Aurélien Bonnel, CTO at Tagapagtatag ng N3XT – Serye ng Panayam

Aurélien Bonnel, Chief Technical Officer at Tagapagtatag ng N3XT, ay isang executive at inhinyero sa teknolohiyang pinansyal na may higit sa 14 na taon ng karanasan sa pagbuo ng secure, real-time na imprastruktura para sa pagbabangko, mga bayad, at mga pamilihan ng kapital. Bago itatag ang N3XT, naghawak siya ng mga senior engineering na posisyon sa Deutsche Bank, Nimbla, Symbiont, at SADA, at tumulong sa pag-develop ng blockchain payments infrastructure na ginagamit ng Signet platform ng Signature Bank. Ang kanyang karera ay nakatuon sa modernisasyon ng mga sistemang pinansyal sa pamamagitan ng cloud-native architecture, blockchain, automation, at scalable payment technology.

N3XT ay isang ganap na fully reserved bank na itinayo sa modernong imprastruktura para sa instant, programmable na business-to-business na mga bayad sa U.S. dollars. Hindi tulad ng mga tradisyunal na bangko, hindi nagpapautang ang N3XT ng mga deposito ng customer, kung saan ang mga deposito ay sinusuportahan ng cash o short-term U.S. Treasuries. Ang kumpanya ay nag-eexpand din sa intersection ng banking at AI sa pamamagitan ng N3XT MCP, isang Model Context Protocol na batay na sistema na dinisenyo upang ikonekta ang mga AI agent at assistant sa live banking data habang pinananatili ang umiiral na mga permiso at kontrol sa pagsunod. Maaaring magbigay ito ng AI-driven na mga workflow para sa paghahanda ng bayad, pag-uulat, financial monitoring, at iba pang corporate finance na gawain.

Ang iyong karera ay nagdala sa iyo mula sa pricing at high-frequency trading technology sa Deutsche Bank patungo sa pagbuo ng blockchain payment infrastructure, pamumuno sa engineering sa Symbiont at sa huli ay co-founding ng N3XT. Anong mga problema ang paulit-ulit na lumitaw sa mga tungkuling iyon at ikinumbinsi ka na kailangan magtayo ng bagong uri ng bangko mula sa simula?

No matter my personal history, anyone can see the problems that led to the creation of N3XT. We all know the problem of payments being made on a Friday, only to land in the recipient’s bank account on the following Tuesday. The “Available Balance” in that account is different from the balance shown because the payments “received” have not settled and are not usable.

Kahit ano pa man ang aking personal na kasaysayan, makikita ng sinuman ang mga problema na nagdala sa paglikha ng N3XT. Alam nating lahat ang problema ng mga bayad na ginagawa tuwing Biyernes, ngunit natatapos lamang sa account ng tatanggap sa susunod na Martes. Ang “Available Balance” sa account na iyon ay iba sa ipinapakitang balanse dahil ang mga “natanggap” na bayad ay hindi pa settled at hindi magagamit.

Nagtaka ako kung bakit. Sino ang nakikinabang sa lahat ng mga pagkaantala? Ang mga bangko ang nakikinabang. Bawat araw ng pagkaantala ay interes na kinikita nila mula sa likod ng kanilang mga kliyente. Ang mga bangko ay nagkaroon na ng access sa parehong teknolohiya na ginagamit ng N3XT sa loob ng maraming taon, ngunit hindi nila ito inampon — marahil dahil ilalantad nito ang kanilang modelo ng negosyo.

All of this made it evident to me that the only way to fix this system is to come up with a radically new model, built from the ground up, with new ideas: A narrow foundation, where a bank does not lend and settles payments instantly.

Lahat ng ito ay nagpatunay sa akin na ang tanging paraan upang ayusin ang sistemang ito ay lumikha ng isang radikal na bagong modelo, na itinatag mula sa simula, na may mga bagong ideya: Isang makitid na pundasyon, kung saan ang bangko ay hindi nagpapautang at agad na nagse-settle ng mga bayad.

Dinisenyo ang N3XT MCP upang ikonekta ang mga AI assistant nang direkta sa live banking data at workflows. Ano ang pinapayagan ng Model Context Protocol na hindi maaaring magawa nang epektibo sa pamamagitan ng tradisyunal na banking APIs, enterprise integrations o robotic process automation?

