Aurélien Bonnel, CTO og grundlægger af N3XT – Interviewserie

Aurélien Bonnel, Chief Technical Officer og grundlægger af N3XT, er en finansiel teknologiledelse og ingeniør med mere end 14 års erfaring i at bygge sikker, realtidsbank-, betalings- og kapitalmarkedsinfrastruktur. Før han grundlagde N3XT, havde han senioringeniørroller hos Deutsche Bank, Nimbla, Symbiont og SADA, og hjalp med at udvikle den blockchain-betalingsinfrastruktur, der bruges af Signature Banks Signet-platform. Hans karriere har fokuseret på at modernisere finansielle systemer gennem cloud-native arkitektur, blockchain, automatisering og skalerbar betalingsteknologi.

N3XT er en fuldt reserveret bank bygget omkring moderne infrastruktur til øjeblikkelige, programmerbare business-to-business-betalinger i amerikanske dollars. I modsætning til konventionelle banker låner N3XT ikke kundernes indskud, hvor indskuddene er sikret af kontanter eller kortfristede amerikanske statsobligationer. Virksomheden udvider også ind i krydsfeltet mellem bankvirksomhed og AI gennem N3XT MCP, et Model Context Protocol-baseret system designet til at forbinde AI‑agenter og assistenter med live bankdata, mens eksisterende tilladelser og overholdelseskontroller opretholdes. Dette kan muliggøre AI‑drevne arbejdsgange for betalingsforberedelse, rapportering, finansiel overvågning og andre corporate finance‑opgaver.

Din karriere har taget dig fra prisfastsættelse og højfrekvent handels‑teknologi hos Deutsche Bank til at bygge blockchain‑betalingsinfrastruktur, lede ingeniørarbejdet hos Symbiont og endelig medstifte N3XT. Hvilke problemer kom gentagne gange frem i løbet af disse roller, og overbeviste dig om, at en ny type bank skulle bygges fra bunden?

Uanset min personlige historie kan alle se de problemer, der førte til oprettelsen af N3XT. Vi kender alle problemet med, at betalinger foretages på en fredag, men først lander på modtagerens bankkonto tirsdagen efter. Den “tilgængelige saldo” på den konto er forskellig fra den viste saldo, fordi de “modtagne” betalinger ikke er afregnet og ikke kan bruges.

Jeg undrede mig over hvorfor. Hvem drager fordel af alle de forsinkelser? Det viser sig, at bankerne gør. Hver forsinkelsesdag er rente, de tjener på deres kunders penge. Bankerne har haft adgang til den samme teknologi, som N3XT bruger, i årevis, men de har ikke taget den i brug – måske fordi den ville afsløre deres forretningsmodel.

Alt dette gjorde det tydeligt for mig, at den eneste måde at rette dette system på er at udtænke en radikalt ny model, bygget fra bunden, med nye idéer: Et smalt fundament, hvor en bank ikke låner og afregner betalinger øjeblikkeligt.

N3XT MCP er designet til at forbinde AI‑assistenter direkte med live bankdata og arbejdsgange. Hvad gør Model Context Protocol muligt, som ikke kan opnås lige så effektivt gennem konventionelle bank‑API’er, virksomheds‑integrationer eller robot‑procesautomatisering?

Først er det værd at bemærke, at N3XT MCP ikke erstatter vores eksisterende API‑infrastruktur, men er afhængig af den. Vi havde brug for en moden og robust API‑infrastruktur på plads, før vi kunne skabe N3XT MCP. Vores API’er (som du kan læse om her) forbliver kernen i håndteringen af adgang til live kontodata og arbejdsgange.

Hvor Model Context Protocol (MCP) ændrer tingene, er i hvordan AI‑modeller interagerer med dette.

For det første kræver API’er udvikler‑skrevne, hårdkodede integrationer for hver brugssag. MCP fungerer derimod som et standardinterface, der tillader AI‑modeller at opdage og bruge vores bankværktøjer og data i realtid. På denne måde fjerner AI‑assistenter friktion, fordi de har mulighed for at forespørge systemet og lettere starte godkendte arbejdsgange.

For det andet automatiserer Robotic Process Automation (RPA) gentagne opgaver gennem definerede regler, men fejler i det øjeblik, den støder på noget uventet. Bankinteraktioner med MCP tillader derimod realtids‑kontekst, så modellen kan ræsonnere gennem komplekse opgaver uden at stole på fast logik. En bruger kan stille et flerstegsspørgsmål eller bede AI‑assistenten om at overveje bankdata i sammenhæng med et andet datasæt, som normalt ligger uden for bankens syn.

