Andrew Johnson, Διευθύνων Σύμβουλος της Yardstik – Σειρά Συνεντεύξεων

Andrew Johnson, Διευθύνων Σύμβουλος της Yardstik, είναι ένας έμπειρος τεχνολογικός εκτελεστικός με ιστορικό στην κλιμάκωση εταιρειών λογισμικού υψηλής ανάπτυξης, στην οικοδόμηση οργανώσεων go‑to‑market και στην προώθηση εσόδων επιχειρήσεων. Εντάχθηκε στην Yardstik ως Chief Operating Officer το 2022 πριν προαχθεί σε Διευθύνοντα Σύμβουλο τον Οκτώβριο του 2024. Πριν από αυτό, ο Johnson υπηρέτησε ως Chief Revenue Officer στην Branch, όπου συνέβαλε στην καθοδήγηση της εταιρείας πληρωμών εργατικού δυναμικού μέσω περιόδου ταχείας ανάπτυξης, και πέρασε πάνω από πέντε χρόνια στην Dialpad, συμπεριλαμβανομένης της θέσης Head of Enterprise Sales, όπου βοήθησε στην οικοδόμηση των πωλήσεων στις Η.Π.Α. και τον Καναδά. Στο ξεκίνημα της καριέρας του, κατείχε ρόλους ανάπτυξης επιχειρήσεων και συνεργατών στην Compellent Technologies, η οποία εξαγοράστηκε από τη Dell για περίπου 960 εκατομμύρια δολάρια το 2011.

Yardstik είναι μια εταιρεία τεχνολογίας εμπιστοσύνης εργατικού δυναμικού με έδρα το Μινιαπολίσ, ιδρυθείσα το 2020, που παρέχει πρόληψη απάτης, επαλήθευση ταυτότητας, έλεγχο υπόβαθρου, επαλήθευση διαπιστευτηρίων και συνεχόμενη παρακολούθηση εργατικού δυναμικού μέσω της Πλατφόρμας Human Trust. Η εταιρεία βασίζεται σε αρχιτεκτονική API‑first που επιτρέπει την ενσωμάτωση της τεχνολογίας της απευθείας σε συστήματα παρακολούθησης υποψηφίων, πλατφόρμες διαχείρισης ανθρώπινου κεφαλαίου, αγορές gig και άλλες εφαρμογές εργατικού δυναμικού. Η Yardstik υποστηρίζει επίσης το Model Context Protocol (MCP), επιτρέποντας σε AI πράκτορες να συνδέονται με την υποδομή εμπιστοσύνης της και να αυτοματοποιούν ροές εργασίας όπως έλεγχοι υπόβαθρου, επαλήθευση ταυτότητας, έλεγχο διαπιστευτηρίων, επανέλεγχο και απόφαση εντός συστημάτων πρόσληψης και ένταξης που λειτουργούν με AI.

Πριν ενταχθείτε στην Yardstik, περάσατε πάνω από πέντε χρόνια στην Branch, όπου είδατε από πρώτο χέρι ένα δίκτυο απάτης που χρησιμοποιούσε κλεμμένα αριθμούς Κοινωνικής Ασφάλισης για να αποκτήσει δουλειές υπό ψεύτικες ταυτότητες άλλων ανθρώπων. Πώς αυτή η εμπειρία άλλαξε τον τρόπο που σκεφτόσασταν για τον έλεγχο υπόβαθρου και πότε συνειδητοποιήσατε ότι η επαλήθευση ταυτότητας πρέπει να επεκταθεί πέρα από έναν εφάπαξ έλεγχο κατά την πρόσληψη;

Όταν ήμουν στη Branch, ένας από τους μεγαλύτερους πελάτες μας επλήγη από ένα δίκτυο απάτης από τη Βενεζουέλα, κάτι που επηρεάζει ευρέως τις πλατφόρμες gig. Κλέβανε αριθμούς Κοινωνικής Ασφάλισης Αμερικανών και τους πουλούσαν σε άτομα που δεν είχαν άδεια εργασίας στις Η.Π.Α. Κάποιος θα υποβάλλει αίτηση με κλεμμένη ταυτότητα, θα αρχίσει να παραδίδει, και όλα φαίνονταν εντάξει μέχρι τη φορολογική περίοδο, όταν ο πραγματικός κάτοχος του αριθμού SSN έλαβε τιμολόγιο 1099 για δουλειά που δεν έκανε ποτέ. Αυτή ήταν η πρώτη φορά που είδα την απάτη να εμφανίζεται μετά τη λήψη της απόφασης πρόσληψης, αντί κατά τη διάρκεια της.

