Mastercard testuje w Niemczech płatność wykonaną przez agenta AI

19.05.2026

Mastercard przeprowadził w Niemczech pierwszą w pełni uwierzytelnioną transakcję agentową, czyli płatność zainicjowaną przez cyfrowego asystenta działającego w imieniu klienta. Firma poinformowała o tym 13 maja 2026 r. we Frankfurcie, pokazując rozwiązanie z Deutsche Bank, DZ Bank i N26. Transakcja została wykonana przez Mastercard Agent Pay, czyli infrastrukturę płatniczą zaprojektowaną dla zakupów obsługiwanych przez agentów AI, przy jasno zdefiniowanej zgodzie użytkownika, silnym uwierzytelnieniu i pełnej identyfikowalności procesu. 

Agentic Commerce, czyli handel agentowy oparty na sztucznej inteligencji, przesuwa część decyzji zakupowych z człowieka na cyfrowego asystenta. Klient nie musi samodzielnie przechodzić przez wyszukiwarkę, sklep, koszyk i checkout. Może zlecić agentowi AI znalezienie produktu, porównanie warunków, wybór wariantu, rezerwację terminu i uruchomienie płatności. Dla sprzedawcy internetowego zmienia się punkt styku z klientem, ponieważ pierwszym odbiorcą danych o produkcie może stać się nie człowiek przeglądający kartę produktu, ale system analizujący strukturę oferty, cenę, dostępność, dostawę, zwroty i wiarygodność płatności.

W demonstracji Mastercard agent AI przygotowany przez PayOS, czyli partnera technologicznego rozwijającego rozwiązania płatnicze dla automatycznych scenariuszy zakupowych, pomógł użytkownikowi wybrać wydarzenie na Priceless.com, platformie Mastercard z ofertami i wydarzeniami dla posiadaczy kart. Cyfrowy asystent wskazał dostępne terminy, dopasował propozycję do preferencji klienta, wykonał rezerwację i uruchomił płatność. Rozliczenie przeszło przez infrastrukturę Mastercard, a nie przez niezależny eksperyment poza systemem bankowym. 

Dla rynku e-commerce ważna jest nie sama demonstracja rezerwacji wydarzenia, ale architektura płatności. Mastercard buduje model, w którym agent AI nie dostaje zwykłych danych karty i nie działa jako anonimowy skrypt wykonujący polecenie w sklepie. W procesie pojawiają się agenticzne tokeny, czyli zaszyfrowane dane płatnicze przypisane do konkretnej transakcji, konkretnego użytkownika i konkretnego uprawnienia. Tokenizacja, czyli zastąpienie wrażliwych danych płatniczych bezpiecznym identyfikatorem technicznym, ogranicza ryzyko przechwycenia numeru karty i ułatwia bankowi rozpoznanie, że transakcję zainicjował agent AI.

Agent AI wchodzi między klienta, sklep i operatora płatności

Dotychczasowy checkout był projektowany dla człowieka. Użytkownik wybierał produkt, wpisywał dane, wybierał metodę dostawy, akceptował regulamin, przechodził przez autoryzację bankową i wracał do sklepu po potwierdzenie zamówienia. Agentic Commerce wprowadza pośrednika, który może wykonać część tych działań automatycznie, ale musi mieć jednoznaczny mandat od klienta. Mandat oznacza zgodę użytkownika na wykonanie określonej czynności w określonym zakresie, na przykład zakup biletu do ustalonej kwoty, rezerwację hotelu w konkretnym terminie albo zamówienie produktu z dostawą do wskazanego adresu.

Mastercard zakłada, że transakcje agentowe muszą być rozpoznawalne dla banków, agentów rozliczeniowych i sprzedawców. Zwykła transakcja e-commerce pokazuje bankowi płatność kartą w sklepie internetowym. Transakcja agentowa wymaga dodatkowych danych, ponieważ bank musi wiedzieć, czy zlecenie wyszło od klienta bezpośrednio, od zaufanego agenta AI, czy od podmiotu podszywającego się pod narzędzie automatyzujące zakupy. Mastercard deklaruje, że w Agent Pay działają wyłącznie zarejestrowani agenci, a transakcje są regulowane i możliwe do prześledzenia dzięki tokenom sieciowym Mastercard. 

