เซสชันไม่ใช่ลูกค้า: วิกฤตการระบุตัวตนของ AI

ในฤดูใบไม้ผลินี้, Redwood Research ให้ตัวแทน AI ที่สร้างบน Claude Opus 4.7 เงินทุน 5,000 ดอลลาร์ การเชื่อมต่ออินเทอร์เน็ต และสี่วันเพื่อทำเงินให้ได้มากที่สุด. ในสี่การทดลองแยกกัน ตัวแทนไม่ได้ทำอะไรเลย ทุกความพยายามติดที่กำแพงเดียวกัน: CAPTCHA และการตรวจสอบตัวตน, เหนือกั้น KYC เดียวกับที่บอทต้องเจอเมื่อต้องเปิดบัญชีธนาคาร.

ขณะที่ตัวแทนนั้นติดอยู่ที่ประตูหน้า, กลุ่มตัวแทนอื่น ๆ ได้เคลื่อนย้ายเงินจริงผ่านช่องทางอื่นเพื่อหลีกเลี่ยง KYC ตามข้อมูลจากการนับของ การนับของ Chainalysis, ตัวแทนที่พบวิธีแก้ไขได้ดำเนินการชำระเงินมากกว่า 100 ล้านรายการผ่านโปรโตคอล x402 ของ Coinbase บนเครือข่าย Base ภายในต้นปี 2026 ทั้งหมดชำระด้วยสเตเบิลคอยน์ ไม่มีการติดต่อกับธนาคาร ข้อเท็จจริงทั้งสองปรากฏใน รายงานเดียวกันเกี่ยวกับเศรษฐกิจตัวแทนที่กำลังเกิดขึ้น. 

ตัวแทน AI ไม่สามารถเป็นเจ้าของบัญชีธนาคารตามกฎหมายได้ ระบบสมมติว่ามีมนุษย์อยู่เบื้องหลังทุกบัญชี พร้อมการตรวจสอบ KYC, ตัวตนทางกฎหมายและความรับผิดที่เชื่อมโยงกับบุคคลที่ระบุชื่อ ดังนั้นตัวแทนจึงหาวิธีเคลื่อนย้ายเงินได้เช่นกัน เพียงแต่ไม่ได้ผ่านประตูที่ออกแบบมาเพื่อเช็คบุคคล.

เครื่องจักรมากกว่ามนุษย์

ผู้ดำเนินการเบื้องหลังการทำธุรกรรมไม่ได้เป็นมนุษย์ที่เชื่อถือได้อีกต่อไป, โดยมี 40% ของแอปพลิเคชันระดับองค์กรที่คาดว่าจะเปิดตัวพร้อมตัวแทน AI ที่ทำงานตามงานเฉพาะ ภายในสิ้นปีนี้, เพิ่มจากน้อยกว่า 5% ในปี 2025. ด้านผู้บริโภค, 45% ของผู้ซื้อได้หันไปใช้ AI แล้ว ในส่วนหนึ่งของการซื้อ, แม้ว่าหลายคนยังคงช้อปปิ้งในร้านจริง. อีกหนึ่ง การสำรวจพบว่า 95% ของผู้ขายได้เห็นการเข้าชมจากตัวแทน AI บนเว็บไซต์ของตน, ในขณะที่มีเพียง 20% เท่านั้นที่มีแคตาล็อกสินค้าให้เครื่องอ่านได้จริง.

ในองค์กร, สัดส่วนนี้ยิ่งชัดเจนขึ้น. รายงานล่าสุดพบว่าตัวตนของเครื่องมีจำนวนมากกว่าตัวตนของมนุษย์ถึง 109 ต่อ 1, เพิ่มจาก 82 ต่อ 1 ในปีก่อน, โดย 77% ขององค์กรคาดว่าสัดส่วนนี้จะยังคงเพิ่มขึ้น. รายงานเดียวกันพบว่า 99% ขององค์กรได้นำตัวแทน AI ไปใช้แล้ว, และ 40% ของตัวแทนเหล่านั้นมีการเข้าถึงข้อมูลขององค์กรอยู่แล้ว.

