Sean Roche, Senior Director für Produktmarketing und Value Engineering bei Obsidian Security – Interviewreihe

Sean Roche, Senior Director of Product Marketing und Value Engineering bei Obsidian Security, leitet bereichsübergreifende Initiativen, die sich auf SaaS-Sicherheit, KI-Sicherheit und Go-to-Market-Strategie konzentrieren. Er hat eine wichtige Rolle bei der Entwicklung des ersten einheitlichen Use-Case-Frameworks der Firma gespielt, das Vertrieb, Marketing und die Teams für Kundenerfolg auf messbare Geschäftsergebnisse ausrichtet, während er auch für die Markteinführung von Sicherheitslösungen für generative KI und KI-Agenten verantwortlich war. Bevor er zu Obsidian Security kam, hatte Roche Führungspositionen bei Unternehmen wie Forter, Aviatrix und Okta inne, wo er sich auf Business-Value-Beratung, Preisstrategie, Customer-Value-Engineering und Analyse der Investitionsrendite für die Unternehmensführung spezialisiert hat. Sein Hintergrund umfasst Cybersicherheit, Enterprise-Software-Strategie und Finanzforschung, was ihm umfassende Erfahrungen bei der Übersetzung technischer Fähigkeiten in messbare Geschäftsauswirkungen für Unternehmenskunden verleiht.

Obsidian Security ist ein Cybersicherheitsunternehmen, das sich auf die Sicherung von SaaS-Anwendungen, KI-Agents, Identitäten und Unternehmensintegrationen in modernen Cloud-Umgebungen konzentriert. Das Unternehmen bietet eine einheitliche Plattform, die Organisationen dabei hilft, Bedrohungen zu erkennen, die SaaS-Sicherheitslage zu verwalten, den Datenzugriff zu regeln und riskantes Verhalten in geschäftskritischen Anwendungen wie Microsoft 365, Salesforce (CRM ), Slack und anderen Cloud-Diensten zu überwachen. In den letzten Jahren hat Obsidian seine Aktivitäten auf die Sicherheit von KI-Agents ausgeweitet, um Unternehmen eine bessere Sichtbarkeit darüber zu geben, wie autonome KI-Systeme mit SaaS-Plattformen, Daten und Workflows in Echtzeit interagieren. Obsidian wurde von Sicherheitsführern gegründet, die Erfahrungen bei Unternehmen wie CrowdStrike (CRWD ), Okta, Cylance und Carbon Black gesammelt haben, und positioniert sich als umfassende SaaS- und KI-Sicherheitsplattform, die darauf ausgelegt ist, die wachsende Komplexität von Cloud-Umgebungen und Umgebungen mit KI-Agenten zu bewältigen.

Sie haben Ihre Karriere an der Schnittstelle von Geschäftswert, Risikostrategie und SaaS-Sicherheit aufgebaut und leiten nun die Value-Engineering- und Produktmarketing-Abteilung bei Obsidian Security. Was hat Sie dazu bewogen, sich auf die Sicherung von KI-getriebenen SaaS-Ökosystemen zu konzentrieren, und wie unterscheidet sich die Herangehensweise von Obsidian bei der Sicherung aufkommender agentischer KI-Technologien wie OpenClaws?

Im Laufe meiner Karriere war die größte Lücke immer das, was die Sicherheit nicht sehen kann, denn dort ereignen sich die tatsächlichen Sicherheitsvorfälle. Wir haben dies in Vorfällen gesehen, bei denen nicht verbundene oder unverwaltete Systeme eine Verletzlichkeit geschaffen haben, die traditionelle Kontrollen einfach nicht abfangen konnten. Und ich habe dasselbe Muster auch bei den modernen Brücken gesehen, die Menschen verwenden, um sich mit großen Plattformen zu verbinden, oder bei Verbindungen, die außerhalb der normalen Sicherheitssichtbarkeit lagen und in einigen Fällen sogar nachdem das IT-Team dachte, es hätte sie deaktiviert. Diese Erfahrungen haben mir gezeigt, wie viel Risiko an den Schnittstellen zwischen Systemen liegt und nicht nur innerhalb der Systeme, die wir als gesichert betrachten.