I stedet for at bygge skræddersyede integrationer for hver ny AI‑assistent eller værktøj i virksomhedsstakken, leverer MCP en samlet standard. Du eksponerer funktionen én gang gennem MCP, og enhver kompatibel AI‑model kan interagere sikkert med den.

I sidste ende leverer vores API’er eksekveringsmotoren, men MCP leverer sproget, så AI‑assistenter sikkert og præcist kan operere med miljøet i realtid.

Platformen giver styrede læse‑og‑skrive‑funktioner, så AI‑assistenter kan analysere transaktioner, afstemme aktivitet og forberede betalinger. Hvad kan en AI‑agent gøre selvstændigt i dag, og hvilke handlinger skal stadig godkendes af mennesker?

For treasury‑styring og bankvirksomhed er hastighed vigtigt, men sikkerhed og overholdelse er ufravigelige. N3XT MCP fungerer som en styret sikkerhedsforanstaltning, der sikrer, at de samme beskyttelsesforanstaltninger, der er designet til mennesker, forhindrer en AI‑agent i at foretage uautoriserede handlinger.

Sådan fungerer den balance i praksis:

AI‑agenter arver brugerens adgangstilladelser. Hvis du kun har indsigt i en lille gruppe wallets, vil de agenter, du bygger, have den samme indsigt. Så agenten kan kun operere og udføre analyser inden for sit adgangsområde.

Mere specifikt kan en agent overvåge og analysere live kontofeed for at vurdere likviditetspositioner og forstå kontekst på tværs af forskellige datakilder, samt automatisk matche indgående betalinger mod fakturaer, markere fejl og identificere uoverensstemmelser. Dette er alle ting, en AI‑agent kan gøre selvstændigt i dag.

Dog, når handlingen går fra at forberede data til at foretage betalinger, sikrer et ekstra lag af styring og tilladelser, at agentens handlinger overholder eksisterende maker/checker‑arbejdsgange. På denne måde kan betalinger, der er indstillet til at kræve sekundær godkendelse, initieres af en agent, men de skal sendes til den sekundære menneskelige godkender for endelig autorisation, før nogen penge flyttes. Det er også værd at bemærke, at ingen agent kan ændre godkendelsespolitikker eller styringsveje. Det ligger uden for deres ansvarsområde.

Så tillader vi maksimal autonomi og analyse uden risiko for at kompromittere eksisterende styrings‑ og overholdelsesarbejdsgange.

Kort sagt kan AI give dig 100 % af de indsigter, du søger, og næsten hele vejen til dine betalingsbehov, men når det kommer til faktisk at foretage betalinger, overførsler og flytte midler, er maker/checker‑arbejdsgange stadig til stede for at sikre, at hver transaktion kontrolleres og godkendes af et menneske, før der træffes handling.

At tillade et AI‑system at interagere med en virksomhedsbankkonto introducerer betydelige sikkerheds‑ og driftsrisici. Hvordan sikrer N3XT, at en agent ikke kan overskride en brugers tilladelser, få adgang til en uautoriseret wallet eller igangsætte en forkert transaktion?

Sikkerhed i AI handler ikke om at stole på, at modellen opfører sig korrekt, men om at designe systemer, så selv hvis modeller begår fejl, forhindrer systemarkitekturen en uautoriseret handling i at blive udført.

Vi byggede N3XT MCP med en Zero‑Trust‑filosofi af denne grund, så en AI‑agent aldrig kan have en “super‑user”‑nøgle eller uafhængige adgangsrettigheder. Når en person opretter forbindelse til N3XT MCP, arver AI‑agenten den brugers adgangstilladelser. Hvis en bruger ikke har tilladelse til at se en specifik wallet eller udarbejde betalinger over en bestemt dollargrænse, har agenten de samme begrænsninger. Punktum.

N3XT MCP tilbyder også et begrænset sæt af funktioner til AI‑agenter. Ændring af tilladelser er ikke en af disse funktioner. Faktisk er det ikke engang muligt via API at ændre tilladelser og arbejdsgange. Dette gør det umuligt for en agent at foretage en ændring på dette område.

Endelig håndhæves regler som maker/checker‑arbejdsgange på wallet‑niveau, ikke på bruger‑niveau. Det betyder, at en agent aldrig kan omgå de krævede sekundære menneskelige godkendelser.

N3XT siger, at deres eksisterende maker‑og‑approver‑arbejdsgange forbliver i kraft, når kunder bruger AI‑assistenter. Hvordan bevarer du ansvarlighed og en klar revisionsspor, når en finansiel handling kan involvere en medarbejder, en AI‑model og flere automatiserede systemer?

