Nandan Sheth, CEO of Splitit – Interview Serie

Nandan Sheth, CEO of Splitit, er en erfaren fintech-uddannelsesleder og iværksætter med dyb ekspertise i betalinger, digital handel og finansielle infrastrukturer, og har ledet virksomheden siden 2022, samt fungerer som bestyrelsesmedlem. Før Splitit tilbragte han fem år hos Fiserv som leder af Carat & Digital Commerce, hvor han hjalp med at forme moderne betalingssystemer, og tidligere co-foundede han Acculynk, der var pioner inden for sikre online betalingsgodkendelser. Hans karriere omfatter også ledelsesroller hos American Express efter opkøbet af Harbor Payments, et selskab han co-foundede og udviklede til en stor elektronisk faktureringssplatform. Gennem mere end to årtier har Sheth konsekvent fokuseret på at udvikle betalingsinnovationer, der reducerer friktion, forbedrer sikkerheden og forbedrer handlernes økonomi, hvilket positionerer ham til at lede Splitits udvikling til en næste generations køb nu, betal senere-infrastrukturudbyder.

Splitit er et fintech-selskab, der fokuserer på at omdanne køb nu, betal senere (BNPL) til en handelsfirst-infrastruktur i stedet for en forbrugerrettet låneprodukt. Gennem sin platform giver selskabet kunderne mulighed for at splitte køb i rater ved hjælp af deres eksisterende kreditkort, hvilket eliminerer behovet for nye lån, kreditvurderinger eller lange ansøgninger. Selskabets kerneinnovation ligger i en white-label “Installments-as-a-Service”-model, der giver handlere mulighed for fuldt ud at integrere BNPL i deres egen checkout-oplevelse, mens de opretholder ejerskab af kunderelationer og data, samt forbedrer konverteringsrater og gennemsnitlig ordreværdi. Ved at udnytte eksisterende kreditkortnetværk og integrere direkte i handlernes systemer via en enkelt API, positionerer Splitit sig som en lavere-risiko, mere sammenhængende alternativ til traditionelle BNPL-udbydere, der er i overensstemmelse med øget reguleringsgennemsyn, samtidig med at de tilbyder en friktionsfri, mærkekontrolleret betalingsoplevelse.

De har opbygget og afsluttet flere betalingsvirksomheder, herunder Harbor Payments og Acculynk. Hvordan har denne erfaring formet Deres perspektiv på, hvorfor betalings sikkerhed kan blive den afgørende faktor i opkomsten af agentic handel?

Min karriere har fokuseret på betalingslaget, den del af handlen, som få lægger mærke til, medmindre den fejler. Jeg har lært, at opdagelse får opmærksomhed, men godkendelse giver omsætning.

I agentic handel, hvor AI-agenter påvirker indkøb, foretrækker agenter betalingsmetoder, der er forudsigelige, hurtige og sandsynligt vil blive godkendt. Betalingsusikkerhed skaber friktion og kan få agenter til at undgå bestemte handlere eller produkter. Betalings sikkerhed skifter fra en bag-end-bekymring til en nøglefaktor i anbefalinger.

Splitit har nyligt lanceret sit Agentic Commerce Partner Program. Hvordan integrerer card-linked installments i autonome AI-handelsagenter den betalings sikkerhedsbottleneck, som De mener begrænser konvertering i dag?

Ved at integrere card-linked betalingsmuligheder i autonome handelsagenter, flytter Splitits Agentic Commerce Partner Program installmentkøb opstrøms i AI-rejsen, ikke kun ved checkout. Dette giver agenten mulighed for at evaluere betalingsmuligheder og -fit, mens den indsnævrer muligheder og beslutter, hvad der skal købes.

En anden fordel er, at vores model bruger eksisterende kort og skinner, hvilket gør betalinger mere pålidelige og lettere for AI-agenter. Dette løser en stor udfordring: mange konverteringer mislykkes på grund af betalingsusikkerhed snarere end produktfit. Hvis forbrugere skal ansøge om ny kredit eller vente på godkendelse, bryder processen sammen. At trække på eksisterende kredit accelererer processen.

I praktisk forstand, hvordan giver Deres program AI-agenter mulighed for at faktoriserer betalingsmuligheder i anbefalinger ved hjælp af eksisterende kort og betalingsmuligheder, uden at kræve nye kreditansøgninger eller kontooprettelse?

Splitit giver agenten mulighed for at konvertere en total købspris til en månedlig betaling ved hjælp af et kort, som shopperen allerede har. Det er væsentligt forskelligt fra at skubbe nogen ind i en separat låneflow.

Shopperen bruger sit eksisterende kort uden at indsende en ny ansøgning, åbne en ny konto eller forlade en tredjeparts-side. Installmentplanen forbliver inden for shopperens nuværende bankforhold, hvilket bringer betalingsmuligheder ind i beslutningsprocessen tidligere og hjælper AI-agenter med at vurderer ikke kun et produkts funktioner og pris, men også, om shopperen realistisk kan gennemføre købet.

De argumenterer for, at AI-drevet opdagelse allerede er foran konvertering. Hvor specifikt skaber betalinger friktion i agentic handelsflowet?

Friktion opstår i tre områder: berettigelse, godkendelse og arbejdsgang. En shopper kan finde det rigtige produkt via AI, men processen kan fejle, hvis betalingsmuligheden kræver en kreditbeslutning, resulterer i uforudsigelig godkendelse eller kræver en separat ansøgning eller godkendelse.

