Nandan Sheth, administrerende direktør for Splitit – Interviewserie

Nandan Sheth, CEO for Splitit, er en erfaren fintech‑leder og iværksætter med dyb ekspertise inden for betalinger, digital handel og finansiel infrastruktur. Han har ledet virksomheden siden 2022 og sidder også i bestyrelsen. Før han kom til Splitit tilbragte han fem år hos Fiserv som Head of Carat & Digital Commerce, hvor han var med til at forme moderne betalingsøkosystemer, og han var medstifter af Acculynk, som banede vejen for sikre online betalingsautentificeringsteknologier. Hans karriere omfatter også ledelsesroller hos American Express efter opkøbet af Harbor Payments, et firma han medstiftede og skalerede til en stor elektronisk faktureringsplatform. I mere end to årtier har Sheth konsekvent fokuseret på at udvikle betalingsinnovationer, der reducerer friktion, øger sikkerheden og forbedrer handelsøkonomien, hvilket gør ham i stand til at lede Splitits udvikling til en næste‑generations “køb nu, betal senere” infrastrukturudbyder.

Splitit er en fintech‑virksomhed, der fokuserer på at omdanne “køb nu, betal senere” (BNPL) til et handels‑først infrastruktur‑lag i stedet for et forbruger‑rettet låneprodukt. Gennem sin platform gør virksomheden det muligt for kunder at opdele køb i afdrag ved hjælp af deres eksisterende kreditkort, uden behov for nye lån, kreditkontroller eller lange ansøgningsprocesser. Dens kerneinnovation ligger i en hvid‑label “Installments-as-a-Service”‑model, der gør det muligt for forhandlere at integrere BNPL fuldt ud i deres egen checkout‑oplevelse, samtidig med at de bevarer ejerskabet af kundeforhold og data, mens konverteringsrater og gennemsnitsordreværdi forbedres. Ved at udnytte eksisterende kreditkortnetværk og integrere direkte i forhandleres systemer via en enkelt API, positionerer Splitit sig som et lav‑risiko, mere sømløst alternativ til traditionelle BNPL‑udbydere, i overensstemmelse med stigende regulatorisk kontrol og samtidig tilbyde en friktionsfri, brand‑kontrolleret betalingsoplevelse.

Du har bygget og solgt flere betalingsvirksomheder, herunder Harbor Payments og Acculynk. Hvordan har den erfaring formet dit perspektiv på, hvorfor betalingssikkerhed kan blive den afgørende faktor i stigningen af agentisk handel?

Min karriere har fokuseret på betalingslaget, den del af handelen, som få bemærker, medmindre den fejler. Jeg har lært, at opdagelse får opmærksomhed, men autorisation muliggør i sidste ende indtægter.

I agentisk handel, hvor AI‑agenter påvirker indkøb, foretrækker agenter betalingsmetoder, der er forudsigelige, hurtige og sandsynlige at blive godkendt. Usikkerhed omkring betaling skaber friktion og kan få agenter til at undgå visse forhandlere eller produkter. Betalingssikkerhed skifter fra en bagvedliggende bekymring til en nøglefaktor i anbefalingerne.

Splitit lancerede for nylig sit Agentic Commerce Partner Program. Hvordan adresserer indlejring af kort‑baserede afdrag i autonome AI‑shopping‑agenter den betalingsusikkerheds‑flaskehals, som du mener begrænser konverteringen i dag?

Ved at indlejre kort‑baserede “pay‑later”‑funktioner i autonome shopping‑agenter flytter Splitits Agentic Commerce Partner Program afdragsbetalinger længere op i AI‑rejsen, ikke kun ved checkout. Dette giver agenten mulighed for at vurdere overkommelighed og betalingspasning, mens den indsnævrer muligheder og beslutter, hvad der skal købes.

En anden fordel er, at vores model bruger eksisterende kort og netværk, hvilket gør betalingerne mere pålidelige og lettere for AI‑agenter. Dette løser en stor udfordring: mange konverteringer fejler på grund af betalingsusikkerhed frem for produktpasning. Hvis forbrugerne skal ansøge om ny kredit eller vente på godkendelse, bryder processen sammen. Ved at trække på eksisterende kredit fremskyndes processen.

På praktisk plan, hvordan gør dit program det muligt for AI‑agenter at indregne overkommelighed i anbefalingerne ved hjælp af eksisterende kort og betalingsnetværk, uden at kræve nye kreditansøgninger eller kontooprettelse?

Splitit gør det muligt for agenten at omdanne den samlede købspris til en månedlig betaling ved hjælp af et kort, som kunden allerede har. Det er markant anderledes end at skubbe nogen ind i en separat låne‑flow.

Kunden bruger sit eksisterende kort uden at indgive en ny ansøgning, åbne en ny konto eller forlade siden til en tredjepart. Afdragsplanen forbliver inden for kundens nuværende bankforhold, hvilket bringer overkommelighed ind i beslutningsprocessen tidligere og hjælper AI‑agenter med at vurdere ikke kun et produkts funktioner og pris, men også om kunden realistisk kan fuldføre købet.

Du argumenterer for, at AI‑drevet opdagelse allerede er foran konverteringen. Hvor specifikt skaber betalinger friktion i den agentiske handels‑flow?

