فرآیند خرید، بسیاری از مفاهیم سنتی حقوق تجارت و حمایت از مصرف‌کننده را به چالش می‌کشد. اولین سوال مهم، مسئله رضایت و اختیار (Consent & Authority) است: چگونه می‌توان چارچوبی قانونی تعریف کرد که اجازه دهد یک AI به جای فرد خرید کند؟ آیا کلیک کاربر روی «خرید توسط AI» به منزله رضایت برای تمامی تصمیمات بعدی است؟ اگر ایجنت بخواهد در طول زمان از داده‌های شخصی کاربر برای تصمیم‌گیری استفاده کند (مانند بررسی تاریخچه خرید یا داده‌های سلامت برای خرید مواد غذایی مناسب رژیم)، چه‌طور باید رضایت آگاهانه و شفافی از کاربر گرفته شود؟[75] این‌ها سوالاتیست که در حال حاضر پاسخ روشنی در قوانین ندارند. مورد بعدی، تشکیل قرارداد و مسئولیت ناشی از آن است: در یک خرید آنلاین، معمولاً یک قرارداد فروش میان خریدار و فروشنده منعقد می‌شود. اگر یک ایجنت اشتباهاً کالایی را به جای کاربر سفارش دهد – مثلاً AI چیزی را «هذیان» بگوید و کالایی نامربوط بخرد – آیا کاربر ملزم به پذیرش آن قرارداد است یا می‌تواند ابطال آن را مطالبه کند؟[76] همچنین اگر AI درک نادرستی از شرایط و ضوابط فروشنده داشته باشد (مثلاً سیاست مرجوعی را درست متوجه نشود) و بر مبنای آن خرید کند، در صورت بروز اختلاف چه کسی پاسخگوست؟مسئولیت مدنی و قانونی در قبال خطاهای AI فعلاً حوزه‌ای خاکستری است؛ برخی استدلال می‌کنند که AI صرفاً ابزار دست کاربر است و کاربر باید مسئول بماند، در حالی که برخی پیشنهاد «شخصیت الکترونیکی» برای AI مطرح می‌کنند تا خودش مسئولیت محدودی داشته باشد. مورد حقوقی دیگر، امنیت و تقلب است: همان‌طور که ایجنت‌ها می‌توانند برای مصرف‌کننده مفید باشند، مجرمان نیز می‌توانند از ایجنت‌ها سوءاستفاده کنند یا خود ایجنت‌ها را هدف حمله قرار دهند. اگر یک AI توسط فرد سودجویی جعل هویت شود و از حساب کسی خرید کند، یا یک ایجنت بر اثر حمله خرابکارانه خریدهای زیان‌باری انجام دهد، چه کسی پاسخگو خواهد بود و چارچوب جبران خسارت چیست؟[77] آمارها حاکی از آن است که AI نیز می‌تواند آسیب‌پذیری‌های امنیتی داشته باشد؛ به عنوان مثال، یک بررسی نشان داد در تقریباً ۲۵٪ موارد امکان فریب دادن ایجنت‌های خرید با اطلاعات نادرست یا پیشنهادهای مخرب وجود دارد[77]. این امر برای قوانین ضدتقلب یک چالش جدید است. همچنین الگوریتم‌ها شفافیت کمتری نسبت به انسان‌ها دارند؛ اگر یک AI محصول خاصی را انتخاب می‌کند، آیا باید فروشنده دلیل آن را برای مصرف‌کننده فاش کند؟ (مثلاً بگوید چون فلان الگوریتم اولویت را به قیمت داده، این مورد انتخاب شده). قوانین حمایت از مصرف‌کننده ممکن است ایجاب کند که مصرف‌کننده بداند تصمیمات AI چگونه اتخاذ می‌شوند، اما شرکت‌ها نیز مایل نیستند اسرار تجاری الگوریتم‌های خود را کاملاً برملا کنند[78]. نهایتاً، چندگانگی رگولاتوری در سطح جهانی چالش دیگریست: در حالی که اتحادیه اروپا در حال تصویب «قانون AI» است، این قانون نیز که مترقی‌ترین قانون در نوع خود است زمان نگارش‌اش به قبل از فراگیری تجارت عاملیت‌محور بازمی‌گردد و مشخصاً موضوع ایجنت‌های خریدار را پوشش نداده است[79]. در اغلب کشورها هنوز هیچ قانون ویژه‌ای برای AI Agentها وجود ندارد، و شرکت‌ها باید بر اساس تفسیر قوانین موجود (مثلاً GDPR در مورد داده یا قوانین تجارت الکترونیک) عمل کنند که لزوماً سازگار یا کافی نیست[80]. این خلأ رگولاتوری فضایی از عدم قطعیت برای کسب‌وکارها ایجاد کرده است[81][82]. ممکن است اقدامی که در یک کشور مجاز است، در کشور دیگر غیرقانونی تلقی شود یا حداقل مورد مناقشه قرار گیرد. به عنوان مثال، در برخی حوزه‌ها ممکن است گفته شود که اجازه پیش‌پرداخت از حساب مشتری توسط AI نقض قوانین بانکی است. نتیجه این‌که احتمالاً در سال‌های آتی شاهد بازنگری و به‌روزرسانی قوانین در سراسر جهان خواهیم بود تا مفاهیمی چون نمایندگی، رضایت و رویه‌های منصفانه تجاری را در بستر جدیدی که تصمیم‌ساز نهایی الگوریتم است، دوباره تعریف کنند[83][84]. تا آن زمان، شرکت‌های فعال در این حوزه باید با دقت و مشورت حقوقی حرکت کنند و شاید خود نیز ابتکار عمل در تدوین استانداردهای خودتنظیمی به خرج دهند تا اعتماد قانون‌گذاران را جلب نمایند.

