Nandan Sheth, VD för Splitit – Intervjuserie

Nandan Sheth, VD för Splitit, är en erfaren fintech-chef och entreprenör med djup expertis inom betalningar, digital handel och finansiell infrastruktur, och har lett företaget sedan 2022 samtidigt som han sitter i styrelsen. Före Splitit tillbringade han fem år på Fiserv som Head of Carat & Digital Commerce, där han bidrog till att forma moderna betalnings‑ekosystem, och grundade tidigare Acculynk, som var pionjär inom säkra online‑betalningsautentiseringstekniker. Hans karriär inkluderar även ledande roller på American Express (AXP ) efter förvärvet av Harbor Payments, ett företag han medgrundade och utvecklade till en stor plattform för elektronisk fakturering. Under mer än två decennier har Sheth konsekvent fokuserat på att bygga betalningsinnovationer som minskar friktion, förbättrar säkerheten och förbättrar handlares ekonomi, vilket placerar honom för att leda Splitits utveckling till en nästa generations köp nu, betala senare‑infrastrukturleverantör.

Splitit är ett fintech-företag som fokuserar på att omvandla köp nu, betala senare (BNPL) till ett infrastrukturlager med handlare i första hand snarare än en konsumentinriktad låneprodukt. Genom sin plattform möjliggör företaget för kunder att dela upp köp i delbetalningar med sina befintliga kreditkort, vilket eliminerar behovet av nya lån, kreditupplysningar eller långa ansökningar. Dess kärninnovation ligger i en white-label-modell “Installments-as-a-Service” som låter handlare fullt integrera BNPL i sin egen kassa, behålla ägandet av kundrelationer och data samtidigt som konverteringsgrader och genomsnittligt ordervärde förbättras. Genom att utnyttja befintliga kreditkorts nätverk och integrera direkt i handlarens system via ett enda API positionerar sig Splitit som ett lägre riskalternativ, mer sömlöst än traditionella BNPL-leverantörer, i linje med ökande regulatorisk granskning samtidigt som de erbjuder en friktionsfri, varumärkesstyrd betalningsupplevelse.

Du har byggt och sålt flera betalningsföretag, inklusive Harbor Payments och Acculynk. Hur har den erfarenheten format ditt perspektiv på varför betalningssäkerhet kan bli den avgörande faktorn i uppkomsten av agentbaserad handel?

Min karriär har fokuserat på betalningslagret, den del av handeln som få märker av förrän den misslyckas. Jag har lärt mig att upptäckt får uppmärksamhet, men auktorisation möjliggör i slutändan intäkter.

I agentbaserad handel, där AI‑agenter påverkar shopping, föredrar agenter betalningsmetoder som är förutsägbara, snabba och sannolikt godkända. Betalningsosäkerhet skapar friktion och kan leda agenter att undvika vissa handlare eller produkter. Betalningssäkerhet förflyttar sig från ett bakgrundsproblem till en nyckelfaktor i rekommendationer.

Splitit lanserade nyligen sitt Agentic Commerce Partner Program. Hur adresserar inbäddning av kortkopplade delbetalningar i autonoma AI‑shoppingagenter flaskhalsen i betalningssäkerhet som du tror begränsar konverteringen idag?

Genom att inbädda kortkopplade betala‑senare‑funktioner i autonoma shoppingagenter flyttar Splitits Agentic Commerce Partner Program delbetalningsköp uppströms i AI‑resan, inte bara i kassan. Detta låter agenten utvärdera betalningsförmåga och betalningspassning medan den begränsar alternativ och beslutar vad som ska köpas.

En annan fördel är att vår modell använder befintliga kort och nätverk, vilket gör betalningar mer pålitliga och enklare för AI‑agenter. Detta löser en stor utmaning: många konverteringar misslyckas på grund av betalningsosäkerhet snarare än produktpassning. Om konsumenter måste ansöka om ny kredit eller vänta på godkännande, bryts processen. Att utnyttja befintlig kredit snabbar upp processen.

I praktiska termer, hur låter ditt program AI‑agenter att ta hänsyn till betalningsförmåga i rekommendationer med befintliga kort och betalningsnätverk, utan att kräva nya kreditansökningar eller kontoskapande?

Splitit låter agenten omvandla ett totalt inköpspris till en månatlig betalning med ett kort som kunden redan har. Det är kraftigt annorlunda än att driva någon in i ett separat låneflöde.

Kunden använder sitt befintliga kort utan att lämna in en ny ansökan, öppna ett nytt konto eller lämna för en tredje parts webbplats. Delbetalningsplanen förblir inom kundens nuvarande bankrelation, vilket tar med betalningsförmåga tidigare i beslutsprocessen och hjälper AI‑agenter att bedöma inte bara en produkts funktioner och pris utan även om kunden realistiskt kan slutföra köpet.

Du hävdar att AI‑driven upptäckt redan ligger före konvertering. Var specifikt skapar betalningar friktion i den agentbaserade handelsflödet?

Friktion uppstår i tre områden: behörighet, auktorisation och arbetsflöde. En kund kan hitta rätt produkt via AI, men processen kan misslyckas om betalningsalternativet kräver ett kreditbeslut, resulterar i oförutsägbar auktorisation eller kräver en separat ansökan eller godkännande.