สิ่งที่เซสชันพิสูจน์ได้จริง

ทั้งหมดนี้จะไม่มีความสำคัญหากการเข้าสู่ระบบยังคงหมายความเหมือนเดิม แต่มันไม่ได้เป็นเช่นนั้น เซสชันที่ล้างสัญญาณทั้งหมดที่มีอยู่, อุปกรณ์จริง, ที่อยู่ IP สะอาดและการแก้ไขการตรวจสอบที่สำเร็จแล้ว ยิ่งพิสูจน์ไม่ได้ว่าใครหรืออะไรอยู่ที่อีกด้าน.

นั่นเป็นการอ้างที่แคบกว่าที่ดูเหมือนและมีประโยชน์มากกว่า. ไม่มีใครโต้แย้งว่าการทำงานอัตโนมัตินั้นไม่ชอบธรรม. ผู้ช่วยธนาคารส่วนบุคคล, บอทการเดินทาง หรือเอเยนต์จัดซื้อของบุคคลก็เป็นเซสชันเช่นกัน, และสัดส่วนที่เพิ่มขึ้นของเซสชันที่แท้จริงจะเป็นตัวแทนที่ได้รับอนุญาตแทนการพิมพ์โดยคนโดยตรง. โครงสร้างพื้นฐานทำให้สิ่งนี้ไร้ความขัดแย้งแล้ว. เมื่อผู้ใช้ให้สิทธิ์ตัวแทนผ่าน MCP, มาตรฐานเปิดที่ให้เครื่องมือ AI เชื่อมต่อกับบริการและทำการแทนผู้ใช้, ตัวแทนสามารถทำธุรกรรมต่อไปภายใต้การอนุญาตนั้นโดยไม่ต้องเข้าสู่ระบบมนุษย์ใหม่ทุกครั้ง. ทะเบียน MCP อย่างเป็นทางการระบุว่ามีเซิร์ฟเวอร์ที่ลงทะเบียนมากกว่า 6,400 รายการ ณ กุมภาพันธ์ 2026, ซึ่งบรรลุเป้าหมายนี้ในเวลาประมาณหนึ่งปีหลังจากการเปิดตัวของโปรโตคอลในปี 2024.

ปัญหาคือสแต็กความเสี่ยงของวันนี้ไม่มีวิธีที่เชื่อถือได้ในการแยกแยะตัวแทนที่ได้รับอนุญาตจากตัวแทนที่ทำงานโดยไม่มีอำนาจเลย, เนื่องจากทั้งสองมาพร้อมสัญญาณเดียวกัน.

การตรวจสอบเอกสารประจำตัวและการสแกนเซลฟี่ชีวมิติยืนยันว่าเอกสารเป็นของบุคคลและบุคคลนั้นมีชีวิตอยู่. แต่ไม่ได้ยืนยันเจตนาที่แท้จริง หรือประวัติดิจิทัลที่ตัวตนจริงสะสมไว้, ที่อยู่เบื้องหลังการทำธุรกรรม. การยืนยันตัวตนต้องเปลี่ยนจากการตรวจสอบลักษณะภายนอกไปสู่การยืนยันเจตนาผ่านความต่อเนื่อง. บุคคลจริงสร้างพฤติกรรมออนไลน์ปกติหลายปี. ตัวแทนที่จัดเตรียมเพียงไม่กี่นาทีก่อนการทำธุรกรรมไม่มีวิธีทำให้เทียมได้. เซสชันเป็นตัวแทนเสมอ. เพียงแต่ก่อนหน้านี้มันเป็นตัวแทนที่เชื่อถือได้.

