Ilan Zerbib, Gründer und CEO von Sapiom – Interview-Serie

Ilan Zerbib, Gründer und CEO von Sapiom, ist ein erfahrener Ingenieurleiter und Serienunternehmer mit tiefgreifender Expertise in den Bereichen Zahlungen, groß angelegte Systeme und Automatisierung. Bevor er Sapiom gründete, war er als Director of Engineering, Payments bei Shopify (SHOP ) tätig, wo er half, Shop Pay zu einem Flaggschiff-Produkt zu skalieren und Shop Cash, eine kombinierte Treue- und Werbeplattform, zu starten. Zuvor war er Mitgründer von Earny, einem autonomen Verbraucheragenten, der es Millionen von Nutzern ermöglichte, durch fortschrittliche Preis-Tracking-Technologie Rückerstattungen zu sichern, was letztendlich zu dessen Übernahme führte. Seine Karriere umfasst den Bau von hochskalierbaren verteilten Systemen, Cybersicherheitsarbeit mit dem französischen Verteidigungsministerium und mehrere Startup-Unternehmen, die alle seine aktuelle Konzentration auf die Ermöglichung von AI-Agenten zur Transaktion in der realen Welt beeinflussen.

Sapiom baut ein developer-erstes Finanzbetriebssystem, das es AI-Agenten ermöglicht, sicher und autonom zu transaktieren. Die Plattform abstrahiert Zahlungen, Authentifizierung und Zugriff in eine programmierbare Schicht, die es Agenten ermöglicht, APIs, Compute, Messaging und andere Dienste ohne traditionelle Konten oder manuelle Abrechnungsworkflows zu bezahlen. Durch die Umwandlung von AI-Agenten in unabhängige wirtschaftliche Akteure, die unter definierten Regeln und Grenzen operieren, zielt Sapiom darauf ab, eine wichtige Barriere für die Einsatzbereitschaft von AI in der realen Welt zu beseitigen und eine grundlegende Infrastruktur für die aufkommende agentengetriebene Wirtschaft zu schaffen.

Sie halfen bei der Skalierung von Shop Pay auf über 100 Mrd. USD GMV und bauten zuvor Earny zu einer großen Finanztechnologieplattform aus. Welche spezifische Lücke sahen Sie, die Sie dazu veranlasste, Sapiom zu gründen, und warum ist jetzt der richtige Moment, um eine Finanzschicht für AI-Agente zu bauen?

Agenten haben eine Schwelle überschritten. Sie können jetzt echte Arbeit leisten, aber sie können sie nicht beenden.

Sie können Code schreiben, Workflows planen und Systeme entwerfen. Dann stoßen sie auf eine Barriere. Sie können nicht für Compute bezahlen, APIs bereitstellen oder Dienste ohne menschliches Eingreifen nutzen. Das bricht den Kreislauf.

Das Internet geht davon aus, dass immer ein Mensch involviert ist. Anmelden, Karte hinzufügen, Anmeldeinformationen verwalten, Ausgaben genehmigen. Dieses Modell funktionierte, als Software Menschen unterstützte. Es funktioniert nicht, wenn Software selbstständig handelt.

Dies ist der Moment, weil die Fähigkeit bereits existiert. Der Blockierer ist der Zugriff.

Sapiom positioniert sich mit “Geld als universellem API-Schlüssel”. Können Sie erklären, was das technisch bedeutet und wie es die Art und Weise verändert, wie Entwickler über Integrationen nachdenken?

Jeder Dienst beschränkt den Zugriff durch Zahlungen. Keine Zahlung, kein API, kein Compute, keine Daten.

Heute läuft dieser Prozess durch einen Menschen. Jemand meldet sich an, fügt eine Rechnung hinzu, kopiert Schlüssel und verbindet alles. Das ist der Engpass.

Wir behandeln Ausgaben als Funktionsaufruf. Ein Agent fordert einen Dienst an, zahlt innerhalb einer definierten Richtlinie und geht weiter. Identität, Rechnung und Durchsetzung erfolgen im Hintergrund.

Das verändert die Art und Weise, wie Entwickler bauen. Anstatt einzelne Anbieter zusammenzufügen, geben sie Agenten die Möglichkeit, auf Abruf auf alles zuzugreifen, innerhalb von Grenzen.

Heute können AI-Agente APIs aufrufen, aber sie verlassen sich immer noch stark auf menschlich kontrollierte Abrechnung, Authentifizierung und Berechtigungen. Was sind die größten Engpässe, die eine wahre autonome Ausführung verhindern?

Zugriff ist der Engpass. Modelle können bereits mehrstufige Workflows planen und produktionsreifen Code schreiben. Das ist nicht mehr das Problem. Das Problem ist, dass sie nicht handeln können.

Wenn ein Agent keine Nachricht senden, keine Suche durchführen oder keinen Dienst bezahlen kann, hört die Arbeit auf. Er kann eine Kampagne planen, aber nie starten.

Jeder Dienst hat sein eigenes Onboarding, seine eigene Rechnungsstellung und sein eigenes Authentifizierungsmodell. Es gibt keine gemeinsame Schicht, die es Agenten ermöglicht, Dienste in Echtzeit zu entdecken und zu nutzen. Bis diese existiert, bleiben Agenten im Planungsmodus stecken.

Auf Systemebene, wie behandelt Sapiom Identität und Vertrauen für AI-Agente, insbesondere wenn diese Agenten unabhängig über mehrere Dienste hinweg handeln?

Wir behandeln Agenten wie echte Akteure im System. Jeder Agent hat eine Identität, eine Reihe von Berechtigungen und einen definierten Umfang. Jede Aktion läuft durch eine Richtlinie. Budget, erlaubte Dienste, Rate-Limits. Wenn es diese Grenzen überschreitet, wird es nicht ausgeführt.