۴. حریم خصوصی و حفاظت داده‌ها: ایجنت‌های AI برای اینکه بتوانند واقعاً شخصی‌سازی‌شده و مفید باشند، نیازمند دسترسی عمیق به اطلاعات کاربران هستند. از تاریخچه خرید و سوابق تراکنش‌های بانکی گرفته تا سلیقه‌های شخصی، لیست وظایف روزانه، ایمیل‌ها (برای خواندن رسیدها یا کوپن‌های تخفیف)، موقعیت مکانی کاربر و حتی علائق وی در شبکه‌های اجتماعی – همه این داده‌ها می‌توانند به یک ایجنت کمک کنند تصمیمات بهتری بگیرد. اما دقیقاً همین نیاز گسترده به داده است که نگرانی‌های حریم خصوصی را برمی‌انگیزد. در عصر قوانین سفت و سختی چون GDPR در اروپا، هرگونه پردازش خودکار داده شخصی باید با رضایت صریح و آگاهی کامل کاربر باشد. اگر یک ایجنت قرار است به ایمیل‌های من دسترسی یابد تا موارد قابل خرید را تشخیص دهد، آیا من از میزان دسترسی و نحوه استفاده آن مطلع و راضی‌ام؟ و آیا این استفاده مطابق قوانین حفاظت داده است؟ بسیاری از کاربران نسبت به ابزارهای AI که بیش از حد فضول به نظر برسند بدبین خواهند بود. در نظرسنجی کنتار، ۵۴٪ از کاربران سالخورده‌تر (Baby Boomers) گفته‌اند به ابزارهایی ارزش می‌دهند که از داده‌های شخصی‌شان محافظت یا بر آن نظارت کند[28]. این درصد بالایی است که نشان می‌دهد دغدغه حریم خصوصی در نسل‌های مسن‌تر بسیار جدی است. نسل‌های جوان‌تر کمی راحت‌تر هستند اما آن‌ها نیز توقع شفافیت و کنترل دارند: برای مثال ۸۴٪ کل پاسخ‌دهندگان در یک نظرسنجی جهانی اذعان کرده‌اند که حتی با ورود AI به خدمات مشتری، «همواره باید گزینه تعامل انسانی در صورت نیاز وجود داشته باشد»[85][86] – این نشان‌دهنده میل کلی به داشتن راه فراری از دست ماشین در مواقع حساس است. شرکت‌ها برای رفع نگرانی‌های حریم خصوصی باید چند اقدام انجام دهند: نخست، حداقل‌سازی داده‌های مورد نیاز – ایجنت نباید بیش از آنچه لازم است از اطلاعات کاربر استفاده کند و در هنگام به اشتراک‌گذاری با پلتفرم‌های ثالث نیز تنها داده ضروری منتقل شود[87]. دوم، مستندسازی و شفافیت – کاربر بداند ایجنت چه اطلاعاتی را جمع‌آوری و ذخیره می‌کند و هر زمان خواست بتواند آن را پاک یا دسترسی AI را قطع کند[88][89]. سوم، امنیت سخت‌گیرانه – داده‌های کاربر که در اختیار AI است باید به قوی‌ترین شکل رمزنگاری و محافظت شود تا مبادا هدف حملات سایبری قرار گیرد. چهارم، پایبندی به چارچوب‌های قانونی محلی – برای مثال، در اروپا احتمالاً نیاز به مکانیزم‌هایی برای گرفتن رضایت granular(جزءبه‌جزء) برای هر نوع استفاده AI از داده‌ها خواهیم داشت. فین‌تک‌ها و شرکت‌های فناوری باید آماده باشند تا ویژگی‌های محصولات خود را برای انطباق با هر حوزه قضایی تنظیم کنند. به عنوان نمونه، اگر یک AI در آمریکا آزاد است خرید کند اما در اروپا نیاز به تأیید دوباره کاربر دارد، این تفاوت باید در طراحی سیستم دیده شود. اعتمادسازی در حریم خصوصی یک سرمایه‌گذاری ضروری است؛ هر رسوایی یا نشت داده‌ای مربوط به یک ایجنت می‌تواند موجی از ترس و پس‌زدن این فناوری را به دنبال داشته باشد. در مقابل، شرکتی که گواهینامه‌های اعتماد و انطباق در زمینه AI کسب کند (مثلاً تأییدیه‌های مستقل در مورد رعایت اصول اخلاقی داده و حریم خصوصی) می‌تواند مزیت رقابتی به دست آورد. خلاصه اینکه رعایت حریم خصوصی و حفاظت داده نه‌تنها یک الزام قانونی و اخلاقی است، بلکه پیش‌نیاز موفقیت بلندمدت ایجنت‌های هوشمند در کسب اعتماد عمومی نیز محسوب می‌شود[88][89].

نقش پلتفرم‌های مطرح: ChatGPT، Google Assistant و Amazon Alexa

در مسیر بلوغ ایجنت‌های هوشمند خرید و پرداخت، چند پلتفرم شاخص نقشی پیشگام داشته و دارند. ChatGPT، دستیار گوگل و آمازون الکسا هر کدام با رویکرد خاص خود در حال توسعه قابلیت‌های agentic هستند و به‌نوعی ویترین امکانات و چالش‌های پیش رو محسوب می‌شوند.

ChatGPT (چت‌جی‌پی‌تی): ChatGPT محصول شرکت OpenAI در مدت کوتاهی به یکی از مشهورترین هوش مصنوعی‌های مولد تبدیل شد و اکنون با افزودن قابلیت‌های جدید، در آستانه تبدیل شدن به یک بازیگر تجارت الکترونیک است. طبق آمار خود OpenAI، هر هفته بیش از ۷۰۰ میلیون نفر از ChatGPT برای انجام کارهای روزمره استفاده می‌کنند که از جمله شامل یافتن محصولات مورد علاقهآن‌هاست[90]. این محبوبیت عظیم، انگیزه OpenAI برای ورود به عرصه خرید را افزایش داد. در سپتامبر ۲۰۲۵، این شرکت اعلام کرد که نخستین گام‌ها را به سوی «تجارت عاملی» در ChatGPT برداشته است[91]. ویژگی جدیدی به نام Instant Checkout معرفی شد که با همکاری Stripe پیاده‌سازی شده و به کاربران (فعلاً در آمریکا) اجازه می‌دهد مستقیماً در داخل چت اقدام به خرید کالا کنند[9]. برای مثال اگر کاربری بپرسد «بهترین هدایای زیر ۵۰ دلار برای دوست هنرمند»، ChatGPT محصولاتی مرتبط از سرتاسر وب نمایش می‌دهد (نتایج کاملاً ارگانیک و بدون تبلیغات) و اگر آن محصولات امکان Instant Checkout داشته باشند، کاربر می‌تواند دکمه «خرید» را همان‌جا بزند[7]. سپس ChatGPT جزئیات سفارش، آدرس و پرداخت را دریافت کرده و بدون نیاز به خروج کاربر از چت، خرید را تکمیل می‌کند[92][8]. مشترکان ChatGPT حتی می‌توانند از کارت اعتباری ذخیره‌شده خود در حسابشان استفاده کنند تا نیاز به وارد کردن مجدد اطلاعات نباشد[93]. ChatGPT در این جریان نقش یک ایجنت امن کاربر را ایفا می‌کند؛ یعنی اطلاعات لازم را بین کاربر و سیستم فروشنده (مثلاً Shopify) ردوبدل می‌کند، در حالی که نه کاربر مجبور است وارد وبسایت فروشگاه شود و نه فروشنده به اطلاعات پرداخت خام کاربر دسترسی پیدا می‌کند[8][94]. همه‌چیز به شکل توکن‌های رمزنگاری‌شده و از طریق پروتکل Agentic Commerce انجام می‌گیرد[95]. فروشندگان همچنان از سیستم‌های موجودشان (مثلاً پردازشگر پرداخت فعلی) استفاده می‌کنند و می‌توانند سفارش را بپذیرند یا رد کنند، پرداخت را پردازش کنند و کالا را ارسال نمایند؛ ChatGPT صرفاً رابط میان دو طرف است[96][36]. این تحول ChatGPT را عملاً به یک پلتفرم بازار تبدیل می‌کند که می‌تواند رقیبی برای فروشگاه‌های آنلاین سنتی باشد، با این تفاوت که تجربه کاربری بسیار یکپارچه‌تر و محاوره‌ای ارائه می‌دهد. OpenAI علاوه بر این خدمت، استاندارد Agentic Commerce Protocol را متن‌باز کردهو اسناد فنی آن را در اختیار توسعه‌دهندگان گذاشته است تا فروشگاه‌ها و پلتفرم‌های دیگر نیز بتوانند کالاهایشان را برای خرید توسط AI آماده کنند[97][98]. این نشان می‌دهد OpenAI چشم‌انداز بزرگ‌تری برای اکوسیستم ChatGPT در نظر دارد که در آن افراد، کسب‌وکارها و AIها با هم تعامل اقتصادی دارند[99]. خود OpenAI می‌گوید این تازه شروع راه است و قصد دارد به‌زودی امکان اضافه کردن چندین کالا به سبد (نه فقط خرید تک‌محصولی)، پشتیبانی از مناطق جغرافیایی و فروشندگان بیشتر (فراتر از Etsy و Shopify) و همچنین ویژگی‌هایی برای ایجاد اعتماد و شفافیت بیشتر را فراهم کند[100][101]. در مجموع، ChatGPT به عنوان یک پلتفرم AI چندمنظوره، اکنون در حال تبدیل شدن به یک دستیار خرید قدرتمند است و انتظار می‌رود با افزودن حافظه بلندمدت و دسترسی به ابزارهای وب (مثل Operator Mode که اوایل ۲۰۲۵ معرفی شد) بتواند وظایف پیچیده‌تری مانند رزرو سفر کامل همراه با خرید بهترین بلیط‌ها را نیز انجام دهد[102][103]. موفقیت یا شکست تجربه خرید در ChatGPT احتمالاً تأثیری بزرگ بر پذیرش عمومی ایجنت‌های خرید خواهد داشت، چرا که این پلتفرم در معرض دید صدها میلیون کاربر قرار دارد.