Diese Realität verschiebt sich von Shadow IT zu Schatten-KI, wo neue Tools und agentengetriebene Workflows schneller auftauchen und sich verbreiten können, als Governance-Strategien nachhalten können. Viele Sicherheitsansätze reagieren darauf, indem sie versuchen, alles in einer einzigen Steuerungsebene zu zentralisieren und zu bändigen. Aber dieses Modell bricht in verteilten Umgebungen zusammen, insbesondere wenn kritische Daten und Aktivitäten innerhalb von Drittanbieteranwendungen stattfinden, die man nicht besitzt und nicht vollständig kontrollieren kann.

Das ist der Grund, warum ich mich auf die Sicherung von KI-getriebenen SaaS-Ökosystemen konzentriert habe, und es ist auch der Grund, warum die Herangehensweise von Obsidian so überzeugend ist. Die Anzahl der SaaS-Sicherheitsverletzungen ist um 300% gestiegen, doch die meisten Organisationen haben immer noch nicht die notwendige Sichtbarkeit darüber, wie diese Anwendungen genutzt werden. Dies ist die Lücke, die wir füllen, damit Sie verstehen, was tatsächlich innerhalb des Unternehmens passiert und wo die Verletzlichkeit besteht. Wenn agentische Technologien wie OpenClaws ausgereift sind, wird dieser Ansatz noch wichtiger, weil das Risiko nicht nur darin besteht, ob ein Agent auf bestimmte Daten zugreifen kann, sondern auch darin, worauf er zugreifen und wie schnell er handeln kann.

Agentische KI-Systeme wie OpenClaws gewinnen nach dem NVIDIA (NVDA ) GTC erhebliche Aufmerksamkeit. Aus Ihrer Perspektive, was unterscheidet diese Systeme grundlegend von früheren KI-Tools im Hinblick auf das Sicherheitsrisiko?

Das Verständnis dessen, was nicht-menschliche Identitäten sind und wie man sie sichert, ist für Sicherheitsteams kritisch geworden, da 68% der IT-Sicherheitsvorfälle jetzt Maschinenidentitäten betreffen und die Hälfte der befragten Unternehmen einen Sicherheitsverstoß aufgrund unverwalteter nicht-menschlicher Identitäten erlebt hat. Die Sicherheitsbranche hat sich hauptsächlich auf die Verwaltung der SaaS-Sicherheitslage und die Governance menschlicher Identitäten konzentriert, während nicht-menschliche Identitäten im Hintergrund proliferierten. Jetzt, da Unternehmen KI-Agents mit administrativen Rechten im großen Maßstab bereitstellen, ist das Governance-Defizit kritisch geworden.

Agentische Systeme wie OpenClaws zeigen sowohl das Versprechen als auch das Risiko von wirklich agentengetriebener KI. Es ist eines der ersten Male, dass wir KI mit echter Handlungsfreiheit in einer realen Umgebung einsetzen, mit echter Autonomie, die über einen engen, überwachten Arbeitsablauf hinausgeht.

Das Sicherheitsrisiko ändert sich schnell, wenn diese Fähigkeiten allgemein zugänglich werden und die Schwelle für Nicht-Experten senken, um mit diesen kritischen Systemen zu interagieren und sie möglicherweise auszunutzen. Menschen verbinden bereits KI-Agents mit ihren SaaS-Umgebungen und erweitern die Bedrohungslandschaft auf verschiedene Weise, einschließlich API-Schlüssel, nativer Integrationen und Drittanbieteranwendungen. Jeder neue agentengetriebene Workflow multipliziert jedoch die Anzahl der Zugriffspfade.

Der jüngste Vercel-Breach veranschaulicht diese wachsende Bedrohung, der Sicherheitsteams gegenüberstehen. Wenn Sie eine Drittanbieter-App autorisieren, vertrauen Sie implizit jedem, der die Infrastruktur dieser App berührt, ihrem Cloud-Anbieter, ihren Entwicklern, ihren eigenen verbundenen Diensten. Die meisten Organisationen wissen nicht, worauf sie sich tatsächlich geeinigt haben, und dieses Problem wird durch den rasanten Einsatz von agentengetriebener KI verschärft.

Viele KI-Agents operieren ohne einen echten technischen Kontrollrahmen, der ihr Verhalten begrenzt. Wenn Sie keine Spuren zur Identifizierung der Agentenaktivitäten haben oder schwache Schutzbarrieren haben, ist es schwer zu wissen, was der Agent getan hat, was er berührt hat und was sich geändert hat, bevor dies im Nachhinein nachvollzogen wird. Diese Kombination ist es, was das Risikoprofil grundlegend von früheren KI-Tools unterscheidet.

