Sean Roche, seniordirektør for produktmarkedsføring og værdianalyse hos Obsidian Security – interviewserien

Sean Roche, seniordirektør for produktmarkedsføring og værdianalyse hos Obsidian Security, leder tværfaglige initiativer fokuseret på SaaS-sikkerhed, AI-sikkerhed og markedsstrategi. Han har spillet en nøglerolle i udviklingen af virksomhedens første samlede ramme for anvendelsesområder, hvor salg, markedsføring og kundesucces er samlet omkring målbare forretningsresultater, samtidig med at han har overvåget lanceringer af sikkerhedsløsninger til generativ AI og AI-agenter. Før Obsidian Security, havde Roche ledelsesstillinger i virksomheder som Forter, Aviatrix og Okta, hvor han specialiserede sig i rådgivning om forretningsværdi, prissætningsstrategi, analyse af kundeværdi og analyser af investeringsafkast til topledelsen. Hans baggrund kombinerer cybersikkerhed, virksomhedssoftwarestrategi og finansielle undersøgelser, hvilket giver ham omfattende erfaring med at oversætte tekniske muligheder til målbare forretningsresultater for virksomhedskunder.

Obsidian Security er en cybersikkerhedsvirksomhed, der fokuserer på at sikre SaaS-applikationer, AI-agenter, identiteter og virksomhedsintegrationer på tværs af moderne cloud-miljøer. Virksomheden tilbyder en samlet platform, der er designet til at hjælpe organisationer med at opdage trusler, styre sikkerhedstilstanden i SaaS, styre dataadgang og overvåge risikofyldt aktivitet på tværs af forretningskritiske applikationer som Microsoft 365, Salesforce (CRM ), Slack og andre cloud-tjenester. I de seneste år har Obsidian udvidet til AI-agent-sikkerhed, hvilket hjælper virksomheder med at få indsigt i, hvordan autonome AI-systemer interagerer med SaaS-platforme, data og arbejdsgange i realtid. Grundlagt af sikkerhedsledere med baggrund i virksomheder som CrowdStrike (CRWD ), Okta, Cylance og Carbon Black, positionerer Obsidian sig selv som en helhedsorienteret SaaS- og AI-sikkerhedsplatform bygget til at tackle den voksende kompleksitet i cloud- og agentbaserede AI-miljøer.

Du har bygget din karriere i skæringspunktet mellem forretningsværdi, risikostrategi og SaaS-sikkerhed, og leder nu analyse af forretningsværdi og produktmarkedsføring hos Obsidian Security. Hvad fik dig til at fokusere på at sikre AI-drevne SaaS-økosystemer, og hvordan adskiller Obsidians tilgang sig, når det kommer til fremvoksende agentteknologier som OpenClaws?

Gennem hele min karriere har den største mangel altid været det, som sikkerhedssystemerne ikke kan se, fordi det er der, sikkerhedsbrud faktisk finder sted. Vi har set dette i hændelser, hvor frakoblede eller ukontrollerede systemer skabte eksponering, som traditionelle kontroller ikke kunne fange. Og jeg har set den samme dynamik førstehånds, med de mere moderne broer, som folk bruger til at tilkoble sig til store platforme, eller forbindelser, der var uden for sikkerhedsteamets normale indblik, og i nogle tilfælde, selv efter IT-holdet troede, de var blevet deaktiveret. Disse erfaringer gjorde det klart, hvor meget af risikoen sidder i samspillet mellem systemer, ikke kun inde i systemerne, vi tror, vi har sikret.

Dette ændrer sig fra skygge-IT til nu skygge-AI, hvor nye værktøjer og agentdrevne arbejdsgange kan optræde og sprede sig hurtigere, end styringsstrategier kan følge med. Mange sikkerhedstilgange reagerer ved at forsøge at centralisere og styre alt i ét centralt styringslag. Men denne model bryder sammen i distribuerede miljøer, især når kritiske data og aktivitet finder sted inde i tredjepartsapplikationer, som du ikke ejer og ikke fuldt ud kan kontrollere.

