Ricardo Amper, administrerende direktør og grundlægger af Incode – Interviewserie

Ricardo Amper, administrerende direktør og grundlægger af Incode, er en serieiværksætter og teknologileder med mere end to årtiers erfaring med at bygge og skalere virksomheder inden for teknologi, forbrugerprodukter og industrielle sektorer. Han grundlagde Incode i 2015 med visionen om at transformere, hvordan folk verificerer og autentificerer deres identitet i den digitale verden. Tidligere var Amper administrerende direktør for Grupo Amco, Latinamerikas førende virksomhed inden for aromakemikalier og æteriske olier, hvor han udviklede OneView, en maskinlæringsbaseret forudsigelsesdataplatform, før virksomheden blev opkøbt af Brenntag Group. Han var også medstifter og leder af Amco Foods, som blev opkøbt af Grupo Bimbo, og tidligere grundlagde han La Burbuja Networks. Hans karriere kombinerer iværksætteri, kunstig intelligens, datadrevne systemer og erfaring med succesfuld opbygning af virksomheder gennem opkøb.

Incode er en AI-drevet identitetsplatform designet til at hjælpe organisationer med at etablere tillid på tværs af interaktioner med personer, virksomheder og i stigende grad AI‑agenter. Teknologien kombinerer dokumentverifikation, biometrisk godkendelse, ansigtsgenkendelse, liveness-detektion, deepfake‑detektion og direkte tjek mod offentlige registre, samtidig med at den understøtter områder som Know Your Customer (KYC), overholdelse af reglerne om bekæmpelse af hvidvask (AML), Know Your Business (KYB), aldersbekræftelse, medarbejderverifikation og forebyggelse af kontoovertagelse. Incode udvikler sin AI‑teknologi internt og har udvidet platformen til at håndtere nye trusler såsom syntetiske identiteter og generativ AI‑drevet svindel, samt Agentic Identity‑værktøjer til verifikation af ejere af AI‑agenter og sporing af deres handlinger.

Du grundlagde Incode i 2015 efter at have bygget virksomheder i meget forskellige brancher, og du har argumenteret for, at en tilgang til problemer med en frisk tankegang baseret på grundlæggende principper kan være mere værdifuld end at stole på arvede brancheantagelser. Hvad så du i identitetsverifikation, som etablerede udbydere overså, og hvordan har denne oprindelige indsigt formet Incodes udvikling?

Før 2015 betragtede branchen identitet som et compliance‑problem og en eftertanke: scan et dokument, få en medarbejder i back‑office til at gennemgå det, kryds af i boksen. Jeg kom ind uden den antagelse og så et AI‑problem i branchens tilgang til identitet.

Så traf jeg tre beslutninger på dag ét, som ingen andre traf:

AI udfører verifikationen i stedet for at mennesker ser på dine data, vi udvikler hvert lag af teknologien selv i stedet for at samle andres komponenter, og privatlivsbeskyttelse er arkitektur, ikke en politik. Ti år senere har generativ AI gjort disse til de eneste beslutninger, der holder stand.

Det valg formede den virksomhed, vi blev.

1. Vi bygger først og fremmest selv: selv i dag er en større andel af vores medarbejdere beskæftiget med ingeniørarbejde og produktudvikling end i en typisk B2B‑softwarevirksomhed, og det er det, der holder os smidige nok til at tilpasse os lige så hurtigt som truslen.
2. Vi startede også bevidst i et af verdens hårdeste svindelmiljøer, Latinamerika, og løste det i vid udstrækning for nogle af regionens største banker og virksomheder. Når din teknologi overlever der, bliver markeder, hvor svindel er reel men mindre ubønhørlig, en meget lettere test.

Vi har aldrig været interesserede i at lappe problemer eller blot sikre, at virksomheder overholder dagens regler. Vi nyder den svære version af dette problem: at verificere en rigtig person med så lidt friktion som muligt og den stærkest mulige beskyttelse af privatlivet, og gøre det for en fremtid, der er i forandring.

Incode er nu blevet udpeget som en leder i Gartner® Magic Quadrant™ for Identity Verification i tre på hinanden følgende år. Hvad mener du, denne vedvarende præstation siger om, hvordan virksomheden har udviklet sig, og hvilke kompetencer der var vigtigst for at opretholde den position, da trusselslandskabet ændrede sig?