Αυτή τη στιγμή πραγματικά επαναπροσδιόρισε τα πράγματα για μένα. Συνειδητοποίησα πόσο συχνά τα άτομα που περνούν τον έλεγχο υπόβαθρου δεν είναι αυτά που εμφανίζονται στην εργασία. Για παράδειγμα, κάποιος με καθαρό ιστορικό ολοκληρώνει τον έλεγχο, αλλά ένα μέλος της οικογένειας που δεν θα μπορούσε να τον περάσει παίρνει τη συγκεκριμένη βάρδια. Ένας έλεγχος υπόβαθρου δεν μπορεί να το εντοπίσει, επειδή εξετάζει μόνο τον υποψήφιο στο χαρτί, μία φορά, στην αρχή. Μέχρι που εντάχθηκα στην Yardstik, έφερα όσα έμαθα από την εμπειρία μου στη Branch και συνεργάστηκα με την ομάδα για να δημιουργήσουμε την προσέγγιση συνεχούς παρακολούθησης για τους πελάτες μας.

Η γενετική AI έχει μειώσει δραστικά το εμπόδιο για τη δημιουργία ψεύτικων ταυτοτήτων, πλαστών διαπιστευτηρίων, συνθετικών προφίλ και ακόμη και πειστικών deepfake. Ποιες τεχνικές απάτης με ενσωματωμένη AI εξελίσσονται πιο γρήγορα σήμερα, και ποιες πιστεύετε ότι οι εργοδότες είναι λιγότερο προετοιμασμένοι να αντιμετωπίσουν;

Η πιο γρήγορα εξελισσόμενη απάτη αυτή τη στιγμή δεν είναι το εντυπωσιακό βίντεο deepfake. Είναι η συνθετική ταυτότητα: ένας πραγματικός αριθμός Κοινωνικής Ασφάλισης συνδυασμένος με ψεύτικο όνομα και κατασκευασμένο επαγγελματικό ιστορικό, συνυφασμένο σε κάτι που φαίνεται καθαρό την πρώτη φορά που κάποιος το ελέγχει. Προσθέστε εργαλεία AI που δημιουργούν ένα επαγγελματικό βιογραφικό και ένα αντίστοιχο σύνολο διαπιστευτηρίων, και έχετε έναν υποψήφιο.

Αυτό για το οποίο οι εργοδότες είναι λιγότερο προετοιμασμένοι είναι η απομακρυσμένη πρόσληψη, ποτέ μη γνωρισμένη προσωπικά. Πλατφόρμες gig, απομακρυσμένοι ρόλοι IT, εικονικά κέντρα κλήσεων. Αν κανείς στην εταιρεία δεν βλέπει ποτέ αυτό το άτομο, όλα τα σήματα που παλαιότερα εντοπίζαν ένα απατεώνα (μια νευρική συνέντευξη, ένα ταυτοποιητικό που φαίνεται λίγο ασύμβατο προσωπικά) εξαφανίζονται. Αυτό είναι ακριβώς το σημείο όπου τα δίκτυα απάτης απομακρυσμένης πρόσληψης λειτουργούν και οι περισσότερες εταιρείες το θεωρούν πρόβλημα κάποιου άλλου μέχρι να τους συμβεί.