Google Assistant (دستیار گوگل): دستیار صوتی گوگل سال‌هاست که در گوشی‌های اندرویدی و دستگاه‌های خانه هوشمند حضور دارد و کاربران زیادی با فرامین صوتی آن خو گرفته‌اند. گوگل نیز نمی‌خواهد از قافله تجارت عاملی عقب بماند. این شرکت در رویدادهای سال ۲۰۲۳ و ۲۰۲۴ خود اعلام کرد که در حال کار روی تبدیل جستجوی سنتی به یک تجربه محاوره‌ای تعاملی است؛ چیزی که اکنون به شکل Search Generative Experience مشاهده می‌کنیم. در حوزه خرید، در اواخر ۲۰۲۴ و اوایل ۲۰۲۵ گوگل ویژگی جدیدی را آزمایش کرد که رسانه‌ها از آن با عنوان AI shopping mode یاد کردند[104]. بر اساس گزارش Finextra، گوگل یک «حالت خرید عاملیت‌محور»در موتور خرید خود ارائه داده که با استفاده از مدل هوش مصنوعی جدید این شرکت (Gemini)، می‌تواند پیشنهادات خرید شخصی‌شده، پیگیری قیمت‌ها و نتایج مکالمه‌ای را برای کاربران فراهم کند[104]. تصور کنید به جای اینکه در گوگل سرچ کنید «تلویزیون ۵۵ اینچ 4K»، به دستیار گوگل بگویید «من یک تلویزیون ۵۵ اینچ با کیفیت 4K و قیمت مناسب برای سالن پذیرایی می‌خواهم» و گوگل نه‌تنها چند گزینه مناسب را بیان کند، بلکه بپرسد «آیا مایلید بر اساس بودجه یا برند خاصی محدودش کنم؟» و پس از تعاملی کوتاه، بهترین گزینه را به همراه دکمه خرید (متصل به فروشگاه مربوطه یا Google Shopping) ارائه دهد. این دقیقاً مسیری است که گوگل در حال طی کردن است. علاوه بر این، گوگل به نقش خود به عنوان یکی از بزرگ‌ترین شرکت‌های فناوری و هماهنگ‌کننده استانداردها واقف است. در آوریل ۲۰۲۵، این شرکت با مشارکت بیش از ۶۰ سازمان (شامل بانک‌ها، شبکه‌های پرداخت، فین‌تک‌ها و شرکت‌های فناوری) پروتکلی باز به نام Agent Payment Protocol (AP2) معرفی کرد[105]. AP2 بر لایه مجوزدهی، رضایت و حسابرسی در پرداخت‌های ایجنتی تمرکز دارد. مفهوم کلیدی در AP2 چیزی به نام Mandate (اختیارنامه) است؛ یک قرارداد دیجیتال امضاشده به صورت رمزنگاری که «دستور و اجازه کاربر به ایجنت برای یک تراکنش» را ثبت می‌کند[106]. به ازای هر خریدی که ایجنت انجام می‌دهد، یک زنجیره Mandate تشکیل می‌شود که قصد کاربر (مثلاً “خرید این اقلام با این قیمت”) و جزئیات سبد تاییدشده را قبل از پرداخت در خود دارد[107]. این راهکاری برای پاسخ به این سوال است که «آیا واقعاً کاربر چنین خریدی را خواسته بود؟» و «اگر مشکلی پیش آمد، مدرکی مبنی بر اجازه کاربر وجود دارد؟»[108][109]. AP2 به صورت مستقل از روش پرداخت طراحی شده (یعنی فرقی ندارد کارت باشد یا انتقال بانکی یا کریپتو) و هدفش جلوگیری از تکه‌تکه شدن اکوسیستم با تعریف یک استاندارد مشترک میان ایجنت‌ها و فروشندگان است[109]. بسیاری از بازیگران صنعت از AP2 استقبال کرده‌اند؛ از جمله مسترکارت، پی‌پال، کوین‌بیس، چندین بانک بزرگ و مارکت‌پلیس‌ها[110]. این پروتکل در کنار ACP (پروتکل OpenAI/Stripe) قابل استفاده خواهد بود – به این صورت که ACP مکانیزم اجرای خرید را فراهم می‌کند و AP2 لایه اعتماد و مجوز را تأمین می‌کند[111]. همه این‌ها نشان می‌دهد گوگل قصد دارد زیرساخت لازم را مهیا کند تا دستیار گوگل بتواند در آینده نزدیک واقعاً برای کاربر خرید کند، بی‌آنکه موانع امنیتی و حقوقی سد راه شوند. انتظار می‌رود Google Assistant به مرور این قابلیت‌ها را ادغام کند. شاید در نسل‌های آینده گوشی‌های پیکسل یا اسپیکرهای Google Nest، بتوانید به سادگی بگویید «Hey Google, اون شوینده‌ای که همیشه می‌خرم تموم شده، دوباره سفارش بده» و دستیار گوگل از طریق AP2 و سایر پروتکل‌ها سفارش شما را ثبت و پرداخت را انجام دهد، با اطمینان از اینکه در چارچوب اختیار شما عمل کرده است. به طور خلاصه، گوگل با تکیه بر اکوسیستم عظیم اندروید و سرویس‌های خود، می‌تواند تجربه خرید عاملیت‌محور را به میلیاردها کاربر ارائه دهد، البته اگر چالش‌های ذکرشده (اعتماد، داده و غیره) را به خوبی مدیریت کند.

