Sri Iyer, CTO og medstifter af Kovr.ai – Intervju-serie

Sri Iyer, CTO og medstifter af Kovr.ai, er en erfaren teknologileder med omfattende erfaring med at drive innovation inden for kunstig intelligens, dataanalyse, kvantecomputering og automatisering. Før han stiftede Kovr.ai, havde han ledende roller i Amazon (AMZN ), Guidehouse, PwC og Raytheon, hvor han ledte teams, der udviklede næste generationsløsninger på tværs af både offentlige og private sektorer. Med over et årti lang erfaring inden for nye teknologier og adskillige branchecertificeringer har Iyer opbygget en reputation for at hjælpe organisationer med at udnytte disruptive værktøjer til at løse komplekse forretnings- og sikkerhedsudfordringer.

Kovr.ai gendefinerer cybersikkerheds-overholdelse gennem en AI-naturlig platform designet til cloud- og hybrid-miljøer. Virksomheden automatiserer komplekse regulative rammer som FedRAMP og CMMC ved hjælp af realtids-, kode-drevet intelligens, hvilket giver virksomheder mulighed for at opnå autorisation til at operere (ATO) på så kort tid som 15 minutter. Ved at erstatte traditionel manuel konsulenthjælp og infleksible overholdelsesværktøjer giver Kovr.ai en skalerbar, adaptiv tilgang til risikostyring – hvilket giver højt regulerede organisationer mulighed for at forblive sikre, overholde og klar til kontinuerlig forandring.

Før du co-stiftede Kovr.ai, havde du ledende roller i AWS, PwC og forskellige federalt fokuserede startups. Hvad var det personlige eller professionelle oplevelser, der fik dig til at indse, at der var en bedre måde at tackle federal IT-overholdelse på – og hvad inspirerede dig til at lancere Kovr.ai?

Jeg har oplevet federal IT-overholdelsesudfordringer fra begge sider – først som systemejer, der byggede store platforms til Forsvarsministeriet, og senere, da jeg ledte cloud- og AI-initiativer i AWS. I ét tilfælde tog det år at udvikle et system, som jeg hjalp med at bygge, kun for at blive stoppet i overholdelse i endnu længere tid. Den frustration var et vendepunkt.

I AWS ledte jeg teams, der støttede services, der gik gennem FedRAMP og lignende overholdelsesprocesser. Trods Amazons omfattende ressourcer kan det tage op til tre år at få services-autorisering i nye regioner. Selv på den skala var de bedste interne løsninger grundlæggende glorificerede regneark – værktøjer som Quip eller Google Docs – til at spore og styre processen. Ineffektiviteten var overvældende, og jeg så førstehånds, at de fleste agenturer stod over for det samme problem.

I årevis troede jeg, at der måtte være en bedre måde, men kompleksiteten af at kortlægge tusinder af kontroller på tværs af kodebaser og dokumentation gjorde sand automatisering til noget, der føltes utilgængeligt. Det ændrede sig, da jeg ledte AI/ML-løsningsarkitekturteamet i AWS. At se, hvordan generativ AI kunne transformere manuelle arbejdsprocesser, var øjenåbnende. Pludselig føltes det, der tidligere syntes umuligt – reducere overholdelsesarbejdsbyrden i stedet for blot at flytte den til et andet værktøj – som noget, der var muligt.

Efter nogen eksperimenter og R&D indså min nuværende medstifter og jeg, at vi kunne bygge en platform, der ikke blot sporer overholdelse, men også betydeligt accelererer den. Den indsigt var begyndelsen på Kovr.ai, en måde at udnytte AI til at reducere, ikke blot styre, byrden af federal IT-overholdelse.

Mange tekniske startups kæmper med kompleksiteten, omkostningerne og tempoet i de føderale overholdelseskrav. Hvad var nogle af de største hindringer, du mødte tidligt – og hvordan lykkedes det Kovr.ai at navigere eller overvinde disse udfordringer for at bygge en livskraftig løsning?

