Tom Findling, Medstifter og CEO af Conifers – Intervju-serie

Tom Findling er en strategisk leder med en dokumenteret track record inden for go-to-market (GTM), produkt og datavidenskab. Han har tidligere været Chief Customer Officer i IntSights (opkøbt af Rapid7) og herefter Senior Director of Product i Rapid7, og han bringer en unik blanding af strategisk vision og eksekvering til bordet i drift af store skala operationer. Derudover har han også haft GTM og produktroller i VMware og SUS.

Conifers tilbyder en AI-dreven CognitiveSOC-platform, der forbedrer evnen til sikkerhedsoperationer ved at integrere med eksisterende værktøjer, indtage en organisations unikke data og risikoprofil, og kontinuerligt tilpasse undersøgelsesworkflows. Den løser almindelige udfordringer som overmæssige alarmvolumener, begrænset indsigt i SOC-ydelse, og generiske one-size-fits-all-systemer ved at aktivere dybere undersøgelser, modellere institutionel viden, og bruge feedback-løkker til at forbedre nøjagtighed og reducere støj. Platformen er designet til at levere målbare resultater, herunder en tredobling af investeringsafkast og en 87% reduktion i undersøgelsestid.

Du har en lang karriere inden for cybersikkerhed, fra IntSights til Rapid7—hvad oplevelser førte dig til at medstifte Conifers, og hvilket problem satte du ud til at løse?

Under min karriere har jeg oplevet, at sikkerhedsoperationer holder under vægten af for mange alarmer, værktøjer og pres. Hos IntSights observerede jeg, hvor svært det var for mennesker at handle på den efterretning, der blev produceret. Hos Rapid7 tog jeg udfordringen op at skala vores team med færre mennesker til at understøtte en større kundebase ved at redesigne, hvordan arbejdet blev udført, og implementere datavidenskab til at håndtere high-volume-opgaver. Det var da, jeg begyndte at tro, at kørslen af en sikkerhedsoperationscenter (SOC) på den traditionelle måde ikke ville holde. Conifers blev født af vores bestræbelser på at løse dette skala-problem. Vi ville bygge en løsning, der kunne skala til at håndtere de stadig øgende volumener af trusler og data uden at brænde mennesker ud. Sådan opfandt vi CognitiveSOC, vores AI SOC-agents-platform.

Conifers positionerer sig selv som en “AI SOC force multiplier.” Hvordan adskiller din CognitiveSOC-platform sig fra traditionelle SOC-automatiseringsværktøjer?

De fleste automatiseringsværktøjer i SOC er bygget på statiske playbook. De udfører en fast række af trin, men fejler, når angribere opfører sig på uforudsigelige måder eller når miljøet ændrer sig. CognitiveSOC er en agentic AI-platform, der kan lære og tilpasse sig til ændrende miljøer. Den korrelerer data, bruger institutionel viden, og træffer konklusioner uden at skrive hver enkelt del af processen. Platformen understøtter analytikere snarere end at erstatte dem og bliver kontinuerligt stærkere gennem feedback og læring snarere end at kræve manuel vedligeholdelse. Denne stadige vækst i kapacitet er, hvad der gør den til en sand force multiplier.

SOC-hold klager ofte over alarmtræthed og udbrændthed. Hvordan løser Conifers denne udfordring på en praktisk måde?

CognitiveSOC løser alarmtræthed ved at reducere støjen, før den når en analytiker. Den tager den konstante strøm af alarmer fra værktøjer og konsoliderer dem i undersøgelser, der allerede indeholder den relevante kontekst. I stedet for at en analytiker stirrer på en oversvømmelse af blinkende alarmer, gennemgår de en meget mindre samling af undersøgelser, der indeholder historisk kontekst, beviser og sandsynlige årsager. Analytikere kan derefter fordøje information og træffe beslutninger snarere end at jagte rå signaler, hvilket hjælper med at mindske træthed og udbrændthed.

Tillid er afgørende i cybersikkerhed—hvordan bygger din menneske-i-løkken-tilgang tillid til AI-drevne beslutninger?