Amazon Alexa (آمازون الکسا): آمازون را می‌توان اولین شرکتی دانست که خرید توسط دستیار هوشمند را به صورت انبوه در اختیار مردم گذاشت. الکسا که از سال ۲۰۱۴ معرفی شد، اکنون در انواع اسپیکرهای هوشمند Echo و سایر وسایل استفاده می‌شود و میلیون‌ها خانواده به آن دسترسی دارند. آمازون با هوشمندی، الکسا را عمیقاً با پلتفرم خرده‌فروشی خود یکپارچه کرد به طوری که کاربران می‌توانند صرفاً با فرمان صوتی کالا سفارش دهند. برای مثال گفتن جمله «Alexa, order laundry detergent» کافیست تا الکسا یکی از محصولات پرفروش یا از پیش تعیین‌شده را به سبد شما اضافه کرده و سفارش را نهایی کند (البته پس از تأیید نهایی شما). طبق گزارش‌ها، بیش از ۱۰۰ میلیون دستگاه مجهز به Alexa تاکنون به فروش رفته است[112] و این دستیار حدود ۵۳٪ از کل فرمان‌های صوتی دستیارهای هوشمند را پردازش می‌کند که نشان‌دهنده پیشتازی آن در بازار جهانی است[113][114]. هر چند در سال‌های اخیر دستیارهای دیگری مثل گوگل و سیری اپل نیز رشد داشته‌اند، اما نکته اینجاست که الکسا تنها دستیار عمده‌ایست که به طور بومی امکان خرید کامل را فراهم کرده است[115]. سیری یا دستیار گوگل در برخی کشورها خدمات محدودی برای خرید داشتند (مثلاً سفارش غذا یا ارسال پول درون برنامه‌ای)، اما Alexa به خاطر اتصال مستقیم با فروشگاه آمازون یک تجربه منحصر‌به‌فرد ارائه داد و عملاً الگویی برای تجارت عاملی شد. آمازون در طی این سال‌ها آموخته است که کاربران چگونه با خرید صوتی تعامل می‌کنند: آمارها نشان می‌دهد بسیاری از کاربران ابتدا برای جستجوی اطلاعات محصول یا افزودن اقلام به فهرست خرید از Alexa استفاده می‌کنند و کمتر به خرید نهایی از طریق صدا اقدام می‌کنند[25]. شاید به همین دلیل بود که نرخ استفاده از خرید صوتی کمی پایین‌تر از انتظارات اولیه بود (طبق یک آمار، حدود ۲۲٪ از کاربران بلندگوهای هوشمند خرید صوتی منظم انجام می‌دهند[116]). اما این روند در حال تغییر است؛ آمازون در سال ۲۰۲۳ اعلام کرد که استفاده از دستیار خرید AI آن – با اسم رمز Rufus – نسبت به سال قبل ۱۴۹٪ افزایش یافته است[117]. به نظر می‌رسد با بهبود قابلیت‌های فهم زبان Alexa و ادغام عمیق‌تر آن با تجربه کاربری (مثل نمایش نتایج روی اپلیکیشن Amazon هنگام سوال صوتی)، مردم اعتماد بیشتری به سفارش‌دهی از این طریق پیدا کرده‌اند. آمازون همچنین Alexa را فراتر از خرید اقلام ساده برده است؛ اکنون در برخی مناطق می‌توانید از طریق Alexa سفارش غذای بیرون بدهید، بلیت سینما رزرو کنید یا تاکسی اینترنتی درخواست کنید. به عبارت دیگر، Alexa در حال تبدیل شدن به یک کاربر همه‌کاره به نمایندگی شماست که هر خدمتی را می‌تواند رزرو یا خریداری کند، درست مشابه یک منشی شخصی. برای فین‌تک‌ها، الکسا یک درس مهم به همراه دارد: تجربه کاربری بدون درز و ساده عامل کلیدی در پذیرش بوده است. اگر آمازون کاربران را مجبور می‌کرد هر بار کد تأیید یا رمز عبور وارد کنند، هرگز خرید صوتی پا نمی‌گرفت؛ بلکه آن را به شکل کاملاً محاوره‌ای و با یک کلمه تأیید عملی کرد (“Yes” گفتن برای تأیید نهایی). البته تدابیر امنیتی پشتیبان (مثل امکان تنظیم تأیید صوتی یا تعیین پین‌کد اختیاری) را هم قرار داد. از سوی دیگر، آمازون با Prime و تحویل قابل اعتماد، انگیزه استفاده از Alexa را بالا برد (چون می‌دانید سفارشتان سریع و بدون هزینه ارسال اضافه می‌رسد). لذا Alexa نشان داد ترکیب یک اکوسیستم قوی تجارت الکترونیک با یک واسط هوش مصنوعی می‌تواند چگونه باشد. در آینده، آمازون احتمالاً Alexa را هوشمندتر نیز خواهد کرد – مثلاً با مدل‌های زبانی جدید و شناخت ترجیحات شما. شاید Alexa بتواند گفتگوهای پیچیده‌تری برای تصمیم‌گیری خرید انجام دهد (“این پیراهنی که پرسیدی ۳۰٪ تخفیف خورده، رنگ آبی‌اش موجود نیست ولی سبزش هست، می‌خوای سایز M سبز رو بگیرم برات؟”). به هر حال، آمازون سرمایه‌گذاری زیادی روی AI کرده (شامل خرید شرکت‌های استارتاپ AI و ساخت مدل‌های زبانی اختصاصی) و واضح است که Alexa نقش محوری در استراتژی خرده‌فروشی آینده این شرکت دارد. به طور خلاصه، الکسا مثال موفق اولیه‌ای از ایجنت خرید بود که با اتکا به صوت کار می‌کرد؛ اکنون پلتفرم‌های جدیدتر در پی آن‌اند که این ایده را گسترش دهند و با واسط‌های پیشرفته‌تر (چت متنی، مولتی‌مدیا و غیره) تجربه‌ای فراگیرتر خلق کنند.

نمونه‌های پیاده‌سازی واقعی توسط فین‌تک‌ها و فروشگاه‌ها

روند استفاده از ایجنت‌های هوشمند در خرید و پرداخت، از مرحله مفاهیم تئوریک فراتر رفته و اکنون نمونه‌های عینی در بازار مشاهده می‌شود. در این بخش به چند مورد از پیاده‌سازی‌های واقعی – چه توسط شرکت‌های فین‌تک و چه خرده‌فروشان – اشاره می‌کنیم که تصویری از وضعیت فعلی این فناوری به دست می‌دهد.

