Ryan Schonfeld, medstifter og administrerende direktør for HiveWatch – Intervieuserie

Ryan Schonfeld er medstifter og administrerende direktør for HiveWatch, et sikkerhedsteknologiselskab, der fokuserer på at forbedre, hvordan organisationer håndterer og reagerer på fysiske sikkerhedstrusler. Med erfaring som sikkerhedsrådgiver, politibetjent og bruger af Fortune 500, har han udviklet en førstehåndsforståelse af de operationelle udfordringer, som sikkerhedsholdene står overfor, hvilket til sidst førte til, at han opførte HiveWatch.

HiveWatch tilbyder en cloud-baseret platform, der samler værktøjer som videoovervågning, adgangskontrol, alarmer og incidenthåndtering i en enkelt operationsdashboard. Denne platform, der kaldes HiveWatch GSOC Operating System, giver organisationer mulighed for at overvåge aktivitet på tværs af faciliteter, undersøge hændelser og koordinere reaktioner, mens de anvender automatisering og AI-drevet analyse til at forbedre effektiviteten og reducere falske alarmer.

Hvad førte dig til at stifte HiveWatch, og hvad var begrænsningerne i traditionel fysisk sikkerhed, der gjorde AI til den rette grundsten fra dag én?

Jeg tilbragte år med at lede globale sikkerheds- og sikkerhedsteknologiprogrammer i globale organisationer, og vores evne til at effektivt udnytte teknologi var vanvittig. Sikkerheden var toppen, men vi måtte bruge infrastruktur, der var fragmenteret, langsom, reaktiv og menneske-centreret. Så startede jeg RAS Consulting for at hjælpe organisationer med at modernisere deres sikkerhedsoperationer, planlægning, uddannelse, risiko- og ansvarshåndtering. Vi opbyggede teknologi-fremadrettet programmer for hurtigt voksende virksomheder, der havde brug for at skale op hurtigt.

Men selv da så jeg stadig det samme problem: mine kunders operatører var overdængede med alarmer, begravet under ikke-tilsluttede systemer, reagerede på alt og forventede intet. RAS Consulting-kunderne havde brug for proaktiv sikkerhed, men de havde ikke den viden eller de mennesker til at bygge det selv. Pandemien gjorde det værre. Pludselig havde alle brug for at omstrukturere, hvordan de beskyttede mennesker og aktiver, men de brugte værktøjer, der var bygget til en anden æra.

Det er derfor, vi opførte HiveWatch. Vi havde brug for en platform, der kunne gøre vores egne sikkerhedshold mere opmærksomme, tilsluttede, prædiktive og informerede. Vi ville have alt dette samt være hurtigere og bedre til at håndtere hændelser. AI var ikke en funktion, vi tilføjede senere, det var den eneste praktiske måde at samle data for den bedste, mest informerede beslutning. Vi kan gøre det uanset, hvilke systemer vores kunder har. Så kan vi let skære igennem falske alarmer og hjælpe holdene med at gå fra reaktiv til proaktiv. Alt andet er bare at gøre de samme gamle problemer lidt pænere.

Hvordan har din baggrund som politibetjent og efterforsker påvirket, hvordan du designede AI til at støtte virkelige sikkerhedsoperationer?

Jeg har siddet i stolen, da hændelser udviklede sig i sikkerhedsoperationer, og jeg har været på jorden under højrisiko-hændelser, hvor jeg har håndteret trusler i realtid. Denne erfaring lærte mig, at både mennesker og teknologi er vigtige i disse øjeblikke, og at udmattelse eller udbrændthed kan påvirke beslutningstagningen i en nødsituation. Den lærte mig også, hvad der virker, hvad der ikke virker, og hvad der får mennesker til at blive såret, når systemer fejler. Det er gennem denne linse, at vi opførte HiveWatch.

Vi har udnyttet erfaringen fra dette arbejde, så vores AI-platform ikke kun er skabt på en tavle. Vi designede den inde fra sikkerhedsoperationer. De mennesker, der opførte dette, har tilbragt karrierer med at stirre på skærme fulde af støj, hvor de prøvede at finde de sande trusler, men ikke havde de værktøjer, der skulle til for at se klart eller handle hurtigt nok.

I for lang tid har branchen solgt reaktiv incidentrespons og kaldt det innovation. Hvad holdene faktisk har brug for, er evnen til at se, hvad der er på vej, og det er, hvad vi har opført.