Una, dapat tandaan na ang N3XT MCP ay hindi pinapalitan ang aming umiiral na API infrastructure, ngunit nakasalalay dito. Kailangan naming magkaroon ng mature at robust na API infrastructure bago namin malikha ang N3XT MCP. Ang aming mga API (na maaari mong basahin dito) ay nananatiling pangunahing para sa pamamahala ng access sa live account data at workflows.

Ang pagbabago ng Model Context Protocol (MCP) ay nasa kung paano nakikipag-ugnayan ang mga AI model sa ito.

Una, kailangan ng mga API ng developer-written, hardcoded na integrasyon para sa bawat use case. Ang MCP, sa kabilang banda, ay kumikilos bilang isang standard interface na nagpapahintulot sa mga AI model na madiskubre at gamitin ang aming banking tools at data nang real time. Sa ganitong paraan, tinatanggal ng mga AI assistant ang friction dahil may kakayahan silang mag-query sa system, at magsimula ng mga aprubadong workflow nang mas madali.

Pangalawa, ang Robotic Process Automation (RPA) ay nag-a-automate ng paulit-ulit na gawain sa pamamagitan ng mga tinukoy na patakaran, ngunit nabibigo kapag nakatagpo ng anumang hindi inaasahan. Ang pakikipag-ugnayan sa bangko gamit ang MCP, sa kabilang banda, ay nagbibigay ng real-time na konteksto kaya ang modelo ay maaaring mag-isip sa mga komplikadong gawain nang hindi umaasa sa fixed logic. Maaaring magtanong ang isang user ng multi-step na tanong, o hilingin sa AI assistant na isaalang-alang ang bank data kasabay ng isa pang data set na karaniwang nasa labas ng view ng bangko.

Kab instead ng pagbuo ng custom integrations para sa bawat bagong AI assistant o tool sa enterprise stack, nagbibigay ang MCP ng isang pinag-isang standard. I-expose mo ang kakayahan isang beses sa pamamagitan ng MCP, at anumang compliant na AI model ay maaaring ligtas na makipag-ugnayan dito.

Sa huli, ang aming mga API ay nagbibigay ng execution engine, ngunit ang MCP ay nagbibigay ng wika upang payagan ang mga AI assistant na ligtas at tumpak na mag-operate sa kapaligiran nang real time.

Ang platform ay nagbibigay ng governed read-and-write capabilities, na nagpapahintulot sa mga AI assistant na magsuri ng mga transaksyon, i-reconcile ang aktibidad at maghanda ng mga bayad. Ano ang maaaring gawin nang independent ng isang AI agent ngayon, at aling mga aksyon ang kailangang dumaan pa rin sa pag-apruba ng tao?

Para sa treasury management at banking, mahalaga ang bilis, ngunit ang kaligtasan at pagsunod ay hindi maaaring pag-usapan. Ang N3XT MCP ay kumikilos bilang isang governed guardrail, na tinitiyak na ang parehong safeguards na dinisenyo para sa mga tao ay pumipigil sa isang AI agent na gumawa ng hindi aprubadong aksyon.

Ganito gumagana ang balanse na ito sa praktika:

Ang mga AI agent ay nagmamana ng access permissions ng kanilang user. Kung mayroon ka lamang visibility sa isang maliit na grupo ng mga wallet, ang mga agent na iyong binuo ay magkakaroon ng parehong visibility. Kaya ang agent ay maaaring mag-operate at magsagawa ng analysis lamang sa loob ng kanilang area of access.

Mas partikular, maaaring mag-monitor at magsuri ang isang agent ng live account feeds upang tasahin ang cash positions at maunawaan ang konteksto sa iba’t ibang data sources, at awtomatikong i-match ang mga papasok na bayad laban sa mga invoice, i-flag ang mga error, at tuklasin ang mga discrepancy. Lahat ng ito ay mga bagay na maaaring gawin nang independent ng isang AI agent ngayon.

Gayunpaman, kapag ang aksyon ay lumipat mula sa pagprepara ng data patungo sa pagbabayad, isang karagdagang layer ng governance at permissions ang nagsisiguro na ang mga aksyon ng agent ay sumusunod sa umiiral na maker / checker workflows. Sa ganitong paraan, ang mga bayad na nakatakdang mangailangan ng secondary approval ay maaaring simulan ng isang agent, ngunit kailangan itong pumunta sa secondary human approver para sa final authorization bago lumipat ang anumang pera. Mahalaga ring banggitin na walang agent na maaaring baguhin ang approval policies o governance pathways. Nasa labas iyon ng kanilang saklaw.