Sie haben OpenClaws als Technologie beschrieben, die durch umfassende Berechtigungen und Autonomie neue Angriffsoberflächen eröffnen kann. Können Sie uns durch ein reales Szenario führen, in dem sich dieses Risiko für ein Unternehmen konkretisiert? 

Die Risiken, wie sie durch OpenClaws dargestellt werden, werden greifbar, sobald diese Agents von isolierten Aufgaben in echte Produktionsumgebungen wechseln, was bereits passiert. Die meisten Organisationen konzentrieren sich darauf, sicherzustellen, dass die richtige Person auf einen Agenten zugreifen kann und dass der Agent wie erwartet funktioniert. Doch nur wenige Organisationen denken darüber nach, was passiert, wenn ein Agent mit einem anderen Agenten interagiert.

Dort erweitert sich die Angriffsoberfläche dramatisch. Ausgaben eines Systems, etwa Slack-Nachrichten oder Jira-Tickets, lösen Aktionen in einem anderen System aus. Führungskräfte verlieren die Kontrolle über Interaktionen und können keine konsistente Sichtbarkeit und Audit-Protokolle aufrechterhalten. Diese Agents verbinden sich gleichzeitig über SaaS-APIs, von denen viele immer noch keine ordnungsgemäßen Gateways oder Sicherheitsschutzmechanismen haben.

Das durchschnittliche Unternehmen betreibt bereits Hunderte von Agents, eine Zahl, die im vergangenen Jahr um fast das Hundertfache gewachsen ist. Wenn Teams tatsächlich nachsehen, haben 38% mittlere, hohe oder kritische Risikofaktoren, die meisten ohne dokumentierten Eigentümer, mehrere von Konten erstellt, die nicht mehr existieren, mit aktiven Konnektoren zu Produktionssystemen und null Ausführungsverlauf.

Das Schließen dieser Lücke erfordert tiefere Sichtbarkeit innerhalb der Anwendungen selbst, um besser zu verstehen, was diese Anmeldeinformationen tatsächlich können, in jedem System, in Bezug auf jeden Datensatz, für jeden potenziellen Aufrufer. Ohne diesen angemessenen Kontext sind Sie nur mit der Hälfte des Bildes unterwegs. Führungskräfte müssen auch ihre Strategien von der Erkennung zur Durchsetzung von Regeln zur Laufzeit ändern, um Aktionen im Moment der Ausführung zu blockieren, bevor die Aktion abgeschlossen ist, anstatt nachdem der Schaden bereits angerichtet wurde.

Viele Organisationen glauben, sie hätten bereits angemessene SaaS-Sicherheit. Wo brechen diese Annahmen zusammen, wenn agentische KI ins Spiel kommt?

Viele Organisationen glauben, sie hätten die SaaS-Sicherheit bereits “gelöst”, aber diese Annahme wird durch die zunehmende Adoption von agentischer KI in Frage gestellt. SaaS-Sicherheit wird oft als ein zu überprüfendes Kästchen behandelt: Der Budgetplan wird genehmigt, ein Tool wird bereitgestellt, und das Problem gilt als gelöst. In der Praxis jedoch wurden die SaaS-APIs, die diese Umgebungen untermauern, nie vollständig unter Kontrolle gebracht, größtenteils weil es tatsächlich begrenzte Unternehmenssichtbarkeit in Bezug auf das gibt, was auf der API-Ebene passiert und welche SaaS-Assets miteinander sprechen.

Das schafft einen strukturellen Blindpunkt, bei dem Unternehmen möglicherweise Identitäten und Endpunkte sichern, aber oft keine klare Sicht in die Art und Weise haben, wie auf SaaS-Daten zugegriffen wird und welche Aktionen damit ausgeführt werden, sobald APIs im Spiel sind. Als Ergebnis operieren viele Organisationen immer noch über das offene Internet direkt in kritische Systeme, ohne Umfang und Verhalten der zugrunde liegenden API-Interaktionen vollständig zu verstehen.

Agentische KI deckt diese Lücke auf und schafft Herausforderungen schneller, als Teams sie abschließen können, und wird so zu einem Katalysator für die API-Konversation.

Wie sollten Unternehmen die Governance neu denken, wenn es um autonome KI-Agents geht, die auf Daten in mehreren Systemen zugreifen, sie verschieben und Aktionen damit ausführen können? 