Når flere enheder – et menneske, en AI‑model og backend‑systemer – berører en finansiel transaktion, er standard API‑logning ikke tilstrækkelig. For revisionsformål skal vi vide ikke kun, hvad der skete, men hvem der initierede det, hvad AI’en resonerede, og hvem der godkendte det.

Vi opretholder absolut ansvarlighed ved at sikre, at hver anmodning fra N3XT MCP indeholder et tag, der knytter den menneskelige brugers session, den specifikke AI‑interaktions‑ID og backend‑værktøjskaldet. Hvis en AI‑agent udarbejder en betaling, logger vi, hvilken medarbejder der udstedte prompten, sessionen og de værktøjer, AI‑modellen brugte. Der er ingen anonyme handlinger i vores logs.

Når en AI‑agent fungerer som “maker” ved at forberede en betaling, kan den ikke selv‑godkende udførelsen. Den forberedte transaktion skubbes ind i bankens standard maker/checker‑kø. Når den menneskelige “checker” gennemgår og godkender udbetalingen, underskriver deres personlige autentificeringstoken den endelige handling. Ansvarlighed bevares.

Hvilke indledende brugssager skaber den stærkeste interesse fra corporate treasury‑teams og handelsorganisationer: afstemning, likviditetsmonitorering, afvigelsesdetektion, betalingsforberedelse, rapportering eller noget andet?

Alle finanshold ønsker end‑to‑end‑automatisering, men på trods af det er corporate treasury‑medarbejdere og handelsdesk ret pragmatiske. Ingen ønsker at starte med de komplekse og risikable arbejdsgange; de starter, hvor deres operationelle smerte er størst, og risikoen er lavest.

Lige nu er den største efterspørgsel på rapportering. Treasury‑teams er allerede oversvømmet af data, som er fragmenteret på tværs af flere banker og partnere, så det er svært at rationalisere. De bruger allerede AI‑assistenter til at få et overblik, men i øjeblikket skal de logge ind på forskellige portaler for at downloade positioner og udtog. Med N3XT MCP er der ingen login nødvendig for N3XT, og de kan i stedet have en samtale om deres positioner.

Vi forventer, at betalingsforberedelse bliver den næste brugssag. Vi ser allerede en indledende begejstring for dette, og jeg forventer, at vi vil se mange betalingsflow‑oprettelser på kort sigt.

N3XT opererer som en fuldt reserveret smal bank, der ikke låner og bakker indskud 1:1 med kontanter eller kortfristede amerikanske statsobligationer. Hvorfor er denne model særligt egnet til programmerbare betalinger og AI‑drevne finansielle operationer, og hvordan bør kunder vurdere dens beskyttelser i forhold til konventionel FDIC‑forsikret bankvirksomhed?

AI er en accelerator for finans, men svaret på dette spørgsmål handler ikke kun om AI, men om afregning. Traditionelle banker blev bygget til en verden, der bevægede sig langsomt. De er afhængige af en fler‑dages flydende periode for at håndtere og tjene på forskellene mellem driftsindskud og bankens kommercielle lån.

Indførelsen af realtids‑, 24/7‑afregningskrav, uanset om de introduceres af en person eller en AI‑agent, afslører en svaghed i det fraktionerede reservesystem: for at afregne midler øjeblikkeligt skal du have midlerne til rådighed. I en verden, hvor betalingshastigheden stiger, har bankerne brug for en tilsvarende eller større stigning i reserverne for at sikre, at midlerne er tilgængelige.

Vi mener, at 24/7‑afregning ikke sikkert kan sameksistere med udstedelse af langfristet gæld på én balance. Vores smalbank‑model adskiller de to og sikrer, at vi forbliver likvide, fuldt understøttede og isolerede fra kreditrisiciene fra en lånedesk.

Når corporate treasury‑medarbejdere sammenligner vores smalbank‑fuldreserve‑model med FDIC‑forsikring, bør de overveje, hvordan “sikkerheden” leveres. FDIC‑forsikring har en grænse på $250.000. For virksomheder, der flytter millioner, efterlader det næsten hele deres driftskapital udsat for bankens underliggende låne‑ og balancestrukturrisici.

Full‑Reserve Narrow Banking er overhovedet ikke afhængig af forsikring, fordi vi ikke låner. Uanset om din saldo er $100.000 eller $100 millioner, låner vi aldrig din kapital ud, så du ved, at den vil være tilgængelig til at understøtte dine operationer og betalingsbehov. Vi mener, at dette er nødvendigt for en 24/7‑øjeblikkelig afregningsøkonomi.

