Agentes de IA fizeram pedidos de compra reais na última temporada de festas. O tráfego de IA em sites de varejo dos EUA cresceu 693% ano a ano durante a temporada de festas de 2025 (Adobe Digital Insights, janeiro de 2026). A maioria dessas sessões terminou sem uma transação concluída, porque a infraestrutura de checkout que esses agentes encontraram foi criada para humanos. Lógica de autenticação, fluxos de desafio 3DS, regras de fraude: tudo assume que uma pessoa está presente. Essa suposição agora é um problema de receita.
Este post aborda o que merchants com volume significativo de pagamentos podem verificar hoje quando um agente de IA inicia uma transação, como a IA na orquestração de pagamentos se relaciona com os frameworks de autenticação que Visa e Mastercard lançaram, e onde ainda existem lacunas. Não há padrões especulativos aqui, apenas o que existe, o que pode ser implantado, e o que vemos a partir da posição da Yuno na camada de orquestração.
Principais Conclusões
- Agentes de IA não conseguem concluir desafios padrão de autenticação 3DS do portador do cartão, tornando o roteamento de isenção na camada de orquestração essencial para que transações iniciadas por agentes sejam autorizadas.
- O Trusted Agent Protocol da Visa e o framework Verifiable Intent da Mastercard vinculam credenciais de agente criptograficamente ao consentimento do consumidor; a prontidão dos merchants para esses sinais varia amplamente hoje.
- O FIDO Alliance lançou um Grupo de Trabalho de Autenticação Agentic dedicado em abril de 2026, sinalizando que padrões interoperáveis estão a 12 a 18 meses de ampla aplicabilidade para merchants.
- Merchants podem aplicar controles específicos para agentes hoje na camada de orquestração: regras de velocidade, limites por categoria e roteamento 3DS condicional aplicados antes que uma transação chegue a qualquer adquirente.
- IA na orquestração de pagamentos significa que a camada de decisão de roteamento é o único lugar neutro para aplicar lógica de autenticação consistente em todos os PSPs simultaneamente, sem reconstruir o checkout.
Por Que o Checkout Padrão Falha Quando o Comprador é um Agente
Agentes de IA falham nos fluxos de checkout padrão porque esses fluxos exigem que um humano tome uma ação, confirme a intenção ou conclua um desafio em tempo real. O agente tem a credencial do cartão. Ele não tem a capacidade de atender ao telefone, ler uma senha de uso único ou responder a uma tela de desafio 3DS.
Vemos esse padrão de forma consistente em merchants enterprise na plataforma da Yuno que começaram a receber tráfego originado por agentes. A transação chega à etapa 3DS, o desafio é acionado e o agente abandona. Do ponto de vista do adquirente, parece abandono. Do ponto de vista do merchant, parece um pagamento falho. A causa subjacente é uma arquitetura de autenticação que nunca foi projetada para iniciadores não humanos.
A consequência prática é assimétrica. Reforce a autenticação, e compras de agentes nunca são concluídas. Afrouxe-a, e regras de fraude projetadas para comportamento humano não conseguem detectar as anomalias que transações com padrão de agente produzem. Merchants presos entre esses dois resultados estão, agora mesmo, bloqueando efetivamente um canal de compras inteiro.
O Que Visa e Mastercard Já Lançaram
Ambas as principais redes de cartões passaram do conceito à infraestrutura implantável para transações iniciadas por agentes. Merchants com stacks de aceitação compatíveis podem acessar esses sinais hoje.
A resposta da Visa é o Visa Intelligent Commerce, que inclui um Trusted Agent Protocol. O protocolo anexa credenciais verificáveis de agente a uma transação no momento da iniciação. Um agente autorizado carrega um token criptográfico que o identifica como atuando dentro das permissões definidas pelo consumidor. Merchants e emissores que leem esse sinal podem distinguir uma compra de agente com permissão de uma transação não autorizada (Visa, outubro de 2026).
