客服团队最近开始接到一类新的工单：顾客说自己没有下这笔单，但订单信息——收货地址、支付方式、甚至商品偏好——全都对得上。追查下去才发现，这笔单是顾客授权给某个AI购物助手代下的，只是助手理解错了指令，或者压根不是顾客本人在操作。这种情况正在变得越来越常见，也把一个新问题摆在了商家面前：当下单的不再是人，原有的反欺诈风控逻辑还够不够用？

当“下单的”不再是人：代理购物为什么突然爆发

过去一年，AI购物智能体从概念迅速变成了真实流量。OpenAI、微软Copilot、Perplexity等平台相继上线了代理购物能力，主流卡组织也在加速跟进：Visa联合Cloudflare推出了Trusted Agent Protocol，Mastercard上线了Agent Pay，多方共同推动的开放协议还在持续迭代。Visa官方公告提到，就在协议发布前的一年里，美国零售网站上的AI驱动流量激增了超过4700%。

流量涨得这么快，风控没跟上，问题自然会暴露。AI代理下单和真人浏览下单的行为特征完全不同——请求速度更快、操作路径更规律、短时间内的并发量更高。如果商家的反欺诈风控系统还是按“人类行为”训练的，很容易出现两种极端：要么把正常的代理订单当成机器人拦下来，要么因为代理流量看起来“太干净”反而放松了警惕，给了欺诈分子可乘之机。

代理购物打开了哪些新的欺诈缺口

代理购物本身不是欺诈，但它确实给了欺诈分子几种新的伪装方式：

冒充可信代理的恶意机器人。 当商家开始对“已验证的AI代理”网开一面、减少验证步骤时，伪装成合法代理身份的爬虫和欺诈脚本就有了绕过检测的空间。Palo Alto Networks旗下的Unit 42研究团队在分析代理购物风险时提到，一旦用户界面设计不当，代理在结账时可能把不在预期内的商品或礼品卡也一并提交，用户看到的只是笼统的总价，很难察觉异常——这类操作不需要盗卡，靠的就是钻界面和授权范围的空子。相关分析可参考Unit 42发布的研究文章。

极速批量测卡。 自动化脚本可以借助AI代理的下单接口，在极短时间内对大量被盗支付信息进行小额验证，传统依赖人工审核节奏设计的规则很难在这种速度下反应过来。

账户被接管后由“合法代理”代为下单。 如果攻击者先拿到了顾客账户的登录权限，再授权购物代理去消费，那么后续订单在支付层面看起来完全正常——历史地址、历史支付方式、甚至历史购买偏好都对得上，因为账户本身就是真的，只是不再由本人操控。

被诱导访问高仿商城。 购物代理依赖结构化数据做判断，而不是靠视觉直觉分辨一个网站是否可疑，人类容易识破的拙劣仿冒站点，代理未必能识别出来。这类风险虽然发生在商家自己的官方渠道之外，但最终买单的往往还是被仿冒的品牌——顾客体验到的是假货和纠纷，账算在了品牌头上。

老规则为什么在AI代理面前失灵

多数商家现有的反欺诈风控，本质上是一套针对“人”设计的规则体系：设备指纹、鼠标轨迹、页面停留时长、历史行为对比……这些信号对判断真人是否可疑很有效，但AI代理并不具备这些行为特征，规则引擎面对代理流量时，经常给出“不确定”的判断，只能靠人工兜底或者一刀切拦截。

问题是，一刀切的代价也不小——错误拒绝一次合法订单，相当一部分顾客不会再回头下单。放在代理购物场景下，这个代价会被放大：代理背后可能是一个愿意持续复购的忠实客户，也可能是一次性的欺诈尝试，靠固定规则很难区分。

商家能做的事：让反欺诈风控系统学会“认代理”

比较现实的方向，是让交易反欺诈解决方案具备识别代理身份并针对代理流量单独判断风险的能力，而不是套用一套规则应付所有流量类型。这也是Adaptive Checkout这类方案的核心逻辑——它不是简单的“通过/拒绝”二元判断，而是基于大数据风控反欺诈的方式，结合下单人身份、历史购买记录和商家网络中的交易数据，对每一笔订单动态打分：明显低风险的订单（包括行为清晰、历史记录良好的代理订单）直接放行，风险不明的订单再触发一次性验证码、短信验证或路由到3DS等二次确认手段，而不是一律拦截。这套判断逻辑本身不区分下单主体是人还是代理，靠的是对交易本身风险特征的识别，天然更适应代理购物带来的流量结构变化。

账户安全：代理购物时代更重要的第一道关卡

代理购物场景下，很多欺诈风险的根源其实不在结账那一步，而在账户登录环节——账户一旦被接管，后续无论是本人操作还是授权代理下单，看起来都会“完全正常”。这也是为什么账户安全这类反欺诈风控能力，在AI代理越来越普及的当下变得更重要——通过比较可疑登录会话与账户历史行为的差异，区分正常用户的登录尝试和机器人、盗用者的行为特征，在风险出现的第一时间就给出许可、通知或质疑的决策，而不是等到订单已经生成、代理已经完成支付才发现问题。虚假账户注册、恶意登录尝试、账户恢复流程中的异常，都需要被纳入同一套自动化判断逻辑，才能在代理购物的速度下跟得上节奏。

责任归属还没理清楚，这是眼下最大的不确定性

除了技术层面的应对，还有一个现实问题短期内不会有标准答案：当AI代理完成了一笔消费者事后不认账的交易，这笔损失到底该算给谁？消费者可能会说自己只授权了“帮我买双鞋”，并没有确认具体这一双、这个价格；现有的支付纠纷规则大多是按“人类主动确认”设计的，套用到代理购买场景时还有不少空白。Experian在其年度欺诈预测报告中也把这种“机器对机器”的责任模糊地带列为2026年的重点风险之一，认为随着代理购物规模扩大，围绕责任归属和监管的讨论会越来越多。对商家来说，与其等规则明确了再行动，不如提前把授权范围、交易凭证留存这些环节在自己的反欺诈风控系统里做扎实，至少在争议发生时手里有据可依。

写在最后

AI购物智能体不会是一时的热闹，它正在实实在在地改变谁在下单、怎么下单。对商家来说，与其纠结“这笔订单是不是机器人下的”，不如把判断逻辑升级成看得懂交易风险本身的大数据风控反欺诈能力——从账户登录到结账支付，两头都经得住考验，才能在这一轮变化里既不错杀好客户，也不给欺诈留出新的空子。如果想聊聊自己的业务适合从哪个环节切入，可以联系Riskified的团队。

推荐阅读