Alle kan have et godt år. Tre på hinanden følgende år afspejler en stabil præstation, og det er det, virksomheder køber. De tre år dækker hele bølgen af generativ AI‑svindel, og det, der hjalp os med at bevare vores status som brancheleder gennem den, er, at vi ejer hele vores teknologiske stack. Når en ny angrebsklasse eller -vektor dukker op, træner vi vores egne modeller om på få dage i stedet for at vente på en andens produktroadmap eller opdateringer. De andre konstante faktorer er vores direkte forbindelser til autoritative identitetskilder og disciplinen med at behandle konvertering lige så alvorligt som svindelbekæmpelse, fordi virksomheder har brug for begge dele.

Incode beskriver en ny generation af autonome svindelangreb, hvor AI‑agenter kan generere syntetiske dokumenter, producere målrettede deepfakes, teste dem mod verifikationssystemer og tilpasse sig efter hver afvisning. Hvor tæt er vi på at se disse fuldt automatiserede angrebs‑arbejdsprocesser køre i stor skala?

Svindel i stor skala har altid krævet mennesker i stor skala. Flaskehalsen var mennesket, og AI har netop fjernet den. Vi gik på jagt efter beviser og offentliggjorde, hvad vi fandt: offentligt rapporterede, uafhængigt indsamlede AI‑drevne svindelhændelser i USA, hvor en stor del af dem blev bekræftet i retsdokumenter eller myndighedsindgreb. Da vi vurderede, hvor meget af hver svindelplan en autonom agent kunne gennemføre på egen hånd, kunne næsten alle køre fra start til slut, og ingen var immune. Den gamle model var begrænset af, hvor mange dygtige mennesker du kunne rekruttere. Den nye er kun begrænset af beregningskraft.

Incode siger, at de løbende kører en agentisk angriber mod deres egne forsvar. Hvordan fungerer denne adversarielle testproces, og hvad kan en AI‑angriber afsløre, som konventionel penetrationstest eller statiske svindel‑benchmark‑tests måske går glip af? 

Idéen er enkel: den eneste måde at opbygge forsvar mod disse angreb på er først at køre angrebene mod os selv. Så opererer vi en angriber, der fungerer præcis som de kriminelle. Den genererer deepfakes, syntetiske dokumenter og injektionsforsøg, indsender dem til vores egne live‑forsvar, lærer af hver afvisning og vender tilbage med en bedre variant. En konventionel penetrationstest tjekker en kendt liste af angreb én gang og går hjem. En adaptiv angriber stopper aldrig med at opfinde nye, så den finder svagheden og angrebet, der endnu ikke eksisterer, før en kriminel gør det.

Efterhånden som generative modeller gør syntetiske dokumenter og biometriske medier stadig mere overbevisende, hvilke signaler er så de sværeste for angribere at forfalske pålideligt?

At fokusere på pixels er en tabt kamp, hvis det er alt, du ser på, fordi generative modeller forbedres hver måned. Hvad angribere stadig ikke kan forfalske pålideligt, er alt uden for billedet: integriteten af enheden og optagelsesvejen, som mediet har rejst gennem, adfærd der forbliver konsistent på tværs af sessioner, og den registrering, der opbevares af den kilde, der udstedte identiteten. Det er princippet bag Deepsight, vores deepfake‑detekteringsteknologi. Den dømmer aldrig kun billedet: den analyserer mediet, hardwaren, softwarevejen og brugeradfærd i en enkelt realtidsbeslutning, og den kan identificere, hvilken generativ model der har produceret en forfalskning. Purdue University testede den uafhængigt mod 24 andre offentlige, akademiske og kommercielle systemer og bekræftede, at den er den mest nøjagtige.

Incode lægger vægt på at verificere identiteter mod autoritative offentlige registre i stedet for kun at stole på det dokument, som en bruger præsenterer. Hvordan påvirker dette nøjagtigheden af identitetsverificering, og hvilke tekniske eller regulatoriske udfordringer opstår, når denne tilgang implementeres på tværs af forskellige lande?

Et dokument fortæller dig, hvad der blev præsenteret. Det autoritative register fortæller dig, hvad der er sandt. Hver kontrol, der vurderer, om et artefakt ser autentisk ud, mister terræn, efterhånden som generativ AI forbedres, men et offentligt register gør det ikke, fordi det er sandheden, som svindleren ikke kan kontrollere. Udfordringerne er reelle: hvert land har forskellige autoritative kilder, forskellige adgangsregler og forskellige databeskyttelseslove, så vi bygger direkte forbindelser marked for marked og behandler alt med indbygget databeskyttelse.