Kovr.ai mødte flere store hindringer tidligt i forhold til at løse føderal overholdelse for tekniske startups, herunder:

• Kompleksitet og manuelle processer: Startups fandt ofte føderal overholdelse overvældende på grund af det store antal kontroller (f.eks. har NIST 800-53 over 1200 kontroller) og de manuelle, regnearksdrevne processer, der typisk blev brugt. Dette gjorde overholdelse langsom, fejlbehæftet og ressourcekrævende.
• Langsom feedback og iteration: Traditionelle overholdelsesprocesser krævede lange cyklusser af frem- og tilbage-mellem teams og konsulenter, hvilket forsinkede fremgangen og gjorde det svært for startups at vide, hvor de stod, eller hvad de skulle løse næste.
• Høj omkostning og ressourcebyrde: Startups med begrænsede midler og tid havde svært ved at prioritere overholdelse over deres kerneproduktveje, ofte med til at udskyde regeringsarbejde i årevis.

Vi overvandt disse hindringer ved at bruge automatisering, fleksible indtastninger, hurtig iteration og dyb workflow-integration til at gøre overholdelse mere tilgængelig for startups. Platformen scanner automatisk dokumentation, kode og cloud-miljøer for at kortlægge dem til overholdelseskontroller og give instant gap-vurderinger. Den understøtter artefakter i enhver format, reducerer barrierer for indgang, og fremhæver hurtig brugerfeedback for at sikre reel verdens relevans. Ved at integrere overholdelseskontroller direkte i udviklingspipeliner hjælper Kovr.ai teams med at integrere overholdelse uden større forstyrrelser.

Hvordan har skiftet mod maskinlæsbare overholdelsesformater som OSCAL [Open Security Controls Assessment Language] ændret, hvordan både leverandører og agenturer tilgår sikkerhed?

OSCAL har potentialet til at gøre overholdelse mere automatiseret og effektiv, men dens virkning er i øjeblikket begrænset af tempoet i adoption blandt både leverandører og agenturer. Da flere parter bruger OSCAL, forventes fordelene ved automatisering og standardisering i overholdelsesprocesser at vokse. Kovr.ai er bygget naturligt på OSCAL, hvilket giver det mulighed for at transmittere og behandle overholdelsesinformation i dette format, men bredere fordele vil kun blive realiseret, når flere interessenter adopterer OSCAL-baserede arbejdsprocesser.

Du beskriver Kovr.ai som en “overholdelses-co-pilot”. Gennemgå, hvordan det ser ud i praksis – fra dokumentation til revisionsklarhed. Hvad sker der bag kulisserne, der gør processen hurtigere eller lettere?

Bag kulisserne udnytter Kovr.ai AI og automatisering til at eliminere manuelt arbejde, give instant feedback og holde overholdelsesdokumentation opdateret, hvilket gør hele processen, fra dokumentation til revisionsklarhed, meget hurtigere og lettere for brugerne.

Brugere kan bringe ind de overholdelsesartefakter, de allerede har, i ethvert format – dokumenter, kode, cloud-miljødata, arkitekturdiagrammer osv. Derefter scanner Kovr.ai automatisk hver linje af hver dokument, kodebase og miljø og kortlægger derefter alle disse oplysninger til relevante sikkerheds kontroller, såsom dem i NIST 800-53. Dette gøres ved hjælp af AI-modeller, der opbygger en omfattende viden graf over brugerens overholdelseslandskab.

Derefter evaluerer vores system hver kontrol, identificerer huller og genererer handlebare anbefalinger til afhjælpning. Brugere kan løse disse huller ved at opdatere deres miljø eller dokumentation og genupload til Kovr.ai, som derefter giver instant feedback på, om problematikken er løst. Den gode nyhed er, at denne proces kan gentages så mange gange, som nødvendigt, hvilket giver brugerne mulighed for at forbedre deres overholdelsesposition med hurtig, automatiseret feedback, og dermed eliminerer de traditionelle forsinkelser mellem teams og konsulenter.

Kovr.ai kan også generere alle nødvendige overholdelsesdokumentation, herunder regerings-skabeloner, som FedRAMP SSP’er, ved hjælp af oplysningerne i viden grafen.

Til sidst holder platformen alle overholdelsesoplysninger opdateret og kan pakke dem til revisorer. I stigende grad kan revisorer endda få adgang til Kovr.ai direkte for at gennemse og spørg om overholdelsesdata, hvilket strømliner revisionsprocessen.