Keine Führungskraft will die KI-Adoption verlangsamen, besonders wenn der Druck steigt, schneller zu handeln oder messbare Ergebnisse zu zeigen, selbst wenn Token-Verbrauch bei Bewertungen verwendet wird. In vielen Fällen kommen KI-Mandate direkt von oben, mit CEOs, die dem Vorstand oder sogar öffentlichen Stakeholdern Fortschritte berichten, was den Druck, KI zu adoptieren, noch verstärkt. In dieser Umgebung, in der “KI um jeden Preis” die Standardhaltung wird, können Fehlkonfigurationen und übermäßige Zugriffsrechte realistisch nicht schnell genug durch traditionelle Governance-Zyklen behoben werden.

Das Problem ist, dass agentische Systeme nicht auf Remediation warten. Sie können Systeme erkunden, Aktionen verketten und Workflows über mehrere SaaS-Anwendungen in Sekunden ausführen, und dabei oft zehn oder mehr Schritte abschließen, bevor ein Mensch sie überhaupt bemerken, geschweige denn eingreifen kann.

Deshalb geht es bei Governance nicht mehr nur darum, Probleme früher im Entwicklungszyklus zu erkennen, sondern zunehmend um Kontrolle im Moment, in dem der Agent tatsächlich handelt. Sicherheitsführer können agentische Systeme nicht effektiv regieren, wenn die Kontrolle nur nach dem Missbrauch erfolgt.

In einer Welt, in der Agents autonome Entscheidungen über SaaS-Systeme treffen, ist der einzige gangbare Ansatz zur Abwehr dieser durch agentische KI verursachten Bedrohungen die Laufzeit-Governance. Dieser Ansatz erfordert, über die Erkennung nach der Ausführung hinauszugehen, um Berechtigungserhöhungen, übermäßigen Datenzugriff und Richtlinienverletzungen zu erkennen und zu blockieren, bevor sie die Organisation beeinträchtigen können. Diese Kontrollen müssen mit OWASP-Standards und Branchenbest-Praktiken übereinstimmen, um sicherzustellen, dass Agents innerhalb expliziter und durchsetzbarer Grenzen operieren – damit Teams mit der Geschwindigkeit der Einführung agentischer KI Schritt halten können, ohne die Innovation zu gefährden.

Aus technischer Sicht, welche sind die am häufigsten übersehenen Verwundbarkeiten, die durch agentische KI in SaaS-Umgebungen eingeführt werden?

Wenn Organisationen ein neues SaaS-Tool adoptieren, finden sie häufig, dass KI-Funktionen stillschweigend hinzugefügt oder standardmäßig aktiviert werden. Das Problem ist, dass diese Fähigkeiten oft nicht die gleiche Ebene von Konfigurationskontrollen oder Überprüfbarkeit haben, auf die Sicherheitsteams bei traditionellen SaaS-Funktionen angewiesen sind. Als Ergebnis ist es schwierig, zu bestimmen, ob eine Aktion von einem Menschen oder einem autonomen Agenten initiiert wurde. In vielen Fällen haben Unternehmen keine Möglichkeit, die KI-Funktionalität auszuschalten, da diese Fähigkeiten in die SaaS-Anwendung selbst eingebettet sind.

Diese Unsicherheit schafft einen großen Blindpunkt für Sicherheit und Governance. Wenn eine eingebettete KI-Funktion Entscheidungen im Namen eines Benutzers trifft, haben Organisationen oft keine klare Möglichkeit, die Absicht zu verfolgen, die Entscheidungslogik zu verstehen oder sogar zu bestätigen, was eine bestimmte Aktion ausgelöst hat.

Das Risiko wird noch gravierender, wenn man die KI-Lieferkette innerhalb von SaaS berücksichtigt. Diese eingebetteten KI-Fähigkeiten hängen oft von Upstream-Modellen, Diensten und Drittanbieter-Integrationen ab. Wenn ein Teil dieser Kette kompromittiert, verschlechtert oder manipuliert wird, kann die KI innerhalb der SaaS-Anwendung zu einem aktiven Teilnehmer in einem Angriffspfad werden.

