LexisNexis Risk Solutions přidává signály AI agentů do rozhodování o podvodech

Společnost LexisNexis Risk Solutions 5. listopadu 2026 představila agentní inteligenci Know Your Agent (KYA) a do své platformy pro digitální identitu a prevenci podvodů přidala informace o aktivitě AI agentů a kontextové signály rizik. Uvedla, že provoz generovaný agenty vzrostl v první polovině roku 2026 o více než 750 %.

Mnozí zákazníci už KYA využívají při současném rozhodování o řízení rizik. Společnost uvedla, že její síť Digital Identity Network v roce 2025 analyzovala více než 116 miliard digitálních transakcí a odhalila 4,9 miliardy automatizovaných útoků botů, což bylo o 59 % více než v předchozím roce. Tento přehled o interakcích mezi lidmi a automatizovanými systémy poskytuje kontext, do něhož KYA doplňuje aktivitu agentů.

Detekce jako součást širšího hodnocení rizik

Většina osobních agentů se za agenty neoznačuje, takže bezprostřední výzvou je jejich detekce. Samotná identifikace nedokáže určit, koho agent zastupuje, zda je jeho činnost oprávněná, zda jeho chování odpovídá udělenému oprávnění ani zda se celá interakce jeví jako legitimní. KYA má v reálném čase doplnit detekci agentů do kontextu identity, zařízení, sítě, chování a vztahů.

Tento kontext se může během jediné digitální cesty změnit, když se řízení přesune mezi člověkem a agentem. Mike Woodberry, senior viceprezident pro produktovou strategii a analytiku, uvedl, že cílem je zjistit, co danou činnost vykonává, koho nebo co to zastupuje, zda k tomu má oprávnění a o co se to pokouší. Každé rozhodnutí se proto týká konkrétního agenta, který provádí konkrétní úkon v konkrétním kontextu, a řídí se zásadami organizace pro řízení rizik.

Jak se signály promítají do pracovních postupů pro boj s podvody

Brožura společnosti o agentní inteligenci popisuje informace o prohlížeči, zařízení, operačním systému a síti jako způsoby, jak rozpoznat charakteristické znaky agentů a další ukazatele činnosti řízené agenty. Profily aplikací integrovaných do ChatGPT, Claude a podobných platforem lze vytvářet také na základě vlastností prohlížeče, domén, signálů aplikací a dalších ukazatelů, které pomáhají určit kontext digitální identity. Technické a behaviorální ukazatele pomáhají klasifikovat činnost jako lidskou, jako činnost škodlivého bota nebo jako činnost AI agenta.

Trust Tags mohou vytvářet trvalé vztahy mezi uživateli, zařízeními a interakcemi s agenty a pomáhat organizacím vyhodnocovat jejich pozdější činnost. Ověřování jiným kanálem může pomoci navázat důvěryhodné vztahy mezi zákazníky, agenty a interakcemi. Organizace pak mohou tyto signály začlenit do stávajících pracovních postupů a na základě kontextu a vlastních zásad pro řízení rizik interakci povolit, ověřit, předat k posouzení nebo odmítnout.

V rámci ThreatMetrix agentní inteligence propojuje digitální identitu a behaviorální inteligenci. Rozhraní API, sady pro vývoj softwaru a integrace připravené pro pracovní postupy podporují webová, mobilní i backendová prostředí. Dodávání prostřednictvím platformy LexisNexis Dynamic Decision Platform navíc propojuje tuto funkci s forenzním vyšetřováním, správou případů, vykazováním a koordinací pracovních postupů.

Využití při odhalování podvodů a hranice produktu

Mezi oblasti využití patří obchod podporovaný agenty, otevírání účtů a registrace zákazníků, bankovnictví a platby, ověřování totožnosti a správa přístupu i zákaznický servis. Agenti mohou vyhledávat nebo nakupovat produkty, účastnit se registrace, přistupovat k účtům, plánovat vrácení zboží nebo spravovat účty. Systém má také posuzovat, zda má agent při přístupu k účtu a ověřování oprávnění jednat.

LexisNexis upozorňuje, že autonomní agenti by mohli zvýšit rozsah a propracovanost podvodů s autorizovanými push platbami i útoků na převzetí účtů. Škodliví agenti se přitom mohou poučit z úspěchů i neúspěchů a přizpůsobovat tomu další útoky. Grayson Clarke, obchodní ředitel, uvedl, že jedna globální finanční instituce využila detekční schopnosti společnosti k identifikaci činnosti agentů a k tomu, aby pomohla zabránit jejich provádění citlivých transakcí.

Současné funkce se zaměřují na detekci, kontext a rozhodování v rámci pracovních postupů. Materiály uvádějí pokročilejší identitu a oprávnění agentů i interakce mezi agenty jako budoucí směry vývoje, aniž by se zavazovaly k uvedení těchto funkcí. Výsledky se liší podle způsobu implementace, dostupnosti dat, charakteristik transakcí a způsobu využití zákazníkem. Žádné řešení navíc nedokáže za všech okolností identifikovat, klasifikovat, ověřit ani detekovat každého uživatele, zařízení, bota či AI agenta.

Pro týmy zabývající se podvody spočívá praktická změna v tom, že zapojení agenta představuje další vstup do zavedeného rozhodovacího procesu a reakce se přizpůsobuje konkrétnímu zákazníkovi, jeho oprávnění a danému úkonu. Otázkou zůstává, zda tento kontextový přístup zůstane účinný i s tím, jak se budou vyvíjet agenti, standardy a interakce mezi agenty, zejména dokud budou pokročilejší funkce pro identitu a oprávnění stále jen výhledem do budoucna.