Identitetsverifikationssystemer skal stoppe sofistikeret svindel uden at skabe unødvendig friktion for legitime brugere. Hvordan evaluerer du afvejningen mellem sikkerhed, falske afvisninger, onboarding‑hastighed og konvertering?

Hver identitetsudbyder trækker i håndtagene mellem de fire elementer. Det egentlige spørgsmål er, hvilke håndtag du ejer. En stor del af branchen implementerer teknologi, de har licenseret fra andre, så når svindlen stiger, kan de ikke se ind i modellen eller gen‑træne den, og det eneste håndtag, der er tilbage, er friktion: flere trin, flere manuelle gennemgange, flere gode brugere afvist. Vi valgte den modsatte vej og udvikler hver eneste AI‑model selv – liveness, deepfake‑detektion, dokumentverificering, alt sammen – så vores håndtag er nøjagtighed. Vi genoptræner på få dage, reducerer svindlen gennem selve modellen og lader brugeroplevelsen være uberørt. Derfor er det at lade hver god bruger passere og stoppe hvert angreb ét job for os, ikke en afvejning.

Incodes tillidsnetværk er designet til at identificere gentagen svindel og genkende betroede historikker på tværs af organisationer uden at samle rå persondata i en fælles pulje. Hvilke teknologier muliggør denne form for privatlivsbevarende deling af viden?

Kryptografi gør det muligt, men det centrale er konceptet: samarbejde uden eksponering. Organisationer i netværket kan lære, om et identitetssignal er blevet knyttet til svindel andre steder, uden at nogen part nogensinde ser andres data, så der er ingen samlet database, intet at bryde ind i, og ingen handel med data. Det er derfor, vi har opkøbt Identiq, hvis team har brugt år på at bygge netop denne privatlivsforbedrende kryptografiske teknologi, og hvorfor vi i år forpligter os til at investere mere end 100 millioner dollars i privatlivsbevarende identitetsinfrastruktur. Netværket bliver klogere med hver verifikation, mens hver enkelt persons data forbliver forseglet, i en skala på mere end 7 milliarder tillidskontroller og 400 millioner profiler. Vi har altid troet, at privatliv og svindelforebyggelse ikke er en afvejning. De er det samme problem, løst sammen eller slet ikke.

Når AI‑agenter begynder at foretage køb, få adgang til konti, underskrive aftaler og kommunikere på vegne af mennesker, hvordan skal organisationer så verificere ikke kun agenten selv, men også dens ejer, tilladelser og bemyndigelse til at udføre en specifik handling?

Start med ejeren, for en agents bemyndigelse betyder intet, hvis den ikke kan spores tilbage til en verificeret person. Det er præcis, hvad vi byggede Agentic Identity til: vi verificerer ejerens identitet med høj sikkerhed og en deepfake-resistent liveness-kontrol, udsteder agenten et sikkert token, der knytter hver handling til den ansvarlige person, og verificerer dens omfang af tilladelser, så en agent, der er autoriseret til én opgave, ikke stille kan glide over i andre. Derefter overvåger vi løbende, fordi agenter ændrer adfærd hurtigere end enhver kvartalsvis adgangsgennemgang. Det er de samme biometriske data, den samme viden om svindel, det samme netværk, vi bruger til mennesker, udvidet til de systemer, der handler på deres vegne.

Ser vi fremad, vil identitetsverifikation forblive et særskilt kontrolpunkt under onboarding, eller vil den blive et kontinuerligt tillidslag, der opererer gennem alle digitale interaktioner mellem mennesker, virksomheder og autonome AI‑agenter?

Begge dele i en periode, og derefter vinder den kontinuerlige tilgang. Onboarding forbliver ankeret, hvor identiteten etableres med den højeste sikkerhed, men tillid kan ikke begrænses til et enkelt øjeblik, når angreb tilpasser sig på tværs af sessioner, og agenter handler døgnet rundt. Målet er et vedvarende tillidslag: genverificering i øjeblikke med reel risiko, adfærds‑ og netværkssignaler korreleret løbende, og den samme ansvarlighed udvidet til AI‑agenter, der handler på folks vegne. Identitet ophører med at være et kontrolpunkt og bliver til infrastruktur, og vi bygger til den fremtid.

Tak for det fantastiske interview, læsere der ønsker at lære mere, bør besøge Incode.