Payment Passkeys, czyli mechanizm uwierzytelniania płatności oparty na kluczach dostępu zamiast klasycznego hasła, mają utrzymać kontrolę po stronie użytkownika. Klient potwierdza płatność biometrią, urządzeniem lub innym bezpiecznym elementem, a agent AI wykonuje wyłącznie czynność objętą zgodą. Ten podział jest krytyczny dla banków, ponieważ odpowiedzialność za transakcję, reklamację i ewentualne oszustwo zależy od tego, czy użytkownik rzeczywiście autoryzował działanie i czy transakcja była powiązana z określoną kwotą oraz odbiorcą.

Europejski kontekst regulacyjny nie zaczyna się od Mastercard. PSD2, czyli unijna dyrektywa o usługach płatniczych obowiązująca od stycznia 2018 r., wprowadziła ramy dla bezpiecznych płatności internetowych i usług inicjowania płatności. Od 14 września 2019 r. w Unii Europejskiej stosowany jest wymóg silnego uwierzytelniania klienta, określany skrótem SCA od angielskiego Strong Customer Authentication. Komisja Europejska opisuje SCA jako mechanizm wzmacniający bezpieczeństwo płatności online i ograniczający ryzyko oszustw. 

Europejski Bank Centralny wyjaśnia, że silne uwierzytelnianie opiera się na co najmniej dwóch niezależnych elementach: wiedzy, czyli czymś, co zna użytkownik, posiadaniu, czyli czymś, co ma użytkownik, oraz cesze biometrycznej, czyli czymś, czym użytkownik jest. Dla transakcji zdalnych wymagane jest także dynamiczne powiązanie uwierzytelnienia z kwotą i odbiorcą płatności. W handlu agentowym ten wymóg nabiera nowego znaczenia, ponieważ klient może nie patrzeć na ekran sklepu w momencie, w którym agent finalizuje zakup.

Dlaczego płatności inicjowane przez AI mogą zmienić checkout i marketplace

Mastercard zapowiedział Agent Pay 29 kwietnia 2025 r. jako program płatności agentowych, który ma działać z platformami AI, bankami, agentami rozliczeniowymi i dostawcami checkoutu. Firma wskazywała wtedy Microsoft jako jednego z partnerów skalowania przypadków użycia, a wśród podmiotów wspierających ekosystem wymieniała między innymi IBM, Braintree i Checkout.com. Niemiecki test z Deutsche Bank, DZ Bank i N26 pokazuje kolejny etap: przejście od zapowiedzi infrastruktury do scenariusza wykonanego na realnym rynku płatniczym.

Dla sprzedawcy internetowego najważniejsza zmiana dotyczy sposobu, w jaki oferta zostanie odkryta. W klasycznym e-commerce klient trafiał do sklepu przez Google, reklamę produktową, marketplace, newsletter albo porównywarkę cen. W modelu agentowym klient może zadać agentowi zadanie: znajdź buty trekkingowe do 120 euro, z dostawą do Berlina przed piątkiem, bez opłat za zwrot i z dobrymi opiniami o rozmiarówce. Agent AI nie będzie czytał strony jak człowiek. Zacznie od danych produktowych, parametrów technicznych, polityki dostawy, tabel rozmiarów, dostępności magazynowej, ocen, ceny końcowej i warunków zwrotu.

Marketplace zyskuje w takim układzie przewagę infrastrukturalną, ponieważ od lat porządkuje dane ofertowe w katalogach, wymusza standardy opisów, zbiera oceny sprzedawców, kontroluje czas dostawy i narzuca określone zasady zwrotów. Amazon, Zalando, eBay czy Allegro mogą stać się naturalnym źródłem danych dla agentów AI, jeżeli udostępnią bezpieczne interfejsy i pozwolą agentom rozpoznawać zaufane oferty. Własny sklep internetowy będzie musiał konkurować nie tylko ceną i marką, ale także czytelnością danych dla systemów automatycznie analizujących zakup.