N3XT har også introduceret N3XT Digital Dollar, en bankudstedt tokeniseret indskud designet til 24/7‑afregning. Hvordan vil N3XT MCP interagere med tokeniserede indskud, stablecoins og traditionelle amerikanske dollar‑betalingskanaler inden for den samme treasury‑arbejdsgang?

Først er det værd at præcisere et punkt om vores model. N3XT er specifikt bygget til at understøtte 24/7 B2B‑betalinger med atomisk afregning. Ældre betalingskanaler var ikke designet til atomisk afregning, så de interagerer ikke der. Det var et bevidst valg.

Vi har brugt to år på at bygge et moderne, blockchain‑baseret kernebanksystem. Dette inkluderer en privat, tilladt kæde, hvor kunder transakterer i dollars for at foretage betalinger med andre N3XT‑kunder på netværket, samt offentlig kædeadgang, hvor mange af vores kunder allerede transakterer. Den offentlige kæde er, hvor de kan transaktere ved hjælp af N3XT Digital Dollar (NDD).

MCP gør det muligt for AI‑assistenter at orkestrere arbejdsgange mellem disse to miljøer. For eksempel at tjekke NDD‑saldoer i en kundes offentlige wallets og derefter udføre en sweep mellem wallets om nødvendigt, eller at overføre midler fra en privat wallet til en offentlig NDD‑wallet — alt sammen under overholdelse af styringsarbejdsgange.

Således leverer MCP et styret interface til at operere på tværs af N3XT’s 24/7 digitale arkitektur, både for USD og NDD.

Mange af værdien af en åben standard afhænger af interoperabilitet. Hvilke AI‑assistenter, enterprise‑systemer og treasury‑platforme kan i øjeblikket forbinde til N3XT MCP, og hvordan forhindrer I, at kunder bliver afhængige af én modeludbyder eller proprietært interface?

Grunden til, at vi byggede på Model Context Protocol (MCP) i stedet for at udgive et eget SDK, var at muliggøre interoperabilitet. Vores kunder bruger de værktøjer, de bruger, og i AI‑alderen kan de endda skifte oftere, end de gjorde før.

Fordi MCP er en åben specifikation, kan N3XT MCP tilsluttes direkte til det AI‑hostmiljø, som en kunde allerede har tillid til, såsom Cursor, Anthropic, OpenAI eller Gemini. Det tilbyder også indfødt kompatibilitet med orkestreringsrammer som LangChain og AutoGen. Når det gælder enterprise‑systemer som ERP’er, hvis disse systemer har bygget indfødte MCP‑forbindelser, kan kunder også arbejde på tværs af platforme fra deres valgte AI‑platform.

Så med MCP giver vi kunder mere frihed. Hvis de beslutter at skifte AI‑udbyder, eller de vil skifte modeller til den nyeste og bedste, behøver de ikke at genopbygge nogen forbindelser. De peger blot den nye AI‑model på N3XT MCP‑serveren, og de er i gang.

N3XT beskriver denne lancering som et tidligt skridt mod autonom corporate capital management. Hvor autonom bør corporate finance realistisk blive, og hvilke tekniske, regulatoriske og kulturelle barrierer skal løses, før virksomheder tillader AI‑agenter at håndtere betydelige kapitalmængder?

Målet med autonom finans er ikke at skabe en “set‑it‑and‑forget‑it” sort boks, der flytter penge uden menneskelig overvågning. Uovervåget autonomi er ikke innovation; det er en forpligtelse.

Mer realistisk bør corporate finance udvikle sig mod engageret autonomi: AI‑agenter udfører dataanalyse, overvågning og arbejdsgange, mens forretningsledere og finanshold skifter fra manuel udførelse til fastsættelse af politik, strategi og godkendelser.

For at opbygge tillid i virksomheden og give AI‑agenter adgang og styret kontrol over betalinger og driftskapital, skal spørgsmålene om identitet og ansvarlighed løses.

Hvem er ansvarlig, hvis en AI‑model misfortolker en faktura og udløser en forkert udbetaling? Vores maker/checker‑model arbejder på at forhindre, at dette sker.

Kulturelt er vi stadig i de tidlige faser af overgangen til agentisk finans. Efterhånden som AI påtager sig større operationelle roller, tror jeg, at agentisk identitet vil blive et emne af stigende betydning og fokus, fordi tillid — i mennesker eller i AI — kræver ansvarlighed.

Tak for det fantastiske interview, læsere der ønsker at lære mere, bør besøge N3XT.