Nandan Sheth, CEO ng Splitit – Series ng Panayam

Nandan Sheth, CEO ng Splitit, ay isang batikang executive at entrepreneur sa fintech na may malalim na karanasan sa mga bayad, digital na kalakalan, at pinansyal na imprastruktura, na pinamunuan ang kumpanya mula 2022 habang nagsisilbi rin sa board nito. Bago sumali sa Splitit, nagtrabaho siya limang taon sa Fiserv bilang Head of Carat & Digital Commerce, kung saan tumulong siya sa paghubog ng modernong ekosistema ng pagbabayad, at dati niyang itinatag ang Acculynk, na nanguna sa mga teknolohiyang ligtas para sa online payment authentication. Kasama rin sa kanyang karera ang mga posisyon sa pamumuno sa American Express (AXP ) matapos ang pagkuha ng Harbor Payments, isang kumpanyang kanyang co-founded at pinalago hanggang maging isang pangunahing platform para sa electronic billing. Sa higit dalawampung taon, patuloy na nakatuon si Sheth sa pagbuo ng mga inobasyon sa pagbabayad na nagbabawas ng friction, nagpapahusay ng seguridad, at nagpapabuti ng ekonomiya ng mga merchant, na naglalagay sa kanya upang pangunahan ang pag-unlad ng Splitit tungo sa isang susunod na henerasyon na buy now, pay later infrastructure provider.

Splitit ay isang kumpanya ng fintech na nakatuon sa pag-transform ng buy now, pay later (BNPL) sa isang merchant-first na layer ng imprastruktura kaysa sa isang consumer-facing na produktong pautang. Sa pamamagitan ng platform nito, pinapayagan ng kumpanya ang mga mamimili na hatiin ang mga pagbili sa mga installment gamit ang kanilang kasalukuyang credit cards, na nag-aalis ng pangangailangan para sa mga bagong pautang, credit checks, o mahabang aplikasyon. Ang pangunahing inobasyon nito ay ang white-label “Installments-as-a-Service” model na nagbibigay-daan sa mga merchant na ganap na i-embed ang BNPL sa kanilang sariling checkout experience, pinananatili ang pagmamay-ari ng relasyon at data ng customer habang pinapabuti ang conversion rates at average order value. Sa pamamagitan ng paggamit ng umiiral na credit card networks at direktang pag-integrate sa mga sistema ng merchant sa pamamagitan ng isang API, inilalagay ng Splitit ang sarili nito bilang isang mas mababang panganib, mas seamless na alternatibo sa tradisyunal na mga BNPL provider, na naaayon sa tumataas na regulatory scrutiny habang nag-aalok ng frictionless, brand-controlled na karanasan sa pagbabayad.

Ikaw ay nakapagtayo at nakapag-exit ng maraming kumpanya sa larangan ng pagbabayad, kabilang ang Harbor Payments at Acculynk. Paano nakaapekto ang karanasang iyon sa iyong pananaw kung bakit maaaring maging pangunahing salik ang payment certainty sa pag-usbong ng agentic commerce?

Ang aking karera ay nakatuon sa payment layer, ang bahagi ng kalakalan na bihirang napapansin maliban kung ito ay nagkakamali. Natutunan ko na ang discovery ay nakakakuha ng atensyon, ngunit ang authorization ang sa huli ang nagbibigay ng kita.

Sa agentic commerce, kung saan ang mga AI agent ay nakakaimpluwensya sa pamimili, mas gusto ng mga agent ang mga paraan ng pagbabayad na predictable, mabilis, at malamang na ma-clear. Ang payment uncertainty ay nagdudulot ng friction at maaaring magdulot na iwasan ng mga agent ang ilang merchant o produkto. Ang payment certainty ay lumilipat mula sa isang back-end na alalahanin tungo sa isang pangunahing salik sa mga rekomendasyon.

Kamakailan lamang inilunsad ng Splitit ang Agentic Commerce Partner Program nito. Paano nakakatugon ang pag-embed ng card-linked installments sa mga autonomous AI shopping agents sa bottleneck ng payment certainty na sa tingin mo ay humahadlang sa conversion ngayon?

Sa pamamagitan ng pag-embed ng card-linked pay-later capabilities sa mga autonomous shopping agents, ang Agentic Commerce Partner Program ng Splitit ay naglilipat ng mga pagbili gamit ang installment payments pataas sa AI journey, hindi lamang sa checkout. Pinapayagan nito ang agent na suriin ang affordability at angkop na paraan ng pagbabayad habang pinipili ang mga opsyon at nagdedesisyon kung ano ang bibilhin.