Największe ryzyko dla sprzedawcy nie polega na utracie płatności kartą jako metody rozliczenia. Ryzyko pojawia się wcześniej, na etapie wyboru oferty. Agent AI może odrzucić sklep, który nie podaje pełnej ceny dostawy, ma niejednoznaczny czas realizacji, nie pokazuje adresu zwrotów w kraju klienta albo ukrywa koszt zwrotu w regulaminie. Oferta niewidoczna dla agenta nie wejdzie do porównania, nawet jeżeli cena produktu jest atrakcyjna.

Checkout stanie się mniej tolerancyjny dla błędów integracyjnych. Jeżeli agent AI ma wykonać zakup automatycznie, sklep musi stabilnie przekazywać cenę, wariant produktu, adres dostawy, koszt transportu, warunki rabatu, status magazynowy i informację o podatku. Rozjazd między ceną na karcie produktu a ceną w koszyku może uruchomić blokadę transakcji, bo agent działa w granicach mandatu klienta. Jeżeli użytkownik zaakceptował zakup do 99 euro, a końcowa kwota po doliczeniu dostawy wynosi 104,90 euro, agent nie powinien samodzielnie rozszerzać zgody.

Polscy sprzedawcy w Niemczech: większa szansa na sprzedaż i wyższe wymagania operacyjne

Niemcy są dla polskich sklepów jednym z najważniejszych kierunków cross-border, czyli sprzedaży internetowej do klienta za granicą. Bliskość logistyczna obniża koszt dostawy, euro ułatwia porównanie cen, a niemiecki konsument regularnie kupuje online. Jednocześnie rynek jest wymagający pod względem regulaminów, zwrotów, terminów dostawy, obsługi klienta i zaufania do metod płatności. Agent AI może wzmocnić te wymagania, ponieważ będzie porównywał oferty chłodno, według parametrów, a nie według atrakcyjności banera lub tonu opisu.

Pierwszy realistyczny scenariusz dotyczy polskiego sklepu z wyposażeniem domu, który sprzedaje do Niemiec przez własny sklep na domenie .de. Produkt kosztuje 79 euro, dostawa kurierem trwa 2–3 dni robocze, a zwrot jest możliwy na adres w Polsce. Dla człowieka taki układ może być akceptowalny, jeżeli marka ma dobre zdjęcia i atrakcyjną cenę. Agent AI porówna jednak całkowity koszt zakupu z ofertami na Amazon i sklepami niemieckimi. Jeżeli konkurent oferuje ten sam produkt za 83 euro, ale z lokalnym adresem zwrotu, dostawą w 24–48 godzin i płatnością obsługiwaną przez zaufany checkout, polski sklep może przegrać mimo niższej ceny bazowej.

Drugi scenariusz dotyczy marki modowej obecnej na Zalando i równolegle rozwijającej własny sklep. Agent AI szukający kurtki zimowej dla klientki z Hamburga może premiować ofertę marketplace, bo ma ujednoliconą tabelę rozmiarów, przewidywalny zwrot i historię ocen. Własny sklep marki może uzyskać lepszą marżę, ale tylko wtedy, gdy dane produktowe są równie kompletne: skład materiału, krój, wymiary dla każdego rozmiaru, zdjęcia detali, koszt dostawy, czas realizacji, zwrot, dostępność w magazynie i jednoznaczny checkout w języku niemieckim. Brak jednego parametru może wypchnąć ofertę z automatycznego porównania.

Koszty operacyjne wzrosną tam, gdzie sprzedawca dotąd nadrabiał niedoskonałości obsługą ręczną. Agent AI nie zadzwoni do sklepu, żeby dopytać o termin dostawy, i nie będzie interpretował nieprecyzyjnego regulaminu. Sprzedawca musi mieć dane w systemie ERP, czyli oprogramowaniu zarządzającym zamówieniami, magazynem, fakturami i integracjami, spójne z tym, co pokazuje sklep, marketplace i operator logistyczny. Jeżeli ERP pokazuje 12 sztuk produktu, sklep 8 sztuk, a marketplace 3 sztuki, agent może potraktować ofertę jako mniej wiarygodną albo doprowadzić do zamówienia, którego sklep nie zrealizuje w deklarowanym terminie.

