银行早就习惯了「客户可能是个脚本」：爬虫、抢票机、批量注册，风控系统与之缠斗了十几年。可最近一两年出现了一类新主体——被用户本人授权的 AI 智能体，正替他查余额、比价格、甚至直接发起转账。它们不是来捣乱的，而是被主人请来办事的。问题在于，传统那道「你是人吗」的防线，对这类「合法但非人」的会话几乎失效。10 月 6 日，设备智能厂商 Incognia 推出面向金融机构的 AI agent 检测方案，想补的正是这一层：识别并管理那些替消费者本人发起交易的智能体。
代客交易的智能体，正在绕过「你是人吗」这道关
人机验证、设备指纹、行为验证码，这套组合拳对付的是「想伪装成人的恶意程序」。可当一个智能体是用户主动授权、用来代管账户时，它走的是正常登录、正常授权，目的也是真实需求。它既不是攻击、也不是爬虫，却确实不是人。传统风控在面对它时会陷入两难：放行则失去「操作主体是谁」的可见性，拦截又误伤了被授权的正当服务。Incognia 判断，随着授权 agent 在金融场景里变多，金融机构需要单独的一层来回答「这笔操作到底是人下的，还是他雇的 agent 下的」，而不是一刀切地把它当机器流量挡掉。
从设备信号推断操作主体
Incognia 的底层积累在设备智能：通过设备指纹、行为信号、环境上下文来判断一次交互背后的主体。放到 agent 检测上，思路不是去问一句「你是人吗」，而是看这次会话的信号长什么样。人类的操作节奏不规则、会犹豫、会跨设备跨场景切换；agent 的操作节奏稳定、调用模式固定、几乎没有迟疑。把这类信号聚合起来，系统能给「操作主体是人类还是 agent」一个概率判断，再交给金融机构决定怎么处置。它的价值不在于百分之百分清，而在于把原本完全不可见的 agent 流量，变成可被识别、可被记录、可被策略管理的对象。
检测的边界与误伤风险
这类检测天然有灰度。信号像人未必是人，像 agent 也未必是 agent——有些用户本身操作就很机械，有些 agent 也会故意加入随机性伪装成人。所以处置不能只有「放」和「拦」两档，而应该分层：信号像人则允许，拿不准先观察记录，只有高风险才强拦截。更关键的是粒度：误伤一个真人代价很高，因此拦截最好落到单笔交易，而不是封掉整个用户或整个会话。Incognia 把方案定位成「帮银行识别并管理」而非「替银行挡掉」，这个分寸是对的——agent 代客交易本就是被授权的正当需求，目标是可见与可控，不是消灭。
它和 agent 治理的关系
把这件事放进更大的图里看，agent 检测是 agent 治理拼图里「身份」那一块。我们此前看过把委托结构本身作为风险来源的研究，也看过把护栏做成确定性策略引擎的实践。Incognia 这一侧补的是金融场景里最朴素也最要命的一问：当一笔交易进来，银行能不能先知道对面是不是人、是不是被授权的 agent。它能和授权层、审计层配合——授权层决定「这个 agent 能办什么」，检测层决定「这笔到底是不是它本人发起的」，审计层事后留痕。三者合起来，金融机构面对 agent 代客交易时，才既有放行效率、也有兜底安全。目前官方及行业暂未披露这套方案在真实银行流量上的误识率数字，后续仍需看落地后的实测表现。
一句话收尾：当你的客户可能已经是個智能体，银行要补的不是更狠的人机验证，而是一层能识别「非人但被授权」的会话身份。