Isa pang benepisyo ay ang paggamit ng aming modelo ng mga umiiral na card at rails, na ginagawang mas maaasahan at mas madali ang mga pagbabayad para sa mga AI agent. Nilulutas nito ang isang malaking hamon: maraming conversion ang nabibigo dahil sa payment uncertainty kaysa sa pag-akma ng produkto. Kung kailangang mag-apply ang mga consumer ng bagong credit o maghintay ng apruba, nababali ang proseso. Ang paggamit ng umiiral na credit ay nagpapabilis ng proseso.

Sa praktikal na termino, paano pinapayagan ng iyong programa ang mga AI agent na isama ang affordability sa mga rekomendasyon gamit ang mga umiiral na card at payment rails, nang hindi nangangailangan ng bagong credit application o paglikha ng account?

Pinapayagan ng Splitit ang agent na i-convert ang kabuuang presyo ng pagbili sa isang buwanang bayad gamit ang card na mayroon na ang mamimili. Ito ay lubos na naiiba sa pagtulak ng isang tao sa hiwalay na lending flow.

Ginagamit ng mamimili ang kanilang umiiral na card nang hindi nag-aaplay ng bagong aplikasyon, nagbubukas ng bagong account, o umaalis papunta sa third-party site. Ang installment plan ay nananatili sa loob ng kasalukuyang relasyon ng mamimili sa bangko, na nagdadala ng affordability sa proseso ng pagdedesisyon nang mas maaga at tumutulong sa mga AI agent na tasahin hindi lamang ang mga tampok at presyo ng produkto kundi pati na rin kung ang mamimili ay realistic na makakumpleto ng pagbili.

Ipinapahayag mo na ang AI-driven discovery ay mas maaga na kaysa sa conversion. Saang partikular na bahagi nagdudulot ng friction ang mga pagbabayad sa agentic commerce flow?

Ang friction ay nangyayari sa tatlong lugar: eligibility, authorization, at workflow. Maaaring mahanap ng mamimili ang tamang produkto sa pamamagitan ng AI, ngunit maaaring mabigo ang proseso kung ang opsyon sa pagbabayad ay nangangailangan ng credit decision, nagreresulta sa hindi predictable na authorization, o kailangan ng hiwalay na aplikasyon o apruba.

Ito ang agwat sa pagitan ng discovery at conversion. Ang AI ay nagdadala na ng high-intent retail traffic, ngunit ang payment infrastructure ay nahuhuli. Nariyan ang pagkakataon. Ang hamon ay gawing kasing seamless ng discovery ang pagkumpleto ng pagbili.

Maraming merchant ang umaasa sa mga Buy Now Pay Later marketplace ngayon. Paano naiiba ang card-based installment model mula sa tradisyunal na Buy Now Pay Later platforms kapag isinama sa AI-driven purchasing journeys?

Ang aming card-based installment model ay gumagamit ng umiiral na credit ng consumer, samantalang ang tradisyunal na BNPL ay madalas humihiling sa mamimili na mag-apply ng bagong credit sa oras ng pagbebenta. Ang pagkakaibang iyon ay mahalaga sa AI-driven purchasing journeys dahil bawat bagong credit decision ay nagdadala ng panganib ng decline. Kapag nangyayari ito nang madalas, nagsisimulang i-deprioritize ng AI agent ang mga merchant.

Ang tradisyunal na BNPL ay nangangailangan ng mas maraming hakbang at bagong brand. Ang aming modelo ay pinapanatili ang kontrol ng mga merchant at tinitiyak na ang mga mamimili ay gumagamit ng mga pinagkakatiwalaang card, na nagbabawas ng uncertainty para sa mga AI agent.

Mula sa teknikal na pananaw, ang checkout optimization ba ay nagiging mas hindi mahalaga kaysa sa authorization predictability sa isang agentic environment?

Mahahalaga ang checkout optimization, ngunit mas mahalaga ang authorization predictability. Sa ibang salita, ang malinaw at simpleng buying flow ay nakakatulong pa rin, ngunit ang payment approval ang sa huli ang nagdidikta ng resulta. Sa tradisyunal na kalakalan, nakatuon ang mga kumpanya sa front-end efficiency dahil ang mga human shopper ay humahawak ng bawat hakbang. Sa agentic commerce, ang mga AI agent ang humahawak ng karamihan sa nabigasyong iyon.

