Aurélien Bonnel, CTO och grundare av N3XT – Intervjuserie

Aurélien Bonnel, Chief Technical Officer och grundare av N3XT, är en finansiell teknikchef och ingenjör med mer än 14 års erfarenhet av att bygga säker, realtidsbank- och betalningsinfrastruktur samt infrastruktur för kapitalmarknader. Innan han grundade N3XT hade han seniora ingenjörsroller på Deutsche Bank, Nimbla, Symbiont och SADA, och hjälpte till att utveckla blockchain‑betalningsinfrastrukturen som används av Signature Banks Signet‑plattform. Hans karriär har fokuserat på att modernisera finansiella system genom molnbaserad arkitektur, blockchain, automatisering och skalbar betalningsteknik.

N3XT är en fullreserverad bank byggd kring modern infrastruktur för omedelbara, programmerbara business‑to‑business‑betalningar i amerikanska dollar. Till skillnad från konventionella banker lånar N3XT inte kundernas insättningar; insättningarna backas av kontanter eller kortfristiga amerikanska statsobligationer. Företaget expanderar också in i skärningspunkten mellan bankverksamhet och AI genom N3XT MCP, ett system baserat på Model Context Protocol som är utformat för att koppla AI‑agenter och assistenter till levande bankdata samtidigt som befintliga behörigheter och efterlevnadskontroller bevaras. Detta kan möjliggöra AI‑drivna arbetsflöden för betalningsförberedelse, rapportering, finansiell övervakning och andra uppgifter inom företagsfinans.

Din karriär har tagit dig från prissättnings‑ och högfrekvent handelsteknik på Deutsche Bank till att bygga blockchain‑betalningsinfrastruktur, leda ingenjörsteamet på Symbiont och slutligen medgrunda N3XT. Vilka problem återkom regelbundet i dessa roller och övertygade dig om att en ny typ av bank behövde byggas från grunden?

Oavsett min personliga bakgrund kan alla se de problem som ledde till skapandet av N3XT. Vi känner alla till problemet med att betalningar görs på en fredag, men först landar på mottagarens bankkonto på följande tisdag. Det “tillgängliga saldot” på det kontot skiljer sig från det visade saldot eftersom de “mottagna” betalningarna ännu inte har avvecklats och därför inte är användbara.

Jag undrade varför. Vem gynnas av alla dessa fördröjningar? Det visar sig vara bankerna. Varje dag av fördröjning är ränta som de tjänar på sina kunders bekostnad. Bankerna har haft tillgång till samma teknik som N3XT använder i åratal, men de har inte antagit den – kanske för att den skulle avslöja deras affärsmodell.

Allt detta gjorde det tydligt för mig att det enda sättet att åtgärda detta system är att skapa en radikalt ny modell, byggd från grunden, med nya idéer: En smal grund, där en bank inte lånar ut och avvecklar betalningar omedelbart.

N3XT MCP är utformat för att koppla AI‑assistenter direkt till levande bankdata och arbetsflöden. Vad möjliggör Model Context Protocol som inte kan uppnås lika effektivt genom konventionella bank‑API:er, företagsintegrationer eller robotisk processautomatisering?

Först är det värt att notera att N3XT MCP inte ersätter vår befintliga API‑infrastruktur, utan är beroende av den. Vi behövde en mogen och robust API‑infrastruktur på plats innan vi kunde skapa N3XT MCP. Våra API:er (som du kan läsa mer om här) förblir kärnan för att hantera åtkomst till levande kontodata och arbetsflöden.

Det är i hur AI‑modeller interagerar med detta som Model Context Protocol (MCP) förändrar saker.

Först kräver API:er utvecklarskrivna, hårdkodade integrationer för varje användningsfall. MCP fungerar däremot som ett standardgränssnitt som tillåter AI‑modeller att upptäcka och använda våra bankverktyg och data i realtid. På så sätt minskar AI‑assistenter friktionen eftersom de kan fråga systemet och påbörja godkända arbetsflöden enklare.

För det andra automatiserar Robotic Process Automation (RPA) repetitiva uppgifter genom definierade regler, men faller samman så snart den stöter på något oväntat. Bankinteraktioner med MCP möjliggör däremot realtidskontext så att modellen kan resonera kring komplexa uppgifter utan att förlita sig på fast logik. En användare kan ställa en flerstegsfråga, eller be AI‑assistenten att beakta bankdata i samband med en annan datamängd som vanligtvis ligger utanför bankens synfält.

