Wanneer de bot koopt: wie is aansprakelijk als AI-agenten voor uw klanten winkelen?

Er komt een geschil binnen in je inbox. De bestelling ziet er in orde uit: dezelfde kaart, hetzelfde adres, dezelfde klantgeschiedenis. Je controleert de transactie. Alles klopt. Maar de klant zegt dat hij de bestelling nooit heeft geplaatst.

Dat hebben ze gedaan. Hun AI-assistent heeft dat gedaan.

This is not a hypothetical anymore. Agentic commerce, where AI agents research, decide, and complete purchases on behalf of consumers, is moving from demo to default. Adobe Analytics recorded a 4,700% year-over-year jump in generative AI traffic to US retail sites between July 2024 and July 2025. And chargeback volume is predicted to grow 24% from 2025 to 2028, reaching 324 million disputes globally. Those two trends are on a collision course, and for merchants, the impact is not arriving as an opportunity first. It is arriving as a dispute.

What Is Agentic Commerce and How Does It Affect Your Store?

Onder 'agentische handel' verstaan we AI-systemen die verder gaan dan het beantwoorden van vragen en daadwerkelijk acties ondernemen, zoals het doen van aankopen, namens de consument. Denk bijvoorbeeld aan platforms zoals OpenAI, waar klanten nu op één plek zowel informatie kunnen opzoeken als aankopen kunnen doen, waarbij hun opgeslagen betaalgegevens al zijn gekoppeld.

Zoals Frank Frantz, Business Development Executive Chargeflow, na Money20/20 opmerkte: „Platforms zoals OpenAI stellen klanten nu in staat om op één plek te zoeken en te kopen, met behulp van hun opgeslagen betalingsgegevens. De grootste veranderingen in de e-commerce vinden niet plaats op de webwinkels zelf, maar in de onzichtbare automatiseringslagen daarachter.”

Companies like PayOS are building the infrastructure that makes this possible today, enabling agents to access delegated permissions, stored credentials, and purchasing authority across merchants. The technology is real, it is live, and it is already interacting with your store.

For merchants, understanding this shift is not optional. It directly affects how orders get placed, who is accountable when something goes wrong, and how disputes get resolved.

Hoe doen AI-agenten aankopen namens klanten?

In principe krijgen AI-agenten aankoopbevoegdheid via een van de volgende drie mechanismen: opgeslagen inloggegevens die aan het account van een klant zijn gekoppeld, expliciet door de gebruiker verleende bevoegdheden, of toegang op API-niveau tot het afrekenproces.

De agent baseert zich vervolgens op aangeleerde voorkeuren, aankoopgeschiedenis en realtime gegevens om een aankoop af te ronden, vaak zonder dat de klant op het moment van afrekenen aanwezig is. In veel gevallen heeft de klant geen idee dat de aankoop is gedaan, totdat de afschrijving op zijn of haar afschrift verschijnt.

This is where the friction begins.

Het is mogelijk dat de agent de instructies nauwkeurig heeft opgevolgd. Maar de klant herinnert zich misschien niet dat hij die instellingen heeft gekozen, is misschien vergeten dat de machtiging actief was, of herkent de naam van de handelaar op zijn afschrift gewoonweg niet. Vanuit het perspectief van de klant lijkt de afschrijving ongeoorloofd. Vanuit het perspectief van de handelaar was de bestelling volkomen legitiem.

Intent is now invisible. Chargeback systems were not built for invisible intent.

Why Are AI Agent Purchases Causing Chargebacks?

Ben Herut, fraude- en chargeback-strateeg Chargeflow en mentor bij MRC, heeft de patronen in kaart gebracht die zich nu al in de wachtrijen voor geschillen aftekenen. Deze patronen vallen uiteen in vier consistente categorieën.

1. Purchases customers cannot recall. An agent reorders items based on past behavior or preference learning. The customer never consciously approved the specific transaction. When the charge appears, their instinct is to dispute it, even though the order was technically authorized. In most cases, confusion directly results in a chargeback.
2. Door agenten veroorzaakte fouten. Agenten richten zich op efficiëntie, niet op de menselijke context. Ze kiezen soms een iets ander product, selecteren een verkoper waar de klant normaal gesproken niet bij zou kopen, of bestellen de verkeerde hoeveelheid. In plaats van contact op te nemen met de klantenservice, wenden klanten zich direct tot hun bank. Het betwisten van de transactie wordt voor hen een manier om wat zij als een fout beschouwen recht te zetten, ook al was de transactie vanuit het perspectief van de agent geldig.
3. Fraudsters mimicking agent patterns. Fraudsters now understand that automated traffic blends in far better than manual traffic. By spoofing agent patterns or exploiting automation endpoints, they generate transactions that appear structured and low-risk to legacy fraud systems. The activity looks like legitimate automation until the dispute is filed.
4. Legacy tools misreading agent behavior. Device fingerprinting, behavioral analytics, and velocity rules were built around human buying behavior. When the buyer is an agent running through servers or cloud environments, these signals lose their meaning. The tools cannot tell the difference between legitimate automation and fraud.

Zoals Frank het tijdens Money20/20 verwoordde: "Agentic commerce zorgt voor efficiëntie, maar brengt ook een nieuwe vorm van fraude en verwarring met zich mee die verouderde systemen niet kunnen interpreteren."

Who Is Liable for Chargebacks in Agentic Commerce?

This is the question no one in payments has fully answered yet. And for merchants, it is the most important one.

Wanneer een AI-agent een aankoop doet, wordt de autorisatieketen ingewikkeld. De menselijke kaarthouder heeft de agent toestemming gegeven om namens hem of haar te handelen, maar heeft hij of zij deze specifieke transactie ook goedgekeurd? Bij deze specifieke handelaar? Voor precies dit bedrag?