Wir fügen jedem Transaktionskontext hinzu. Welcher Agent handelte, unter welchen Regeln, gegen welchen Dienst, mit welchem Ergebnis. Das gibt Ihnen Nachvollziehbarkeit. Wenn etwas schiefgeht, sehen Sie genau, was passiert ist und wo.

Sie haben zuvor bereits große Zahlungsinfrastrukturen aufgebaut. Welche neuen Herausforderungen entstehen, wenn der “Benutzer”, der Transaktionen durchführt, ein AI-Agent und kein Mensch ist?

Volumen und Verhalten. Agenten verhalten sich nicht wie Menschen. Sie laufen parallel, treffen Dienste mit hoher Frequenz und führen kontinuierlich aus. Das löst jedes Betrugsverfahren aus, das für menschliche Muster entwickelt wurde.

Legacy-Systeme gehen davon aus, dass ein Mensch hinter der Aktion steht. Agenten brechen diese Annahme. Was in einem menschlichen System verdächtig erscheint, ist normal für einen Agenten.

Sie können dies nicht auf bestehende Schienen montieren. Sie müssen die Richtlinie im Voraus definieren und durchsetzen, bevor die Ausführung erfolgt. Ansonsten reagieren Sie immer nachträglich.

Viele Entwickler experimentieren mit Agenten-Frameworks, aber Monetisierung und Kostenkontrolle bleiben chaotisch. Wie führt Sapiom Beobachtbarkeit und Governance in die Ausgaben von Agenten ein?

Sie setzen Einschränkungen zuerst. Jeder Agent läuft mit einem Budget, einer Reihe von Berechtigungen und Grenzen, wo und wie er ausgeben kann. Diese Regeln werden automatisch durchgesetzt. Keine manuelle Überprüfungsschleife.

Jede Aktion wird an einen Agenten geknüpft. Sie wissen, was er getan hat, was es gekostet hat und welches Ergebnis es produziert hat.

Sie erhalten auch vollständige Protokolle. Jeder Anfrage, jede Transaktion, jedes Ergebnis. Wenn etwas abweicht, fangen Sie es schnell ab und schalten es aus.

Ohne das optimieren Agenten für Aktivität. Mit ihm optimieren sie für Ergebnisse.

Es gibt ein wachsendes Gespräch über Agent-zu-Agent-Handel. Sehen Sie eine Zukunft, in der AI-Agente selbstständig verhandeln, kaufen und Dienste verwalten?

Ja. Agenten bewegen sich bereits von Chat zu Ausführung. Sie bereitstellen Infrastruktur, rufen APIs auf und koordinieren Workflows. Der nächste Schritt ist die direkte Handhabung der Transaktionsebene.

Sobald sie Dienste ohne Reibung nutzen können, beginnen sie, sich wie wirtschaftliche Akteure zu verhalten. Sie wählen Anbieter aus, verwalten Kosten und führen Prozesse von Anfang bis Ende durch.

Das hat bereits begonnen. Die Infrastruktur holt nur nach.

Sicherheit scheint ein großes Anliegen zu sein. Wie verhindern Sie, dass Agenten, die über Zahlungsmöglichkeiten verfügen, zu Schadstoffen werden, Prompt-Injektionsangriffe oder ungewollte Transaktionen durchführen?

Sie verlassen sich nicht auf Erkennung nach dem Ereignis. Sie blockieren schlechte Aktionen, bevor sie passieren.

Jeder Anfrage läuft durch eine Richtlinie. Wenn sie das Budget überschreitet, einen nicht erlaubten Dienst trifft oder Rate-Limits bricht, scheitert sie sofort.

Wir protokollieren alles. Wenn ein Agent außerhalb seines normalen Musters handelt, sehen Sie es im Kontext und können es abschalten.

Das Ziel ist nicht perfektes Verhalten. Es ist begrenztes Verhalten. Wenn etwas schiefgeht, bleibt es enthalten.

Derzeit konzentrieren Sie sich auf B2B-Anwendungsfälle, aber es gibt einen klaren Weg zu Verbraucheragenten, die Käufe tätigen. Was muss passieren, bevor Benutzer AI zulassen, finanzielle Entscheidungen in ihrem Namen zu treffen?

Verbraucher werden dies nicht vertrauen, ohne Kontrolle.

Sie müssen sehen, was der Agent tut, wohin das Geld geht und welche Regeln er befolgt. Das bedeutet klare Grenzen, klare Zuweisung und die Möglichkeit, jederzeit einzugreifen.

Dies wird in B2B beginnen, da Unternehmen Einschränkungen definieren und Risiken absorbieren können. Sobald die Systeme beweisen, dass sie sicher arbeiten, wird dieses Modell nachgelagert auf Verbraucher übertragen.

Blicken Sie drei bis fünf Jahre voraus, denken Sie, dass die dominierende Schnittstelle zum Internet Agenten werden, die im Namen der Benutzer transaktieren?

Ja.

Anwendungen bewegen sich bereits in diese Richtung. Hinter jeder Aktion steht eine Kette von Diensten. Messaging, Compute, Zahlungen. Jeder Schritt hat einen Preis.

Derzeit verwalten Menschen diese Kette. Das wird nicht skaliert.

Agenten werden die Ausführung übernehmen. Sie werden entscheiden, was sie aufrufen, was sie kaufen und wie sie eine Aufgabe abschließen.

An diesem Punkt wird die Software zum Kunden des Internets. Die einzige Frage ist, wie schnell die Infrastruktur nachholt.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Sapiom besuchen.