Dette er gapet mellem opdagelse og konvertering. AI driver allerede høj-intent retail-trafik, men betalingsinfrastrukturen ligger efter. Muligheden er der. Udfordringen er at gøre købsgennemførelse lige så sammenhængende som opdagelse.

Mange handlere afhænger i dag af Buy Now Pay Later-markedspladser. Hvordan adskiller en card-baseret installment-model sig fra traditionelle Buy Now Pay Later-platforme, når de integreres i AI-drevne købsrejser?

Vores card-baserede installment-model bruger forbrugernes eksisterende kredit, hvorimod traditionel BNPL ofte beder shopperen om at ansøge om ny kredit på salgstidspunktet. Denne forskel betyder noget i AI-drevne købsrejser, fordi hver ny kreditbeslutning introducerer risikoen for en afvisning. Når det sker for ofte, begynder AI-agenten at nedprioritere handlere.

Traditionel BNPL kræver flere trin og nye mærker. Vores model holder handlere i kontrol og sikrer, at shoppere bruger troværdige kort, hvilket reducerer usikkerhed for AI-agenter.

Set fra et teknisk synspunkt, bliver checkout-optimering mindre vigtig end godkendelsesforudsigelighed i et agentic miljø?

Checkout-optimering betyder noget, men godkendelsesforudsigelighed betyder mere. Med andre ord, en klar, enkel købsflow hjælper stadig, men betalingsgodkendelse driver i sidste ende udfaldet. I traditionel handel fokuserede virksomheder på front-end-effektivitet, fordi menneskelige shoppere håndterede hvert trin selv. I agentic handel håndterer AI-agenter meget af denne navigation.

Det svære problem er, om betalingen vil blive godkendt på en stabil, lav-friktionsmåde. Hvis godkendelsesprocessen – processen, hvormed banker eller betalingsnetværk godkender en transaktion – er utroværdig, løser en smukt designed checkout ikke det virkelige problem. I dette miljø bliver godkendelsesforudsigelighed en del af handelspræstation, ikke kun betalingsoperationer.

Da autonome agenter begynder at træffe købsbeslutninger på vegne af forbrugere, hvilke nye overholdelses- eller reguleringsovervejelser skal finansielle teknologivirksomheder forberede sig på?

Samtykke er afgørende. Virksomheder må definere agentmyndighed og klargøre godkendelseskrav.

Ansvarlighed følger. Der må være klare revisioner for agentkøb og grænseoverskridelser.

Kontrol er essentiel. Virksomheder har brug for robuste tilladelser, grænser og undtagelseslogik.

Ifølge min mening må betalingslaget aktivere agentkøb og sikre ansvarlighed. Dette kræver robust sikkerhed, klart godkendelse og veldefineret samtykke. Da mennesker træder længere væk fra transaktioner, bliver stærk styring på betalingslaget fundamentalt for at opbygge tillid til agentic handel.

Hvordan påvirker installments AI-anbefalingsmotorer anderledes end traditionelle checkout-valgmuligheder? Ændrer ændring af betalingsmuligheder meningsfuldt, hvordan agenter rangerer eller prioriterer produkter?

Traditionel checkout vises efter produktvalg. Installments påvirkes tidligere af ændring af betalingsmuligheder. Produkter, der er uden for rækkevidde ved fuld pris, bliver mulige med forudsigelige card-baserede installments. Dette ændrer, hvordan AI-agenter rangerer muligheder: de vurderer ikke kun produktets funktioner og pris, men også, om shopperen realistisk kan gennemføre købet.

Hvilke signaler eller metrikker overvåger De for at bestemme, om agentic handel bevæger sig fra eksperimenter til skaleret adoption?

Fem signaler kan indikere, når agentic handel bevæger sig fra nytænkning til en skalerbar kanal, der omformer transaktioner.

Først overvåg andelen af handelstrafik drevet af AI-drevne shoppingrejser. Det viser, om forbrugere adopterer teknologien, ikke kun tester den.

Andet overvåg konverteringskvaliteten. Det betyder, at AI-drevne sessioner konverterer til meningsfulde rater, ikke kun genererer klik.

Tredje overvåg, om betalingsmetoder med større godkendelsessikkerhed vinder en andel af anbefalinger. Det ville vise, at betalings sikkerhed former agentadfærd.

Fjerde overvåg, om der er dybere integration. Når handlere, platforme og betalingsudbydere integrerer betalinger direkte i agentic arbejdsgange, omdanner de eksperimenter til infrastruktur.

Femte overvåg højere godkendelsesrater, konverteringsrater og gennemsnitlig ordreværdi, når betalingsmuligheder er bygget ind i anbefalinger.

Set fremad, ser De agent-drevne transaktioner udvide sig beyond e-handel til områder som B2B-indkøb eller abonnementsstyring?

E-handel er kun det første skridt, ikke det sidste. Agenter tilføjer værdi til enhver købsproces med faste regler og budgetter. B2B-indkøb og abonnementsstyring er oplagte eksempler.

Alt dette afhænger af et betalingslag, som virksomhederne stoler på, forbinder til og integrerer. Det er derfor, Splitit understøtter åbne standarder som Googles Universal Commerce Protocol for at aktivere rigtige agentic transaktioner på tværs af kategorier.

Tak for det gode interview, enhver, der ønsker at lære mere, skal besøge Splitit.