When the dispute hits, you have to prove intent. But the traditional evidence that works in a chargeback response, customer IP address, device fingerprint, navigation path, time on site, was generated by an agent, not a human. Issuers expect to see a clear link between a customer and a purchase. When part of that purchase was delegated, that link is harder to establish.

De aansprakelijkheidskwestie reikt verder. Waar ligt de verantwoordelijkheid van het platform dat de chatbot mogelijk maakt? Waar draagt de officiële verkoper het verlies? Wat geldt als weloverwogen toestemming wanneer een klant maanden voor een betwiste aankoop een AI-chatbot installeert?

Er zijn nog geen eenduidige antwoorden. Kaartnetwerken, uitgevers en platformaanbieders buigen zich momenteel allemaal over deze kwesties. Maar geschillen wachten niet tot de sector zijn achterstand heeft ingehaald. Ze belanden nu al in je inbox, en je moet reageren op basis van het bewijsmateriaal dat je hebt.

De handelaren die deze geschillen zullen winnen, zijn degenen die nu al, nog voordat de regels zijn vastgelegd, zorgen voor een betere bewijsvoering na de aankoop.

Hoe kunnen verkopers ‘agent-gedreven e-commerce’ voorkomen Chargebacks?

The shift to agentic commerce requires a shift in how merchants think about risk. Pre-purchase fraud controls were built for a world where a human was present at every step of the transaction. That world is changing. Here is where to focus.

• Audit your fraud stack for non-human transaction patterns. If your fraud tools rely primarily on device attributes, behavioral biometrics, or human navigation signals, they are likely to misclassify agent-driven transactions, either flagging legitimate orders or missing fraudulent ones. Understand what your tools are measuring and whether those signals still hold when the buyer is not human. As agent-driven transactions become more common, many merchants are also investing in AI agent development solutions to build systems that can better interpret autonomous decision-making, monitor agent behavior, and create more transparent audit trails across the customer journey. These capabilities can help businesses adapt their risk frameworks to a commerce environment where purchasing decisions are increasingly delegated to AI.
• Shift toward post-purchase intelligence. The most important signals in agentic commerce often appear after the transaction, not before it. Does this order make sense given the customer's history? Has this agent pattern appeared before across other merchants? Are there inconsistencies in identity that suggest manipulation behind the automation? Post-purchase intelligence answers questions that checkout-stage tools cannot, and it is where Chargeflow Prevent is built to operate.
• Update your dispute evidence strategy. Agent authorization logs, delegation records, and purchase context data are becoming the new evidence layer. If a customer set up an AI agent to make recurring purchases, documentation of that setup is your strongest defense in a dispute. Start thinking now about what evidence you would need to win a chargeback where the buyer was non-human.
• Communiceer duidelijk met klanten over de bevoegdheden van hun agent. Veel geschillen in de agentgebaseerde handel hebben niets met fraude te maken, maar zijn het gevolg van verwarring. Klanten zijn vergeten wat ze hebben goedgekeurd, herkennen de handelaar niet of begrijpen niet wat hun agent heeft gedaan. Duidelijke communicatie bij het instellen van de dienst en duidelijke omschrijvingen op de afrekening kunnen een groot deel van deze geschillen voorkomen nog voordat ze ontstaan.

Agentic Commerce Chargebacks FAQs

Who is liable when an AI agent makes an unauthorized purchase?

Er bestaat nog geen vaststaande industriestandaard. Kaartnetwerken, uitgevers en de platforms waarop AI-agenten draaien, zijn nog bezig uit te zoeken wie er aansprakelijk is: de klant, de handelaar of het agentplatform. In de praktijk ligt de verantwoordelijkheid momenteel bij de handelaars, aangezien zij degene zijn die op het geschil moeten reageren.

Can merchants win chargebacks from AI agent purchases?

Yes, but the evidence looks different than a typical chargeback response. Since device fingerprints and navigation history reflect the agent rather than the human customer, the strongest evidence is agent-authorization logs, delegation records, and documentation of when and how the customer set up the agent's purchasing permissions.

Werken traditionele tools voor fraudedetectie bij transacties via AI-agenten?

Not reliably. Device fingerprinting, behavioral biometrics, and velocity rules were built around human buying patterns. When the buyer is an agent running through servers or cloud environments, those signals lose their meaning, which is why post-purchase intelligence is becoming more important than checkout-stage screening for this transaction type.

Waar moeten winkeliers op letten bij het opzetten van een afrekenproces dat door medewerkers begeleide aankopen ondersteunt?

Zoek naar fraudecontroles die zijn gebaseerd op niet-menselijke signalen in plaats van uitsluitend op apparaat- en gedragsgegevens, duidelijke omschrijvingen op de afrekening zodat door medewerkers geïnitieerde kosten voor de klant herkenbaar zijn, en een manier om gegevens over door medewerkers verleende toestemming vast te leggen als bewijs bij geschillen, in plaats van uitsluitend te vertrouwen op traditionele controles tijdens het afrekenen.

De ondernemers die zich nu aanpassen, zullen later succesvol zijn

Agentic commerce is not a future problem. It is a present one. The dispute patterns are already appearing. The fraud techniques are already evolving. The liability questions are already unresolved.

Handelaren die dit als een ver-van-mijn-bed-show beschouwen, zullen onvoorbereid zijn wanneer het door agenten gegenereerde transactievolume in een stroomversnelling raakt – en dat zal snel gebeuren.

The window is still open. Not for long.

Chargeflow helps merchants prevent and recover chargebacks across Shopify, Stripe, WooCommerce, and more. See how Chargeflow Prevent protects your revenue, before agentic commerce hits your dispute queue.