Mange organisationer opererer stadig reaktivt. Hvordan aktiverer AI en skiftning mod proaktiv og prædictiv fysisk sikkerhed?

Reaktiv sikkerhed er ikke et strategiproblem, det er et problem, der omfatter håndtering af et fragmenteret system, der kan resultere i en kommunikationsfejl. Det indebærer også en mangel på prioritering, når hændelser opstår. Holdene er også overdængede med støj skabt af hyppige alarmer, der ofte er falske og skabes uden kontekst. Det er, hvor alt går galt.

Vore kunder bruger en tilpasset AI-operatør, der faktisk lærer deres faciliteter – layout, arbejdsprocesser, hvordan deres hold opererer. I stedet for hundredvis til tusindvis af affaldsalarmer om dagen ser de den håndfuld, der betyder noget, med video og kontekst, der viser præcis, hvorfor.

Når du skærer igennem støjen og overflader virkelige mønstre, skifter noget. Holdene stopper med at jagte gårsdagens problemer og begynder at komme foran morgendagens trusler. De er bedre i stand til at have den klarhed, de har brug for for at bygge sikkerhedsprogrammer, der faktisk virker.

Når du taler om prædictiv sikkerhed, hvad ser det så ud som i levende virksomhedsomgivelser?

Det er ikke en krystalbold. Det er mønstergenkendelse i hastighed.

Dette kan se ud som en åben dør, der ikke skal være åben. Eller bevægelse på kamera, der ikke matcher normen. Eller aktivitet, der aldrig er sket på det sted på det tidspunkt. AI fanger det, markerer det og fortæller operatøren, hvad der sker, hvorfor det betyder noget, og hvad de skal gøre herefter.

Det kobler sig til kameraer, sensorer og adgangskontrol, du allerede har, så intet glider igennem, fordi to systemer ikke taler sammen. Resultatet er en sikkerhedsoperation, der er skarpere, hurtigere og faktisk bygget til at beskytte mennesker i stor målestok.

Hvilke typer risikosignaler, adfærd eller mønstre fanger AI konsekvent, som menneskelige hold tendrer til at overse?

Mennesker er gode, når noget åbenlyst går galt. AI er god til at fange alt, der stillede går galt.

Vi taler om subtile afvigelser. Ting, der ikke udløser en traditionel alarm, men absolut burde. AI lærer kontinuerligt, hvad “normalt” ser ud for hvert bestemt miljø, så når noget skifter, bemærker den det. I højvolumen-operationer, hvor dit hold håndterer tusindvis af signaler, er det de risici, der tenderer til at glide igennem. Ved at tilføje noget som AI-operatøren skifter det til en prioritering af alarmer, så operatørerne, der reagerer på hændelser, ved, hvad der er kritisk (og vejledes om, hvordan de skal reagere effektivt).

Hvordan ændrer AI beslutningstagningen inde i en sikkerhedsoperationscenter, når tid og information er begrænsede?

I en live-hændelse er der en åbning mellem “hvad sker der?” og “hvad gør vi?” Den åbning er, hvor dårlige resultater bor.

Brug af AI lukker den. Det trækker kontekst fra tværs af dine integrerede systemer, såsom video, adgangskontrol, sensorer, kommunikation, trusselsintelligence, og placerer det foran din operatør med en anbefalet næste skridt. De behøver ikke længere at skifte mellem 15 faneblade. De behøver ikke at gætte. Dit hold går fra alarm til handling på sekunder i stedet for minutter.

Realiteten er, at de fleste SO’er er underbemandede og overbelastede. AI fikser det ikke ved at tilføje headcount; det fikser det ved at sikre, at hver person i rummet er fokuseret på, hvad der virkelig betyder noget, med den information, de har brug for for at træffe den rigtige beslutning lige nu.

Store begivenheder som store sportsbegivenheder eller prisuddelinger skaber ekstrem kompleksitet. Hvordan hjælper AI med at koordinere respons under pres?

Store begivenheder kan bryde traditionel sikkerhed. Signalmængden eksploderer, risikofladen forøges, og legacy-værktøjer kan ikke følge med.

Jeg har koordineret beskyttelse ved store begivenheder med executive-beskyttelseshold, lokal sikkerhed, værtssikkerhed, lokale myndigheder, medicinske, føderale myndigheder. Det er lagd sikkerhed på lagd sikkerhed. Men her er, hvad de sidste par år har lært os: nogle gange er truslen allerede inde i perimetret. En betroet insider. En akkrediteret gæst. Nogen, der allerede er forbi dine checkpoints.

