Рынок $14,5 млрд под давлением: как EU-регулятор за 30 дней превращает supply chain finance в арену для AI-агентов

Европейский регулятор вводит жёсткие сроки оплаты — и тем самым неожиданно создаёт идеальные условия для технологии, которая живёт скоростью.

30 дней на B2B-платёж. С мая 2026 года — в Евросоюзе. Для компаний, которые десятилетиями выстраивали кассовые разрывы на 60–90 дней, это пересборка всей операционной модели. Денежный поток перестаёт быть буфером — он становится ограничением, которое нужно обслуживать ежедневно.

И главный бенефициар этой пересборки — не банки и не factoring-платформы.

AI-агенты.

Supply chain finance (SCF) — рынок, оцениваемый Liquiditas в $14,5 млрд, — исторически жил на арбитраже сроков и разнице ставок. Крупный покупатель оплачивал поставщика с отсрочкой 60–90 дней, а финансирующая сторона закрывала этот разрыв за комиссию. Модель работала, пока регулятор не сжал окно до 30 дней.

Теперь cash flow (денежный поток) в цепочке нужно балансировать не раз в квартал, а ежемесячно. Андеррайтинг каждого контрагента — не раз в год, а при каждой поставке. Мониторинг рисков — не по отчётам, а в реальном времени. Человек с Excel не успевает. Банк с кредитным комитетом не успевает.

AI-агенты — успевают.

От мониторинга к автономным действиям

Agentic AI в SCF — это не чат-бот для бухгалтера и не очередной дашборд с графиками. Это программный агент, который получает задачу («оптимизируй cash flow в цепочке поставок по региону ЕС под новый регламент») и самостоятельно: собирает данные из ERP-систем контрагентов, оценивает кредитный риск каждого поставщика, выбирает оптимальный инструмент финансирования, исполняет транзакцию, фиксирует результат и корректирует модель на следующую итерацию.

Три компании иллюстрируют, как это работает на практике.

Corvera — стартап из YC W26, привлёк $4,2 млн seed-раунда в мае 2026. Продукт: AI-агенты для CPG-брендов и их поставщиков. Система анализирует историю платежей, уровни запасов и производственные графики, затем автоматически инициирует ранние платежи поставщикам, у которых возникают кассовые разрывы. Она управляет ликвидностью каждого звена без участия человека.

Loop — $95 млн Series C (апрель 2026). Позиционирует себя как «операционная система логистики». Loop подключается к данным о движении грузов, контейнеров и складских остатков, на основе этих данных строит прогноз cash flow и самостоятельно размещает финансирование у факторов и альтернативных кредиторов. Результат: оборотный капитал сокращается на 25–35%, утверждает компания.

Altana AI — $322 млн оценка. Строит единую сеть цепочек поставок на базе AI, связывая таможенные данные, логистические треки и корпоративные регистры. В 2026 году платформа Altana начала предлагать финансовые продукты — AI-андеррайтинг торговой дебиторки (trade receivables) на основе данных сети.

Три разных подхода. Одна общая логика: физический мир поставок и цифровой мир финансирования сращиваются через AI-агента. Разные траектории, один вектор.

30 дней, которые изменили рынок

EU Late Payment Regulation — структурный сдвиг для рынка SCF. Основные положения:

Максимальный срок B2B-платежа — 30 календарных дней. Исключения — только для единичных контрактов с письменным соглашением, но не более 60 дней. Автоматическое начисление пени — 8% годовых плюс базовая ставка ECB — со следующего дня после просрочки. Запрет на договорное исключение ответственности за задержку. Обязанность подтверждать получение счёта в электронной форме.

До введения регламента средний срок оплаты B2B в ЕС составлял 52 дня. В южной Европе — 78 дней. Италия, Испания, Греция — рынки, где SCF был самым маржинальным именно из-за длинных сроков, — теперь должны уложиться в 30. Это означает радикальное сжатие времени, в течение которого компания может искать финансирование под отсрочку.

Парадокс в том, что регулятор, ограничивая сроки, расширяет рынок для AI-агентов. Ручной андеррайтинг каждого контрагента на 30-дневном горизонте неокупаем. Банковский кредитный конвейер, рассчитанный на крупные корпоративные кредиты, неэффективен для тысяч мелких поставщиков. Ниша, в которую традиционные финансовые инструменты не входят по определению, — это пространство, где agentic AI оказывается единственным масштабируемым решением.

