Aansprakelijkheid voor terugboekingen door AI-agenten: wie betaalt er als agent-gedreven handel misgaat?

AI-agenten doen op dit moment al aankopen namens consumenten. Ze zoeken, vergelijken en kopen zonder te wachten tot een mens op ‘bevestigen’ klikt. En als er iets misgaat met een van die aankopen, weet niemand wie daarvoor opdraait.

Dat is het kernprobleem met de aansprakelijkheid bij chargebacks door AI-agenten. De chargeback-regels waarop handelaren zich baseren, zijn opgesteld voor een wereld waarin een menselijke koper en een menselijke verkoper een transactie afhandelen. Bij agentische handel komt er een derde partij bij, namelijk een autonome AI, en dan stort het hele aansprakelijkheidskader in.

In dit artikel wordt uitgelegd welke aansprakelijkheidslacune er ontstaat bij transacties via AI-agenten. U komt te weten wie aansprakelijk is voor aankopen via AI-agenten, waarom traditionele regels voor geschillenbeslechting tekortschieten, met welke nieuwe risico’s handelaren te maken krijgen, welke sectorprotocollen in opkomst zijn en wat u nu al kunt doen om uw bedrijf te beschermen.

Wat is agentic commerce en waarom is dit van belang voor terugboekingen?

Bij ‘agentic commerce’ zoeken AI-agenten zelfstandig naar producten, vergelijken ze de verschillende opties en ronden ze aankopen af namens een consument. De consument stelt zijn voorkeuren in en geeft toestemming, maar de agent regelt de rest zonder dat voor elke afzonderlijke transactie goedkeuring nodig is.

Dit is van belang voor terugboekingen, omdat alle geldende regels voor geschillen zijn ontworpen voor een model met twee partijen: een koper en een verkoper. De ene partij besluit iets te kopen. De andere partij voert de bestelling uit. Als er iets misgaat, beschikken de kaartnetwerken over duidelijke procedures om de schuld tussen deze twee partijen vast te stellen.

AI-agenten doorbreken dat model. Er is nu een derde partij die aankoopbeslissingen neemt, en de bestaande regelingen voor terugboekingen houden hier geen rekening mee. De agent is niet de koper. De agent is niet de verkoper. Toch is de agent degene die de transactie in gang heeft gezet.

Voor verkopers vormt dit een directe bedreiging. Je hebt een bestelling aangenomen die er legitiem uitzag, deze te goeder trouw afgehandeld, en nu word je geconfronteerd met een geschil waarin de consument beweert dat hij de aankoop nooit heeft goedgekeurd. De regels die bedoeld zijn om je te helpen je te verdedigen, zijn niet op dit scenario afgestemd.

De aansprakelijkheidsleemte bij terugboekingen: drie partijen, geen duidelijke verantwoordelijke

Wanneer een AI-agent een aankoop doet waarover een geschil ontstaat, kunnen drie partijen aansprakelijk worden gesteld.

De consument heeft bevoegdheden aan de agent gedelegeerd. Hij heeft hem toestemming gegeven om inkopen te doen, een budget vast te stellen of voorkeuren aan te geven. Maar heeft hij ook toestemming gegeven voor deze specifieke aankoop? Het antwoord daarop is zelden duidelijk.

De AI-aanbieder heeft de agent ontwikkeld en beheert deze. Zij hebben de besluitvormingslogica ontworpen. Als de agent een voorkeur verkeerd interpreteert of een aankoop doet die de consument niet wilde, is het product van de aanbieder de oorzaak van het probleem.

De verkoper heeft de bestelling geaccepteerd en uitgevoerd. Je hebt een transactie verwerkt die geldig leek, het product verzonden en krijgt nu te maken met een terugvordering.

Om te begrijpen wie aansprakelijk is voor de aankoop van AI-agenten, moet worden gekeken naar de rol van elke partij, waarover zij zeggenschap hebben en waar hun risico’s liggen.