• خرید در ChatGPT با همکاری Stripe و فروشگاه‌های آنلاین: همان‌طور که بیان شد، OpenAI با مشارکت Stripe و پلتفرم‌هایی نظیر Shopify شرایطی را فراهم کرده که کاربر بتواند در حین گفتگو با ChatGPT، محصولات واقعی را بخرد. در حال حاضر این امکان برای کاربران آمریکا با پشتیبانی از فروشندگان Etsy فعال شده و بیش از یک میلیون فروشنده Shopify نیز به زودی به آن متصل خواهند شد[9]. روند کار به این صورت است که فروشنده در سیستم Stripe خود Agentic Commerce Protocol را فعال می‌کند و محصولاتی که آماده Instant Checkout هستند در نتایج ChatGPT برچسب خرید می‌گیرند[100]. وقتی کاربر روی «خرید» کلیک می‌کند، ChatGPT جزئیات کارت شما (توکن‌شده و امن) را به Stripe می‌فرستد و سفارش را در فروشگاه ثبت می‌کند[94]. Stripe تضمین می‌کند که این تراکنش مانند خرید عادی شما پردازش شود و فروشنده بتواند چک‌های تقلب و قوانین تجاری معمول خود را اعمال کند[36]. به این ترتیب، بدون نیاز به هیچ تغییر اساسی در سیستم فروشگاه‌ها، آن‌ها قادرند به روی مشتریان AI باز شوند. این نمونه نشان می‌دهد چگونه یک فین‌تک (Stripe) با یک شرکت AI (OpenAI) و کسب‌وکارهای تجارت الکترونیک (Etsy/Shopify) همکاری کرده تا ایده ایجنت خرید در دنیای واقعی اجرا شود. هرچند فعلاً محدود به یک منطقه جغرافیایی است، ولی احتمالاً به سرعت گسترش خواهد یافت و سایر پرداخت‌پردازها نیز دنبال چنین نقشی خواهند رفت.

• Mastercard Agent Pay – پرداخت توکنایزشده توسط AI: مسترکارت به عنوان یکی از شبکه‌های پرداخت پیشرو، از اولین شرکت‌هایی بود که برنامه ویژه‌ای برای ایجنت‌های هوشمند تدارک دید. در آوریل ۲۰۲۵، این شرکت طرح Agent Pay را معرفی کرد که «توکن عاملی مسترکارت» در مرکز آن قرار دارد[38]. نحوه کار بدین شکل است که هر سه بازیگر اصلی (مصرف‌کننده، بانک صادرکننده کارت، و فروشنده) در شبکه مسترکارت خواهند دانست که تراکنش مربوطه توسط یک AI انجام شده است[42][39]. مسترکارت به کمک فناوری توکنایزیشن خود (که پیش‌تر برای کیف‌پول‌های موبایلی و استاندارد Secure Remote Commerce توسعه داده بود)، یک توکن موقت به ایجنت تخصیص می‌دهد که پشت آن کارت کاربر قرار دارد[118]. اما فقط ایجنت‌هایی می‌توانند این توکن‌ها را دریافت کنند که از پیش در سیستم مسترکارت ثبت شده و معیارهای امنیتی را پاس کرده باشند[39]. این کمک می‌کند که اگر یک AI ناشناس یا مشکوک تلاش به پرداخت کرد، درخواستش رد شود. همچنین هر توکن صرفاً برای مبالغ و فروشنده مشخصی اعتبار خواهد داشت تا حتی در صورت نشت، سوءاستفاده نشود[87][119]. مثالی که مسترکارت مطرح کرده این است که فرض کنید یک دستیار AI مد در مایکروسافت – که شریک توسعه این پروژه بوده – به شما در انتخاب لباس برای یک رویداد کمک می‌کند؛ AI اقلامی را از فروشگاه‌های مختلف پیشنهاد داده و پس از تأیید شما، آنها را خریداری می‌کند، حتی می‌تواند بهترین کارت را بر اساس امتیازات یا یک اعتبار خاص برای پرداخت انتخاب کند[120]. تمام این پرداخت‌ها با توکن‌های Agent Pay انجام می‌شود تا امنیت و شفافیت حفظ شود. همین امکان برای کسب‌وکارهای کوچک نیز متصور است: آن‌ها می‌توانند خرید اقلام و تأمین موجودی خود را به یک AI سپرده و AI با استفاده از کارت مجازی محدودشده پرداخت به تأمین‌کنندگان را انجام دهد[121]. در حال حاضر Agent Pay برای برخی کاربران آمریکا راه‌اندازی آزمایشی شده و قرار است به تدریج جهانی شود[122]. این نمونه نشان می‌دهد شبکه‌های پرداخت سنتی چگونه در عمل اکوسیستم خود را برای AI آماده می‌کنند. انتظار می‌رود ویزا و پی‌پالنیز اقدامات مشابهی انجام دهند (در واقع ویزا همان زمان پروژه Intelligent Commerce و پی‌پال همکاری با پلتفرم Perplexity را اعلام کردند[123]).