Ang mas mahirap na problema ay kung ang payment ay ma-clear sa isang stable, low-friction na paraan. Kung ang authorization path—ang proseso kung saan aprubahan ng mga bangko o payment networks ang isang transaksyon—ay hindi maaasahan, ang maganda at maayos na disenyo ng checkout ay hindi nasosolusyunan ang tunay na problema. Sa kapaligirang ito, ang authorization predictability ay nagiging bahagi ng performance ng kalakalan, hindi lamang ng mga operasyon sa pagbabayad.

Habang nagsisimula nang gumawa ng mga desisyon sa pagbili ang mga autonomous agent para sa mga consumer, anong mga bagong compliance o regulatory considerations ang dapat ihanda ng mga financial technology company?

Ang consent ay susi. Dapat tukuyin ng mga kumpanya ang awtoridad ng agent at linawin ang mga kinakailangan sa apruba.

Kasunod nito ang accountability. Dapat may malinaw na audit para sa mga pagbili ng agent at mga paglabag sa limit.

Mahalaga ang control. Kailangan ng mga kumpanya ng matibay na permissions, limitasyon, at exception logic.

Sa aking pananaw, dapat paganahin ng payment layer ang mga pagbili ng agent at tiyakin ang accountability. Nangangailangan ito ng matibay na seguridad, malinaw na authorization, at maayos na tinukoy na consent. Habang lalong lumalayo ang mga tao mula sa mga transaksyon, ang matibay na pamamahala sa payment layer ay nagiging pundamental sa pagbuo ng tiwala sa agentic commerce.

Paano naiimpluwensiyahan ng installments ang mga AI recommendation engine nang iba kaysa sa tradisyunal na checkout options? Nagbabago ba ang affordability nang makabuluhan sa kung paano niraranggo o pinaprioritize ng mga agent ang mga produkto?

Ang tradisyunal na checkout ay lumalabas pagkatapos ng pagpili ng produkto. Ang installments ay naaapektuhan nang mas maaga sa pamamagitan ng pagbabago ng affordability. Ang mga produktong hindi kayang bilhin sa buong presyo ay nagiging posible gamit ang predictable na card-based installments. Binabago nito kung paano niraranggo ng mga AI agent ang mga opsyon: isinasaalang-alang nila hindi lamang ang pag-akma ng produkto, kundi pati na rin ang realistic na kakayahang bilhin ito.

Ano ang mga signal o metric na sinusubaybayan mo upang matukoy kung ang agentic commerce ay lumilipat mula sa experimentation patungo sa scaled adoption?

Limang signal ang maaaring magpahiwatig kung kailan ang agentic commerce ay lumilipat mula sa novelty patungo sa isang scalable channel na muling binabago ang mga transaksyon.

Una, subaybayan ang bahagi ng commerce traffic na pinapalakad ng AI-powered shopping journeys. Ipinapakita nito kung ang mga consumer ay tumatanggap ng teknolohiya, hindi lamang sinusubukan ito.

Pangalawa, bantayan ang kalidad ng conversion. Mahalaga na ang AI-driven sessions ay nagko-convert sa makabuluhang rate, hindi lamang nagge-generate ng clicks.

Pangatlo, subaybayan kung ang mga payment method na may mas mataas na tiwala sa authorization ay nakakakuha ng bahagi ng mga rekomendasyon. Ipinapakita nito na ang payment certainty ay humuhubog sa pag-uugali ng agent.

Pang-apat, hanapin ang mas malalim na integration. Kapag ang mga merchant, platform, at payment provider ay nag-embed ng mga pagbabayad direkta sa agentic workflows, ginagawa nila ang experimentation bilang infrastructure.

Pang-lima, bantayan ang mas mataas na approval rates, conversion rates, at average order value kapag ang affordability ay isinama sa mga rekomendasyon.

Tumingin sa hinaharap, nakikita mo ba na ang mga agent-driven transaction ay lalawak lampas sa e-commerce patungo sa mga larangan tulad ng B2B procurement o subscription management?

Ang e-commerce ay unang hakbang, hindi ang huli. Nagdadagdag ang mga agent ng halaga sa anumang proseso ng pagbili na may nakatakdang mga patakaran at budget. Ang B2B procurement at subscription management ay malinaw na mga halimbawa.

Lahat ng ito ay nakasalalay sa isang payment layer na pinagkakatiwalaan, kinokonekta, at ine-embed ng mga kumpanya. Kaya’t sinusuportahan ng Splitit ang mga bukas na pamantayan tulad ng Google’s Universal Commerce Protocol upang paganahin ang tunay na agentic transactions sa iba’t ibang kategorya.

Salamat sa mahusay na panayam, sinumang nais pang matuto ay dapat bumisita sa Splitit.