Er bestaat geen kader dat de verantwoordelijkheid tussen deze drie partijen duidelijk verdeelt. De kaartnetwerken hebben hun geschillenprocedures opgezet rond de verhouding tussen koper en verkoper. Er is geen regel die stelt: „Als een AI-agent de aankoop heeft gedaan, is de AI-aanbieder aansprakelijk.” Er is geen regelgeving die bepaalt: „Als de consument algemene toestemming heeft gegeven, kan hij geen bezwaar maken tegen afzonderlijke transacties.”

Het gevolg is een aansprakelijkheidskloof. En op dit moment bevinden handelaren zich in de meest kwetsbare positie. Wanneer er een terugvordering plaatsvindt, ben jij degene die de omzet misloopt, de kosten voor de terugvordering betaalt en de operationele kosten draagt om het geschil aan te vechten, ongeacht of het probleem nu door de AI-agent of door de consument is veroorzaakt.

Waarom traditionele regels voor terugboekingen niet meer werken

De regels voor terugboekingen zijn gebaseerd op twee begrippen: autorisatie en bewijs. Bij transacties via AI-agenten gaan beide begrippen niet op.

De machtiging wordt onduidelijk

Bij een traditionele transactie verloopt de autorisatie heel eenvoudig. De kaarthouder voert zijn betalingsgegevens in en klikt op ‘kopen’. Die handeling is de autorisatie en is rechtstreeks gekoppeld aan een specifieke aankoop.

Bij AI-agenten is de autorisatie gelaagd. De consument heeft de agent gemachtigd om namens hem of haar te handelen. Maar die algemene toestemming geldt niet automatisch voor elke transactie die de agent uitvoert. Als een consument tegen een agent zegt: „Koop deze week boodschappen voor me”, en de agent bestelt een duurder product dan de consument had verwacht, was die transactie dan geautoriseerd?

De huidige regels van de kaartnetwerken bieden hier geen eenduidig antwoord op. De autorisatie vond plaats op het niveau van de agent, niet op transactieniveau. En wanneer een consument de afschrijving betwist, moet de handelaar proberen aan te tonen dat er toestemming was voor een aankoop die de consument mogelijk nog nooit had gezien voordat deze werd geleverd.

Traditioneel bewijsmateriaal verdwijnt

Handelaren onderbouwen terugboekingen met bewijsmateriaal: IP-adressen, apparaat-fingerprints, browsegeschiedenis en sessiegegevens. Deze signalen tonen aan dat een echte persoon interactie heeft gehad met je website en een weloverwogen aankoopbeslissing heeft genomen.

AI-agenten maken daar een einde aan. Een agent navigeert niet op dezelfde manier door je website als een mens. Hij laat geen apparaatvingerafdruk achter. Hij genereert geen sessiegeschiedenis waaruit blijkt dat er prijzen zijn vergeleken en een bewuste keuze is gemaakt. De gedragssignalen waarop verkopers vertrouwen om geschillen te winnen, bestaan simpelweg niet bij transacties die door agenten worden geïnitieerd.

Dit zijn de veranderingen wanneer je overstapt van traditionele geschillen naar chargebacks in het kader van agentic commerce:

Dit brengt je in een lastig parket. Je hebt bewijs nodig om een terugvordering aan te vechten. Het beste bewijs komt voort uit menselijk gedrag. En bij deze transactie was er geen menselijk gedrag om vast te leggen.

Hoe AI-agenten nieuwe chargeback-risico’s voor handelaren met zich meebrengen

AI-agenten verstoren niet alleen de bestaande chargeback-processen. Ze zorgen ook voor geheel nieuwe geschilgevallen waarop handelaren zich moeten voorbereiden.

Ongeautoriseerde AI-aankopen

Een AI-agent houdt de koopgedragspatronen van een consument bij en plaatst een bestelling op basis van eerdere voorkeuren. De consument ontvangt een product waar hij niet expliciet om heeft gevraagd en betwist de afschrijving. Vanuit het perspectief van de consument heeft hij nooit toestemming gegeven voor deze specifieke aankoop. Vanuit jouw perspectief heeft de agent een geldige bestelling geplaatst met geldige betalingsgegevens.