Istället för att bygga skräddarsydda integrationer för varje ny AI‑assistent eller verktyg i företagets stack, erbjuder MCP en enhetlig standard. Du exponerar funktionen en gång via MCP, och vilken kompatibel AI‑modell som helst kan säkert interagera med den.

I slutändan tillhandahåller våra API:er exekveringsmotorn, men MCP ger språket som låter AI‑assistenter att säkert och exakt arbeta med miljön i realtid.

Plattformen erbjuder styrda läs‑ och skrivfunktioner, vilket gör att AI‑assistenter kan analysera transaktioner, stämma av aktivitet och förbereda betalningar. Vad kan en AI‑agent göra självständigt idag, och vilka åtgärder måste fortfarande gå igenom mänskligt godkännande?

För treasury‑hantering och bankverksamhet är hastighet viktigt, men säkerhet och efterlevnad är icke‑förhandlingsbara. N3XT MCP fungerar som en styrd skyddsräcke, vilket säkerställer att samma skyddsåtgärder som är avsedda för människor förhindrar att en AI‑agent vidtar oauktoriserade åtgärder.

Här är hur den balansen fungerar i praktiken:

AI‑agenter ärver åtkomstbehörigheterna från sin användare. Om du bara har insyn i en liten grupp plånböcker, kommer de agenter du bygger ha samma insyn. Så agenten kan endast operera och genomföra analyser inom sitt åtkomstområde.

Mer specifikt kan en agent övervaka och analysera levande kontoflöden för att utvärdera kassapositioner och förstå kontext över olika datakällor, samt automatiskt matcha inkommande betalningar mot fakturor, flagga fel och identifiera avvikelser. Detta är alla saker som en AI‑agent kan göra självständigt idag.

Men när handlingen går från att förbereda data till att genomföra betalningar, säkerställer ett extra lager av styrning och behörigheter att agentens åtgärder följer befintliga maker/checker‑arbetsflöden. På så sätt kan betalningar som kräver sekundärt godkännande initieras av en agent, men de måste gå till den sekundära mänskliga godkännaren för slutgiltig auktorisation innan några pengar flyttas. Det är också värt att påpeka att ingen agent kan ändra godkännandepolicyer eller styrvägar. Det ligger utanför deras ansvarsområde.

Så vi tillåter maximal autonomi och analys utan risken att någonsin kompromettera befintliga styrnings- och efterlevnadsarbetsflöden.

Kort sagt, AI kan ge dig 100 % av de insikter du söker och nästan hela vägen till dina betalningsbehov, men när det gäller att faktiskt genomföra betalningar, överföringar och flytta pengar, finns maker/checker‑arbetsflöden fortfarande för att säkerställa att varje transaktion kontrolleras och godkänns av en människa innan någon åtgärd vidtas.

Att låta ett AI‑system interagera med ett företagsbankkonto medför betydande säkerhets- och driftsrisker. Hur säkerställer N3XT att en agent inte kan överskrida en användares behörigheter, få åtkomst till en obehörig plånbok eller initiera en felaktig transaktion?

Säkerhet i AI handlar inte om att lita på att modellen beter sig, utan om att konstruera system så att även om modeller gör misstag, förhindrar systemarkitekturen att en obehörig åtgärd verkställs.

Vi byggde N3XT MCP med en Zero‑Trust‑filosofi av den anledningen, så en AI‑agent aldrig kan ha en “super‑user”-nyckel eller oberoende åtkomsträttigheter. När en person ansluter till N3XT MCP ärver AI‑agenten den användarens åtkomstbehörigheter. Om en användare inte har behörighet att se en specifik plånbok, eller att skapa betalningar över ett visst dollarbelopp, har agenten samma begränsningar. Punkt.

N3XT MCP erbjuder också en begränsad uppsättning funktioner till AI‑agenter. Att ändra behörigheter är inte en av dessa funktioner. Faktum är att det inte ens är möjligt via API att ändra behörigheter och arbetsflöden. Detta gör det omöjligt för en agent att någonsin göra en förändring inom detta område.

Slutligen verkställs regler som maker/checker‑arbetsflöden på plånboksnivå, inte på användarnivå. Detta innebär att en agent aldrig kan kringgå nödvändiga sekundära mänskliga godkännanden.

N3XT säger att dess befintliga maker‑och‑godkännare‑arbetsflöden förblir i kraft när kunder använder AI‑assistenter. Hur bevarar du ansvarsskyldighet och en tydlig revisionsspår när en finansiell åtgärd kan involvera en anställd, en AI‑modell och flera automatiserade system?