A Mastercard foi além com seu framework Verifiable Intent, co-desenvolvido com o Google e publicado em março de 2026. A premissa é que o consentimento do consumidor precisa ser comprovável, não presumido. Quando um consumidor instrui um agente de IA a comprar algo, o Verifiable Intent captura essa instrução como uma atestação baseada em padrões. Essa atestação viaja com a transação pela cadeia de autorização (Mastercard, março de 2026). Separadamente, o Agentic Token Framework da Mastercard, anunciado no final de 2025 e integrado à infraestrutura de aceitação de merchants da Fiserv no início de 2026, cria tokens específicos para agentes distintos dos tokens do portador do cartão, para que o gasto do agente possa ser rastreado e controlado de forma independente.
Esses frameworks não eliminam o problema de autenticação por si só. Eles fornecem o sinal. O stack de pagamentos do merchant precisa ser capaz de lê-lo, aplicar regras com base nele e rotear adequadamente. Essa capacidade reside na camada de orquestração.
Como a IA na Orquestração de Pagamentos Aborda a Lacuna de Autenticação de Agentes
A IA na orquestração de pagamentos fecha a lacuna de autenticação de agentes aplicando regras consistentes em todos os PSPs simultaneamente, sem exigir que o merchant reconstrua integrações individuais. Esta é a razão estrutural pela qual a orquestração é o lugar certo para lidar com a lógica de verificação de agentes.
Considere o que acontece se um merchant tenta resolver isso PSP por PSP. Cada provedor tem sua própria API para tratamento de isenções, sua própria configuração 3DS, sua própria sintaxe de regras de risco. Um merchant com quatro adquirentes ativos precisaria replicar a lógica específica para agentes quatro vezes, depois manter a consistência em todos os quatro à medida que os padrões evoluem. Isso não é uma estratégia de pagamentos. É dívida de engenharia.
Na camada de orquestração, a lógica reside em um único lugar. Quando a Yuno roteia uma transação, cada regra aplicada nessa camada se aplica independentemente de qual adquirente recebe a solicitação de autorização. Isso significa que o roteamento de isenção 3DS específico para agentes, os controles de velocidade e as regras de validação de credenciais operam a partir de um único ponto de configuração. Atualizações nessas regras se propagam por todo o estate de PSPs imediatamente.
Em nossas integrações com merchants enterprise de varejo e plataformas, o padrão que funciona hoje é este: a camada de orquestração interroga a transação em busca de sinais de origem de agente, a direciona para um caminho 3DS sem fricção se esses sinais corresponderem a um perfil de confiança predefinido, e aplica pontuação de fraude mais rigorosa se não corresponderem. O merchant define o perfil de confiança uma vez. A camada de orquestração o aplica em todos os lugares. Para merchants que exploram como isso se conecta a canais ativos de compras por IA, a lógica de autenticação e a ativação de commerce estão no mesmo stack.
O Que Merchants Podem Verificar de Fato Agora
Os sinais verificáveis de hoje para transações de agentes de IA se dividem em três categorias: credenciais vinculadas a tokens, correspondência de padrões comportamentais e atestações em nível de rede. Cada uma tem maturidade e cobertura diferentes.
Credenciais vinculadas a tokens são as mais maduras. O Agent Pay da Mastercard e o Trusted Agent Protocol da Visa produzem tokens específicos para agentes. Merchants integrados com infraestrutura de aceitação compatível podem receber esses tokens e aplicar regras com base neles. A cobertura é parcial: nem todo emissor repassa a cadeia completa de credenciais, e nem todo adquirente a apresenta nos dados de resposta de autorização hoje.
A correspondência de padrões comportamentais está disponível agora por meio de Risk Conditions na camada de orquestração. Transações de agentes têm assinaturas distintas: fingerprints de dispositivo consistentes, padrões de velocidade que diferem da navegação humana, ausência de sinais comportamentais de movimento de mouse ou duração de sessão. Merchants podem criar regras de risco que sinalizam ou aprovam com base nesses padrões sem esperar que nenhum padrão seja finalizado. O módulo Risk Conditions da Yuno suporta essa configuração hoje, e vimos que ele reduz fraudes em transações com padrão de agente por margens significativas em implantações iniciais, consistente com a redução de fraude de 29% que os dados da plataforma Yuno mostram nos casos de uso de Risk Conditions (dados do produto Yuno, 2026).