Dit is het meest eenvoudige scenario waarin een geschil met een AI-agent kan ontstaan, en het doet zich nu al voor. De vordering van de consument is gegrond, omdat hij of zij de betreffende transactie niet heeft goedgekeurd. Uw verdediging is zwak, omdat u niet kunt aantonen dat hij of zij dat wel heeft gedaan.

Vriendschappelijke fraude wordt steeds moeilijker te bestrijden

Vriendelijke fraude is nu al een van de grootste uitdagingen op het gebied van terugboekingen waarmee handelaren te maken hebben. AI-agenten maken het nog erger.

Het kan best zijn dat een consument een aankoop die zijn vertegenwoordiger heeft gedaan, echt niet herkent. Hij controleert zijn creditcardafschrift, ziet een afschrijving die hij zich niet kan herinneren te hebben goedgekeurd, en dient een bezwaar in. Dit is geen kwaadwillige fraude. Het is verwarring, en vanuit het oogpunt van de handelaar lijkt het precies op ‘vriendelijke fraude’.

Het verschil is dat er bij traditionele ‘friendly fraud’ ten minste gedragsbewijs is dat je kunt gebruiken bij het weerleggen van een geschil. Je kunt aantonen dat de consument op je website heeft rondgekeken, artikelen aan het winkelmandje heeft toegevoegd en de bestelling heeft afgerond. Bij door medewerkers geïnitieerde aankopen ontbreekt dat bewijstraject, waardoor deze geschillen voor beide partijen moeilijker te beslechten zijn.

Programma’s voor het monitoren van kaartnetwerken lopen gevaar

Elke handelaar moet zich houden aan de drempelwaarden voor het percentage terugboekingen die door de kaartnetwerken zijn vastgesteld. Het VAMP-programma van Visa en het ECM-programma van Mastercard leggen sancties op aan handelaren wier percentage geschillen te hoog oploopt. Deze sancties variëren van boetes en hogere verwerkingskosten tot het volledig verliezen van je handelaarsaccount.

Geschillen die door AI-agenten worden aangespannen, verhogen uw risico op terugboekingen, ongeacht of deze geschillen terecht zijn. Als door agenten geïnitieerde transacties een aanzienlijk deel van uw ordervolume gaan uitmaken, kunnen de daaruit voortvloeiende geschillen ervoor zorgen dat u snel tegen die drempels aanloopt. Bovendien maken de monitoringprogramma’s geen onderscheid tussen een traditioneel geschil en een geschil dat wordt veroorzaakt door een AI-agent die namens een consument optreedt.

Brancheprotocollen die handelaars moeten kennen

De betalingssector erkent het probleem en werkt aan nieuwe kaders om dit aan te pakken. Dit is de huidige stand van zaken.

Het Trusted Agent Protocol (TAP) van Visa creëert een verificatielaag voor AI-agenten. Het maakt gebruik van cryptografisch ondertekende referenties om de identiteit van de agent te bevestigen en te verifiëren dat de consument de agent toestemming heeft gegeven om te handelen. TAP biedt handelaren een aantoonbaar autorisatiebewijs dat bij geschillen kan worden gebruikt.

Agent Pay van Mastercard hanteert een vergelijkbare aanpak en biedt een kader voor de manier waarop AI-agenten met het betalingssysteem communiceren. Het doel is om alle partijen, inclusief handelaren, duidelijkere regels te bieden voor door agenten geïnitieerde transacties.

Het Agent Payments Protocol (AP2) van Google standaardiseert de manier waarop AI-agenten betalingsstromen tussen verschillende platforms afhandelen. Het richt zich op het creëren van consistente autorisatie- en bevestigingsprocessen, zodat handelaren betrouwbare transactiegegevens ontvangen.

Het Agentic Commerce Protocol (ACP) van OpenAI bepaalt hoe AI-agenten zich moeten gedragen tijdens commerciële interacties, waaronder betalingsautorisatie, orderbevestiging en communicatie na aankoop. Het creëert veiligheidsmaatregelen die de kans op betwiste transacties verkleinen.