Det var dette, der fik mig til at fokusere på at sikre AI-drevne SaaS-økosystemer, og det er også, hvorfor Obsidians tilgang er så overbevisende. Antallet af SaaS-sikkerhedsbrud er steget med 300%, og alligevel mangler de fleste organisationer stadig den rette indsigt i, hvordan disse applikationer bliver brugt. Dette er det hul, vi fokuserer på, så du kan forstå, hvad der faktisk sker inden for virksomheden og hvor eksponeringen findes. Efterhånden som agentteknologier som OpenClaws modnes, bliver denne tilgang endnu vigtigere, fordi risikoen ikke kun er, om en agent har adgang til bestemte data, men hvad den kan få adgang til og hvor hurtigt den kan handle.

Agentbaserede AI-systemer som OpenClaws får stor opmærksomhed efter NVIDIA (NVDA ) GTC. Fra din synsvinkel, hvad adskiller disse systemer fundamentalt fra tidligere AI-værktøjer, når det kommer til sikkerhedsrisiko?

At forstå, hvad ikke-menneskelige identiteter er, og hvordan man kan sikre dem, er blevet kritisk for sikkerhedsteam, da 68% af IT-sikkerhedshændelser nu involverer maskinidentiteter, og halvdelen af de undersøgte virksomheder har oplevet et sikkerhedsbrud på grund af ukontrollerede ikke-menneskelige identiteter. Sikkerhedsbranchen har primært fokuseret på styring af sikkerhedstilstanden i SaaS og menneskelig identitetsstyring, mens ikke-menneskelige identiteter har bredt sig i baggrunden. Nu, da organisationer implementerer AI-agenter med administrative rettigheder i stor skala, er manglen på styring blevet kritisk.

Agentsystemer som OpenClaws viser både løftet og risikoen ved virkelig agentbaseret AI. Det er en af de første gange, vi ser AI frigivet i det vilde med reel autonomi, der opererer ud over en snæver, overvåget arbejdsgang.

Sikkerhedsrisikoen ændrer sig hurtigt, når disse muligheder bliver mere tilgængelige, og barrieren for ikke-eksperter til at interagere med og potentielt udnytte disse kritiske systemer bliver lavere. Folk er allerede ved at tilkoble AI-agenter til deres SaaS-miljøer og udvider trusselslandskabet på en række måder, herunder gennem API-nøgler, indbyggede integrationer og tredjepartsapplikationer. Men hver ny agentbaseret arbejdsgang multiplicerer antallet af adgangsveje.

Det seneste Vercel-sikkerhedsbrud illustrerer denne voksende trussel overfor sikkerhedsteam. Når du autoriserer en tredjepartsapplikation, viser du implicit tillid til alle, der rører ved applikationens infrastruktur, deres cloud-udbyder, deres udviklere, deres egne tilkoblede tjenester. De fleste organisationer ved ikke, hvad de har accepteret, og dette problem forværres af den uhæmmede brug af agentbaseret AI.

Mange AI-agenter opererer uden en reel teknisk ramme, der holder deres adfærd under kontrol. Når der mangler spor, der identificerer agentens aktivitet, eller sikkerhedsgrænserne er svage, er det svært at fastslå, hvad agenten gjorde, hvad den berørte, og hvad den ændrede, før bagefter. Det er den kombination, der gør risikoprofilen fundamentalt forskellig fra tidligere AI-værktøjer.

Du har beskrevet OpenClaws som systemer, der potentielt åbner nye angrebsflader på grund af deres brede tilladelser og autonomi. Kan du føre os igennem et virkeligt scenarie, hvor denne risiko bliver konkret for en virksomhed? 

Risikoen ved OpenClaws bliver konkret i det øjeblik, disse agenter flyttes fra isolerede opgaver og installeres i rigtige produktionsmiljøer, hvilket er noget, der allerede sker.

De fleste organisationer fokuserer på at sikre, at den rette person kan få adgang til en agent, og at agenten opfører sig, som forventet. Men få organisationer tænker over, hvad der sker, når en agent begynder at interagere med en anden agent.

Dét er, hvor angrebsfladen udvider sig dramatisk. Når output fra ét system, såsom Slack-beskeder eller Jira-opgaver, udløser handlinger i et andet system, mister ledere overblikket. De mister kontrollen over interaktioner og kan ikke opretholde løbende indblik og revisionsspor. Disse agenter er også samtidig tilkoblet på tværs af SaaS-API’er, og mange af dem mangler stadig egnede gatewayløsninger eller sikkerhedsmekanismer.

Gennemsnitsvirksomheden kører allerede hundredvis af agenter, et tal, der er vokset næsten 100 gange i det sidste år. Når teamene undersøger dette, viser 38% sig at have middel, høj eller kritisk risiko, de fleste uden en dokumenteret ejer, flere bygget af konti, der ikke længere eksisterer, med aktive forbindelser til produktionssystemer og ingen kørselshistorik.