Три домена агентного финансирования цепочек поставок

1. Автономный андеррайтинг коммерческого кредита

Традиционный андеррайтинг — анализ финансовой отчётности, кредитные скоринги, запрос дополнительных документов. На одного контрагента — от трёх дней до двух недель ручной работы кредитного аналитика. Для цепочки из 500 поставщиков — неподъёмный объём.

AI-агент делает это иначе: подключается к реестрам (таможенным, налоговым, корпоративным), анализирует историю транзакций в ERP поставщика, оценивает его текущую загрузку мощностей через данные логистики и выносит решение за минуты. По данным Citi GPS Supply Chain Financing 2026, использование agentic AI в андеррайтинге сокращает cost-to-serve на 40–60% по сравнению с традиционным процессом.

2. Мониторинг цепочек в реальном времени

Риск в SCF не там, где неплатежеспособность контрагента, а там, где разрыв в цепочке поставок — задержка груза, остановка завода, блокировка счёта. Традиционный мониторинг — это ежеквартальный обзор дебиторки. AI-агент отслеживает движение контейнеров, даты таможенного оформления, смены в реестре бенефициаров и корректирует кредитные лимиты в реальном времени. При 30-дневном лимите просрочка даже на три дня означает потерю маржинальности всей транзакции.

3. Оптимизация оборотного капитала

Самая сложная задача для supply chain finance в новых условиях — не профинансировать разовый кассовый разрыв, а выстроить систему, в которой деньги перемещаются по цепочке с минимальными задержками и с максимальной скоростью оборота. Agentic AI управляет этим как сетью: выбирает, какому поставщику заплатить раньше, какому — реструктурировать график, какой инструмент (динамический дисконт, factoring, reverse factoring) применить для каждого звена. Loop показывает, что системная оптимизация даёт 25–35% высвобождения оборотного капитала — против 5–10% при точечных решениях.

94% — не просто цифра

SupplyChainBrain в апреле 2026 года опубликовал исследование, которое редко цитируют в контексте SCF: 94% директоров по закупкам (procurement) инвестируют в AI-агентов. Не изучают, не пилотируют — инвестируют. Это не typical «мы смотрим на AI» из опросов 2023–2024 годов, а бюджеты, выделенные на внедрение в 2026-м.

Основной драйвер — автоматизация обработки счетов и согласования условий. Именно эти процессы становятся критическими при 30-дневном лимите. Если раньше можно было «подвинуть» дату оплаты, согласовав с поставщиком отсрочку, то теперь каждое продление — формальный договор с пени.

Прямая связь: регуляция сжимает временное окно, procurement инвестирует в AI-агентов, AI-агенты требуют SCF-инструментов на выходе. Рынок $14,5 млрд получает технологический ускоритель, которого у него не было.

Согласно прогнозу отчёта, к 2028 году до 35% всех транзакций SCF в Европе будут инициироваться или исполняться AI-агентами без участия человека. Рост — от текущих 2–3%.

Не четырёхкратный. 12-кратный.

Карта игроков: кто займёт рынок

Рынок SCF под AI-агентов сегодня — гибридная структура из трёх слоёв.

Слой 1 — инфраструктурные платформы. Citi, PrimeRevenue, Taulia — традиционные операторы, которые контролируют потоки SCF. Они начинают встраивать AI-модули, но медленно: наследие legacy-систем (устаревших платформ) и регуляторные ограничения банковского сектора тормозят внедрение. Citi GPS — их же собственный аналитический отчёт — показывает, что инерция действующих игроков (incumbents) открывает окно для новых игроков на 12–18 месяцев.

Слой 2 — AI-native стартапы. Corvera, Daybreak, Liquiditas. Не имеют банковской лицензии и не стремятся её получить. Работают через партнёрства с факторами и альтернативными кредиторами. Их преимущество — скорость. Corvera вышел из стелса с готовым продуктом, Loop закрыл Series C через 14 месяцев после предыдущего раунда. Рынок оценивает их выше традиционных SCF-платформ именно потому, что они не перестраивают устаревшие системы (legacy) — они пишут новое.

