AI-агент подписал договор и отправил деньги. Кто заплатит за его ошибку?

Автономные системы уже могут выбирать поставщика, согласовывать условия и инициировать платёж. Но правосубъектности у них нет. Разбираемся, когда сделка AI-агента может связать компанию обязательствами, где искать ответственного и почему журнал действий становится почти таким же важным, как договор.

Представьте обычную задачу для корпоративного AI-агента: «Снизь стоимость международных платежей и оплати счета до пятницы».

Агент сравнивает маршруты, выбирает нового посредника, принимает его условия и отправляет деньги. Комиссия действительно оказывается ниже. Через день банк блокирует перевод: один из участников цепочки попал под санкционные ограничения. Поставщик требует неустойку, финансовый директор уверяет, что конкретный маршрут никто не одобрял, а разработчик напоминает, что система лишь выполняла поставленную цель.

Кто отвечает?

Самый короткий ответ: почти наверняка не AI.

17 августа 2026 года PYMNTS сформулировал проблему предельно точно: AI-агенты могут перемещать деньги, но не могут расплатиться за собственные ошибки - https://www.pymnts.com/news/artificial-intelligence/2026/ai-agents-can-move-money-but-they-cant-pay-for-their-mistakes/.

Поводом стала опубликованная неделей ранее статья Gamma Law о правовом статусе агентских кошельков и договоров. Её ключевой тезис: техническая автономность AI растёт быстрее, чем правовые механизмы распределения ответственности - https://gammalaw.com/are-contracts-made-by-ai-agents-legally-enforceable/.

AI-агент уже способен:

- выбрать контрагента; - согласовать цену; - принять пользовательское соглашение; - отправить платёж; - перераспределить ликвидность; - выполнить цепочку действий без проверки человеком каждого шага.

Но по действующему американскому праву, на котором сфокусированы обе исходные публикации, AI не становится самостоятельным юридическим лицом. Он не может владеть активами от собственного имени, отвечать по иску, выплатить компенсацию или понести регуляторное взыскание. Поэтому за каждым экономическим действием системы право продолжает искать человека или организацию.

Именно здесь возникает разрыв: решение может быть машинным, а ответственность всё равно остаётся человеческой или корпоративной.

Да — по крайней мере в США его нельзя считать недействительным только потому, что в заключении участвовала программа.

Федеральный закон E-SIGN прямо предусматривает, что договору или иной записи нельзя отказать в юридической силе лишь из-за участия одного или нескольких «электронных агентов», если их действия юридически относятся к лицу, которое должно быть связано договором. Это закреплено в 15 U.S.C. § 7001(h) https://uscode.house.gov/view.xhtml?req=%28title%3A15+section%3A7001+edition%3Aprelim%29).

Это правило не означает, что любой результат работы AI автоматически становится действующим договором. По-прежнему важны обычные вопросы договорного права:

- было ли предложение и его принятие; - можно ли установить стороны и содержание сделки; - обладал ли человек или компания необходимой правоспособностью; - было ли действие агента юридически относимо к этой стороне; - не нарушены ли специальные требования к форме, предмету сделки или раскрытию информации; - не было ли явной ошибки, обмана или злоупотребления со стороны контрагента.

Но аргумент «это сделал алгоритм, поэтому договор не считается» сам по себе слаб. В коммерческом обороте право обычно защищает определённость сделки и разумные ожидания контрагента.

Практически AI здесь выступает не новой стороной договора, а **новым механизмом выражения воли уже существующей стороны**.

С сотрудником компания обычно может описать должность, лимиты и порядок согласования. С AI часто происходит иначе: ему дают не пошаговую инструкцию, а широкую цель.

Например:

- «максимизируй доходность»; - «сократи расходы»; - «оптимизируй казначейство»; - «найди лучшего поставщика»; - «не допускай просрочек».

