LexisNexis Risk Solutions dodaje sygnały dotyczące agentów AI do decyzji w sprawie oszustw

5 listopada 2026 r. LexisNexis Risk Solutions ogłosiła wprowadzenie funkcji Know Your Agent (KYA), opartej na analizie inteligencji agentowej, dodając aktywność agentów AI i kontekstowe sygnały ryzyka do swojej platformy tożsamości cyfrowej i zapobiegania oszustwom. Firma poinformowała, że w pierwszej połowie 2026 r. ruch generowany przez agentów wzrósł o ponad 750%.

Wielu klientów już teraz uwzględnia KYA w bieżących decyzjach dotyczących zarządzania ryzykiem. Firma podała, że jej sieć tożsamości cyfrowej przeanalizowała w 2025 r. ponad 116 mld transakcji cyfrowych i wykryła 4,9 mld zautomatyzowanych ataków botów, czyli o 59% więcej niż rok wcześniej. Ta dotychczasowa widoczność interakcji między ludźmi i systemami automatycznymi zapewnia kontekst, do którego KYA dodaje aktywność agentów.

Wykrywanie zasila szerszą ocenę ryzyka

Większość agentów osobistych nie ujawnia, że jest agentami, dlatego ich wykrywanie jest pilnym wyzwaniem. Sama identyfikacja nie pozwala ustalić, kogo reprezentuje agent, czy jego aktywność jest dozwolona, czy jego zachowanie odpowiada zakresowi tych uprawnień ani czy cała interakcja wygląda na zgodną z prawem. KYA ma w czasie rzeczywistym uzupełniać kontekst tożsamości, urządzenia, sieci, zachowania i relacji o wykrywanie agentów.

Kontekst ten może się zmieniać w trakcie pojedynczej podróży cyfrowej, gdy kontrola przechodzi między człowiekiem a agentem. Mike Woodberry, starszy wiceprezes ds. produktów i analityki, powiedział, że celem jest ustalenie, co podejmuje działanie, kogo lub co reprezentuje, czy ma do tego uprawnienia i co próbuje zrobić. Każda decyzja dotyczy zatem konkretnego agenta wykonującego konkretne działanie w konkretnym kontekście, zgodnie z polityką ryzyka danej organizacji.

Jak sygnały trafiają do procesów obsługi oszustw

W firmowej broszurze poświęconej inteligencji agentowej opisano analizę przeglądarki, urządzenia, systemu operacyjnego i sieci jako sposoby rozpoznawania sygnatur agentów oraz innych wskaźników aktywności inicjowanej przez agentów. Aplikacje osadzone w ChatGPT, Claude i podobnych platformach również można profilować na podstawie cech przeglądarki, domen, sygnałów aplikacji i innych wskaźników, aby ustalić kontekst tożsamości cyfrowej. Wskaźniki techniczne i behawioralne pomagają sklasyfikować aktywność jako działanie człowieka, złośliwego bota lub agenta AI.

Trust Tags mogą tworzyć trwałe powiązania między użytkownikami, urządzeniami i interakcjami z agentami, pomagając organizacjom oceniać późniejszą aktywność. Uwierzytelnianie poza pasmem może pomóc w tworzeniu zaufanych relacji między klientami, agentami i interakcjami. Organizacje mogą następnie uwzględniać te sygnały w istniejących procesach i zezwalać na interakcję, uwierzytelniać ją, kierować ją do weryfikacji lub odrzucać — zależnie od jej kontekstu i własnej polityki ryzyka.

W ramach ThreatMetrix inteligencja agentowa łączy tożsamość cyfrową z analizą behawioralną. Interfejsy API, zestawy narzędzi programistycznych i integracje gotowe do użycia w procesach obsługują środowiska internetowe, mobilne i zaplecza systemowego, a udostępnianie rozwiązania za pośrednictwem platformy LexisNexis Dynamic Decision Platform łączy je z dochodzeniami kryminalistycznymi, zarządzaniem sprawami, raportowaniem i koordynacją przepływów pracy.

Zastosowania w wykrywaniu oszustw i granice produktu

Zastosowania obejmują handel wspomagany przez agentów, otwieranie kont i wdrażanie klientów, bankowość i płatności, uwierzytelnianie i zarządzanie dostępem oraz obsługę klienta. Agenci mogą wyszukiwać produkty lub je kupować, uczestniczyć w procesie rejestracji, uzyskiwać dostęp do kont, planować zwroty lub zarządzać kontami. System ma również oceniać, czy agent ma odpowiednie uprawnienia podczas uzyskiwania dostępu do konta i weryfikacji.

LexisNexis ostrzega, że autonomiczni agenci mogą zwiększyć skalę i wyrafinowanie oszustw polegających na nakłanianiu do autoryzowanych przelewów oraz ataków przejmujących konta, a złośliwi agenci mogą uczyć się na sukcesach i porażkach, by dostosowywać kolejne ataki. Grayson Clarke, dyrektor handlowy, powiedział, że globalna instytucja finansowa wykorzystała możliwości wykrywania firmy do identyfikowania aktywności agentów i pomocy w zapobieganiu wykonywaniu przez nie wrażliwych transakcji.

Obecne możliwości koncentrują się na wykrywaniu, kontekście i decyzjach podejmowanych w ramach procesów. Materiały wskazują jako przyszłe kierunki bardziej zaawansowaną tożsamość agentów i zarządzanie ich uprawnieniami, a także interakcje między agentami, nie zobowiązując jednak do udostępnienia tych funkcji. Wyniki zależą od sposobu wdrożenia, dostępności danych, charakterystyki transakcji i sposobu korzystania z rozwiązania przez klienta; żadne rozwiązanie nie jest w stanie zidentyfikować, sklasyfikować, uwierzytelnić ani wykryć każdego użytkownika, urządzenia, bota czy agenta AI w każdej sytuacji.

Dla zespołów zajmujących się oszustwami praktyczna zmiana polega na tym, że udział agenta staje się kolejną informacją uwzględnianą w ustalonym procesie decyzyjnym, a reakcja jest dostosowywana do klienta, zakresu uprawnień i danego działania. Pozostaje pytanie, czy takie podejście uwzględniające kontekst będzie skuteczne w miarę rozwoju agentów, standardów i interakcji między agentami — zwłaszcza że bardziej zaawansowane funkcje dotyczące tożsamości i uprawnień nadal są jedynie planami na przyszłość.