Kaya pinapayagan namin ang maximum na autonomy at analysis nang walang panganib na masira ang umiiral na governance at compliance workflows.

Sa madaling salita, maaaring ibigay ng AI ang 100% ng mga insight na hinahanap mo, at halos lahat ng kailangan mo para sa iyong mga bayad, ngunit pagdating sa aktwal na paggawa ng mga bayad, paglipat at paggalaw ng pondo, ang maker / checker workflows ay naroroon pa rin upang matiyak na bawat transaksyon ay sinusuri at aprubado ng tao bago isagawa.

Ang pagpapahintulot sa isang AI system na makipag-ugnayan sa corporate bank account ay nagdadala ng malalaking security at operational risks. Paano tinitiyak ng N3XT na ang isang agent ay hindi lalampas sa mga permiso ng user, makakapasok sa hindi awtorisadong wallet o magsasagawa ng hindi tamang transaksyon?

Ang seguridad sa AI ay hindi tungkol sa pagtitiwala na ang modelo ay mag-uugali nang tama, ito ay tungkol sa pag-architect ng mga sistema upang kahit na magkamali ang mga modelo, ang arkitektura ng sistema ay pumipigil sa isang hindi awtorisadong aksyon na maisakatuparan.

Nilikha namin ang N3XT MCP na may Zero Trust na pilosopiya para sa kadahilanang ito, kaya ang isang AI agent ay hindi kailanman magkakaroon ng “super-user” key o independent access rights. Kapag ang isang tao ay kumonekta sa N3XT MCP, ang AI agent ay nagmamana ng mga access permission ng user na iyon. Kung ang isang user ay walang permiso upang makita ang isang partikular na wallet, o mag-draft ng mga bayad na lampas sa isang tiyak na dollar threshold, ang agent ay may parehong restriksyon. Wakas.

Nag-aalok din ang N3XT MCP ng limitadong hanay ng kakayahan sa mga AI agent. Ang pagbabago ng permissions ay hindi kabilang sa mga kakayahang iyon. Sa katunayan, hindi ito kahit posible sa pamamagitan ng API na baguhin ang permissions at workflows. Ginagawa nitong imposible para sa isang agent na gumawa ng anumang pagbabago sa larangang ito.

Panghuli, ang mga patakaran tulad ng maker / checker workflows ay ipinapatupad sa antas ng wallet, hindi sa antas ng user. Ibig sabihin, ang isang agent ay hindi kailanman makakalampas sa kinakailangang secondary human sign-offs.

Sinasabi ng N3XT na ang umiiral nitong maker-and-approver workflows ay nananatili kapag ang mga kliyente ay gumagamit ng AI assistants. Paano mo pinananatili ang accountability at malinaw na audit trail kapag ang isang financial action ay maaaring kabilangan ng isang empleyado, isang AI model at ilang automated systems?

Kapag maraming entidad—isang tao, isang AI model, at mga backend system—ay humahawak ng isang financial transaction, hindi sapat ang standard API logging. Para sa auditability, kailangan naming malaman hindi lamang kung ano ang nangyari, kundi sino ang nagpasimula nito, ano ang rason ng AI, at sino ang nag-authorize nito.

Pinapanatili namin ang ganap na accountability sa pamamagitan ng pagtiyak na bawat request mula sa N3XT MCP ay may kasamang tag na nag-uugnay sa session ng human user, ang partikular na AI interaction ID, at ang tawag sa backend tool. Kung ang isang AI agent ay nag-draft ng bayad, ini-log namin kung aling empleyado ang nagbigay ng prompt, ang session, at ang mga tool na ginamit ng AI model. Walang anonymous na aksyon sa aming mga log.

Kapag ang isang AI agent ay kumikilos bilang “maker” sa pamamagitan ng paghahanda ng bayad, hindi ito maaaring mag-self-authorize ng execution. Ang inihandang transaksyon ay itinutulak sa standard maker / checker queue ng bangko. Kapag ang human “checker” ay nag-review at nag-apruba ng payout, ang kanilang personal authentication token ay pumipirma sa final action. Nananatili ang accountability.

Anong mga unang use case ang nagdudulot ng pinakamalakas na interes mula sa mga corporate treasury team at trading organization: reconciliation, liquidity monitoring, discrepancy detection, payment preparation, reporting o iba pa?