As atestações em nível de rede são as menos maduras para uso amplo por merchants. O FIDO Alliance anunciou seu Grupo de Trabalho de Autenticação Agentic em abril de 2026, com o mandato de criar especificações interoperáveis para interações de agentes em contextos de commerce (FIDO Alliance, abril de 2026). Esse trabalho está em andamento. Merchants devem ficar atentos a formatos de credencial de agente compatíveis com FIDO em 2027, mas criar uma dependência bloqueante nessas especificações hoje seria prematuro.
O stack de verificação prático para um merchant pronto para aceitar transações de agentes hoje combina as três camadas: verificações de token onde disponíveis, regras comportamentais na camada de orquestração e roteamento de isenção 3DS para transações elegíveis de agentes. O objetivo é manter compras legítimas de agentes autorizadas enquanto se mantêm controles de fraude que não dependem de sinais comportamentais humanos que os agentes nunca produzirão.
A Pergunta sobre 3DS Que Todo CTO Deve Fazer à Sua Plataforma
Os fluxos de desafio 3DS padrão recusarão compras de agentes de IA todas as vezes, porque os agentes não conseguem concluir as etapas de autenticação do portador do cartão. A pergunta certa é se sua camada de orquestração consegue direcionar transações de agentes por caminhos de isenção sem fricção antes que um desafio seja acionado.
As regras de PSD2 e SCA na Europa criam uma versão específica desse problema. A SCA exige autenticação forte do cliente em transações no escopo. O 3DS sem fricção satisfaz a SCA quando o emissor concede um resultado sem fricção, mas o sistema do merchant precisa solicitar a autenticação corretamente e carregar os dados de transação corretos para que o emissor tome essa decisão. Transações de agentes que chegam sem o contexto correto são desafiadas. Transações desafiadas não são concluídas.
O módulo 3DS nativo da Yuno aplica lógica de isenção personalizada com base no contexto da transação, pontuação de risco e geografia. Para transações iniciadas por agentes, os merchants podem configurar regras de roteamento que solicitam caminhos sem fricção para transações que carregam sinais de credencial de agente reconhecidos. Isso não contorna a SCA. Ele direciona as transações corretamente para que o emissor possa conceder resultados sem fricção onde o perfil de risco o suporta.
A alternativa, aplicar 3DS indiscriminadamente a todo o tráfego de agentes e aceitar a taxa de recusa, custa ao merchant o canal de compras de IA inteiro. Dado que o Gartner projeta que 20% das transações de comércio digital serão executadas via plataformas de IA até 2030 (Gartner, 2025), o custo desse padrão aumenta de forma composta a cada trimestre.
Para Onde os Padrões Estão Indo e Por Que Merchants Não Devem Esperar
O setor está convergindo para padrões de autenticação de agentes interoperáveis, mas a convergência está a 12 a 18 meses da ampla aplicabilidade para merchants. Merchants que esperarem por padrões completos antes de ativar fluxos de pagamento de agentes entrarão no canal tarde, a um custo maior, com menor captura de clientes.
A Bain prevê o agentic commerce nos EUA em $300 a $500 bilhões até 2030, representando 15 a 25% do total do eCommerce (Bain and Company). Essa receita não se materializa em um único momento em 2030. Ela se acumula de forma incremental à medida que agentes passam de navegação para compra, começando agora. Merchants já operacionais em canais de agentes estão acumulando histórico de transações, construindo perfis de confiança de emissores para seus tokens de agente e refinando regras de risco com dados reais. Entrantes tardios começam esse processo do zero.
