Startups sätter agenter i arbete med centrala ekonomiska verksamheter, men är fortfarande selektiva kring vad de litar på att agenterna kan göra.
Stripe intervjuade grundare och utvecklare på åtta riskkapitalfinansierade startups, från såddstadiet till Serie B, för att förstå vilka uppgifter startups litar på att agenter hanterar, vilka som fortfarande kräver mänskligt godkännande och vad som skulle få dem att känna sig bekväma med att delegera mer. Deltagarna hade djup, praktisk erfarenhet av AI, antingen genom att använda agenter varje vecka för att automatisera ekonomiarbete eller genom att leverera agentbaserade ekonomiprodukter till kunder.
Över hela gruppen beskrev deltagarna att de använde agenter – många hembyggda med hjälp av verktyg som Claude eller Codex, eller färdiga agenter anpassade efter deras behov – för att automatisera utgiftsanalys, kassaflödesmodellering, transaktionsavstämning och upptäckt av avvikelser. Dock hade ingen godkänt att en agent flyttar företagets pengar utan mänskligt godkännande. En felaktig banköverföring kan binda upp rörelsekapital eller störa en tjänst som kunderna är beroende av. Ett lönefel kan lämna anställda utan lön.
Innan de aktiverar agentbaserade penningrörelser sa personerna i vår studie att agenter måste förtjäna befogenhet över tid. Agenter måste först visa att de på ett korrekt sätt kan behandla affärskontext och förbereda exakt arbete för mänskligt godkännande. Allt eftersom förtroendet växer är det mer sannolikt att team kommer att godkänna tydligt definierade åtgärder, som att överföra medel mellan namngivna konton, betala godkända fakturor och konvertera valutor inom fastställda gränser.
Den här guiden beskriver det arbete som startups delegerar i dag och stakar ut en väg mot mer autonoma ekonomiflöden för att hantera och flytta pengar.
Agenter ger startups mer kapacitet att växa
Data från Stripe Economics visar att AI ger flexibilitet när det gäller att besluta om när man ska anställa mer personal. När agenter tar på sig återkommande ekonomiarbete, som dokumenthantering och utgiftsgranskning, kan grundare hantera alltmer avancerade finansiella verksamheter innan de bygger ett ekonomiteam.
Den trestegiga utvecklingen mot autonom ekonomi
Grundare i vår studie sa att de skulle vara villiga att ge agenter mer ansvar i takt med att de bygger upp förtroendet för agenternas resultat. Denna delegering sker i tre steg där agenter:
- Läser och analyserar data
- Förbereder arbete för mänsklig bekräftelse
- Utför transaktioner autonomt
Steg 1: Agenter läser finansiella data och lyfter fram insikter
Grundarna i vår studie använder oftast agenter för skrivskyddat ekonomiarbete. Agenter tar fram information som ekonomiteamet kan agera på: onormala utgifter, saknade kvitton, förändringar i kassaflöde, dubbla prenumerationer och aktuella finansiella modeller. I det här stadiet flyttar ett fel inga medel eller ändrar en ekonomisk post. Varje användbart resultat bidrar till agentens meritlista för noggrannhet och stöder större auktoritet i nästa steg.
Vanliga användningsfall
- Spåra utgifter och förbrukning mot mål
- Analysera kassaflöde och bygga scenariomodeller
- Flagga utgiftsavvikelser och saknade kvitton
- Tolka fakturor och matcha transaktioner över system
Åtgärd för grundare: Testa tidiga resultat mot kända affärsförhållanden
Börja med en definierad, skrivskyddad uppgift som bygger på relevanta finansiella data och affärskontext. Ge agenten enbart de finansiella data och den affärskontext som den behöver för uppgiften. Jämför sedan agentens tidiga resultat med förhållanden som teamet redan förstår. Detta hjälper agenten att skilja ett verkligt problem från en förväntad förändring i verksamheten.
Användningsfall: Styrelseklara modeller på några minuter
Grundare i vår studie använder agenter för att hålla NRR-spårning, tillväxtmodeller och kassaflödesscenarier aktuella för styrelsemöten och kapitalanskaffning. Arbete som en gång slukade en helg av kalkylbladsuppdateringar kan köras mot finansiella live-data på några minuter. Grundaren av en Serie A-säkerhetsstartup sa: "Jag kan generera kassaflödesrapporter, anpassade frågor, vad jag vill väldigt snabbt, och jag är ingen teknisk vd. Det här har varit en massiv förändring för mig."
Steg 2: Agenter förbereder ekonomiskt arbete för mänsklig bekräftelse
Här går agenter bortom analys och förbereder finansiella register eller köar åtgärder för att granskas och godkännas av en människa. De flesta startups i vår studie är bekväma med att låta agenter hantera lågriskuppgifter som att förbereda utgifter eller betalningar, så länge en person godkänner det innan arbetet går live.
Vanliga användningsfall
- Föreslå utgiftskategorier för huvudboken och matchningar för avstämning mellan system
- Förbereda leverantörsuppgifter och konfigurera betalningsmottagare
- Skapa utkast till betalningskörningar baserat på godkända fakturor, förfallodatum och villkor
- Föreslå kortgränser, kontroller och frysningar för granskning
- Generera bokföringsposter och skatteunderlag
Åtgärd för grundare: Skapa en feedbackloop för agentgranskning
Använd mänskliga granskningar för att bygga upp förtroendet för agenten över tid. Registrera korrigeringar för att förbättra framtida förslag och skapa en historik av tillförlitliga resultat som kan stödja ett större ansvar. Denna verifieringsloop kan också minska den mänskliga insats som krävs för framtida granskningar.