Каждая такая формулировка оставляет системе пространство для выбора стратегии. Агент может добросовестно выполнить цель и одновременно создать риск, которого пользователь не ожидал: принять жёсткую оговорку, выбрать недопустимую юрисдикцию, увеличить концентрацию у одного провайдера или провести платёж через проблемного посредника.

В споре суду придётся разбирать не философский вопрос о «намерении машины», а гораздо более земные обстоятельства:

1. Кто подключил агента и предоставил ему доступ? 2. Как был сформулирован мандат? 3. Какие технические и денежные лимиты действовали? 4. Что видел и мог разумно предполагать контрагент? 5. Можно ли было остановить или отменить действие? 6. Сохранились ли доказательства того, как принималось решение?

Чем шире делегированная цель и слабее ограничения, тем труднее компании утверждать, что конкретный результат находился «совсем вне полномочий» агента.

Ниже — не готовые юридические выводы, а карта вопросов, которые с высокой вероятностью возникнут в споре. Результат будет зависеть от юрисдикции, договора между участниками и конкретных фактов.

Gamma Law предлагает три особенно полезных критерия для будущих споров: контроль, предсказуемость и защитные меры.

- Контроль. Кто задал цель, лимиты, доступные инструменты и возможность остановки?

- Предсказуемость. Насколько разумно было ожидать такой сценарий от системы в реальной среде?

- Защитные меры.* Были ли пороги согласования, журналы действий, мониторинг, аварийная остановка и процедура исправления ошибки?

В конечном счёте спор часто сводится к простому вопросу: кто находился в лучшей позиции, чтобы предотвратить ущерб?

Компании часто отвечают на риск фразой «окончательное решение всё равно принимает человек». Но человеческое подтверждение полезно только тогда, когда оно содержательно.

Если сотруднику показывают кнопку «Одобрить», но не дают увидеть получателя, сумму, комиссию, юрисдикцию, существенные условия и основания выбора, человек превращается в ритуальный элемент интерфейса. Он формально присутствует в процессе, но не способен проверить решение.

Разумнее распределять контроль по уровню риска:

- низкорисковые и обратимые действия агент выполняет самостоятельно; - новые контрагенты и изменение реквизитов требуют дополнительной проверки; - превышение лимита, нестандартные условия и высокорисковые юрисдикции направляются человеку; - необратимые операции получают задержку, второй фактор или правило четырёх глаз; - серия связанных операций оценивается по совокупному риску, а не только по каждой сумме отдельно.

Ключевое слово здесь — обратимость. Ошибочно составленный черновик можно переписать. Ошибочно отправленный безотзывный платёж может превратиться в убыток за секунды.

Рынок уже начинает строить инфраструктуру вокруг этой идеи. В 2025 году Google представил открытый Agent Payments Protocol (AP2) - https://cloud.google.com/blog/products/ai-machine-learning/announcing-agents-to-payments-ap2-protocol, в котором полномочия агента описываются через криптографически подписанные мандаты.

Логика проста:

- Intent Mandate фиксирует исходное намерение пользователя: что можно купить, у кого, когда и в каком диапазоне цены;

- Cart/Payment Mandate связывает это намерение с конкретным составом покупки и суммой;

- цепочка подписанных записей создаёт доказательство авторизации и журнал сделки.

В апреле 2026 года Google передал AP2 в FIDO Alliance https://blog.google/products-and-platforms/platforms/google-pay/agent-payments-protocol-fido-alliance/ и выпустил обновление для сценариев Human Not Present — автономных платежей на основе заранее заданных инструкций.

Это важно не только для кибербезопасности. Такая архитектура отвечает сразу на будущие юридические вопросы: кто поручил действие, что именно было разрешено, когда истекало разрешение, какой результат был одобрен и чем это можно доказать.

Иначе говоря, платёжный протокол постепенно становится ещё и протоколом доказательств.

AI-агент не выводит транзакцию за пределы действующих требований только потому, что решение приняла программа.

Если организация обязана идентифицировать клиента или контрагента, проводить санкционный скрининг, контролировать операции и хранить сведения, эти обязанности не исчезают. Меняется только место, где контроль должен быть встроен в процесс.