• Albertsons AI Assistant – دستیار خرید در خرده‌فروشی مواد غذایی: در بخش خرده‌فروشی، یکی از جلوترین نمونه‌ها را شرکت آلبرتسونز (سومین فروشگاه زنجیره‌ای مواد غذایی در آمریکا) ارائه کرده است. در دسامبر ۲۰۲۵، آلبرتسونز اعلام کرد که یک دستیار خرید هوشمند مبتنی بر AI را در تمامی وبسایت‌های فروش فروشگاه‌های زیرمجموعه خود فعال کرده است[124]. این شامل برندهای معروفی چون Safeway, Vons, Jewel-Osco و غیره می‌شود. این دستیار که با مدل‌های OpenAI ساخته شده و ساختاری چند-ایجنتی دارد، می‌تواند کل فرایند برنامه‌ریزی غذا تا پر کردن سبد خرید را بر عهده بگیرد[125][126]. مثلاً کاربر می‌تواند از آن بخواهد برای یک هفته خانوادۀ ۴ نفره غذاهای شام را پیشنهاد دهد. دستیار با توجه به ترجیحات (مثلاً رژیم گیاه‌خواری یا بودجه) منویی پیشنهاد می‌دهد، سپس اقلام مورد نیاز هر دستور را گردآوری کرده و به سبد خرید آنلاین اضافه می‌کند – آن هم به شکلی هوشمند که اگر دو غذا مواد مشترک دارند، مقدار مناسب را یک‌بار اضافه کند (deduplicate ingredients)[126]. این سیستم حتی قابلیت خواندن لیست‌های دست‌نویس کاربر را نیز دارد؛ یعنی شما می‌توانید عکس لیست خرید کاغذی خود را آپلود کنید و AI اقلام را شناسایی کرده و معادل‌شان را در فروشگاه پیدا کند[126]. نتیجه نهایی، کاهش چشمگیر زمان خرید آنلاین است: آلبرتسونز می‌گوید یک خرید هفتگی که معمولاً ۴۶ دقیقه طول می‌کشد با کمک این دستیار می‌تواند در ۴ دقیقه انجام شود[125]. این یک ارتقای چشمگیر در تجربه مشتری است. جالب اینکه آلبرتسونز اعلام کرده معماری چند-ایجنتی این دستیار طوری طراحی شده که در آینده قابلیت تعامل با ایجنت‌های خارج از پلتفرم را هم داشته باشد[127]. به بیان دیگر، احتمالاً در آینده خواهید توانست از طریق یک پلتفرم ثالث (مثلاً ChatGPT یا یک چت‌بات پیام‌رسان) به دستیار آلبرتسونز متصل شوید. این حرکت نشان می‌دهد خرده‌فروشان بزرگ به سمت استانداردسازی و بین‌پلتفرمی شدن ایجنت‌های خود می‌روند تا در اکوسیستم گسترده‌تری حضور داشته باشند. گفتنی است آلبرتسونز تنها نیست؛ بنابر گزارش PYMNTS، شرکت‌های بزرگ دیگر مانند Target و Walmart نیز در حال توسعه یا گسترش دستیاران هوشمند خرید خود هستند[117]. حتی شبکه اجتماعی Pinterest نیز یک دستیار هوش مصنوعی معرفی کرده که به کاربران در انتخاب و خرید اقلام الهام‌گرفته از پین‌ها کمک می‌کند[117]. این موج سرمایه‌گذاری در خرده‌فروشی احتمالاً به دلیل مشاهده محبوبیت بالای این ابزارها است. بر اساس پژوهش PYMNTS، سال ۲۰۲۴ حدود ۳۲٪ مصرف‌کنندگاناعلام کرده بودند که قبلاً از یک AI مولد در فرایند خرید استفاده کرده‌اند[117]. همچنین آمازون (رقیب همه این‌ها) رشد تقاضا برای تجارب خرید AI را دیده است؛ همان‌گونه که ذکر شد استفاده از دستیار خرید AI آمازون ۱۴۹٪ افزایش یافته که حاکی از استقبال مشتریان است[117]. مجموع این مثال‌ها نشان می‌دهد که چه در دنیای آنلاین خالص (شرکت‌های فین‌تکی و تجارت الکترونیک) و چه در خرده‌فروشی سنتی، بازیگران بزرگ در حال آزمایش و پیاده‌سازی ایجنت‌های خرید هستند. احتمال می‌رود به زودی نمونه‌های مشابهی را در بازارهای دیگر نیز ببینیم؛ مثلاً در اروپا فروشگاه‌های زنجیره‌ای بزرگ یا پلتفرم‌های خرده‌فروشی آنلاین، و در آسیا شرکت‌هایی مانند Alibaba (که سال‌هاست با چت‌بات AliMe در بخش خدمات مشتری پیشرو بوده) ممکن است ایجنت‌های خرید تمام‌خودکار عرضه کنند.

آینده ایجنت‌های خرید و پرداخت در ۳ تا ۵ سال آینده (بر اساس پیش‌بینی‌ها)

با سرعت پیشرفتی که در سال‌های اخیر شاهد بوده‌ایم، به نظر می‌رسد ۳ تا ۵ سال آینده دوره‌ای سرنوشت‌ساز برای تثبیت ایجنت‌های هوش مصنوعی در فضای خرید و پرداخت باشد. بسیاری از تحلیل‌گران و مؤسسات تحقیقاتی، این بازه را زمانی می‌دانند که تکنولوژی به بلوغ کافی می‌رسد، مقررات به‌روز می‌شود و پذیرش کاربر به جرم بحرانی خود نزدیک می‌شود. در ادامه به چند پیش‌بینی و انتظار مهم که متخصصان برای این دوره دارند اشاره می‌کنیم:

• سهم فزاینده ایجنت‌ها در تجارت الکترونیک: به طور کلی اجماع تحلیل‌گران بر این است که تا اوایل دهه ۲۰۳۰، ایجنت‌های AI بخش قابل توجهی از معاملات آنلاین را مدیریت خواهند کرد. شرکت مشاوره Kearney پیش‌بینی کرده که ایجنت‌های خرید هوشمند ممکن است حدود یک‌چهارم کل فروش تجارت الکترونیکی را به خود اختصاص دهند[128]. این معادل رقمی در حدود ۱۰ تا ۱۲ تریلیون دلار فروش سالانه آنلاین در جهان است[128]. حتی اگر این برآورد بلندمدت باشد، در افق نزدیک‌تر (مثلاً ۵ سال آینده) نیز رشد چشمگیری متصور است. مک‌کینزی تخمین می‌زند که تا سال ۲۰۳۰ فقط در بازار خرده‌فروشی ایالات متحده، ۱ تریلیون دلار از مخارج مصرف‌کننده می‌تواند توسط AI Agents هدایت شود[13]. به بیان دیگر، اگر امسال شاید درصد کمی از خریدها توسط AI انجام می‌شود، تا ۵ سال دیگر ممکن است در هر خانواده‌ی دارای دسترسی فناوری، بخشی از خریدهای روتین (مثل خریدهای منزل، تمدید مایحتاج و حتی خریدهای آنلاین تفریحی) به یک ایجنت سپرده شود. چنین تغییری معادل تغییر پارادایم در خرده‌فروشیاست. به قول یکی از مدیران Bain، «AI عاملیت‌محور بزرگ‌ترین تغییر در شیوه کشف و وفاداری مشتری از زمان ظهور موتورهای جستجوست»[129][130]. بنابراین برندها و فروشگاه‌هایی که خود را برای این تحول آماده کنند، در آینده سهم بازار بیشتری خواهند داشت.

• بهینه‌سازی مالی و کاهش درآمد سنتی بانک‌ها: در بخش خدمات مالی، مک‌کینزی در گزارش خود هشدار می‌دهد که AI Agents دشمن سرسخت «اینرسی» هستند[47][48]. بسیاری از مدل‌های درآمدی بانک‌ها و شرکت‌های کارت اعتباری بر تنبلی یا عدم آگاهی مشتری بنا شده (مثلاً اینکه مشتری معمولاً هر ماه بانک خود را برای گرفتن نرخ سود بهتر عوض نمی‌کند یا همه خریدهایش را با کارت خاصی می‌کند چون عادت کرده). اما یک ایجنت مالی هوشمند این وضعیت را دگرگون می‌کند: «AI هر دلار را هر روز بهینه می‌کند»[131][132]. ایجنت‌ها می‌توانند به طور خودکار وجوه مازاد را به حساب پربازده منتقل کنند، قبل از موعد پرداخت‌ها را تطبیق دهند تا جریمه نخوریم، یا برعکس از خط اعتباری استفاده کنند تا موجودی را حداقل یکسان نگه دارند[132]. چنین اقداماتی حاشیه سود بانک‌ها را کم می‌کند چون بخش بیشتری از منافع به مشتری می‌رسد. مک‌کینزی خاطرنشان می‌کند حتی پذیرش جزئی این فناوری می‌تواند حاشیه سودها را تحت فشار قرار دهد یا درآمد را به کسب‌وکارهای دیگری (مثلاً فین‌تک‌های ارائه‌دهنده این خدمات) منتقل کند[133][132]. در سه تا پنج سال آینده، احتمال می‌رود بانک‌ها شروع به ارائه خدمات AI-مشاور خود کنند (تا مشتری را نزد خود نگه دارند) یا با استارتاپ‌های حوزه AI همکاری کنند. برخی بانک‌های پیشرو شاید حساب‌هایی معرفی کنند که در قراردادشان اجازه می‌دهند AI تاییدشده‌ای مدیریت محدود روی وجوه داشته باشد. از آن سو، شرکت‌های فین‌تکی که در حوزه Personal Finance Management (مدیریت مالی شخصی) فعالیت می‌کنند ممکن است با تزریق AI جان تازه‌ای بگیرند و کاربردی‌تر شوند[134][51]. در مجموع، پیش‌بینی می‌شود مدل سنتی بانکداری خرد و صدور کارت طی ۵ سال آتی تحت تأثیر AI تغییر کند؛ کارمزدی که بانک‌ها از بیت‌الخرج عدم‌بهینه بودن رفتار مشتری به دست می‌آوردند کمتر می‌شود و رقابت بر سر ارائه بهترین الگوریتم AI برای حفظ منافع مشتری شدت می‌گیرد.