At lukke dette hul kræver dyb indsigt inde i applikationerne selv for bedre at forstå, hvad disse legitimationsoplysninger kan gøre, i hvert system, mod hvert datasæt, for enhver, der potentielt kan kalde dem. Uden denne ordentlige kontekst, opererer du kun med halvdelen af billedet. Ledere har også brug for at ændre strategier fra detektion til håndhævelse under kørsel for at blokere handlinger i øjeblikket for udførelse, før handlingen er fuldført, snarere end efter skaden allerede er sket.

Mange organisationer tror, de allerede har tilstrækkelig SaaS-sikkerhed på plads. Hvor bryder disse antagelser sammen, når agentbaseret AI kommer ind i billedet?

Mange organisationer tror, de allerede har “løst” SaaS-sikkerheden, men denne antagelse udfordres, da indførelsen af agentbaseret AI accelererer. SaaS-sikkerhed behandles ofte som en afkrydsningsboks: budget er godkendt, et værktøj er implementeret, og problemet anses for løst. I praksis er SaaS-API’erne, der underbygger disse miljøer, dog aldrig fuldt ud blevet bragt under kontrol, primært fordi der er begrænset indsigt på tværs af virksomheden i, hvad der sker på API-niveau, og hvilke SaaS-ressourcer der kommunikerer med hinanden.

Dette skaber en strukturel blind plet, hvor virksomheder måske sikrer identiteter og endpunkter, men ofte mangler en klar oversigt over, hvordan der gives adgang til SaaS-data, og hvilke handlinger der udføres på dem, når API’er er i spil. Som følge heraf opererer mange organisationer stadig over det åbne internet direkte ind i kritiske systemer uden fuldt ud at forstå omfanget eller opførslen af API-drevne interaktioner, der sker under.

Agentbaseret AI blotlægger nu dette hul og skaber udfordringer hurtigere, end hold kan lukke dem ned, og på den måde bliver det en katalysator for API-samtalen.

Hvordan bør virksomheder tænke styring, når de har med autonome AI-agenter at gøre, der kan få adgang til, flytte og handle på data på tværs af flere systemer?  

Ingen leder ønsker at bremse indførelsen af AI lige nu, især da presset stiger for at handle hurtigere eller vise målbare resultater, selv hvor token-forbrug bruges i evalueringer. I mange tilfælde kommer AI-direktiver direkte fra toppen, med administrerende direktører, der rapporterer fremgang til bestyrelser eller endda offentlige interessenter, hvilket kun intensiverer presset for at tage teknologien hurtigt i brug. I den situation, hvor “AI til enhver pris” bliver standardholdningen, kan fejlkonfigurationer og for omfattende tilladelser ikke realistisk løses hurtigt nok gennem traditionelle styringsprocesser.

Problemet er, at agentsystemer ikke venter på afhjælpning. De kan opdage systemer, kæde handlinger og udføre arbejdsgange på tværs af flere SaaS-applikationer på få sekunder og fuldfører ofte ti eller flere trin, før et menneske kan opdage det, endsige gribe ind.

Dette er, hvorfor styring ikke længere kun handler om at fange problemer tidligere i udviklingslivscyklussen, men også om kontrol i øjeblikket, hvor agenten faktisk handler. Sikkerhedsledere kan ikke effektivt styre agenter, hvis kontrol kun sker efter misbrug.

I en verden, hvor agenter tager autonome beslutninger på tværs af SaaS-systemer, er den eneste holdbare tilgang til at beskytte mod disse trusler fra agentbaseret AI styring under kørsel. Denne tilgang kræver, at man går videre end detektion efter udførelsen for at opdage og blokere rettighedseskalering, for omfattende dataadgang og brud på sikkerhedsregler, før de kan påvirke organisationen. Disse kontroller skal være tilpasset OWASP-standarder og branchens bedste praksis, for at sikre, at agenter opererer inden for udtrykkelige grænser, der kan håndhæves – så teamene kan følge med indførelsen af agentbaseret AI uden at kompromittere innovation.

Set fra et teknisk synspunkt, hvad er de mest oversete sårbarheder, der introduceres af agentbaseret AI inden for SaaS-miljøer?