Ang bawat finance team ay nagnanais ng end-to-end automation, ngunit sa kabila nito, ang mga corporate treasurer at trading desk ay medyo pragmatic. Walang nais magsimula sa mga komplikado at risky na workflow; nagsisimula sila kung saan pinakamataas ang operational pain at pinakamababa ang risk.

Sa kasalukuyan, ang pinakamalaking demand ay para sa reporting. Ang mga treasury team ay nabobombahan na ng data, at ito ay fragmented sa maraming bangko at partner, kaya mahirap i-rationalize. Gumagamit na sila ng AI assistants upang matulungan silang makita ang malaking larawan, ngunit ngayon, kailangan nilang mag-login sa iba’t ibang portal upang i-download ang mga posisyon at statements. Ngayon, sa N3XT MCP, walang kinakailangang login para sa N3XT at maaari na silang magkaroon ng pag-uusap tungkol sa kanilang mga posisyon.

Inaasahan naming ang Payment Prep ang susunod na use case. Nakikita na namin ang paunang excitement para dito, at inaasahan naming makakakita kami ng maraming paglikha ng payment flow sa malapit na hinaharap.

Ang N3XT ay gumagana bilang isang full-reserve narrow bank na hindi nagpapautang at sinusuportahan ang mga deposito nang one-to-one sa cash o short-term U.S. Treasuries. Bakit ang modelong ito ay partikular na angkop para sa programmable payments at AI-driven financial operations, at paano dapat suriin ng mga kliyente ang mga proteksyon nito kumpara sa tradisyunal na FDIC-insured banking?

Ang AI ay isang accelerator para sa finance, ngunit ang sagot sa tanong na ito ay hindi lamang tungkol sa AI, ito ay tungkol sa settlement. Ang mga tradisyunal na bangko ay itinayo para sa isang mundong mabagal ang galaw. Umaasa sila sa multi-day float upang pamahalaan at kumita mula sa mga pagkakaiba na umiiral sa pagitan ng operating deposits at commercial loans ng bangko.

Ang pagpapakilala ng real-time, 24/7 settlement requirements, kahit na ito ay ipinakilala ng isang tao o AI agent, ay naglalantad ng kahinaan sa fractional reserve system: upang mag-settle ng pondo nang instant, kailangan mong magkaroon ng pondo na available. Sa isang mundo kung saan tumataas ang bilis ng pagbabayad, kailangan ng mga bangko ng katumbas o mas mataas na pagtaas sa reserba upang matiyak na ang mga pondo ay available.

Nanininiwala kami na ang 24/7 settlement ay hindi ligtas na makakasama sa long-term debt issuance sa isang balance sheet. Ang aming narrow bank model ay naghihiwalay ng dalawa at tinitiyak na kami ay nananatiling liquid, fully backed, at hiwalay mula sa credit risks ng lending desk.

Kapag ikinumpara ng mga corporate treasurer ang aming narrow bank full-reserve model sa FDIC insurance, dapat nilang isaalang-alang kung paano naihahatid ang “safety”. Ang FDIC insurance ay may limit na $250,000. Para sa mga enterprise na lumilipat ng milyun-milyon, halos lahat ng kanilang operational capital ay nakalantad sa underlying lending at balance sheet risks ng bangko.

Ang Full-Reserve Narrow Banking ay hindi umaasa sa insurance dahil hindi kami nagpapautang. Maging $100,000 man o $100 million ang iyong balanse, hindi namin kailanman ipapahiram ang iyong kapital kaya alam mong ito ay naroroon upang suportahan ang iyong operasyon at pangangailangan sa bayad. Naniniwala kami na ito ay kinakailangan para sa isang 24/7 instant settlement economy.

Inilunsad din ng N3XT ang N3XT Digital Dollar, isang tokenized deposit na inisyu ng bangko na dinisenyo para sa round-the-clock settlement. Paano makikipag-ugnayan ang N3XT MCP sa tokenized deposits, stablecoins at tradisyonal na U.S. dollar payment rails sa loob ng parehong treasury workflow?

Una, mahalagang linawin ang isang punto tungkol sa aming modelo. Ang N3XT ay purpose-built upang suportahan ang 24/7 B2B payments na may atomic settlement. Ang mga legacy rails ay hindi dinisenyo para sa atomic settlement, kaya hindi sila nakikipag-ugnayan doon. Ito ay isang sinadyang pagpili.