• اقدام جدی قانون‌گذاران: طی چند سال آینده انتظار می‌رود چارچوب‌های قانونی و استانداردهای صنعتی جدیدی حول محور AI Agents وضع شود. اتحادیه اروپا احتمالاً پس از تصویب قانون AI، به تنظیم مقررات اختصاصی برای Agentic AI خواهد پرداخت (شاید به شکل یک دستورالعمل مکمل برای تجارت الکترونیک و حمایت مصرف‌کننده). در آمریکا نیز ممکن است رگولاتورهایی چون FTC (کمیسیون تجارت فدرال) دستورالعمل‌هایی درباره شفافیت الگوریتمی در توصیه‌های خرید AI یا مسئولیت ناشی از خطای AI منتشر کنند. همچنین در صنعت، شاید شاهد ائتلاف‌هایی برای خود-تنظیم‌گری باشیم. برای نمونه، ویزا در وبسایت خود به «تهدیدها و ریسک‌های تجارت عاملی» اشاره کرده و احتمال تقلب‌هایی مثل «فریب ایجنت توسط وبسایت‌های متقلب یا کالاهای جعلی»را گوشزد نموده است[135]. پرداخت‌یارها ممکن است مشترکاً سامانه‌هایی برای ردیابی ایجنت‌های متخلف یا اشتراک‌گذاری فهرست AIهای تاییدشده ایجاد کنند. همچنین استانداردهایی نظیر AP2 گوگل و ACP OpenAI/Stripe به احتمال زیاد در این چند سال امتحان خود را پس می‌دهند و شاید تبدیل به استانداردهای صنعتی وسیع‌تری (مثلاً تحت نظر W3C یا ISO) شوند. در مجموع، پیش‌بینی متخصصان این است که تا ۵ سال آینده، فضای حقوقی و استانداردی بسیار روشن‌تری پیرامون ایجنت‌ها وجود خواهد داشتو این به نوبه خود پذیرش کسب‌وکارها و مصرف‌کنندگان را افزایش می‌دهد.

• تکامل نقش پلتفرم‌های بزرگ: انتظار می‌رود بازیگران بزرگ فناوری تا چند سال دیگر جایگاه خود را مستحکم کنند. ChatGPT احتمالاً خدمات خریدش را به کشورهای بیشتری توسعه می‌دهد و شاید مدل درآمدی کارمزد از فروشنده (شبیه کمیسیون بازارگاه‌ها) را اجرا کند[2][136]. ممکن است نسخه‌های سازمانی ChatGPT برای خرده‌فروشان عرضه شود (تا آن‌ها AI اختصاصی خود را در پلتفرم‌شان داشته باشند). گوگل احتمالاً دستیار خود را عمیق‌تر در اندروید و مرورگر Chrome ادغام می‌کند تا کاربران به سادگی با گفتن یا نوشتن یک جمله خرید کنند. آمازون هم احتمالاً Alexa را فراتر از اکوسیستم خود خواهد برد – مثلاً تصور کنید Alexa بتواند در سایت‌های دیگر هم برای شما خرید کند (شاید از طریق همان AP2 یا همکاری با ویزا/مسترکارت). اپل هم نباید فراموش شود: با اینکه اپل کمتر در این زمینه سر و صدا کرده، اما ممکن است طی ۵ سال آینده Siri را با App Store و Apple Pay ترکیب کند تا چیزی شبیه خرید عاملی در اکوسیستم بسته خودشان فراهم شود. به طور کلی، هر پلتفرمی که اینترفیسی با کاربر نهاییدارد (از شبکه‌های اجتماعی گرفته تا سیستم‌های پیام‌رسان) ممکن است به فکر افزودن قابلیت خرید خودکار باشد. برای مثال، واتس‌اپدر حال حاضر در برخی کشورها امکان پرداخت و تعامل با کسب‌وکار را دارد؛ اگر Meta یک مدل زبانی قوی را با واتس‌اپ ترکیب کند، می‌تواند دستیار خریدی در پیام‌رسان ارائه کند که در خود پلتفرم خرید کند. بنابراین احتمالی که کارشناسان می‌دهند این است که مرز میان «جستجو کردن» و «خرید کردن» محو خواهد شد[137][2]. همان‌طور که یکی از عناوین اشاره می‌کرد: «AI می‌تواند پولی را خرج کند که خودش درنیاورده، برای چیزهایی که خودش مصرف نخواهد کرد» – یعنی AI تبدیل به بازیگر اقتصادی فعالمی‌شود[12]. این نقش جدید باعث می‌شود شرکت‌های فناوری به دنبال تسلط بر نقطه تماس AI با کاربر باشند؛ زیرا هرکس آن را کنترل کند، کانال بزرگی برای درآمد کمیسیونی و داده‌های ارزشمند خواهد داشت.

• تجربه مشتری شخصی‌سازی‌شده‌تر و هوشمندتر: از منظر مصرف‌کننده، ظرف ۳ تا ۵ سال آینده احتمالاً شاهد آن خواهیم بود که تجربه خرید بسیار هوشمندتر و متناسب‌تر با هر فرد شود. ایجنت‌ها با گردآوری داده‌های گسترده از رفتار و ترجیحات ما، قادر خواهند بود نیازهای ما را پیش‌بینی کنند. برای مثال، یک ایجنت خانگی ممکن است تشخیص دهد که شیر یخچال رو به اتمام است و خودش از فروشگاه آنلاین سفارش دهد و شما تنها نوتیفیکیشن تأیید را دریافت کنید. یا هنگام نزدیک شدن به یک مناسبت (مثلاً تولد یکی از اعضای خانواده)، AI از قبل چند ایده کادو پیشنهاد دهد و حتی با هماهنگی شما آن را بخرد. چنین سناریوهایی از دید کارشناسان چندان دور از ذهن نیست؛ چرا که همین حالا هم شاهد خیز اولیه آن بوده‌ایم (مثلاً سرویس‌های اشتراک مصرفی که تکرار سفارش را بر عهده می‌گیرند یا سیستم‌های پیشنهاددهنده که یادآور خرید اقلام مصرف‌شدنی هستند). تفاوت در آینده این است که همه این‌ها در یک «مغز دیجیتال» واحد در کنار هم کار خواهند کرد که هم برنامه تقویم شما را می‌داند، هم موجودی حسابتان را و هم الگوی مصرف ماهانه‌تان را. این می‌تواند زندگی را بسیار آسان کند اما البته چالش‌های اعتماد و حریم خصوصی ذکرشده نیز باید به موازات آن حل شوند.

