Aaron Fulkerson, OPAQUEn toimitusjohtaja – haastattelusarja

Aaron Fulkerson, OPAQUE-yhtiön toimitusjohtaja, on kokenut yritysohjelmistoyrittäjä ja avoimen lähdekoodin uranuurtaja. Hän on yli kahden vuosikymmenen ajan rakentanut ja kasvattanut luottamukseen, dataan ja digitaaliseen uudistumiseen keskittyviä teknologia-alustoja. Ennen siirtymistään OPAQUEen vuonna 2023 hän perusti MindTouchin ja auttoi kasvattamaan siitä laajasti käytetyn yritysten tietämyksenhallinta-alustan, jonka NICE Systems myöhemmin osti. Tämän jälkeen hän johti ServiceNow Impactin lanseerausta. Siitä tuli yksi ServiceNow’n historian nopeimmin kasvavista liiketoimintayksiköistä. Fulkerson on koko uransa ajan työskennellyt uusien teknologioiden, yritysohjelmistojen ja avointen ekosysteemien parissa sekä neuvonut useita teknologiayrityksiä ja muita organisaatioita. Viime aikoina hänestä on tullut näkyvä luottamuksellisen tekoälyn (Confidential AI) puolestapuhuja. Hänen mukaansa yksityisyys, hallintamallit ja todennettava luottamus ovat perusvaatimuksia, kun tekoäly kytkeytyy yritysten kriittisiin työnkulkuihin.

OPAQUE on luottamuksellisen tekoälyn yritys, joka sai alkunsa tunnetusta UC Berkeleyn RISELabista — samasta tutkimusympäristöstä, joka auttoi synnyttämään Apache Sparkin ja Databricksin kaltaisia teknologioita. Sen alustan avulla yritykset voivat käyttää tekoälymalleja, agentteja ja työnkulkuja erittäin arkaluonteisen datan käsittelyyn säilyttäen kryptografisesti todennettavat yksityisyys- ja vaatimustenmukaisuustakuut. OPAQUE ei pakota valitsemaan tekoälyinnovaatioiden ja tietoturvan välillä, vaan käyttää luottamuksellista laskentaa, salattuja suoritusympäristöjä ja laitteiston todentamaa suoritusta. Näin arkaluonteiset tiedot pysyvät suojattuina ennen tekoälykäsittelyä, sen aikana ja sen jälkeen. Teknologia on suunniteltu tarkasti säännellyille aloille, kuten rahoitukseen, vakuutuksiin, terveydenhuoltoon ja huipputeknologiaan. Asiakkaita ja kumppaneita ovat ServiceNow (NOW ), Anthropic, Accenture ja muut yritykset, jotka haluavat siirtää tekoälyhankkeita piloteista tuotantoon paljastamatta liikesalaisuuksia tai sääntelyn alaista dataa.

Olet urallasi rakentanut ja kasvattanut useita yritysalustoja. Mikä sai sinut siirtymään OPAQUEn toimitusjohtajaksi ja keskittymään seuraavaksi luottamukseen, yksityisyyteen ja tekoälyn hallintaan?

Olen rakentanut yritysalustoja lähes kaksi vuosikymmentä: ensin MindTouchissa, jota käyttää edelleen miljardi käyttäjää vuosittain, ja sitten ServiceNow’ssa, jossa loin yhtiön nopeimmin kasvavan tuotteen. Molemmat opettivat saman asian: tehokkainkin teknologia menestyy vain, jos ihmiset luottavat siihen.

Kun tapasin OPAQUEn perustajat Raluca Ada Popan, Ion Stoican ja Rishabh Poddarin, näin harvinaisen yhdistelmän osaamista ja näkemystä. Raluca on yksi maailman johtavista yksityisyyden ja tietoturvan tutkijoista. Ion oli mukana perustamassa Databricksiä. Rishabh rakensi keskeiset kryptografiset järjestelmät, joista tuli OPAQUEn perusta.

UC Berkeleyn RISELabissa he olivat luoneet jotakin, jonka tunnistin heti sukupolvea määrittäväksi läpimurroksi: kryptografisen todisteen siitä, että tiedot pysyvät yksityisinä jokaisen tekoälytyönkulun kaikissa vaiheissa. Ei lupauksia. Ei toimintaperiaatteita. Todisteita.