När flera enheter – en människa, en AI‑modell och backend‑system – berör en finansiell transaktion räcker standard‑API‑loggning inte. För revisionsspårning måste vi veta inte bara vad som hände, utan vem som initierade det, vad AI:n resonerade, och vem som godkände det.

Vi upprätthåller absolut ansvarsskyldighet genom att säkerställa att varje begäran från N3XT MCP innehåller en tagg som länkar den mänskliga användarens session, den specifika AI‑interaktions‑ID:n och backend‑verktygsanropet. Om en AI‑agent utarbetar en betalning loggar vi vilken anställd som gav kommandot, sessionen och de verktyg som AI‑modellen använde. Det finns inga anonyma åtgärder i våra loggar.

När en AI‑agent agerar som “maker” genom att förbereda en betalning kan den inte självauktorisera utförandet. Den förberedda transaktionen skjuts in i bankens standard‑maker/checker‑kö. När den mänskliga “checkern” granskar och godkänner utbetalningen, signerar deras personliga autentiseringstoken den slutgiltiga åtgärden. Ansvarsskyldigheten bevaras.

Vilka initiala användningsfall genererar det starkaste intresset från företags‑treasury‑team och handelsorganisationer: avstämning, likviditetsövervakning, avvikelsedetektion, betalningsförberedelse, rapportering eller något annat?

Varje finansavdelning vill ha end‑to‑end‑automatisering, men trots det är företags‑treasurers och handelsdeskarna ganska pragmatiska. Ingen vill börja med de komplexa och riskfyllda arbetsflödena; de börjar där deras operativa smärta är störst och risken lägst.

Just nu är den största efterfrågan på rapportering. Treasury‑team är redan överväldigade av data, och den är fragmenterad över flera banker och partners, vilket gör det svårt att rationalisera. De använder redan AI‑assistenter för att hjälpa dem se helheten, men för närvarande måste de logga in på olika portaler för att ladda ner positioner och uttalanden. Med N3XT MCP behövs ingen inloggning för N3XT och de kan istället föra en konversation med sina positioner.

Vi förväntar oss att betalningsförberedelse blir nästa användningsfall. Vi ser redan ett initialt intresse för detta, och jag förväntar mig att vi kommer att se mycket skapande av betalningsflöden på kort sikt.

N3XT fungerar som en fullreserverad smalbank som inte lånar ut och backar insättningar en‑till‑en med kontanter eller kortfristiga amerikanska statsobligationer. varför är denna modell särskilt lämpad för programmerbara betalningar och AI‑drivna finansiella operationer, och hur bör kunder utvärdera dess skydd jämfört med konventionell FDIC‑försäkrad bankverksamhet?

AI är en accelerator för finans, men svaret på denna fråga handlar inte bara om AI, utan om avveckling. Traditionella banker byggdes för en värld som rörde sig långsamt. De förlitar sig på en flödesperiod på flera dagar för att hantera och tjäna på skillnaderna mellan operativa insättningar och bankens kommersiella lån.

Införandet av realtids‑ och 24/7‑avvecklingskrav, oavsett om de introduceras av en person eller en AI‑agent, avslöjar en brist i det fraktionella reservsystemet: för att omedelbart avveckla medel måste du ha medlen tillgängliga. I en värld där betalningshastigheten ökar, behöver bankerna en lika stor eller större ökning av reserverna för att säkerställa att dessa medel är tillgängliga.

Vi tror att 24/7‑avveckling inte kan samexistera säkert med långsiktig skuldförbindelse på en enda balansräkning. Vår smalbankmodell separerar de två och säkerställer att vi förblir likvida, fullt backade och isolerade från kreditriskerna i en utlåningsavdelning.

När företags‑treasurers jämför vår smalbank‑fullreserveringsmodell med FDIC‑försäkring bör de överväga hur ”säkerheten” levereras. FDIC‑försäkring har ett tak på 250 000 USD. För företag som hanterar miljoner lämnar det nästan hela deras operativa kapital exponerat för bankens underliggande utlånings- och balansrisker.

Full‑Reserve‑Smalbankverksamhet förlitar sig inte alls på försäkring eftersom vi inte lånar ut. Oavsett om ditt saldo är 100 000 USD eller 100 miljoner, lånar vi aldrig ut ditt kapital så du vet att det finns där för att stödja dina verksamheter och betalningsbehov. Vi tror att detta är vad som krävs för en 24/7‑instant‑avvecklingsekonomi.