จุดบอดที่ไม่มีใครคำนวณราคา

การยึดบัญชีได้ใช้ช่องว่างระหว่างเซสชันและบุคคลแล้ว, และนี่คือจุดที่การเปลี่ยนแปลงปรากฏเป็นครั้งแรกในข้อมูลการสูญเสีย. การวิเคราะห์ล่าสุดของ แนวโน้มการยึดบัญชีทั่วโลกในปี 2026 พบว่าบัญชีทางการเงินเป็นสาเหตุของการละเมิด 32%, โดยการยึดเซสชันและการโจมตีแบบหลายปัจจัยที่ทำให้ผู้ใช้เหนื่อยล้าแทนการพยายามเข้าสู่ระบบแบบบังคับเป็นวิธีที่นิยม, เนื่องจากเซสชันที่ถูกยึดมรดกความเชื่อถือทั้งหมดที่การเข้าสู่ระบบที่แท้จริงได้รับ. การฉ้อโกงตัวตนระดับโลกพุ่งถึง 50 พันล้านดอลลาร์ในปี 2025, ตามการวิเคราะห์เดียวกัน, โดยการโจมตีที่ขับเคลื่อนด้วย AI เพียงอย่างเดียวรับผิดชอบการสูญเสียธุรกิจประมาณ 40 พันล้านดอลลาร์ต่อปี.

ช่องว่างนั้นเป็นโครงสร้าง, ไม่ใช่เหตุบังเอิญ. การตรวจสอบการเข้าสู่ระบบเกิดขึ้นเพียงครั้งเดียวที่ประตูหน้า, และทุกอย่างที่ตามมาจะสืบทอดการตัดสินนั้น. ไม่มีการตรวจสอบใหม่ในช่วงสิบนาทีระหว่างการเข้าสู่ระบบที่สะอาดและการโอนเงินที่ฉ้อโกง. การปิดช่องว่างนี้ต้องการระเบียบวิธีที่ส่วนใหญ่ของสแต็กการฉ้อโกงยังไม่มี: การตรวจสอบเซสชัน, การมองเซสชันทั้งหมดเป็นกระแสต่อเนื่องแทนที่จะเป็นประตูเดียว. เครื่องมือการเข้าถึงระยะไกลที่เปิดในระหว่างการชำระเงินหรือรอยนิ้วมือของอุปกรณ์ที่เปลี่ยนหลังการเข้าสู่ระบบจะทำให้เกิดสัญญาณเตือนที่การตรวจสอบเดิมไม่สามารถทำได้.

การควบคุมทุกอย่างที่สร้างขึ้นเพื่อจับช่องว่างนั้นถูกปรับให้ตรงกับศัตรูเฉพาะ: ผู้ฉ้อโกงมนุษย์ที่แอบอ้างเป็นมนุษย์จริง. ไบโอเมตริกพฤติกรรมได้เรียนรู้การตรวจจับการเคลื่อนที่ของเมาส์ที่เรียบเกินกว่าจะเป็นมนุษย์. ปัญญาประดิษฐ์ของอุปกรณ์ได้เรียนรู้การตรวจจับรอยนิ้วมือของฟาร์มอุปกรณ์คลาวด์. ทั้งสองไม่ได้ถูกสร้างมาเพื่อรับคำถามใหม่: ไม่ใช่ว่าเซสชันเป็นของผู้ฉ้อโกง, แต่คือว่าเซสชันเป็นของใครเลยหรือไม่.

คำถามที่ยังไม่มีชื่อ

คำถามนั้นยังไม่มีชื่อที่อุตสาหกรรมตกลงกัน, แม้ว่าจะต้องมีชื่อก่อนปีนี้จะสิ้นสุด. ผู้กำกับกำลังจับตามองอยู่, ธนาคารกำลังถูกทดสอบโดยมันและตัวแทนเองก็ไม่ได้รอให้ใครตามทัน.

อุตสาหกรรมที่ใช้เวลาสองทศวรรษในการเรียนรู้การแยกลูกค้าจริงจากลูกค้าปลอม ตอนนี้ต้องบอกว่าใครเป็นลูกค้าจากซอฟต์แวร์ที่ทำงานโดยไม่มีชื่อของใครเลย. นั่นเป็นปัญหาที่ยากกว่าที่สแต็กปัจจุบันถูกสร้างมาแก้, และการแกล้งทำเป็นอย่างอื่นเป็นตัวเลือกที่มีค่าใช้จ่ายสูงที่สุดที่มีอยู่.