Die KI-Ebene innerhalb von SaaS ist effektiv zu ihrer eigenen Lieferkette geworden und stellt eine neue Klasse von Risiken dar, die eigenständig überwacht und gesteuert werden muss. Ohne Sichtbarkeit darüber, wie diese eingebetteten KI-Systeme sich verhalten und welche Daten sie nutzen, sind Organisationen blind für einen wachsenden Teil ihrer SaaS-Angriffsoberfläche.

Sie haben umfassend an der Quantifizierung von Geschäftswert und Risiko gearbeitet. Wie sollten Organisationen die finanzielle und reputationsbezogene Exposition im Zusammenhang mit ungesicherten KI-Agents messen? 

Wenn ein KI-Agent missbraucht wird oder eine Verletzung verursacht, ist der unmittelbare Einfluss nicht nur das Ereignis selbst, sondern auch die organisatorische Reaktion, die folgt. Dieses Ereignis wird die Geschwindigkeit, mit der das Unternehmen bereit ist, KI einzuführen und zu skalieren, verlangsamen, da Führungskräfte vorsichtiger werden. Sobald das Vertrauen gebrochen ist, wird es erheblich schwieriger, den Innovationsmotor wieder anzukurbeln, der den Wert getrieben hat.

Diese Dynamik erstreckt sich über interne Teams hinaus auf externe Stakeholder, einschließlich Vorstände, Kunden und Aktionäre, die alle verantwortungsvolle Bereitstellung erwarten. Jeder Sicherheitsvorfall, der mit autonomen Agents in Zusammenhang steht, wird schnell zu einem fiduziarischen und reputationsbezogenen Problem. Wenn Sicherheit nicht von Anfang an konzipiert ist, werden Organisationen gezwungen, reaktive Gespräche über Kontrolle und Sicherheit zu führen, was unweigerlich die Entscheidungsfindung im gesamten Unternehmen verlangsamt.

Es gibt auch eine strukturellere finanzielle Exposition, die oft übersehen wird. Wenn der wahrgenommene mögliche Schadensradius von KI-Agents wächst, neigen Unternehmen dazu, konservativer zu werden, wie sie Kapital zuweisen. In einigen Fällen bedeutet dies, Mittel zurückzuhalten oder Investitionen zu verzögern, um sich gegen potenzielle Vorfälle abzusichern.

In diesem Sinne wird die Sicherung von KI-Agents weniger zu einer reinen Risikominderungsübung und mehr zu einer Konversation über Umsatz und Wachstum. Die Organisationen, die KI mit Vertrauen bereitstellen können, wissen, dass Agents gesteuert werden und innerhalb klarer Grenzen bleiben, und können schneller handeln, während diejenigen ohne diese Zuversicht sich naturgemäß verlangsamen werden. Im Jahr 2026 wird diese Fähigkeit, Geschwindigkeit mit Vertrauen zu paaren, zu einer Superkraft.

Es gibt offensichtlich eine Spannung zwischen schneller KI-Adoption und verantwortungsvoller Bereitstellung. Wie sieht eine ausgewogene Strategie für Unternehmen aus, die innovieren möchten, ohne ihr Risikoprofil zu erhöhen? 

Derzeit ist eine der größten Lücken zwischen KI-Adoption und verantwortungsvoller Bereitstellung die Kommunikation. Viele Unternehmen setzen KI in SaaS-Umgebungen ein, aber sie führen nicht konsistent eindeutige, externe Gespräche darüber, wie KI eingesetzt wird und welche Sicherheitsvorkehrungen vorhanden sind. Diese mangelnde Transparenz kann tatsächlich das Risiko erhöhen, da sie Kunden und Partner dazu bringt, das Schlimmste anzunehmen, anstatt die tatsächlichen Kontrollen zu verstehen.

Ein ausgewogenerer Ansatz behandelt verantwortungsvolle KI-Nutzung als Teil des Wertangebots, nicht nur als interne Compliance-Übung. Es gibt eine Chance für Unternehmen, expliziter zu machen, wie KI in ihren Umgebungen regiert wird, einschließlich dessen, was KI kann und nicht kann, und welche Schutzmechanismen vorhanden sind, wenn KI mit sensiblen Systemen interagiert. Diese Klarheit schafft Vertrauen, um KI sicher zu skalieren.

Unternehmen, die klar artikulieren können, wie KI in ihren SaaS-Umgebungen eingesetzt wird und demonstrieren, dass KI in einer strukturierten, beobachtbaren Weise kontrolliert wird, können schneller Innovationen umsetzen, ohne das wahrgenommene Risiko zu erhöhen.