Com base em nosso trabalho com merchants de plataformas enterprise, a lacuna de prontidão raramente é técnica. A infraestrutura para aceitar pagamentos de agentes, direcioná-los corretamente e aplicar controles de fraude apropriados existe hoje em um stack de orquestração moderno. A lacuna é organizacional: equipes de pagamentos aguardando uma aprovação da equipe de segurança que requer um padrão finalizado, equipes de engenharia que ainda não foram solicitadas a criar a configuração, equipes de produto que não priorizaram o canal porque os dados de tráfego interno ainda não mostram volume de agentes. Esse último ponto é circular. O volume de agentes não aparece nos dados internos até que o merchant ative o canal.
O primeiro passo prático é uma auditoria da configuração de autenticação e roteamento existente em relação aos requisitos de transações de agentes. Essa auditoria não requer uma nova integração ou uma decisão de política sobre qual padrão de agente apoiar. Requer entender se seu stack atual consegue direcionar uma transação iniciada por não humano por um caminho de autenticação sem fricção sem recusá-la ou acionar um desafio que o agente não consegue concluir. Se você quer contexto sobre as questões mais amplas de infraestrutura que isso abre, o checklist do merchant para aceitar pagamentos de agentes de IA cobre a revisão de pré-ativação em detalhes.
O Que a Yuno Oferece na Camada de Orquestração Hoje
O papel da Yuno na autenticação de pagamentos de agentes está na camada de decisão, não na camada de credenciais. Os frameworks de credenciais pertencem à Visa, à Mastercard e, eventualmente, ao FIDO. O roteamento, a aplicação de regras e a lógica 3DS que determinam se uma transação de agente com credencial realmente é autorizada: esse é o trabalho da camada de orquestração.
De forma concreta, o que a Yuno oferece hoje para transações iniciadas por agentes inclui as seguintes capacidades.
- Roteamento 3DS condicional que envia transações de origem de agente para caminhos sem fricção, configurados por perfil de risco e geografia, sem exigir uma integração separada por adquirente.
- Risk Conditions que aplicam regras comportamentais de agente (velocidade, padrão de dispositivo, características de sessão) na camada de orquestração antes da autorização, produzindo um sinal de risco consistente em todos os PSPs no stack do merchant.
- Smart Routing que seleciona o adquirente com maior probabilidade de autorizar um determinado tipo de transação de agente, com base em dados históricos de autorização em todo o estate de PSPs do merchant. Merchants enterprise na plataforma da Yuno veem um aumento médio de 8% na taxa de autorização com o smart routing (dados da plataforma Yuno, 2026).
- Ativação de Agentic Commerce que conecta o catálogo do merchant diretamente ao ChatGPT, Claude, Gemini, Perplexity e Copilot por meio de uma única integração, para que o fluxo de compra seja nativo ao ambiente de IA em vez de redirecionar para um checkout humano.
- Visibilidade do Payment Concierge que apresenta o desempenho de transações de agentes separadamente do desempenho de transações humanas, para que merchants possam ver taxas de autorização, códigos de recusa e resultados de roteamento para tráfego de agentes em tempo real.
Nenhuma camada de orquestração sozinha pode resolver o problema de autenticação. Os frameworks das redes de cartões, os padrões FIDO em andamento e o reconhecimento do lado do emissor dos tokens de agente precisam amadurecer em paralelo. O que a camada de orquestração pode fazer é garantir que cada sinal que existe hoje chegue ao lugar certo na cadeia de autorização, e que cada regra que o merchant precisa aplicar seja cumprida de forma consistente independentemente de qual adquirente estiver no caminho.
Merchants que avaliam sua prontidão devem começar com a pergunta que sua plataforma deve ser capaz de responder: uma transação iniciada por um agente de IA, carregando um token de agente Mastercard ou Visa, consegue ser roteada por um caminho 3DS sem fricção e autorizada sem acionar um desafio humano? Se a resposta não for um sim claro, a lacuna de infraestrutura está na camada de orquestração. Isso é um problema de configuração, e na plataforma da Yuno é solucionável antes que a próxima grande onda de agentic commerce chegue.
Para contexto sobre como a questão mais ampla de infraestrutura de agentic commerce se relaciona com merchant of record e responsabilidade, a análise de MOR e responsabilidade em transações de agentes cobre as questões que normalmente surgem após a resolução da camada de autenticação.