Gumugol kami ng dalawang taon sa pagbuo ng isang modernong, blockchain-based core banking system. Kasama dito ang isang private permissioned chain kung saan ang mga kliyente ay nagtatransact sa dollars upang magbayad sa ibang N3XT client sa network, at public chain access kung saan marami sa aming mga kliyente ay nagta-transact na. Ang public chain ay kung saan maaari silang mag-transact gamit ang N3XT Digital Dollar (NDD).

Pinapayagan ng MCP ang mga AI assistant na mag-orchestrate ng workflows sa pagitan ng dalawang environment na ito. Halimbawa, pag-check ng NDD balances sa public wallets ng kliyente, at pagkatapos ay pag-run ng sweep sa pagitan ng mga wallet kung kinakailangan, o pag-bridge ng pondo mula sa private wallet papunta sa public NDD wallet — lahat ito habang sumusunod sa governance workflows.

Kaya, nagbibigay ang MCP ng isang governed interface upang mag-operate sa buong 24/7 digital architecture ng N3XT, pareho para sa USD at NDD.

Karamihan sa halaga ng isang open standard ay nakasalalay sa interoperability. Aling AI assistants, enterprise systems, at treasury platforms ang kasalukuyang makakakonekta sa N3XT MCP, at paano ninyo pinipigilan ang mga kliyente na maging dependent sa isang model provider o proprietary interface?

Ang dahilan kung bakit nag-build kami sa Model Context Protocol (MCP) imbes na mag-release ng aming sariling SDK ay upang paganahin ang interoperability. Ang aming mga kliyente ay gumagamit ng mga tool na kanilang ginagamit, at sa panahon ng AI, maaaring mas madalas pa silang mag-switch kaysa dati.

Dahil ang MCP ay isang open specification, ang N3XT MCP ay direktang nagkokonekta sa anumang AI host environment na pinagkakatiwalaan na ng kliyente, tulad ng Cursor, Anthropic, OpenAI, o Gemini. Nag-aalok din ito ng native compatibility sa mga orchestration framework tulad ng LangChain at AutoGen. Pagdating sa Enterprise systems tulad ng ERPs, kung ang mga system na iyon ay may built native MCP connections, maaaring magtrabaho ang mga kliyente sa iba’t ibang platform mula sa loob ng kanilang napiling AI platform.

Kaya sa MCP, binibigyan namin ang mga kliyente ng higit na kalayaan. Kung magdesisyon silang mag-switch ng AI provider, o gustong baguhin ang modelo sa pinakabagong at pinakamahusay, hindi na nila kailangang i-rebuild ang anumang connectors. Kailangan lang nilang ituro ang bagong AI model sa N3XT MCP server at handa na silang magpatakbo.

Inilalarawan ng N3XT ang paglulunsad na ito bilang isang maagang hakbang patungo sa autonomous corporate capital management. Gaano dapat maging autonomous ang corporate finance sa realistic na antas, at anong mga teknikal, regulasyon, at cultural na hadlang ang kailangang maresolba bago pahintulutan ng mga negosyo ang AI agents na pamahalaan ang makabuluhang halaga ng kapital?

Ang layunin ng autonomous finance ay hindi lumikha ng isang “set it and forget it” na black box na naglilipat ng pera nang walang human oversight. Ang hindi nasusubaybayang autonomy ay hindi inobasyon; ito ay isang liability.

Mas realistic, dapat umunlad ang corporate finance patungo sa engaged autonomy: mga AI agent na gumagawa ng data analysis, monitoring, at workflows, habang ang mga business leader at finance team ay lumilipat mula sa manual execution patungo sa policy setting, strategy, at approvals.

Upang mapalago ang tiwala ng enterprise at bigyan ang mga AI agent ng access at governed control sa mga bayad at operating capital, kailangang maresolba ang mga isyu ng identity at accountability.

Sino ang mananagot kung ang isang AI model ay nagkamali sa pag-interpret ng invoice at nag-trigger ng hindi tamang payout? Ang aming maker / checker model ay gumagana upang maiwasan ang pangyayaring ito.

Kultural, nasa maagang yugto pa lamang tayo sa paglipat patungo sa agentic finance. Habang ang AI ay kumukuha ng mas malaking operational roles, naniniwala ako na ang agentic identity ay magiging paksa ng tumataas na kahalagahan at pokus dahil ang tiwala — sa tao o sa AI — ay nangangailangan ng accountability.

Salamat sa mahusay na panayam, ang mga mambabasa na nais pang matuto ay dapat bumisita sa N3XT.