Användningsfall: Avstämning i stor skala
En respondent inom försäkringsteknikbranschen använder en Claude Code-agent för att behandla mer än 100 PDF-filer från de försäkringsbolag som företaget arbetar med, inklusive månatliga provisions- och faktureringsutdrag. Agenten extraherar fakturadata, matchar utdrag från försäkringsbolag och stöder avstämning över system – uppgifter som tidigare krävde en till två heltidsanställda. Operativa chefen på en Serie B-startup sa: "Direkt penningmatchning bör aldrig röras av en människa – granskas, absolut, men automatiseras. Vi gör fortfarande manuella avstämningar tills vi har förtroende. Men när vi väl har det kommer det att spara in på anställningar."
Steg 3: Agenter utför finansiella åtgärder inom policyn
Det här är det steg startups i denna studie bygger mot: agenter som hanterar viktigt men återkommande ekonomiarbete utan att någon godkänner varje steg på vägen. Att nå dit kräver förtroende som byggts upp under potentiellt tusentals agentuppgifter och verktyg som på rätt sätt kan kontrollera åtkomsten till de finansiella data som agenten behöver.
Det är [på samma sätt] du bygger upp förtroende för en annan människa: ju mer riktig[t] agenten gör något, desto mer litar du på den.”
Vanliga användningsfall
- Flytta medel mellan godkända konton för att bibehålla målsaldon
- Betala godkända fakturor inom regler för belopp, leverantör och tidpunkt
- Konvertera valutor när ett saldo eller en kurs når en förgodkänd gräns
- Utfärda och hantera kort inom fördefinierade utgiftskontroller
- Initiera återbetalningar som uppfyller regler för kvalificering och belopp
- Stödja maskin-till-maskin-betalningar och delegerade utgifter
Användningsfall: Hantera berättigade återbetalningsärenden
Dust, en AI-plattform för att bygga och dela anpassade agenter, illustrerar hur det här stadiet kan se ut. Dess interna återbetalningsagent kombinerar kundkontext och företagets återbetalningspolicy med godkända Stripe-data via Stripe Model Context Protocol (MCP)-servern. Agenten granskar kundens historik, validerar betalningen, tillämpar policyn och utlöser en berättigad återbetalning i Stripe innan den utformar ett personligt e-postmeddelande för bekräftelse. Dust minskar processen för återbetalning från ungefär en timme till sekunder. "I stället för att drunkna i en lång svans av lågvärdesuppgifter får team maximera den tid som läggs på kritiskt arbete, och kunderna kan märka det", sa Nicolas Chinot, General Manager för USA på Dust.
Åtgärd för grundare: Kör ett pilotprojekt för agentbaserade penningrörelser
När en agent har gått igenom steg 1 och 2 kör du kontrollerade pilotprojekt för penningrörelser för att validera dess kapacitet. Börja med nominella engångsöverföringar mellan interna finansiella konton och testa sedan återkommande eller schemalagda transaktioner. Registrera varje åtgärd den vidtar och den policy som tillät den, och stresstesta eskaleringsregler för att säkerställa att en människa flaggas för att granska undantag och kan pausa eller upphäva transaktionen.
Balansera åtkomst och kontroll för agenter
I takt med att en agent tar på sig mer ansvar behöver den åtkomst till finansiella data och verktyg som ger kontext för hur företaget fungerar. En enskild betalningspost förklarar till exempel inte huruvida en plötslig utgiftsökning är ett nytt tillväxtinitiativ eller en tjänsteprisökning. Bredare data kring intäkter, utgifter och även kapitalanskaffning hjälper agenten att exakt tolka vad denna ökning betyder.
De här [agenterna] känner inte till er arkitektur, de vet inte vad som händer i Slack, de känner inte till den här nya produktlanseringen som orsakade att något ökade i utgifter."
Att låsa upp den fullständiga vyn kräver åtkomst till systemen där datan finns. Men det betyder inte att man ska ge agenter breda behörigheter över vart och ett av dem. Infrastruktur för agentbaserad ekonomi måste därför göra två saker: ge agenter den kontext de behöver och ge startups exakt kontroll över vad agenter kan få åtkomst till, förbereda och utföra.
Hur Stripe driver agentbaserad ekonomi
De flesta startups bygger agenter kring sina egna verktyg, data och processer. Stripe gör finansiella data och funktioner för penninghantering tillgängliga för de agenter ett företag väljer, med tydliga kontroller för vad dessa agenter kan få åtkomst till och göra.
Med Stripe MCP kan företag ansluta AI-verktyg till Stripes API samt Stripes dokumentation. Stripe Financial Connections lägger på ett säkert sätt till externa kontosaldon och transaktionsdata. Stripe utvecklar även stöd för agentarbetsflöden via Stripe CLI och Stripe Console, vår inbyggda Dashboard-assistent.
Stripe Treasury for agents utökar dessa arbetsflöden till penninghantering. Agenter kan analysera finansiella data, flytta medel mellan saldon i Stripe som stöds, skapa mottagare, skicka betalningar och konvertera valutor. Detaljerade behörigheter kontrollerar agentens åtkomst, och åtgärder som flyttar live-pengar kräver mänsklig bekräftelse som standard.