Vi har set det spille ud på live-tv også: hændelser ved prisuddelinger, fans, der bryder gennem barrierer, mennesker, der hopper over baner med politiske budskaber. Hvor vi historisk har tegnet vores perimetre, kan det være nødvendigt at tænke det helt om.

AI giver dig ekstra øjne på hele miljøet, ikke kun indgangspunkterne. Det overvåger mønstre, bevægelse og afvigelser i realtid, så når noget opstår inde i hegnet, ved sikkerhedsholdet det, før det eskalerer. I disse tilfælde betyder sekunder noget, og situationsbevidsthed er ikke bare noget, man kan ønske sig.

Hvor vigtigt er dyb systemintegration på tværs af video, adgangskontrol, sensorer og kommunikation for AI til at levere rigtig situationsbevidsthed?

Ikke-forhandelbar. AI er kun så intelligent som den data, den kan se. I så mange tilfælde er disse systemer siloede, og hvis de ikke er tilsluttede, kan AI måske ikke få det hele billede (det er, hvor HiveWatch kan gøre en reel forskel ved at bringe alle disse systemer sammen i et enkelt miljø).

Når alt er integreret (tænk: video, adgangskontrol, sensorer, kommunikation, trusselsintelligence), har AI fuld visibilitet til at anbefale den rigtige kurs. Det er kritisk, at din sikkerhedsoperationsplatform er bygget til at arbejde med, hvad du allerede har. Du købte gode værktøjer. De skal kunne arbejde sammen, så du ikke behøver at rippe og erstatte for at få værdi.

Hvordan bør eksperter realistisk tænke om ROI, når de vurderer AI-drevne fysisk sikkerhedsplatforme?

Start med, hvad der allerede koster dig penge, fordi det er mere, end du tror.

Falske alarmer sluger timer. Ikke-tilsluttede systemer betyder dobbelt arbejde. Operatører, der brænder ud og udskifter, betyder, at du konstant skal ansætte og genoptræne. Det bygger store omkostninger, og de fleste organisationer har aldrig kvantificeret det.

AI-drevne platforme som vores kan reducere antallet af operatører, der er nødvendige på tværs af et sikkerhedsoperationscenter og dets vagtressourcer, hvilket kan resultere i betydelig ROI. Derudover kan teknologien reducere antallet af falske alarmer dramatisk, hvilket betyder, at færre mennesker er nødvendige til at triage indkommende alarmer. Sekundært kan reduktion af duplikat-teknologi på tværs af en SOCs teknologi-stak reducere det beløb, der bruges på overlappende systemer. Endelig kan vi integrere med den infrastruktur, du allerede ejer, så du ikke behøver at rippe ud, hvad du har brugt år på at bygge. I stedet får du endelig fuld værdi fra det.

ROI’en er ikke kun i, hvad du sparer, selvom dette kan være betydeligt, når du tager hensyn til omkostningsreduktioner i ressourcer, der er nødvendige for at støtte dit program (hvad der historisk har været svært at kvantificere for sikkerhedsledere). Den kan også afsløres i, hvad dit hold forhindrer. En afvendt hændelse, en hurtigere respons, en trussel fanget tidligt. For din bestyrelse, medarbejdere og kunder er det den matematik, der betyder noget. Holdene, der får det, køber ikke nye teknologier for teknologiens skyld. De fikser et ødelagt program.

Set fremad, hvordan ser du forholdet mellem menneskelige sikkerhedshold og AI-systemer udvikle sig over de næste ti år?

Lad os være ærlige: om få år vil AI i sikkerhed ikke være valgfrit. Det vil være grundlæggende. Holdene, der behandler det som en “nice-to-have”, vil falde bagud i forhold til dem, der allerede arbejder sammen med det.

Da systemerne modnes, tager AI på sig mere af den kognitive belastning – filtrerer støj, spotter mønstre, anbefaler handlinger – mens mennesker forbliver, hvor de hører til: i kontrol over dømmekraft og ansvarlighed. Det partnerskab vil definere, hvordan moderne fysisk sikkerhed ser ud. Holdene, der finder ud af det først, vinder.

Tak for det store interview, læsere, der ønsker at lære mere, skal besøge HiveWatch.