B2B支付已具备AI代理所需的控制功能

每一次刷卡、ACH 转账或虚拟卡交易都带有关于谁在消费、资金流向何处、购买了什么以及是否存在异常的线索。

这些线索在很大程度上仍未得到充分利用，但这并非因为企业缺乏努力。

“核心问题在于工作发生在一个地方，而支付发生在另一个地方。人们正在手动将两者缝合在一起，随着业务量的增长，这可能会导致延迟和错误，”WEX 移动与支付产品管理高级副总裁 Ryan Taylor 在 PYMNTS B2B 支付活动 2026——在 AI 转移资金前阻止 B2B 欺诈（Stopping B2B Fraud Before AI Moves the Money）的讨论中告诉 PYMNTS。

Taylor 表示，人工智能可以消除其中一些缝合工作。但更大的机会在于缩短检测应该发生什么与安全执行该操作之间的距离。

毕竟，AI 系统在判断哪张发票看起来可疑、车队车辆应该在哪里加油、供应商价格是否在上涨以及哪些交易值得干预方面做得越来越好。但确定正确的行动与拥有执行该行动的权限是两回事，特别是当执行意味着动用真实的业务资金时。

这最终可能会让支付从企业工作流的终点转变为其控制层面。

“支付数据很有趣，因为它确实是业务的数字足迹，”Taylor 说。“它告诉你的不仅仅是花了什么钱。它还能告诉你支付发生那一刻业务中正在发生的事情。”

AI 可以做决定；支付将决定它是否可以行动

企业级 AI 的下一个瓶颈正在围绕权限而非智能形成。支付基础设施可以提供模型自身无法生成的东西：即 AI 系统实际被允许做什么的可执行边界。

知道一名司机花了 $100 加油是会计数据。将刷卡记录与车辆位置、油位、路线和历史行为结合起来，就构成了运营背景。AI 系统可以潜在地确定购买是否合法、金额是否合理，以及司机是否可以在其他地方加到更便宜的油。

因此，Taylor 认为有效的人工智能系统需要三个要素：背景（context）、控制（controls）和清晰度（clarity）。他将这一过程比作员工入职。

“你需要给他们背景。你需要将他们置于正确的控制环境中，这样他们才能学习和成长，而不会造成伤害。然后他们也需要清晰度。他们需要知道成功是什么样子的，”Taylor 说。

因此，企业级 AI 的竞赛最终可能在某种程度上演变为身份和权限的竞赛：哪个代理在行动？代表谁？被授予了什么权限？它可以与哪些交易对手进行交易？它可以花多少钱？什么时候需要人工审批？

虚拟卡在代理化图景中承担新角色

虚拟卡已经可以限制商户、金额、时间和交易次数。在代理化环境中，这些功能实际上变成了机器的可编程权限。

“当我们展望代理化未来时，虚拟卡如此吸引人的主要原因之一是控制权直接内置在支付本身中，”Taylor 说。“我们不想给代理商提供对企业银行账户的无限访问权限。我们需要管理它们如何以及何时执行支付，以及资金实际如何流动以管理风险敞口。”