Ripple neemt deel aan het ‘Agent Pay for Machines’-initiatief van Mastercard, waarbij XRPL en RLUSD worden ingezet in een bredere campagne ter ondersteuning van AI-gestuurde betalingen. Mastercard werkt samen met meer dan 30 partners, aangezien autonome transacties nieuwe eisen stellen op het gebied van controles, toestemmingsprocessen en afwikkeling.
XRPL en RLUSD staan in de schijnwerpers nu Ripple zich aansluit bij het AI-betalingsinitiatief van Mastercard

Belangrijkste punten
- XRPL en RLUSD verankeren de rol van Ripple in het initiatief voor autonome betalingen van Mastercard.
- Bedrijven kunnen XRPL gebruiken om controles uit te voeren terwijl AI-agenten continu transacties uitvoeren.
- RLUSD zou gereguleerde afwikkeling kunnen ondersteunen naarmate machine-gedreven handel zich uitbreidt over bedrijfssystemen.
Mastercards AI-betalingsplan zet de rol van Ripple voor bedrijven in de schijnwerpers
De rol van Ripple in het Agent Pay for Machines-initiatief van Mastercard plaatst XRPL en RLUSD in een bredere context van het reguleren van AI-gestuurde handel. Mastercard kondigde op 10 juni aan dat het samenwerkt met meer dan 30 partners om autonome transacties te ondersteunen die snelheid, controles, toestemming en betrouwbare afwikkeling vereisen.
"Nu AI-agenten transacties gaan uitvoeren namens bedrijven, hebben betalingen meer nodig dan alleen snelheid. Ze hebben vertrouwen, controles en duidelijke regels nodig voor hoe waarde wordt overgedragen," verklaarde Ripple op X, en voegde eraan toe:
"We helpen bij het opbouwen van de infrastructuur voor betrouwbare, door agenten aangestuurde betalingen, waarbij het XRP Ledger en RLUSD helpen de basis te leggen voor de toekomst van de handel."
"We zijn verheugd deel uit te maken van het ecosysteem dat het Agent Pay for Machines-initiatief van Mastercard ondersteunt, en helpen bij het valideren van nieuwe use cases, het vaststellen van gemeenschappelijke regels en het versnellen van de acceptatie," deelde het bedrijf verder.
"Autonome agents regelen nu al zelfstandig facturen en betalen voor rekenkracht, maar instellingen kunnen alleen met die snelheid meegaan als de controles mee evolueren," legde Markus Infanger, senior vicepresident van RippleX, het op het XRP Ledger gerichte team van Ripple, uit.
Het raamwerk van Mastercard is gericht op softwareagenten die continu transacties kunnen uitvoeren voor bedrijven. Het bedrijf noemde voorbeelden zoals de aankoop van digitale diensten, logistieke betalingen, reserveringen van laadperrons, monitoringgegevens van de koelketen en magazijnverwerkingskosten, waarmee werd geïllustreerd hoe agent commerce betalingsstromen met een hoog volume en een lage waarde kan genereren.
XRPL en RLUSD positioneren Ripple voor gereguleerde machine-afwikkeling
Ripple legt de nadruk op compliance en toezicht in plaats van alleen op snelheid. Voor ondernemingen is de belangrijkste vraag of autonome agents zich kunnen houden aan bestedingslimieten, autorisatieregels en auditvereisten terwijl ze transacties tussen systemen afwikkelen, zonder de institutionele controles te verzwakken.
Infanger zei:
"XRPL en RLUSD zijn zo ontworpen dat ondernemingen agenten transacties kunnen laten uitvoeren met de snelheid van een machine binnen de regels die de keten zelf afdwingt, met afwikkeling binnen seconden, voorspelbare kosten, programmeerbare compliance en een volledig audittraject, zodat agenten alleen kunnen doen waarvoor ze geautoriseerd zijn."
"De stap van Mastercard naar gereguleerde afwikkeling van stablecoins op de blockchain is een belangrijk signaal dat dit zich ontwikkelt van een opkomende mogelijkheid tot een bedrijfsstandaard," vervolgde de directeur.
Deelnemers uit de sector beschouwden machinebetalingen als een verschuiving van door gebruikers geïnitieerde transacties naar economische activiteiten op de achtergrond tussen systemen. Voor Ripple creëert die verschuiving een testcase voor XRPL en RLUSD, nu bedrijven blockchain-gebaseerde afwikkeling, programmeerbare compliance en gereguleerde stablecoin-infrastructuur voor AI-aangedreven handel onderzoeken.
