Når organisationer tager et nyt SaaS-værktøj i brug, opdager de ofte, at AI-funktioner bliver stille og roligt tilføjet eller aktiveret som standard. Problemet er, at disse funktioner ofte ikke kommer med samme niveau af konfigurationskontroller eller mulighed for revision, som sikkerhedsteamene er afhængige af for traditionelle SaaS-funktioner. Som følge heraf bliver det svært at skelne, om en handling er initieret af en menneskelig bruger eller en autonom agent. I mange tilfælde har virksomheder ikke mulighed for at slå AI-funktioner fra, da disse funktioner er integreret i SaaS-applikationen selv.

Denne tvetydighed skaber en stor blind plet for sikkerhed og styring. Hvis en indbygget AI-funktion tager beslutninger på vegne af en bruger, har organisationer ofte ingen klar måde at spore intention, forstå beslutningslogik eller bekræfte, hvad der udløste en bestemt handling.

Risikoen bliver endnu mere udtalt, når man betænker AI-forsyningskæden inde i SaaS selv. Disse indbyggede AI-kapaciteter afhænger ofte af modeller længere oppe i leverandørkæden, tjenester og tredjepartsintegrationer. Hvis nogen del af denne kæde er kompromitteret, forringet eller manipuleret, kan AI’en inde i SaaS-applikationen omdanne betroede forretningsapplikationer til aktive deltagere i en angrebsvej.

AI-laget inde i SaaS er effektivt blevet sin egen forsyningskæde og introducerer en ny type risiko, der skal overvåges og styres i sin egen ret. Uden indsigt i, hvordan disse indbyggede AI-systemer opfører sig og hvilke data, de afhænger af, er organisationer blinde for en voksende del af deres SaaS-angrebsflade.

Du har arbejdet omfattende med at kvantificere forretningsværdi og risiko. Hvordan bør organisationer måle den økonomiske og omdømmemæssige eksponering i forbindelse med usikrede AI-agenter?  

Hvis en AI-agent misbruges eller forårsager et sikkerhedsbrud, er den umiddelbare effekt ikke kun begivenheden selv, men også den organisatoriske reaktion, der følger. Denne hændelse vil bremse organisationens villighed til at tage AI i brug og skalere anvendelsen, da ledere bliver mere forsigtige. Når tillid er brudt, bliver det betydeligt sværere at genstarte innovationsmotoren, der drev værdi i første omgang.

Denne dynamik strækker sig ud over interne hold til eksterne interessenter også. Bestyrelser, kunder og aktionærer forventer ansvarlig implementering, og enhver fejl i forbindelse med autonome agenter bliver hurtigt et spørgsmål om forvalteransvar og omdømme. Når sikkerhed ikke er bygget ind i design, er organisationer tvunget ind i reaktive diskussioner om kontrol og sikkerhed, hvilket uundgåeligt bremser beslutningsprocessen på tværs af forretningsområdet.

Der er også en mere strukturel økonomisk eksponering, der ofte overses. Da det opfattede skadeomfang for AI-agenter vokser, har virksomhederne tendens til at blive mere konservative i, hvordan de allokerer kapital. I nogle tilfælde betyder det, at de tilbageholder midler eller udsætter investeringer for at beskytte sig mod potentielle hændelser.

I denne forstand bliver sikring af AI-agenter mindre en ren øvelse i risikoreduktion og mere en diskussion om omsætning og vækst. Organisationerne, der kan implementere AI med tillid og vide, at agenterne styres og holdes inden for klare grænser, vil kunne handle hurtigere, mens de, der ikke har denne tillid, naturligt vil bremse op. I 2026 er evnen til at kombinere hastighed med tillid ved at blive en superkraft.

Der er tydeligt en spænding mellem hurtig indførelse af AI og ansvarlig implementering. Hvordan ser en afbalanceret strategi ud for virksomheder, der ønsker at innovere uden at øge deres risikoprofil?  

Lige nu er en af de største mangler mellem indførelse af AI og ansvarlig implementering kommunikation. Mange virksomheder er aktivt ved at bruge AI på tværs af SaaS-miljøer, men de har ikke en konsekvent, ekstern samtale om, hvordan det bliver brugt, og hvilke sikkerhedsforanstaltninger der er på plads. Den manglende gennemsigtighed kan faktisk øge risikoen, fordi den efterlader kunder og samarbejdspartnere til at antage det værste snarere end at forstå de faktiske kontroller, der er på plads.