Marża będzie zależeć od jakości danych równie mocno jak od kosztu reklamy. Sprzedawcy inwestujący w płatne kampanie mogą zobaczyć spadek skuteczności, jeżeli klient coraz częściej zacznie od rozmowy z agentem AI, a nie od kliknięcia reklamy produktowej. Widoczność w systemach agentowych będzie wymagała uporządkowanych feedów produktowych, czyli plików lub połączeń przekazujących dane o produktach do platform sprzedażowych, porównywarek i narzędzi reklamowych. Feed z brakującymi atrybutami, nieaktualną ceną albo błędnym terminem dostawy zacznie generować nie tylko niższą jakość kampanii, ale także mniejszą szansę wejścia do koszyka prowadzonego przez agenta.

Ryzyka płatnicze, reklamacyjne i prawne w handlu agentowym

Płatność inicjowana przez agenta AI wymaga jasnego rozdzielenia ról. Klient udziela zgody, agent wykonuje zadanie, sklep przyjmuje zamówienie, operator płatności rozlicza transakcję, a bank ocenia ryzyko i uwierzytelnia płatnika. Jeżeli którykolwiek element jest nieczytelny, rośnie ryzyko sporu. Klient może twierdzić, że agent kupił zły wariant produktu, sklep może wskazywać, że zamówienie zostało poprawnie opłacone, a bank będzie sprawdzał, czy zgoda była prawidłowa i czy transakcja mieściła się w zaakceptowanych parametrach.

W e-commerce cross-border szczególnie wrażliwe będą zwroty. Polski sprzedawca obsługujący Niemcy powinien zakładać, że agent AI będzie brał pod uwagę koszt i prostotę zwrotu przed zakupem. Jeżeli zwrot do Polski kosztuje klienta kilkanaście euro, a konkurent zapewnia niemiecki adres zwrotny lub etykietę w cenie, automatyczny asystent może wybrać droższą ofertę konkurencji. Dla klienta całkowity koszt ryzyka zakupowego jest niższy, nawet gdy cena produktu na starcie jest wyższa.

Reklamacje mogą stać się bardziej sformalizowane. Agent AI będzie zapisywał parametry zamówienia, porównanie ofert i warunki zaakceptowane przez klienta. Sklep, który zmieni regulamin, koszt dostawy albo opis produktu po zakupie, będzie potrzebował archiwum wersji oferty. Brak zapisu ceny, warunków promocji i deklarowanego terminu dostawy utrudni obronę przed reklamacją lub chargebackiem, czyli procedurą zwrotu środków inicjowaną przez bank lub organizację płatniczą po zakwestionowaniu transakcji przez klienta.

Pojawi się także ryzyko nadużyć po stronie fałszywych agentów. Mastercard podkreśla identyfikację zaufanych agentów i odróżnianie ich od podmiotów wykorzystujących technologię agentową w sposób nieuczciwy. Sprzedawca powinien współpracować z operatorem płatności, który potrafi rozpoznawać transakcje agentowe i przekazywać odpowiednie dane do systemów antyfraudowych. Klasyczne reguły bezpieczeństwa, oparte głównie na adresie IP, kraju karty, wartości koszyka i historii klienta, mogą być niewystarczające, gdy zakup wykonuje agent działający przez zaufaną platformę.

Własny sklep będzie musiał zadbać o zgodność opisów, zgód i regulaminów. Agent AI nie zwalnia sprzedawcy z obowiązku prawidłowego informowania klienta o cenie, podatku, dostawie, terminie realizacji, prawie odstąpienia od umowy i procedurze reklamacyjnej. Automatyzacja może wręcz zwiększyć odpowiedzialność operacyjną, bo klient będzie oczekiwał, że zakup wykonany przez agenta spełnia wcześniej ustawione parametry. Nieprecyzyjny opis produktu przestanie być wyłącznie problemem konwersji. Może stać się źródłem sporu o zgodność zamówienia z mandatem udzielonym agentowi.

Co powinien zrobić sprzedawca z Polski przed wejściem Agentic Commerce do masowego handlu

Sprzedawca z Polski działający w Niemczech powinien zacząć od audytu danych produktowych. Każdy produkt musi mieć kompletną nazwę, kategorię, parametry techniczne, warianty, cenę, walutę, dostępność, koszt dostawy, termin realizacji, politykę zwrotu i zdjęcia odpowiadające rzeczywistemu wariantowi. Dane muszą być spójne w sklepie, marketplace, systemie magazynowym, feedzie reklamowym i narzędziu do obsługi zamówień. Agent AI nie powinien trafiać na inną cenę w reklamie, inną na karcie produktu i inną w koszyku.