در نهایت، خلاصه دیدگاه آینده‌نگر متخصصان این است که «AI در حال تبدیل شدن به رابط کلیدی برای نحوه کشف، تصمیم‌گیری و خرید افراد است»[101]. در واقع اگر اینترنت در دهه ۹۰ کانال جدیدی برای خرید ایجاد کرد و پس از آن موبایل و شبکه‌های اجتماعی هر کدام تغییراتی آوردند، اکنون AI Agents نسل بعدی دگرگون‌سازی تجارت را نمایندگی می‌کنند. شرکت OpenAI راه‌اندازی قابلیت خرید در ChatGPT را «تنها آغاز راه» توصیف کرد و اعلام نمود که هدف نهایی‌اش اتصال مردم و کسب‌وکارها از طریق AI برای «عصر بعدی تجارت» است[101]. بنابراین در افق ۳ تا ۵ ساله، می‌توان انتظار داشت خرید و پرداخت دیجیتال به طور فزاینده‌ای توسط ایجنت‌های هوشمند شخصی‌سازی و خودکار گردد. فین‌تک‌ها و خرده‌فروشان ناگزیر خواهند بود خدمات و مدل‌های کسب‌وکارشان را با این واقعیت جدید تطبیق دهند – چه با ساخت ایجنت‌های اختصاصی خود، چه با همکاری و استفاده از پلتفرم‌های AI موجود. آنچه مسلم است، قطار AI Agents به راه افتاده و آینده‌ای نه چندان دور، خرید روزمره ما احتمالاً شکل و شمایلی بسیار متفاوت از امروز خواهد داشت.

منابع و مآخذ: این گزارش با استفاده از داده‌ها و نقل‌قول‌های مستخرج از منابع معتبری از جمله گزارش‌های مک‌کینزی، Bain & Company، مطالعات Salesforce و Kantar، وبلاگ‌های تخصصی صنعت فین‌تک (Stripe, Checkout.com, PagBrasil)، مقالات تحلیلی شرکت‌های مشاوره (Kearney, Accenture)، اخبار مطبوعاتی شرکت‌های فناوری (OpenAI, Visa, Mastercard, Google) و پوشش‌های رسانه‌ای (PYMNTS, Zendesk, WEF) تهیه شده است. تلاش شده تمام اطلاعات به‌روز (تا اواخر ۲۰۲۵) و با ذکر منبع ارائه شود تا برای فعالان حوزه فین‌تک قابل بررسی بیشتر باشد. با توجه به سرعت تحول این حوزه، توصیه می‌شود خوانندگان علاقه‌مند به طور مستمر روندهای جدید (اعم از فناوری و رگولاتوری) را دنبال کنند تا از فرصت‌ها و چالش‌های نوظهور آگاه بمانند.

[1] [2] [75] [76] [77] [78] [79] [80] [81] [82] [83] [84] [136] [137] Agentic commerce - The next legal frontier in AI-powered shopping

https://www.tlt.com/insights-and-events/insight/agentic-commerce---the-next-legal-frontier-in-ai-powered-shopping

[3] [4] [5] [6] [14] [29] [30] [45] [46] [53] [54] [55] [56] [57] [58] [59] The Rise of AI Agents in E-commerce Payments | PagBrasil

https://www.pagbrasil.com/blog/insights/ai-personal-shopping-agents-a-revolution-in-e-commerce-and-the-challenges-they-bring-for-payment-infrastructure/

[7] [8] [9] [87] [90] [91] [92] [93] [96] [97] [98] [99] [100] [101] Buy it in ChatGPT: Instant Checkout and the Agentic Commerce Protocol | OpenAI

https://openai.com/index/buy-it-in-chatgpt/

[10] [11] [47] [48] [102] [103] [104] [123] [131] [132] [133] Agentic AI’s disruption of retail and SME banking | McKinsey

https://www.mckinsey.com/industries/financial-services/our-insights/the-end-of-inertia-agentic-ais-disruption-of-retail-and-sme-banking

[12] [13] [15] [16] [17] [71] [72] The $200 checkout: What consumers expect from agentic AI

https://www.checkout.com/blog/what-consumers-expect-agentic-commerce

[18] [19] [20] [27] [28] [88] [89] How global consumers are leveraging AI assistants

https://www.kantar.com/north-america/inspiration/research-services/leveraging-ai-assistants-pf

[21] [22] [23] [25] [112] [113] [114] [115] [116] Voice Commerce: The Definitive Guide for Amazon Sellers in 2026

https://consulterce.com/voice-commerce/

[24] 40+ Voice Search Stats You Need to Know in 2026 - Invoca

https://www.invoca.com/blog/voice-search-stats-marketers

[26] [65] [66] [67] [68] [73] [74] [85] [86] Global survey finds consumers embrace personal AI assistants, but demand human support in key moments – Intelligent CIO Europe

https://www.intelligentcio.com/eu/2025/07/24/global-survey-finds-consumers-embrace-personal-ai-assistants-but-demand-human-support-in-key-moments/

[31] Is There Any Opportunity for Startups in Agentic Payments and ...

https://www.thisweekinfintech.com/opportunity-for-startups-in-agentic-payments/

[32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [49] [50] [51] [52] [60] [61] [62] [63] [64] [94] [95] [105][106] [107] [108] [109] [110] [111] [118] [119] [120] [121] [122] [134] Agentic Commerce. Origins, Status Quo and a Few… | by Daniel Gusev | Fintech Blog | Medium

https://medium.com/fintech-blog/agentic-commerce-3ba395d32ebd

[69] [70] [129] [130] Agentic AI poised to disrupt retail, even with 50% of consumers cautious of fully autonomous purchases—Bain & Company | Bain & Company

https://www.bain.com/about/media-center/press-releases/20252/agentic-ai-poised-to-disrupt-retail-even-with-50-of-consumers-cautious-of-fully-autonomous-purchasesbain--company/

[117] [124] [125] [126] [127] Albertsons Rolls Out AI Shopping Assistant

https://www.pymnts.com/artificial-intelligence-2/2025/albertsons-rolls-out-ai-shopping-assistant-for-end-to-end-grocery-tasks/

[128] Agentic payments: a new frontier in digital commerce - Kearney

https://www.kearney.com/industry/financial-services/article/agentic-payments-a-new-frontier-in-digital-commerce

[135] Agentic Commerce: Threats and Risks | Visa

https://corporate.visa.com/en/sites/visa-perspectives/security-trust/the-threats-landscape-of-agentic-commerce.html