Η Yardstik έχει μεταβεί από τον παραδοσιακό έλεγχο υπόβαθρου σε μια ευρύτερη πλατφόρμα που συνδυάζει πρόληψη απάτης με AI, επαλήθευση ταυτότητας, επαλήθευση διαπιστευτηρίων και συνεχόμενη παρακολούθηση. Ποιος ρόλος παίζει η AI στη σύνδεση αυτών των σημάτων και τι μπορεί να ανιχνεύσει το σύστημα που ένας συμβατικός έλεγχος υπόβαθρου δεν μπορεί;

Η Yardstik ξεκίνησε ως εταιρεία ελέγχου υπόβαθρου, και για τους περισσότερους πελάτες αυτό παραμένει ένα θεμελιώδες στοιχείο του τι κάνουμε. Ωστόσο, ένας έλεγχος υπόβαθρου είναι μια μοναδική συναλλαγή: τον εκτελείς, λαμβάνεις απάντηση, και απορρίπτεις τα δεδομένα. Αυτό που συνδέει την πρόληψη απάτης, την επαλήθευση ταυτότητας, τους ελέγχους διαπιστευτηρίων και την παρακολούθηση σε ένα ενιαίο σύστημα είναι ότι δεν απορρίπτουμε τα δεδομένα. Διατηρούμε ένα προφίλ του υποψηφίου με την πάροδο του χρόνου, και κάθε νέος έλεγχος προστίθεται σε αυτό αντί να ξεκινά από το μηδέν.

Αυτό είναι που μας επιτρέπει να εντοπίζουμε πράγματα που ένας εφάπαξ έλεγχος δεν μπορεί ποτέ. Για παράδειγμα, ένας πελάτης μας είχε απατεώνες που προσπαθούσαν επανειλημμένα να εισέλθουν σε λογαριασμούς πρακτόρων με πρόσβαση σε δεδομένα φορολογίας πελατών. Επειδή μπορούσαμε να δούμε ότι η ίδια συσκευή ή η ίδια ελαφρώς τροποποιημένη ταυτότητα εμφανίζονταν σε πολλαπλές προσπάθειες, καταφέραμε να το σταματήσουμε πριν γίνει ποτέ απόφαση ελέγχου. Ένας εφάπαξ έλεγχος θα είχε εξετάσει κάθε μία από αυτές τις αιτήσεις ξεχωριστά και θα τις είχε περάσει όλες.

Το Yardstik χρησιμοποιεί σήματα όπως προσωπικά δεδομένα ταυτότητας, δραστηριότητα πληρωμών και ενδείξεις συσκευής ή τοποθεσίας για να αποκαλύψει πιθανή εξαπάτηση ταυτότητας. Πώς διαχωρίζετε πραγματικά ύποπτη συμπεριφορά από ασυνήθιστη αλλά νόμιμη συμπεριφορά, ιδίως καθώς τα μοντέλα AI γίνονται υπεύθυνα για την αξιολόγηση ολοένα και πιο σύνθετων προτύπων;

Δεν προσπαθούμε να θέσουμε μια σκληρή γραμμή μεταξύ ύποπτης και ασυνήθιστης συμπεριφοράς, επειδή στις περισσότερες περιπτώσεις δεν υπάρχει τέτοια διαχωριστική γραμμή τη στιγμή που τη παρατηρούμε. Αυτό που κάνουμε είναι να επισημάνουμε τη διαφορά. Αν η αίτηση κάποιου αναφέρει ένα σχολείο, και ένα χρόνο αργότερα μια νέα αίτηση με την ίδια ταυτότητα αναφέρει διαφορετικό σχολείο, αξίζει μια δεύτερη ματιά. Αν κάποιος πάντα έκανε αίτηση από iPhone και εμφανίζεται σε Android με νέα διεύθυνση IP, το ίδιο ισχύει. Καμία από τις περιπτώσεις δεν σημαίνει απάτη από μόνη της, αλλά ο συνδυασμός πολλαπλών σημάτων αρχίζει να αυξάνει το προφίλ κινδύνου. Είμαστε το στρώμα που επισημαίνει τι έχει αλλάξει από την τελευταία φορά που είδαμε κάποιον και παρέχει στους εργοδότες περισσότερα δεδομένα για να τους βοηθήσει να λαμβάνουν ενημερωμένες αποφάσεις.