Detta är klyftan mellan upptäckt och konvertering. AI driver redan högintentionell detaljhandels trafik, men betalningsinfrastrukturen släpar efter. Möjligheten finns. Utmaningen är att göra köpslutförandet lika sömlöst som upptäckten.

Många handlare förlitar sig idag på Köp nu, betala senare‑marknadsplatser. Hur skiljer sig en kortbaserad delbetalningsmodell från traditionella Köp nu, betala senare‑plattformar när den integreras i AI‑drivna köpresor?

Vår kortbaserade delbetalningsmodell använder konsumentens befintliga kredit, medan traditionell BNPL ofta ber kunden ansöka om ny kredit vid köptillfället. Den skillnaden är viktig i AI‑drivna köpresor eftersom varje nytt kreditbeslut introducerar risken för ett avslag. När det händer för ofta börjar AI‑agenten nedprioritera handlare.

Traditionell BNPL kräver fler steg och nya varumärken. Vår modell låter handlare behålla kontrollen och säkerställer att kunder använder betrodda kort, vilket minskar osäkerheten för AI‑agenter.

Ur ett tekniskt perspektiv, blir kassaoptimering mindre viktig än förutsägbar auktorisation i en agentbaserad miljö?

Kassaoptimering är viktigt, men förutsägbar auktorisation är viktigare. Med andra ord, ett tydligt, enkelt köpsflöde hjälper fortfarande, men betalningsgodkännande driver i slutändan resultatet. I traditionell handel fokuserade företag på front‑end‑effektivitet eftersom mänskliga kunder hanterade varje steg själva. I agentbaserad handel hanterar AI‑agenter mycket av den navigeringen.

Det svårare problemet är om betalningen kommer att godkännas på ett stabilt, lågt friktionssätt. Om auktorisationsvägen – processen genom vilken banker eller betalningsnätverk godkänner en transaktion – är opålitlig, löser en vackert designad kassa inte det verkliga problemet. I denna miljö blir förutsägbar auktorisation en del av handelsprestanda, inte bara betalningsoperationer.

När autonoma agenter börjar fatta köpbeslut på konsumenters vägnar, vilka nya efterlevnads- eller regulatoriska överväganden bör fintech‑företag förbereda sig för?

Samtycke är nyckeln. Företag måste definiera agentens befogenhet och klargöra godkännandekrav.

Ansvar följer. Det måste finnas tydliga revisioner för agentköp och överskridna gränser.

Kontroll är avgörande. Företag behöver robusta behörigheter, gränser och undantagslogik.

Enligt min uppfattning måste betalningslagret möjliggöra agentköp och säkerställa ansvarsskyldighet. Det kräver robust säkerhet, tydlig auktorisation och väl definierat samtycke. Allt eftersom människor drar sig längre bort från transaktioner blir stark styrning i betalningslagret grundläggande för att bygga förtroende i agentbaserad handel.

Hur påverkar delbetalningar AI‑rekommendationsmotorer annorlunda jämfört med traditionella kassaalternativ? Ändrar förändrad betalningsförmåga meningsfullt hur agenter rankar eller prioriterar produkter?

Traditionell kassa visas efter produktval. Delbetalningar påverkas tidigare genom att förändra betalningsförmågan. Produkter som är oåtkomliga till fullt pris blir möjliga med förutsägbara kortbaserade delbetalningar. Detta förändrar hur AI‑agenter rankar alternativ: de beaktar inte bara produktpassning utan även den realistiska möjligheten att köpa.

Vilka signaler eller mätvärden följer du för att avgöra om agentbaserad handel går från experiment till skalerad adoption?

Fem signaler kan indikera när agentbaserad handel övergår från nyhet till en skalbar kanal som omformar transaktioner.

Först, övervaka andelen handelstrafik som drivs av AI‑drivna shoppingresor. Det visar om konsumenterna antar tekniken, inte bara testar den.

För det andra, håll koll på konverteringskvaliteten. Det är viktigt att AI‑drivna sessioner konverterar med meningsfulla nivåer, inte bara genererar klick.

För det tredje, spåra om betalningsmetoder med högre auktorisationsförtroende får en andel av rekommendationerna. Det skulle visa att betalningssäkerhet formar agentbeteendet.

För det fjärde, leta efter djupare integration. När handlare, plattformar och betalningsleverantörer inbäddar betalningar direkt i agentbaserade arbetsflöden, förvandlas experiment till infrastruktur.

För det femte, observera högre godkännandefrekvens, konverteringsgrad och genomsnittligt ordervärde när betalningsförmåga byggs in i rekommendationerna.

Framåt, ser du agentdrivna transaktioner sträcka sig bortom e‑handel till områden som B2B‑upphandling eller prenumerationshantering?

E‑handel är det första steget, inte det sista. Agenter tillför värde till alla inköpsprocesser med fastställda regler och budgetar. B2B‑upphandling och prenumerationshantering är tydliga exempel.

Allt detta bygger på ett betalningslager som företag litar på, ansluter till och inbäddar. Därför stödjer Splitit öppna standarder som Googles Universal Commerce Protocol för att möjliggöra verkliga agentbaserade transaktioner över kategorier.

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