Nøglen til tillid er gennemsigtighed og kontrol. Analytikere forbliver ansvarlige for systemet og præsenteres med anbefalinger og forklaringer, de kan bekræfte eller omgå og give en vurdering. Over tid, da de ser systemet træffe præcise beslutninger, kan de tillade det at håndtere flere handlinger automatisk. Denne tilgang muliggør, at hold kan teste og korrigere systemet, mens de fastholder autoritet i menneskers hænder. Vi opbygger tillid og adoption ved at behandle AI som en partner, der lærer af analytikere snarere end en sort boks, der træffer uforklarede valg.

Din stadie-implementeringsramme tillader en gradvis adoption. Hvorfor designede du det på denne måde, og hvordan hjælper det organisationer med at overvinde modstand mod AI?

Vi vidste fra starten, at den største barriere for adoption ville være tilliden til at adoptere AI. Hvis du går ind i en SOC og fortæller teamet, at de skal overdrage deres operationer til et AI-system, vil svaret være nej. Ved at bryde adoptionen op i stadier tillader vi organisationer at starte småt med et begrænset antal use cases og skala dem over tid. Hvert stadie demonstrerer værdi og bygger tillid, hvilket gør det næste stadie lettere at acceptere. Denne gradvise vej bygger tillid, erstatter tøven med beviser og sikrer, at holdene føler sig i kontrol.

Metrikker er en stor del af at bevise værdi i sikkerhed. Hvilke KPI’er bør organisationer spore for at måle fremgang mod en autonom SOC?

De vigtigste målinger er hastigheden af opdækning, respons og afhjælpning, samt kvaliteten og forholdet mellem rå alarmer og meningsfulde, kontekstuelle undersøgelser. En anden måling er, hvor meget arbejdsmængde systemet kan tage på uden menneskelig indblanding. Disse indikatorer viser, om SOC bliver mere effektiv, om analytikere bliver udviklet til at fokusere på højere-værdi-arbejde, og om organisationen bevæger sig nærmere en model, hvor AI tager på sig det hårde arbejde. At spore disse tal giver klart bevis på fremgang.

Conifers fremhæver integration med eksisterende incidentstyrings-systemer. Hvorfor var ikke-forstyrrelse sådan en kerne-design-princip?

Sikkerhedshold har investeret massivt i deres værktøjer og processer. De fleste eksisterende teknologier kræver, at SOC-hold skal “context switch” og flytte til et andet værktøj for at gennemgå og løse alarmer. Vi fjerner denne friktion ved at møde analytikere, hvor de er, indlejret i de værktøjer, de allerede arbejder med.

Hvad ser du som den faserede vej fra i dag semi-automatiserede SOCs til en fremtid, hvor AI-agenter har mere autoritet over værktøjer og data?

Vejen mod en autonom SOC begynder med forstærkning, hvor AI analyserer og undersøger alarmer med menneskelig oversigt. Derefter flytter organisationer sig ind i delegation, hvor systemet håndterer flere og flere use cases autonomt. Det endelige stadie er fuld autonomi, hvor AI-agenter er tillidsfulde til at håndtere opdækning og respons på tværs af miljøer, mens mennesker vejleder strategi og håndterer unikke situationer. I dag er de fleste hold stadig i forstærkning med nogle tidlige delegationer, men komforten med at overdrage rutine-scenarier vokser hurtigt og vil lægge grundlaget for fuld autonomi.

Set fem år frem, hvordan forventer du, at SOC-operationer vil udvikle sig, mens AI modnes—både i teknologi og analytikerrollen?

Om fem år vil SOCs køre på systemer, der ligner autonome agenter mere end dashboards. Disse agenter vil opdage, respondere og tilpasse sig til nye trusler, og de vil også justere politikker og dele viden på tværs af organisationer i realtid. Da denne kapacitet modnes, vil analytikerrollen skifte til oversigt, strategi og komplekse undersøgelser. Arbejdet vil være mindre om at rydde endeløse alarmer og mere om at anvende ekspertise, hvor den har den største indvirkning. Resultatet vil være en SOC, der føles mindre som en call center og mere som en mission control room.

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