Το Yardstik αναφέρει ότι περίπου ένας στις 30 αιτούντες αποτυγχάνει στην επαλήθευση κυβερνητικής ταυτότητας, ενώ τα σημειωμένα ή διπλότυπα Social Security numbers αποκλείονται καθημερινά. Τι μαθαίνετε από αυτά τα δεδομένα σχετικά με το πώς εξελίσσεται η απάτη στο εργατικό δυναμικό, και πόσο από ό,τι αντιμετωπίζετε φαίνεται οργανωμένο αντί για ευκαιριακό;

Αυτά τα δεδομένα μας δείχνουν ότι η απάτη ταυτότητας στην πρόσληψη δεν είναι πλέον ένα περιθώριο πρόβλημα. Έχει γίνει ένα βασικό κόστος λειτουργίας σε οποιαδήποτε πραγματική κλίμακα, όπως τα chargebacks είναι βασικό στοιχείο στις πληρωμές. Ένα σημαντικό μέρος της φαίνεται οργανωμένο παρά ευκαιριακό. Η ευκαιριακή απάτη τείνει να είναι περιστασιακή: κάποιος προσθέτει ψεύτικα στοιχεία στο βιογραφικό ή παραποιεί την ημερομηνία αποφοίτησης. Η οργανωμένη απάτη παρουσιάζει μοτίβο, η ίδια συσκευή ή η σχεδόν ταυτόσημη ταυτότητα που προσπαθεί για το ίδιο είδος εργασίας σε διαφορετικούς εργοδότες, μερικές φορές αλλάζοντας μια λεπτομέρεια τη φορά για να δει τι περνάει. Αυτή είναι η έκδοση που είδα πριν χρόνια με κλεμμένα SSNs που ξαναπουλούσαν, και είναι η έκδοση που εξακολουθώ να βλέπω σήμερα. Απλώς τώρα είναι αυτοματοποιημένη και λειτουργεί σε πολύ μεγαλύτερο όγκο επειδή τα γενετικά εργαλεία έκαναν τις ψεύτικες ταυτότητες φθηνότερες στην παραγωγή.

Η επαλήθευση ταυτότητας ενσωματώνει ολοένα και περισσότερο κυβερνητικά έγγραφα, βιομετρικά, ελέγχους ζωντάνιας, σήματα συσκευών και άλλους δείκτες κινδύνου. Καθώς τα γενετικά μοντέλα γίνονται πιο ικανά να παράγουν ρεαλιστικά έγγραφα, πρόσωπα και φωνές, ποιοι δείκτες πιστεύετε ότι θα παραμείνουν οι πιο δύσκολοι για τους επιτιθέμενους να πλαστογραφήσουν;

Οτιδήποτε μπορείτε να δημιουργήσετε ως ένα ενιαίο αντικείμενο — μια φωτογραφία, ένα έγγραφο, ακόμη και ένα σύντομο βίντεο — γίνεται όλο και πιο εύκολο να ψευδαισθητοποιηθεί πειστικά. Αυτό που παραμένει δύσκολο να ψεύσει είναι η συνέπεια στο χρόνο, σε διαφορετικά μέρη που κανείς δεν ελέγχει ταυτόχρονα. Μια συνθετική ταυτότητα μπορεί να περάσει έναν έλεγχο ζωντάνιας με ένα αρκετά καλό deepfake. Είναι πολύ πιο δύσκολο για την ίδια ταυτότητα να έχει επίσης ιστορικό συσκευής που ταιριάζει, ένα μοτίβο τοποθεσίας που ταιριάζει, και ιστορικό εργασίας που ευθυγραμμίζεται όπως συμβαίνει σε πραγματικό άτομο μεταξύ εργοδοτών και ετών. Αυτό είναι ουσιαστικά το σκεπτικό πίσω από τη συνεχή παρακολούθηση αντί για μια μοναδική στιγμή επαλήθευσης. Ένας παραδοσιακός έλεγχος σας δίνει μια φωτογραφία, ένα καρέ, ληφθέν μια φορά. Ο δικός μας συμπεριφέρεται περισσότερο σαν ζωντανή ροή, επειδή έχει σχεδιαστεί να παρατηρεί πότε τα καρέ σταματούν να ταιριάζουν μεταξύ τους.