Näin, mihin tekoäly oli menossa: agentit toimivat itsenäisesti yritysjärjestelmissä koneiden nopeudella. Samalla näin saman puutteen, josta Vint Cerf on varoittanut 30 vuotta: luottamuskerros puuttuu. Internet selvisi ilman sitä, koska ihmiset toimivat suojakaiteena. Agenttien verkolla ei ole tätä ylellisyyttä. Siksi tartuin tehtävään.

MCP:stä eli Model Context Protocolista on tulossa yhteinen perusta. Se on standardi, jonka avulla tekoälyagentit voivat käyttää turvallisesti työkaluja, sovelluksia ja dataa. Miten tämä muuttaa agenttipohjaisen tekoälyn käyttöönottoa ja laajentamista yrityksissä?

MCP on tärkeä edistysaskel agenttipohjaisen tekoälyn käyttöönotossa ja laajentamisessa. Sitä voi ajatella tekoälytyönkulkujen yleisliittimenä. Se vakioi, miten agentit kytkeytyvät työkaluihin, sovelluksiin ja dataan, vähentää käytännön esteitä ja nopeuttaa kokeiluja.

Pelkkä pääsyn standardointi ei kuitenkaan tee agenttipohjaisesta tekoälystä turvallista tai laajennettavaa. Kun agenttien, työkalujen ja tietolähteiden väliset yhteydet lisääntyvät, jokainen integraatio kasvattaa tietovuotojen mahdollisia reittejä. Jokainen yhteyspiste, jossa sääntöjä ei panna täytäntöön suoritusaikana, on mahdollinen altistumisreitti. Kun agentit käsittelevät arkaluonteisia järjestelmiä ja yrityksen omaa toimintalogiikkaa, tallennettujen tietojen salaus ja verkon pääsynhallinta eivät riitä. Turvallisuuden raja on siirtynyt suoritusaikaan, ja tämä muutos on sitä kiireellisempi, mitä laajemmaksi ekosysteemi kasvaa.

Todennettavuus näissä keskeisissä yhteyspisteissä on yrityksille elintärkeää. Agenttipohjaista tekoälyä voidaan laajentaa, kun MCP-tyyppiseen pääsyyn yhdistetään kryptografinen todiste siitä, mitä koodia suoritettiin, missä ja minkä sääntöjen alaisena — ennen suoritusta, sen aikana ja sen jälkeen. Pääsy ja todennettavuus yhdessä mahdollistavat tuotantokäytön.

Kun MCP vakioi agenttien pääsyn, missä ovat tällä hetkellä suurimmat puutteet agenttijärjestelmien tietoturvassa, sääntöjen täytäntöönpanossa ja luottamuksessa?

Saimme valmiiksi vuoden 2026 AI Leak Surface -tutkimuksemme ja julkaisimme tuloksista yhteenvedon ” Kaksitoista tapaa, joilla tekoälyjärjestelmäsi vuotaa tietoja”, joka käsittelee tätä. Tunnistimme 46 altistumisreittiä kahdeksassa luokassa. Ne kattavat koko tekoälyn luottamusrajan: laskennan, ohjauksen, sovelluksen ja niiden väliset siirtymät. Tässä ei edes huomioida pahantahtoisia toimijoita. Näissä tilanteissa mikään ei ole rikki, lokit näyttävät puhtailta ja järjestelmä vuotaa silti tietoja.

Suurimmat puutteet eivät ole yhteyksissä — MCP ratkaisee niitä. Puutteet koskevat sitä, mitä agentin yhdistämisen jälkeen tapahtuu. Useimmat organisaatiot eivät osaa vastata kolmeen peruskysymykseen: Miten tekoälymme todella käyttäytyy? Kuka sitä hallitsee? Miten todistamme, että sääntöjä noudatettiin?