Wenn mehr Unternehmen mit agentischer KI experimentieren, welche unmittelbaren Schritte sollten Sicherheitsteams heute unternehmen, um zu vermeiden, Opfer des nächsten Sicherheitsvorfalls zu werden, der Schlagzeilen macht? 

Agentische KI führt nicht nur eine neue Klasse von Risiken ein, sondern beschleunigt auch die, die Organisationen noch nicht sehen können. Tatsächlich fügt Schatten-KI zusätzliche $670K zu den durchschnittlichen Kosten eines Sicherheitsvorfalls hinzu. Das grundlegende Problem ist jedoch die Sichtbarkeit. Wenn Organisationen nicht wissen, wo KI eingesetzt wird oder wie sie mit Systemen interagiert, dauert es länger, Vorfälle zu erkennen und einzudämmen, was direkt die finanziellen und regulatorischen Auswirkungen erhöht.

Der erste unmittelbare Schritt ist die Schaffung von Sichtbarkeit über das gesamte Unternehmen. Sicherheitsteams benötigen ein klares Bild von sowohl genehmigter als auch nicht genehmigter KI-Nutzung, nicht nur auf Anwendungsebene, sondern auch über Workflows, in denen KI tatsächlich Entscheidungen trifft oder beeinflusst.

Sobald diese Sichtbarkeit vorhanden ist, verschiebt sich der Fokus auf die Übersetzung in durchsetzbare Richtlinien und die Einbettung in die Systeme, in denen die Arbeit tatsächlich stattfindet. Das bedeutet, mit dem Unternehmen abzustimmen, wie KI eingesetzt werden soll, und dann von der Dokumentation zu technischen Kontrollen überzugehen, die über Endpunkte, SaaS-Plattformen und agentische Systeme operieren. Je früher diese Kontrollen in den Ausführungspfad eingeführt werden, desto geringer ist die Wahrscheinlichkeit von kostspieligen Vorfällen, die sich schwer eindämmen lassen und aus Schatten-KI und autonomen Agents entstehen.

Wenn man in die Zukunft blickt, wie sehen Sie die Evolution der Sicherheitslandschaft, wenn agentische KI-Systeme tiefer in die Unternehmensinfrastruktur eingebettet werden?

Organisationen werden KI-native Sicherheit benötigen, um KI-getriebene Bedrohungen zu bekämpfen. Diese Systeme müssen auf Maschinengeschwindigkeit operieren und grundlegend die Sicherheitsoperationen umgestalten. Menschen werden im Entscheidungsprozess bleiben, aber sich auf strategische Aufsicht verlagern, indem sie den Kontext und die Urteilsfähigkeit anwenden, die KI noch fehlt.

Diese Entwicklung verändert auch, wie Sicherheitsteams strukturiert sind. Teams werden möglicherweise nicht kleiner, aber ihr Umfang wird sich erheblich ausdehnen, wobei ein einzelner Sicherheitsfachmann für eine viel größere Oberfläche verantwortlich ist, durch Automatisierung und KI-getriebene Werkzeuge.

In agentengetriebenen Umgebungen reichen Überwachung und Erkennung außerdem nicht aus. Organisationen müssen tatsächliche Durchsetzungsmechanismen implementieren. Das bedeutet Systeme aufzubauen, die als Schalter fungieren: die Fähigkeit, Funktionen ein- oder auszuschalten, Verhalten in Echtzeit einzuschränken und Systeme zu isolieren, die sich falsch verhalten oder das breitere Unternehmen gefährden könnten. Das Lieferkettenrisiko in KI ist einfach zu groß, um nicht kill-switch-ähnliche Kontrollen in die Architektur einzubetten.

Wenn man in die Zukunft blickt, wird KI weiterhin möglicherweise über die menschliche Geschwindigkeit und Fähigkeit hinaus beschleunigen. Aber die Konversation kann sich nicht nur auf Risiken konzentrieren; sie muss auch Chancen einschließen. Wie bei der Erziehung von Kindern wird KI wachsen und Fehler machen, aber sie hat auch die Fähigkeit, uns zu übertreffen. Die Gewinner werden diejenigen sein, die KI in großem Maßstab einsetzen, während sie die Kontrollsysteme aufbauen, die notwendig sind, um sie sicher und mit Vertrauen bereitzustellen.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Obsidian Security besuchen.