Η συνεχής παρακολούθηση αντιπροσωπεύει μια σημαντική αλλαγή από την επαλήθευση κάποιου μία φορά σε αξιολόγηση της εμπιστοσύνης καθ’ όλη τη διάρκεια του κύκλου ζωής του εργαζομένου. Πώς σχεδιάζετε ένα τέτοιο σύστημα χωρίς να δημιουργείτε περιττή παρακολούθηση, ψευδείς θετικά ή αποφάσεις που οι εργαζόμενοι έχουν μικρή δυνατότητα να κατανοήσουν ή να αμφισβητήσουν;

Η παρακολούθηση είναι η παρακολούθηση κάποιου που δεν ξέρει ότι παρακολουθείται. Αυτό δεν ισχύει εδώ. Κάθε εργαζόμενος που παρακολουθούμε έχει δώσει γραπτή συγκατάθεση, γνωρίζει ακριβώς τι ελέγχεται, και σύμφωνα με το νόμο πρέπει να του παρασχούμε αντίγραφο οτιδήποτε βρούμε και τρόπο να το αμφισβητήσει αν είναι λανθασμένο. Τίποτα από αυτό δεν είναι προαιρετικό. Είναι το FCRA.

Το άλλο κομμάτι είναι ότι δεν παίρνουμε εμείς την απόφαση. Αν εμφανιστεί μια σύλληψη για κάποιον που παρακολουθούμε, αυτό αποτελεί σήμα για τον εργοδότη να το ερευνήσει, όχι απόφαση. Η δίκαιη διαδικασία εξακολουθεί να ισχύει. Οι εργοδότες πρέπει να ενημερώσουν τον υποψήφιο, να του δώσουν την ευκαιρία να απαντήσει και στη συνέχεια να λάβουν τελική απόφαση. Η δουλειά μας σταματά στο να επισημάνουμε ότι κάτι έχει αλλάξει· ο εργοδότης αποφασίζει τι σημαίνει και τι πρέπει να κάνει, όπως θα έκανε με έναν έλεγχο κατά την πρόσληψη. Το σχεδιάσαμε έτσι επί bewusst.

Καθώς η πρόσληψη και η διαχείριση εργατικού δυναμικού γίνονται όλο και πιο αυτοματοποιημένες, πού θα πρέπει να βρίσκεται το όριο μεταξύ ενός AI πράκτορα που συλλέγει και αξιολογεί σήματα εμπιστοσύνης και της πραγματικής λήψης μιας σημαντικής απόφασης πρόσληψης;

Θα έβαζα τη γραμμή εκεί που η νομοθεσία την τοποθετεί ήδη για εμάς σήμερα. Προσέχουμε να μην αυτοαποκαλούμε εταιρεία AI επειδή η βιομηχανία μας έχει αυστηρή απαίτηση να υπάρχει άνθρωπος στη διαδικασία για οτιδήποτε αφορά διαφωνία ή αρνητική απόφαση. Ένας πράκτορας μπορεί να συλλέγει σήματα, να τα βαθμολογεί, να επισημαίνει τι έχει αλλάξει. Αυτό που δεν πρέπει να κάνει μόνος του είναι να αποφασίζει αν κάποιος δεν θα πάρει τη δουλειά ή δεν θα τη διατηρήσει, επειδή αυτή η απόφαση πρέπει να συνδέεται με ένα άτομο…

Καθώς η πρόσληψη γίνεται πιο αυτοματοποιημένη από άκρη σε άκρη, πιστεύω ότι αυτό το όριο γίνεται πιο σημαντικό, όχι λιγότερο. Όσο πιο εύκολο γίνεται να αφήνουμε έναν πράκτορα να διαχειρίζεται ολόκληρο το κανάλι, τόσο πιο δελεαστικό είναι να τον αφήσουμε επίσης να παίρνει την τελική απόφαση. Η συλλογή και αξιολόγηση σημάτων εμπιστοσύνης είναι ακριβώς αυτό που το λογισμικό πρέπει να κάνει πιο γρήγορα. Η απόφαση για την επιβίωση ενός ατόμου δεν είναι κάτι που θα παραχωρούσα ποτέ.