Drugim obszarem jest checkout. Sklep sprzedający do Niemiec powinien obsługiwać metody płatności oczekiwane przez lokalnych klientów oraz współpracować z operatorem płatności rozwijającym tokenizację, silne uwierzytelnianie i rozpoznawanie nowych typów transakcji. Sama obsługa karty nie wystarczy, jeżeli bank lub organizacja płatnicza zacznie wymagać dodatkowych danych o agencie, mandacie klienta i charakterze transakcji. Sprzedawca powinien zapytać dostawcę płatności, czy planuje obsługę transakcji inicjowanych przez agentów AI, jakie dane będą dostępne w panelu i jak takie płatności będą oznaczane w raportach.

Trzecim obszarem jest logistyka. Agent AI będzie porównywał nie tylko cenę produktu, ale także prawdopodobieństwo dostawy w terminie. Polski sklep powinien pokazywać realny czas realizacji do Niemiec, odróżniać czas kompletacji od czasu przewozu i automatycznie aktualizować status zamówienia. Dostawa deklarowana jako 2 dni, która regularnie trwa 5 dni, obniży wiarygodność oferty w oczach klienta i systemów rekomendacyjnych. Przy droższych produktach warto rozważyć lokalny adres zwrotu, ponieważ koszt zwrotu w handlu cross-border może decydować o wyborze oferty przez agenta.

Czwartym obszarem są zwroty i obsługa klienta. Regulamin musi być zrozumiały po niemiecku, ale równie ważne są komunikaty transakcyjne: potwierdzenie zamówienia, faktura, instrukcja zwrotu, etykieta, status reklamacji i odpowiedź na pytanie klienta. Agent AI może w przyszłości analizować opinie o obsłudze posprzedażowej i wybierać sklepy, które mają mniejsze ryzyko konfliktu. Obsługa klienta stanie się elementem widoczności sprzedażowej, a nie tylko kosztem po transakcji.

Piątym obszarem jest marża. Sprzedawca powinien policzyć, przy jakiej cenie końcowej pozostaje konkurencyjny po doliczeniu prowizji marketplace, kosztu płatności, dostawy, zwrotów, obsługi klienta, reklamacji i różnic kursowych. Agent AI może częściej wybierać ofertę o najlepszym koszcie całkowitym, a nie najniższej cenie produktu. Sklep z ceną 49 euro i dostawą za 9,90 euro może przegrać z ofertą za 55 euro z darmową dostawą i prostym zwrotem. Różnica w percepcji ceny stanie się różnicą w algorytmicznej selekcji.

Dla marek obecnych na Amazon, Zalando lub innym marketplace Agentic Commerce może zwiększyć sprzedaż, jeżeli platforma stanie się zaufanym źródłem danych dla agentów AI. Taka sprzedaż będzie jednak droższa, bo marketplace przejmie relację z klientem, dane transakcyjne i część marży. Własny sklep pozwala budować wyższą rentowność i bazę klientów, ale wymaga standardu danych, płatności i obsługi porównywalnego z dużą platformą. Sprzedawca, który prowadzi oba kanały, powinien unikać konfliktu informacji: inne tabele rozmiarów, inne czasy dostawy i inne warunki zwrotu będą działały przeciwko spójności marki.

Agentic Commerce nie zastąpi od razu klasycznego sklepu internetowego, ale zacznie zmieniać sposób, w jaki klient trafia do oferty. Mastercard, banki i operatorzy checkoutu przygotowują infrastrukturę, w której płatność wykonana przez agenta AI ma być bezpieczna, rozpoznawalna i autoryzowana. Po stronie sprzedawcy przewagę zyskają firmy, które traktują dane produktowe, checkout, logistykę i obsługę zwrotów jako jeden system sprzedażowy. Polski e-commerce sprzedający do Niemiec ma szansę wykorzystać tę zmianę, jeżeli szybciej niż konkurencja uporządkuje informacje, zintegruje płatności i skróci operacyjne tarcia widoczne dla klienta oraz dla jego cyfrowego asystenta.