American Express heeft toegezegd de kosten te dekken van foutieve aankopen die door AI-agenten op hun netwerk zijn gedaan, waarmee het een benadering van consumentenbescherming hanteert die een deel van de aansprakelijkheid wegneemt bij de handelaren.

Hier volgt een kort overzicht van hoe deze protocollen zich tot elkaar verhouden:

Deze protocollen bevinden zich nog in verschillende stadia van ontwikkeling en invoering. Geen van deze protocollen biedt op dit moment een volledige oplossing voor de aansprakelijkheidsleemte. Maar ze geven wel aan welke richting de sector opgaat, en handelaren die ze nu al begrijpen, zullen beter gepositioneerd zijn wanneer ze daadwerkelijk worden ingevoerd.

Verordening inzake agentieke handel 2026: de huidige stand van zaken

Tot op heden (2026) heeft nog geen enkele regering regelgeving inzake handel door AI-agenten vastgesteld waarin specifiek wordt geregeld wie aansprakelijk is wanneer een AI-agent zelfstandig een aankoop doet.

De EU-AI-wet, de meest uitgebreide AI-regelgeving die er momenteel bestaat, heeft geen betrekking op scenario’s waarbij autonoom aankopen worden gedaan. De wet richt zich op de risicoclassificatie van AI en op transparantievereisten, en niet op aansprakelijkheid bij betalingen.

PSD3, de volgende herziening van de Europese Richtlijn betreffende betalingsdiensten, zou de aansprakelijkheid bij handel via agenten kunnen regelen. Er wordt echter nog over onderhandeld en er is geen garantie dat er specifieke bepalingen voor transacties via AI-agenten in zullen worden opgenomen.

In de Verenigde Staten bestaat er geen federale wetgeving die de aansprakelijkheid bij de aankoop van AI-agenten regelt. De bestaande wetgeving inzake consumentenbescherming is niet opgesteld met het oog op autonome AI.

Kortom: de betalingssector ontwikkelt zich sneller dan de regelgevers. De protocollen van kaartnetwerken en overeenkomsten op platformniveau zullen waarschijnlijk de spelregels bepalen voordat de wetgeving deze ontwikkelingen heeft ingehaald. Handelaars kunnen niet wachten op regelgeving om zichzelf te beschermen.

Hoe winkeliers zich nu kunnen beschermen

U hoeft niet te wachten tot regelgeving of sectorprotocollen definitief zijn vastgesteld. Er zijn concrete maatregelen die u vandaag al kunt nemen om uw risico op terugboekingen door AI-agenten te verminderen.

Een bewijsstrategie opstellen voor transacties op initiatief van een agent

Het gebrek aan bewijs is je grootste zwakke plek. Begin nu alvast met het dichten van die kloof.

• Agent-identificatiegegevens: Leg de identiteit vast en sla deze op van elke AI-agent die een transactie op uw platform initieert. Registreer het type agent, de versie en het platform waarop deze actief is.
• Sessietokens en mandaatlogboeken: Leg de autorisatieketen vast, dat wil zeggen welke machtigingen de consument aan de agent heeft verleend en wanneer. Deze logboeken vormen uw belangrijkste bewijsmateriaal bij geschillen.
• Tijdstempels en interactiegegevens: Leg elk contactmoment tussen de medewerker en uw afrekenproces vast. Hoe gedetailleerder uw gegevens zijn, hoe sterker uw verdediging bij geschillen.
• Overeenkomsten inzake het delen van gegevens: Sluit overeenkomsten met AI-platforms om toegang te krijgen tot gedragssignalen uit het besluitvormingsproces van de agent. Deze gegevens vervangen de gegevens over het surfgedrag van de gebruiker die bij transacties via een agent verloren gaan.

Zorg dat deze infrastructuur voor het vastleggen van bewijsmateriaal al is opgezet voordat er geschillen ontstaan. Het achteraf aanpassen van je systemen nadat er terugboekingen binnenkomen, kost meer tijd en geld.