Με το νέο $30 million Series B που φέρνει τη συνολική χρηματοδότηση της Yardstik στα $65 million, ποιες περιοχές της τεχνητής νοημοσύνης και της πρόληψης απάτης θεωρείτε ότι αξίζουν τώρα τη μεγαλύτερη επένδυση, και ποια τεχνικά προβλήματα πρέπει ακόμη να λυθούν ώστε η συνεχής επαλήθευση ταυτότητας να λειτουργήσει σε πολύ μεγαλύτερη κλίμακα;

Το νέο κεφάλαιο το επενδύουμε στα τμήματα της πρόληψης απάτης που είναι τα λιγότερο εντυπωσιακά και τα πιο ακριβά για να κατασκευαστούν σωστά. Αναφορές οχημάτων και παρακολούθηση αποκλεισμών OIG. Αυτόματες ειδοποιήσεις τη στιγμή που λήγει μια άδεια, μια ασφαλιστική σύμβαση ή μια πιστοποίηση, αντί να περιμένουμε τον επόμενο κύκλο ανανέωσης για να το παρατηρήσουμε.

Το τεχνικό πρόβλημα που κανένας στην βιομηχανία αυτή δεν έχει λύσει είναι το κόστος. Πολλές χώρες και πολιτείες χρεώνουν τη δική τους αμοιβή για την ανάκτηση ενός αρχείου, μερικές φορές πάνω από $100 για μια ενιαία ανάκτηση σε μέρος όπως η Νέα Υόρκη, και αυτό το κόστος δεν μειώνεται μόνο επειδή θέλετε να ελέγχετε κάποιον πιο συχνά. Η καθιστική επαλήθευση να γίνει αρκετά προσιτή ώστε μια εταιρεία με χιλιάδες εργαζόμενους gig να μπορεί να την εκτελεί μηνιαία αντί για ετήσια αποτελεί τόσο πρόβλημα προμήθειας δεδομένων και τιμολόγησης όσο και πρόβλημα μηχανικής μάθησης. Είναι αυτό που σκέφτομαι περισσότερο αυτή τη στιγμή.

Αναδύεται ένας ενδιαφέροντα αγώνας εξοπλισμού: η τεχνητή νοημοσύνη καθιστά ταυτόχρονα την απάτη ταυτότητας πιο εύκολη και παρέχει στις πλατφόρμες καλύτερα εργαλεία για την ανίχνευσή της. Καθώς βελτιώνονται και οι δύο πλευρές, αναμένετε ότι η απόδειξη ότι κάποιος είναι πραγματικά αυτός που ισχυρίζεται ότι είναι θα γίνει σημαντικά πιο δύσκολη, ή θα καταστήσει η τεχνητή νοημοσύνη τελικά την ψηφιακή ταυτότητα πιο αξιόπιστη από ποτέ;

Και τα δύο είναι αληθινά, και δεν πιστεύω ότι το ένα εξαλείφει το άλλο. Οι πελάτες μας συχνά μας λένε ότι αναμένουν να μπορούμε να “fight fire with fire.” Ξέρουν ότι χρειαζόμαστε σύγχρονες λύσεις για σύγχρονα προβλήματα. Η ειλικρινής εκτίμησή μου είναι ότι η ψηφιακή ταυτότητα γίνεται πιο αξιόπιστη για τα συστήματα που έχουν σχεδιαστεί να παρακολουθούν κάποιον για χρόνια και σε πολλαπλές πλατφόρμες, ενώ γίνεται λιγότερο αξιόπιστη για ό,τι εξακολουθεί να βασίζεται σε έναν ενιαίο έλεγχο στιγμής. Αυτό σημαίνει ότι οι επιχειρήσεις που επαλήθευαν κάποιον μόνο μία φορά θα είναι αυτές που θα μείνουν εκτεθειμένες, ενώ αυτές που σχεδίασαν μακροπρόθεσμα θα φαίνονται πολύ πιο έξυπνες με την πάροδο του χρόνου απ’ ό,τι πιθανότατα νιώθουν σήμερα.

Σας ευχαριστούμε για τη σπουδαία συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα θα πρέπει να επισκεφθούν το Yardstik.