Startups står ofte over for en vanskelig valg: gå hurtigt og bryd ting, eller gå langsommere for at opfylde overholdelse. Hvordan tilgår du denne valg, mens du bygger Kovr.ai – og hvilken råd ville du give andre innovatører, der forsøger at skabe sig en plads på regulerede markeder?

Kovr.ai blev bygget med overholdelse og sikkerhed i mente fra begyndelsen, hvilket omfattede funktioner som luftafskårne systemer, stærk autentificering og kryptering til at støtte regulerede miljøer. Vi integrerede også automatiserede overholdelseskontroller direkte i vores DevOps-pipeline, hvilket muliggjorde tidlig opdagelse af problemer og undgik længerevarende gennemgang og fokuserede på hurtig prototypering og integration baseret på brugerfeedback, hvilket sikrede, at produktet opfyldte brugernes behov, samtidig med at det forblev overholdt. Automatisering reducerede yderligere det manuelle arbejde, hvilket muliggjorde hurtig og sikker udvikling i stor målestok.

For innovatører er det afgørende at integrere overholdelse og sikkerhed i deres produkt fra begyndelsen, især for regulerede markeder. Integrer automatiserede overholdelseskontroller i din DevOps-pipeline for at fange problemer tidligt og bringe ind menneskelige overholdelseseksperter, når det er nødvendigt. Selv om overholdelse kan langsommere udviklingen af funktioner, sparere det i sidste ende tid ved at undgå dyrt omarbejde.

Du har talt om behovet for at modernisere den føderale indkøbsproces. Hvad er det, der føles mest forældet i det nuværende system – og hvilke praktiske ændringer ville gøre det lettere for tidlige virksomheder at konkurrere?

Den føderale indkøbsproces føles ofte forældet, med langsomme erhvervsprocesser, finansiering, der prioriterer operationer over innovation, og komplekse købsmekanismer, der gør det svært for startups at bryde igennem. For at støtte tidlige virksomheder kan praktiske reformer omfatte at tildele mere fleksible, innovationsfokuserede midler, sænke erhvervstrømpunkter for hurtigere, mindre køb, udvide adgangen til indkøbskøretøjer som DOD’s Tradewinds og oprette strømlinede, “app-store”-lignende platforme til at forenkle, hvordan agenturer opdager og køber nye teknologier.

Set tilbage, hvilke grundlæggende beslutninger – omkring arkitektur, markedstrategi eller rekruttering – viste sig at være mest afgørende for at bringe Kovr.ai til, hvor det er i dag?

De mest afgørende grundlæggende beslutninger for Kovr.ai var hurtig prototypering og iteration, en brugerstyret produktvision, fleksible produktionsstrategier, opbygning af en feedback-fællesskab og fast fokus på kundens behov. Disse valg gjorde det muligt for os at bygge en løsning, der virkelig løste udfordringerne i forhold til føderal overholdelse.

Som CTO, hvordan balancerer du mellem at innovere hurtigt og opretholde en lufttæt overholdelse? Er der nogen rammer eller interne praksisser, du har antaget for at holde begge prioriteringer på sporet?

Jeg balancerer innovation og overholdelse ved at integrere overholdelse i hvert udviklingsstadium, udnytte automatisering, opretholde fleksible produktionsmiljøer og forblive tæt knyttet til brugerens behov og ekspertråd. Disse praksisser sikrer, at begge prioriteringer – hurtig innovation og lufttæt overholdelse – konsekvent opfyldes.

Set fremad, hvor ser du Kovr.ai udvide sig næste – enten ind i statlige og lokale regeringer, andre regulerede industrier som finans og energi eller endda internationale markeder?

Teamet vil fortsætte med at udvikle Kovr.ai-teknologien til kontinuerlig og automatiseret overholdelsesstyring, udvide i flere retninger ud over det nuværende fokus på føderal regerings-overholdelse. Dette omfatter udvidelse til statlige og lokale regeringer, andre regulerede industrier som finans, energi og sundhedsvesen samt internationale markeder.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Kovr.ai.