Chargeflow Intelligence verzamelt en verrijkt automatisch gegevens uit meerdere bronnen om overtuigende bewijspakketten samen te stellen. Wanneer traditionele gedragssignalen bij door agenten geïnitieerde transacties ontbreken, vult de door AI aangestuurde bewijsverrijking deze leemte op door gegevens uit een wereldwijd netwerk van handelaren te halen.

Voorkom terugboekingen voordat ze plaatsvinden

Het voorkomen van fraude bij transacties via agents begint met het voorkomen van geschillen voordat deze uitmonden in terugboekingen. Dit geldt met name voor transacties via AI-agenten, waarbij uw bewijsmateriaal vanaf het begin al zwakker is.

Chargeback-waarschuwingsnetwerken, die door de kaartnetwerken worden aangestuurd, vangen geschillen in realtime op. Wanneer een consument een geschil inleidt, ontvangt u een melding en kunt u het probleem oplossen – vaak door middel van een terugbetaling – voordat het een formele chargeback in uw administratie wordt.

Het opsporen van fraude na de aankoop voegt nog een extra beveiligingslaag toe. Identiteitsanalyse-tools analyseren transactiepatronen na de aankoop om verdacht gedrag van agenten te signaleren, waaronder malafide AI-agenten die zonder geldige toestemming van de consument opereren.

Chargeflow Alerts voorkomt geschillen nog voordat ze uitmonden in terugboekingen, dankzij de ondersteuning van Visa en Mastercard. Chargeflow Prevent maakt gebruik van identiteitsinformatie uit een wereldwijd netwerk van handelaren om kwaadwillende actoren, waaronder malafide AI-agenten, op te sporen voordat ze schade aanrichten.

Automatiseer uw reactie op geschillen

Handmatig beheer van terugvorderingen kan het volume aan geschillen dat door AI-agenten wordt afgehandeld niet bijhouden. Voor elk geschil moeten bewijsmateriaal worden verzameld, opgemaakt en binnen strakke termijnen worden ingediend. Als je een deadline mist, verlies je automatisch.

Geautomatiseerde chargeback-platforms regelen de volledige afhandeling van geschillen zonder dat er menselijke knelpunten ontstaan. Ze verzamelen bewijsmateriaal, stellen reactiedossiers samen, dienen tijdig bezwaarschriften in en optimaliseren strategieën op basis van de resultaten. Dit is geen optie, maar een noodzaak voor handelaren die naast hun bestaande chargeback-volume te maken krijgen met een nieuwe categorie geschillen.

Chargeflow Automation beheert chargebacks van begin tot eind, met volledige dekking van alle indieningen en een gegarandeerd rendement op de investering. U hoeft uw team niet opnieuw op te leiden voor een nieuw soort geschil. Het platform past zich aan chargebacks door AI-agenten op dezelfde manier aan als het alle andere chargebacks afhandelt: automatisch.

Duidelijke richtlijnen voor klanten vaststellen

Preventie begint bij communicatie. Zorg ervoor dat uw klanten weten wanneer een AI-agent namens hen een transactie initieert.

• Bevestigingsberichten: Stuur een duidelijke, onmiddellijke bevestiging zodra een door een medewerker geïnitieerde aankoop is voltooid. Vermeld wat er is gekocht, de totale kosten en een eenvoudige optie om de aankoop te annuleren.
• Herkenbare omschrijvingen op de afrekening: Gebruik omschrijvingen die uw bedrijf duidelijk identificeren. Consumenten die een afschrijving op hun afschrift niet herkennen, zullen deze veel vaker betwisten.
• Annuleringstermijnen: Geef klanten een redelijke termijn om door een medewerker geïnitieerde aankopen te controleren en te annuleren voordat deze worden afgehandeld. Dit vermindert geschillen die voortkomen uit verrassing of verwarring.
• Overzichten van agentactiviteiten: Als uw platform AI-agenten ondersteunt, verstrek klanten dan regelmatig overzichten van wat hun agenten hebben aangeschaft. Transparantie vermindert het aantal geschillen van het type „Dit heb ik niet goedgekeurd”, die het aantal terugboekingen doen toenemen.

