Искусственный интеллект (ИИ) и организационная идентичность

По мере того как агенты ИИ начинают находить услуги, обмениваться информацией и инициировать платежи от имени организаций, возникает практический вопрос: как другая сторона может проверить, какая организация стоит за агентом и на что этот агент уполномочен? Код идентификации юридических лиц (LEI) представляет собой глобально стандартизированный идентификатор, связанный с проверенными справочными данными о юридическом лице. Верифицируемый код LEI расширяет эту основу на цифровые взаимодействия, позволяя контрагентам с помощью вычислительных средств проверять идентичность организации и полномочия лиц, действующих от ее имени.

GLEIF изучает, как эта инфраструктура могла бы поддержать будущие подходы к делегированию полномочий агентам ИИ, в частности в сфере платежей. Наряду с этой развивающейся областью стандартизированные справочные данные LEI уже поддерживают классификацию юридических лиц на основе ИИ. Эти приложения отвечают разным потребностям: проверке полномочий при совершении действий агентами ИИ и улучшению организационных данных, используемых в анализе на основе ИИ.

ИИ-агенты в сфере платежей: проверка идентичности и делегированных полномочий

Организация может делегировать задачи по осуществлению платежей программному обеспечению, но контрагенту по-прежнему требуются доказательства того, кто уполномочил агента, какие действия он может совершать и как проверяются эти разрешения. Код LEI идентифицирует участвующее юридическое лицо. Существующие учетные данные vLEI позволяют проводить компьютерную проверку идентичности организации, а также ролей и полномочий лиц, действующих от имени этого юридического лица. Установление связи между конкретным агентом ИИ и организацией, а также определение разрешенных ему действий требуют дополнительных доказательств делегирования полномочий и мер контроля на момент совершения транзакции.

В рабочем документе GLEIF от сентября 2026 года «ИИ-агенты в платежных операциях: обеспечение взаимодействия, доверия и контроля» рассматривается один из возможных подходов. В документе анализируется предлагаемый идентификатор полномочий агента (AMC), который мог бы связывать криптографический идентификатор ИИ-агента с проверенной организацией и уполномоченным лицом, одновременно определяя разрешенные задачи, лимиты транзакций и срок действия. Например, сотрудник казначейства компании мог бы уполномочить агента осуществлять определенные платежи поставщикам; поставщик платежных услуг мог бы проверить цепочку авторизации и применить меры контроля на этапе проведения транзакции перед её выполнением. В документе также рассматриваются вопросы отзыва полномочий, аудиторской отчётности, конфиденциальности и взаимодействия. AMC по-прежнему является предложением для дальнейших исследований и тестирования. В настоящее время это не является удостоверением, выдаваемым в рамках экосистемы vLEI, и не является окончательно утверждённым отраслевым стандартом.

Анализ данных на основе искусственного интеллекта: понимание названий юридических лиц (LENU)

Организационно-правовые формы варьируются в зависимости от юрисдикции, языка и конвенций наименования, что затрудняет их последовательную классификацию. Список кодов организационно-правовых форм (ELF) юридических лиц, основанный на стандарте ISO 20275, присваивает каждой организационно-правовой форме четырёхсимвольный буквенно-цифровой код. GLEIF в сотрудничестве с Sociovestix Labs разработала Legal Entity Name Understanding (LENU) — инструмент машинного обучения с открытым исходным кодом, который прогнозирует организационно-правовую форму юридического лица по его названию и предлагает соответствующий код ELF. LENU использует стандартизированные справочные данные LEI для обучения моделей, специфичных для конкретных юрисдикций, и может обеспечить:

• Более согласованную классификацию организационно-правовых форм на разных языках и в соответствии с различными конвенциями именования.
• Более точное сопоставление юридических лиц и интеграцию данных в случаях, когда в записях используются разные обозначения.
• Снижение объема ручной работы при подготовке данных об организационно-правовой форме для последующих процессов.
• Проверку качества данных в случаях, когда предлагаемые коды ELF отличаются от кодов в существующих записях LEI.

Эти машиночитаемые классификации помогают организациям подготавливать более согласованные данные об организациях для аналитики, регистрации новых клиентов и других цифровых процессов. В следующем видео из серии «GLEIF Explains» представлена система LENU.

LENU — это библиотека Python с открытым исходным кодом, доступная на GitHub; модели для конкретных юрисдикций также доступны на Hugging Face. Ее модели на основе трансформеров могут обрабатывать названия юридических лиц на разных языках и в разных юрисдикциях.

В тех случаях, когда GLEIF выявляет явные несоответствия между прогнозами LENU и существующими записями LEI, она может направить запрос о проверке данных соответствующей Организации, выдающей коды LEI, для верификации и исправления, если это необходимо. Обновленные справочные данные затем могут быть использованы при разработке последующих версий модели.

GLEIF, Университет Санкт-Галлена и Sociovestix Labs опубликовали научную статью «Классификация организационно-правовых форм на основе трансформеров» (Transformer-based Entity Legal Form Classification), в которой рассматривается данный подход и его потенциал для поддержки стандартизации данных и сопоставления юридических лиц.

Для получения общего представления прочитайте нашу последнюю статью в блоге «Когда ИИ-агенты совершают транзакции, кто за ними стоит?». Для более широкого контекста платежей см. раздел «Трансграничные платежи»