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

Dette er kløften mellem opdagelse og konvertering. AI driver allerede høj‑intentionel detailtrafik, men betalingsinfrastrukturen halter bagefter. Muligheden er der. Udfordringen er at gøre købsafslutning lige så sømløs som opdagelsen.

Mange forhandlere benytter i dag “Buy Now Pay Later” markedspladser. Hvordan adskiller en kort‑baseret afdragsmodel sig fra traditionelle BNPL‑platforme, når den integreres i AI‑drevede købsrejser?

Vores kort‑baserede afdragsmodel bruger forbrugerens eksisterende kredit, mens traditionel BNPL ofte kræver, at kunden ansøger om ny kredit på tidspunktet for salget. Den forskel betyder noget i AI‑drevede købsrejser, fordi hver ny kreditbeslutning introducerer risikoen for afslag. Når det sker for ofte, begynder AI‑agenten at nedprioritere forhandlere.

Traditionel BNPL kræver flere trin og nye mærker. Vores model holder forhandlere i kontrol og sikrer, at kunder bruger betroede kort, hvilket reducerer usikkerhed for AI‑agenter.

Set fra et teknisk perspektiv, bliver checkout‑optimering mindre vigtig end autorisations‑forudsigelighed i et agentisk miljø?

Checkout‑optimering betyder noget, men autorisations‑forudsigelighed betyder mere. Med andre ord hjælper en klar, enkel købsflow stadig, men betalingsgodkendelse driver i sidste ende resultatet. I traditionel handel fokuserede virksomheder på front‑end‑effektivitet, fordi menneskelige kunder håndterede hvert trin selv. I agentisk handel håndterer AI‑agenter meget af den navigation.

Det sværere problem er, om betalingen vil blive godkendt på en stabil, lav‑friktions måde. Hvis autorisationsvejen – processen hvor banker eller betalingsnetværk godkender en transaktion – er upålidelig, løser en smukt designet checkout ikke det reelle problem. I dette miljø bliver autorisations‑forudsigelighed en del af handels‑præstationen, ikke kun betalingsdriften.

Efterhånden som autonome agenter begynder at træffe købsbeslutninger på vegne af forbrugere, hvilke nye overholdelses‑ eller regulatoriske overvejelser bør fintech‑virksomheder forberede sig på?

Samtykke er centralt. Virksomheder skal definere agentens autoritet og tydeliggøre godkendelseskrav.

Ansvar følger. Der skal være klare revisioner af agent‑køb og grænseoverskridelser.

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

Efter min mening skal betalingslaget muliggøre agent‑køb og sikre ansvarlighed. Det kræver robust sikkerhed, klar autorisation og veldefineret samtykke. Efterhånden som mennesker træder længere væk fra transaktionerne, bliver stærk styring i betalingslaget grundlæggende for at opbygge tillid i agentisk handel.

Hvordan påvirker afdrag AI‑anbefalingsmotorer anderledes end traditionelle checkout‑muligheder? Ændrer ændring af overkommelighed væsentligt, hvordan agenter rangerer eller prioriterer produkter?

Traditionel checkout vises efter produktvalg. Afdrag påvirker tidligere ved at ændre overkommelighed. Produkter, der er uden for rækkevidde ved fuld pris, bliver mulige med forudsigelige kort‑baserede afdrag. Dette ændrer, hvordan AI‑agenter rangerer muligheder: de overvejer ikke kun produktpasning, men også den realistiske evne til at købe.

Hvilke signaler eller metrics holder du øje med for at afgøre, om agentisk handel bevæger sig fra eksperiment til skaleret adoption?

Fem signaler kan indikere, hvornår agentisk handel går fra nyhed til en skalerbar kanal, der omformer transaktioner.

For det første, overvåg andelen af handels‑trafik, der drives af AI‑baserede shopping‑rejser. Det viser, om forbrugerne adopterer teknologien, ikke kun tester den.

For det andet, hold øje med konverteringskvaliteten. Det er vigtigt, at AI‑drevede sessioner konverterer med meningsfulde rater, ikke kun genererer klik.

For det tredje, spor om betalingsmetoder med højere autorisations‑tillid får en større andel af anbefalingerne. Det ville vise, at betalingssikkerhed former agent‑adfærden.

For det fjerde, kig efter dybere integration. Når forhandlere, platforme og betalingsudbydere indlejrer betalinger direkte i agent‑arbejdsgange, omdanner de eksperiment til infrastruktur.

For det femte, observer højere godkendelsesrater, konverteringsrater og gennemsnitsordreværdi, når overkommelighed er indbygget i anbefalingerne.

Ser du fremad, at agent‑drevne transaktioner vil udvide sig ud over e‑handel til områder som B2B‑indkøb eller abonnementsstyring?

E‑handel er det første skridt, ikke det sidste. Agenter tilføjer værdi til enhver købsproces med fastsatte regler og budgetter. B2B‑indkøb og abonnementsstyring er åbenlyse eksempler.

Alt dette hviler på et betalingslag, som virksomheder stoler på, forbinder til og indlejrer. Derfor understøtter Splitit åbne standarder som Googles Universal Commerce Protocol for at muliggøre ægte agentisk transaktion på tværs af kategorier.

Tak for det fantastiske interview, alle der ønsker at lære mere bør besøge Splitit.