Для автономного агента проверка должна происходить до исполнения, а не только после:

1. идентификация самого агента и принципала, от имени которого он действует;
2. проверка контрагента, бенефициара и платёжной цепочки;
3. сопоставление операции с мандатом и лимитами;
4. анализ аномалий и связанных транзакций;
5. блокировка или эскалация до необратимого действия;
6. сохранение полного аудиторского следа.

NIST в своём AI Risk Management Framework - https://airc.nist.gov/airmf-resources/airmf/5-sec-core/ отдельно подчёркивает необходимость распределить роли людей и AI, документировать человеческий надзор, следить за поведением системы в рабочей среде и картировать риски сторонних компонентов.

Для финансового сектора это означает: нельзя ограничиться проверкой модели. Нужно проверять весь контур действия — данные, инструменты, права доступа, посредников, платёжные рельсы и механизм остановки.

Перед тем как разрешить AI подписывать или платить, компании стоит ответить минимум на семь вопросов.
1. Идентичность: можно ли доказать, какой агент и от чьего имени действовал?
2. Мандат: какие цели, контрагенты, категории операций и сроки были разрешены?
3. Лимиты: установлены ли ограничения на одну операцию, день, цепочку связанных действий и общий убыток?
4. Комплаенс: происходит ли проверка до исполнения, включая новые реквизиты и посредников?
5. Надзор: какие события требуют содержательного решения человека?
6. Доказательства: сохраняются ли входные данные, версия модели, обоснование и последовательность действий, принятые условия и результат?
7. Возмещение: кто остановит действие, исправит ошибку и понесёт убыток по договорам между участниками?

Если на любой из этих вопросов ответ «не знаем», агенту рано давать необратимые полномочия.

Дискуссия об AI-агентах часто сосредоточена на том, насколько хорошо они умеют выбирать и действовать. Для бизнеса важнее другой вопрос: насколько хорошо организация может доказать, кто, что и в каких пределах им поручил.

Договор, заключённый электронным агентом, может оказаться обязательным даже без просмотра человеком каждого шага. Ошибочный платёж может породить реальный убыток. Нарушение требований останется нарушением. А отсутствие у AI правосубъектности означает, что суд и регулятор всё равно будут искать ответственного среди пользователей, разработчиков, платформ и финансовых посредников.

Поэтому зрелая модель автономности строится не вокруг магической кнопки «разрешить AI всё». Она строится вокруг узкого и проверяемого мандата, лимитов, предварительного комплаенса, содержательного человеческого контроля, полного журнала и заранее распределённого возмещения.

AI-агент может нажать «оплатить». Но счёт за ошибку всё равно придёт человеку или компании.

Материал подготовлен на основе
- PYMNTS: AI Agents Can Move Money, But They Can’t Pay for Their Mistakes - https://www.pymnts.com/news/artificial-intelligence/2026/ai-agents-can-move-money-but-they-cant-pay-for-their-mistakes/, 17 августа 2026 года.
- Gamma Law: Are Contracts Made by AI Agents Legally Enforceable?https://gammalaw.com/are-contracts-made-by-ai-agents-legally-enforceable/, 10 августа 2026 года.
- 15 U.S.C. § 7001: Electronic agents -https://uscode.house.gov/view.xhtml?req=%28title%3A15+section%3A7001+edition%3Aprelim%29.
- Google Cloud: Agent Payments Protocol (AP2 -(https://cloud.google.com/blog/products/ai-machine-learning/announcing-agents-to-payments-ap2-protocol).
- Google: передача AP2 в FIDO Alliance - https://blog.google/products-and-platforms/platforms/google-pay/agent-payments-protocol-fido-alliance/), 28 апреля 2026 года.
- NIST AI Risk Management Framework - https://airc.nist.gov/airmf-resources/airmf/5-sec-core/.

#регулированиеии #искусственныйинтеллект #fincrime #fintech #регулирование #aml