Стартап занимает промежуточную позицию: строит AI-агента, который не финансирует цепочку напрямую, а подключает закупочные данные к пулу альтернативных кредиторов. В апреле 2026 компания объявила о партнёрстве с тремя европейскими факторами — суммарный лимит финансирования €200 млн. Модель: AI-агент оценивает риск поставщика за 90 секунд и распределяет заявку между кредиторами. Цель — zero-touch SCF, где человека нет в цикле принятия решения.

Слой 3 — data-агрегаторы, достраивающие финансы. Altana AI, FourKites. Начинали как логистические платформы и постепенно добавляют финансовый слой. Их конкурентное преимущество (competitive advantage) — данные, которые банкам не доступны: реальное движение грузов, фактическая загрузка мощностей, история таможенных прохождений. Когда AI-агент андеррайтит поставщика, он опирается не на баланс годичной давности, а на то, сколько контейнеров прошло через порт за последнюю неделю. Это радикально другой риск-профиль.

Для инвестора ключевой вопрос не «какой стартап победит», а «когда появится вторичный рынок SCF-активов, упакованных AI-агентами». Citi GPS оценивает, что портфели SCF, управляемые AI-агентами, будут торговаться с мультипликатором на 15–20% выше традиционных — из-за меньшей волатильности дефолтов и более высокой предсказуемости денежного потока.

Три проблемы, которые AI-агенты пока не решили

Качество данных. AI-агент работает настолько хорошо, насколько хороши данные, к которым он подключён. SCF-цепочки пронизывают юрисдикции с разным уровнем цифровизации: таможня Германии подключена к API, таможня Болгарии — нет. Гетерогенность данных — главный операционный риск для agentic SCF в Европе на 2026–2027 годы.

Регуляторная фрагментация. EU Late Payment Regulation — единый стандарт, но имплементация остаётся национальной. Германия ввела требования с мая 2026. Франция — с января 2027. Польша запросила отсрочку до 2028. Для AI-агента, который должен управлять cash flow в цепочке из 12 стран, это означает 12 разных правил настройки.

Человеческий фактор. Supply chain finance десятилетиями строился на личных отношениях — между CFO покупателя, финансовым директором поставщика и менеджером банка. Перевод этого в автоматический режим встречает organisational resistance (организационное сопротивление), которое не решается технически. Компании, которые внедряют agentic SCF быстрее, — это не те, у кого лучший AI, а те, у кого выше готовность доверить машине cash flow.

Что смотреть в ближайшие 12 месяцев

Трансграничные SCF-продукты. Если agentic AI действительно решит проблему разнородности данных, первой нишей станет трансграничное финансирование цепочек — между ЕС и Азией, между ЕС и Великобританией. Здесь 30-дневный лимит EU конфликтует с 90-дневными стандартами в других регионах, и AI-агент, умеющий управлять этим расхождением, превращается из инструмента оптимизации в необходимость для экспортёров.

Секьюритизация AI-управляемых портфелей SCF. Когда портфель торговой дебиторки управляется AI-агентом с предсказуемой статистикой дефолтов, его можно упаковать в ABS и продать институциональным инвесторам. Первые такие сделки ожидаются в 2027 году. Они создадут новый класс активов — и новый источник ликвидности для SCF.

Бенчмарк рынка. Если Daybreak до конца 2026 года привлечёт раунд A выше $25 млн — это сигнал, что SCF ready for agentic AI на уровне institutional capital. Если раунд затянется — ниша остаётся экспериментальной. Результат стартапа станет индикатором зрелости всего сегмента.

Консолидация. 12–18 месяцев окна — по данным того же отчёта — для AI-native стартапов вероятно завершатся волной M&A. Банки, которые не успели построить собственные AI-агенты, будут покупать платформы. Первые кандидаты — Corvera и Daybreak, имеющие готовые продукты и клиентскую базу в CPG и retail.

Как мы писали в мае, рынок agentic SCF только формировался. Регуляторный триггер — EU Late Payment Regulation — превратил его из потенциального в реальный. 30 дней — это не только срок платежа. Это горизонт, на котором human-in-the-loop заменяется AI-in-the-loop. Не потому что AI лучше. Потому что человек просто не успевает.