N3XT har också introducerat N3XT Digital Dollar, en bankutfärdad tokeniserad insättning avsedd för dygnet‑runt‑avveckling. Hur kommer N3XT MCP att interagera med tokeniserade insättningar, stablecoins och traditionella amerikanska dollar‑betalningsvägar inom samma treasury‑arbetsflöde?

Först är det värt att klargöra en punkt om vår modell. N3XT är specifikt byggt för att stödja 24/7 B2B‑betalningar med atomär avveckling. Äldre betalningsvägar var inte designade för atomär avveckling, så de interagerar inte där. Det var ett medvetet val.

Vi har spenderat två år på att bygga ett modernt, blockchain‑baserat kärnbankssystem. Detta inkluderar en privat, behörig kedja där kunder transakterar i dollar för att göra betalningar med andra N3XT‑kunder på nätverket, samt offentlig kedja‑åtkomst där många av våra kunder redan transakterar. Den offentliga kedjan är där de kan transaktera med N3XT Digital Dollar (NDD).

MCP låter AI‑assistenter orkestrera arbetsflöden mellan dessa två miljöer. Till exempel att kontrollera NDD‑balanser i en kunds offentliga plånböcker, och sedan köra en sweep mellan plånböckerna om det behövs, eller att överföra medel från en privat plånbok till en offentlig NDD‑plånbok – allt medan man följer styrningsarbetsflöden.

Alltså erbjuder MCP ett styrt gränssnitt för att operera över N3XT:s 24/7‑digitala arkitektur, både för USD och NDD.

Mycket av värdet av en öppen standard beror på interoperabilitet. Vilka AI‑assistenter, företagssystem och treasury‑plattformar kan för närvarande ansluta till N3XT MCP, och hur förhindrar du att kunder blir beroende av en enda modellleverantör eller proprietärt gränssnitt?

Anledningen till att vi byggde på Model Context Protocol (MCP) istället för att släppa ett eget SDK var att möjliggöra interoperabilitet. Våra kunder använder de verktyg de använder, och i AI‑åldern kan de till och med byta oftare än tidigare.

Eftersom MCP är en öppen specifikation ansluter N3XT MCP direkt till vilken AI‑värdmiljö en kund redan litar på, såsom Cursor, Anthropic, OpenAI eller Gemini. Det erbjuder också inbyggd kompatibilitet med orkestreringsramverk som LangChain och AutoGen. När det gäller företagsystem som ERP:er, om dessa system har byggt inbyggda MCP‑anslutningar, kan kunder också arbeta över plattformar från sin valda AI‑plattform.

Så med MCP ger vi kunder mer frihet. Om de bestämmer sig för att byta AI‑leverantör, eller vill byta modeller till det senaste och bästa, behöver de inte bygga om några anslutningar. De pekar helt enkelt den nya AI‑modellen mot N3XT MCP‑servern och är igång.

N3XT beskriver denna lansering som ett tidigt steg mot autonom företagskapitalhantering. Hur autonom bör företagsfinans realistiskt bli, och vilka tekniska, regulatoriska och kulturella hinder måste lösas innan företag låter AI‑agenter hantera betydande mängder kapital?

Målet med autonom finans är inte att skapa en ”ställ in och glöm bort”‑svart låda som flyttar pengar utan mänsklig tillsyn. Oövervakad autonomi är inte innovation; det är ett ansvar.

Mer realistiskt bör företagsfinans utvecklas mot engagerad autonomi: AI‑agenter som utför dataanalys, övervakning och arbetsflöden, medan affärsledare och finansteam skiftar från manuell verkställighet till policy‑sättning, strategi och godkännanden.

För att öka företagsförtroendet och ge AI‑agenter åtkomst och styrd kontroll över betalningar och operativt kapital måste frågor kring identitet och ansvarsskyldighet lösas.

Vem är ansvarig om en AI‑modell misstolkar en faktura och utlöser en felaktig utbetalning? Vårt maker/checker‑modell arbetar för att förhindra att detta sker.

Kulturellt är vi fortfarande i ett tidigt skede av övergången till agentisk finans. När AI tar på sig större operativa roller tror jag att agentisk identitet kommer att bli ett ämne av ökande betydelse och fokus eftersom förtroende – för människor eller för AI – kräver ansvarsskyldighet.

Tack för den fantastiska intervjun, läsare som vill lära sig mer bör besöka N3XT.