En mere balanceret tilgang behandler ansvarlig AI-brug som en del af værditilbuddet, ikke kun en intern øvelse i regelefterlevelse. Der er en mulighed for virksomheder at være mere tydelige om, hvordan AI styres inde i deres miljøer, herunder hvad det kan og ikke kan gøre, og hvilke beskyttelsesforanstaltninger der gælder, når det interagerer med følsomme systemer. Den slags gennemsigtighed bygger tillid og hjælper med at skalere AI på en sikker måde.

Virksomheder, der tydeligt kan forklare, hvordan AI bliver brugt på tværs af deres SaaS-miljøer, og demonstrere, at det bliver styret på en struktureret og overvåget måde, vil kunne innovere hurtigere uden at øge den opfattede risiko.

Da flere virksomheder eksperimenterer med agentbaseret AI, hvad bør sikkerhedsteam gøre i dag for at undgå at blive det næste store angrebsoffer?  

Agentbaseret AI introducerer ikke kun en ny type risiko, men accelererer også de risici, organisationer endnu ikke kan se. Faktisk tilføjer skygge-AI en ekstra $670.000 til den gennemsnitlige omkostning ved et sikkerhedsbrud. Men roden til problemet er gennemsigtighed. Når organisationer ikke ved, hvor AI bliver brugt eller hvordan det interagerer med systemer, tager det længere tid at opdage og begrænse hændelser, hvilket direkte øger både finansielle og regulatoriske konsekvenser.

Det første umiddelbare skridt er at etablere gennemsigtighed på tværs af forretningsområdet. Sikkerhedsteam har brug for en klar oversigt over både godkendt og ikke-godkendt AI-brug, ikke kun på applikationsniveau, men også på tværs af arbejdsgange, hvor AI aktivt tager eller påvirker beslutninger.

Når dette indblik er på plads, bliver opgaven at omsætte det til regler, der kan håndhæves, og indbygge reglerne i de systemer, hvor arbejdet faktisk udføres. Det betyder at samarbejde med forretningsområdet om, hvordan AI skal bruges, og derefter flytte fra dokumentation til tekniske kontroller, der opererer på tværs af endpunkter, SaaS-platforme og agentsystemer. Jo tidligere disse kontroller introduceres i handlingsforløbet, jo lavere er sandsynligheden for, at dyre hændelser, der er svære at begrænse, opstår som følge af skygge-AI og autonome agenter.

Set fremad, hvordan ser du sikkerhedslandskabet udvikle sig, efterhånden som agentbaserede AI-systemer bliver mere dybt integreret i virksomhedens infrastruktur?

Organisationer vil have brug for sikkerhed udviklet specielt til AI for at tackle AI-drevne trusler. Disse systemer skal operere med maskiners hastighed og vil grundlæggende omforme sikkerhedsoperationer. Mennesker vil stadig være en del af processen, men skifte til strategisk overordnet tilsyn, hvor de anvender kontekst og dømmekraft, som AI stadig mangler.

Dette ændrer også, hvordan sikkerhedsteam er struktureret. Holdene vil måske ikke blive mindre, men deres omfang vil udvides betydeligt, med en enkelt sikkerhedsmedarbejder ansvarlig for et langt større ansvarsområde gennem automatisering og AI-drevne værktøjer.

Dertil kommer, at i miljøer med AI-agenter er overvågning og detektion ikke nok. Organisationer vil have brug for at implementere reelle håndhævelsesmekanismer. Det betyder at bygge systemer, der kan fungere som kontakter: evnen til at aktivere eller deaktivere kapaciteter, begrænse adfærd i realtid og isolere systemer, der opfører sig dårligt eller kunne kompromittere den bredere virksomhed. Forsyningskæderisikoen i AI er simpelthen for stor til ikke at have mekanismer til nødafbrydelse indbygget i arkitekturen.

Set fremad vil AI fortsætte med at accelerere potentielt ud over menneskelig hastighed og kapacitet. Men samtalen kan ikke kun fokusere på risiko; den må også inkludere muligheder. Det er som at opdrage børn: AI vil vokse og begå fejl, men har også mulighed for at overgå os. Vinderne vil være dem, der omfavner AI i stor skala, samtidig med at de bygger de kontrolsystemer, der er nødvendige for at implementere det sikkert og med tillid.

Tak for det gode interview. Læsere, der ønsker at lære mere, kan besøge Obsidian Security.