Het AI-aangedreven platform van Chargeflow beschermt handelaren tegen terugboekingen, inclusief geschillen die voortvloeien uit transacties via AI-agenten. Geautomatiseerde bewijsverzameling, realtime waarschuwingen en end-to-end geschillenbeheer, speciaal ontwikkeld voor de toekomst van de handel.

Gratis beginnen

Veelgestelde vragen

Wie is aansprakelijk wanneer een AI-agent een ongeoorloofde aankoop doet?

Er is nog geen eenduidig juridisch antwoord. De consument, de AI-aanbieder en de handelaar zouden allemaal een deel van de verantwoordelijkheid kunnen dragen, maar er bestaat geen kader waarin deze verantwoordelijkheid duidelijk wordt toegewezen, en handelaars dragen momenteel het grootste financiële risico door terugboekingen.

Kunnen handelaren terugboekingen van transacties via AI-agenten betwisten?

Ja, maar de eisen aan bewijsmateriaal zijn anders. Bij door AI geïnitieerde transacties zijn traditionele signalen, zoals apparaatvingerafdrukken en surfgedrag, mogelijk niet aanwezig; daarom hebben handelaren behoefte aan nieuwe bewijsstrategieën die zijn gebaseerd op agent-ID’s en autorisatielogboeken.

Welke invloed heeft agentic commerce op de terugboekingspercentages?

AI-agenten kunnen het aantal geschillen doen toenemen door ongeoorloofde aankopen, dubbele bestellingen en verwarring bij consumenten. Dit extra aantal geschillen kan ervoor zorgen dat handelaren de drempels van VAMP of Mastercard ECM bereiken, waardoor boetes worden opgelegd.

Wat is het Visa Trusted Agent Protocol?

TAP is het raamwerk van Visa voor het verifiëren van AI-agenten die namens consumenten handelen. Het maakt gebruik van cryptografisch ondertekende inloggegevens om zowel de identiteit van de agent als de machtiging van de consument te bevestigen, waardoor handelaren zich kunnen wapenen tegen geschillen op het gebied van agentgebaseerde handel.

Hoe kunnen handelaren terugboekingen door AI-agenten voorkomen?

Handelaren zouden gebruik moeten maken van netwerken voor terugvorderingswaarschuwingen om geschillen in een vroeg stadium te voorkomen, fraudedetectie na aankoop moeten inzetten voor transacties die door een medewerker worden geïnitieerd, het verzamelen van bewijsmateriaal moeten automatiseren en moeten zorgen voor duidelijke communicatie met klanten over aankopen die door AI worden geïnitieerd.

Conclusie

Terugboekingen bij agentgebaseerde handel zijn al een feit, maar het aansprakelijkheidskader heeft hier nog geen rekening mee gehouden. De regels voor terugboekingen waarop u vertrouwt, zijn opgesteld voor menselijke kopers en verkopers. Ze houden geen rekening met autonome AI die aankoopbeslissingen neemt.

Dat betekent dat jij het financiële risico draagt. Wanneer er een geschil ontstaat over een transactie via een AI-agent, loop je de opbrengst mis, moet je de kosten betalen en moet je het geschil aanvechten met minder bewijsmateriaal dan je bij een traditionele terugvordering zou hebben.

De sector werkt aan oplossingen. Er worden protocollen van Visa, Mastercard, Google en OpenAI uitgewerkt. Maar deze zijn nog niet volledig geïmplementeerd, en de regelgeving loopt nog verder achter.

Je hoeft niet te wachten. Stel je bewijsstrategie op, voorkom geschillen voordat ze ontstaan, automatiseer je reacties en stel duidelijke richtlijnen vast voor je klanten. De handelaren die nu in actie komen, zullen degenen zijn die de overgang naar agentic commerce zullen overleven.

Gratis beginnen