Tutkimuksemme osoitti, että rajat määritellään mutta niitä ei koskaan panna täytäntöön. Sääntö on asiakirjassa, asetustiedostossa tai käyttöönoton aikaisessa asetuksessa, mutta se ei rajoita käynnissä olevaa järjestelmää. Johdon tekoälyavustaja lisää olennaista julkistamatonta tietoa kalenterikutsuun. RAG-avustaja näyttää hallitukselle tarkoitettuja taloustietoja nuoremmalle analyytikolle. Toimittajan SDK siirtää salaa 10 miljoonaa kyselyä ulos järjestelmästä 12 kuukaudessa. Kaikissa tapauksissa pääsynhallinta oli olemassa. Tiedot vuotivat silti.

Ennen kuin yritykset sulkevat määriteltyjen ja todella noudatettujen sääntöjen välisen kuilun, MCP vain standardoi etuoven. Talo jää edelleen vartioimatta.

Mitä uusia yksityisyys- ja vaatimustenmukaisuusriskejä syntyy, kun tekoälyagentit pääsevät arkaluonteisiin järjestelmiin ja yrityksen omaan dataan, ja mihin yritykset eivät usein ole varautuneet?

Useimmat yritykset ajattelevat yksityisyyttä tallennettujen tai siirrettävien tietojen kautta. Agenttipohjaisissa työnkuluissa tämä malli ei riitä, koska suurin riski on tietojen paljastuminen käytön aikana.

Esimerkiksi suorituskykyisten autojen valmistaja käyttää tekoälyä kokoonpanolinjallaan. Raakadata vaikuttaa harmittomalta: anturilukemia, ajoitusjaksoja ja laaduntarkastuksia. Suuri kielimalli voi kuitenkin nykyään päätellä tästä sivutuotteena syntyvästä datasta yrityksen omat valmistusprosessit. Viisi vuotta sitten merkityksetön kohina on nyt kilpailijalle valmis toimintamalli.

AI Leak Surface -tutkimuksemme kuvaa tämän ilmiön kymmenissä tilanteissa. Toiminnan telemetriatyökalut tallentavat oletuksena tekoälyn koko tietosisällön. Eräässä eurooppalaisessa pankissa 2,1 miljoonaa henkilötietoja sisältävää kehotetta virtasi yhdysvaltalaiseen SaaS-ympäristöön, koska kukaan ei muuttanut APM:n oletusasetuksia. Agenttien muisti vuotaa kontekstia istuntojen välillä. Ajatusketjujen jäljet paljastavat kokonaisia tutkinta-aineistoja havainnointialustoille, joihin alihankkijoilla on pääsy. Perinteisiä vaatimustenmukaisuuskehyksiä ei suunniteltu havaitsemaan tällaisia vuotoja. Ne olettivat ihmisten siirtävän tietoja ihmisten nopeudella.

Miksi luottamuksellisesta tekoälystä on tulossa MCP:n välttämätön täydentäjä, ja miten se ratkaisee ongelmia, joihin pelkät pääsystandardit eivät riitä?

MCP ratkaisee, kuka saa käyttää mitäkin ja miten. Luottamuksellinen tekoäly ratkaisee, mitä pääsyn myöntämisen jälkeen tapahtuu. Ne ovat toisiaan täydentäviä kerroksia.

Pelkillä pääsystandardeilla ei voida estää suoritusaikaisia tietomurtoja, sääntöjen asteittaista muuttumista tai tietojen luvatonta käyttöä. MCP tarjoaa vakioidun tavan liittää agentit järjestelmiin. Luottamuksellinen tekoäly tarjoaa kryptografiset takuut siitä, että yhteyden muodostamisen jälkeen agentit voivat tehdä vain sen, mihin ne on valtuutettu — ja tämän voi todistaa.

Luottamuksellinen tekoäly antaa nämä suoritusaikaiset takuut datalle, identiteetille, koodille ja viestinnälle. Se tarjoaa todennettavan suoritustodisteen ja varmistaa, etteivät yksityisyys ja sääntöjen täytäntöönpano pääty pääsyrajalle, vaan säilyvät tekoälyn päätellessä, luodessa ja toimiessa. Ilman sitä MCP on vankka perusta, mutta pelkkä perusta ei tee rakennuksesta turvallista.

Mitä todennettava luottamus käytännössä tarkoittaa yritykselle, jonka itsenäiset tekoälyagentit hoitavat kriittisiä työnkulkuja?

Todennettava luottamus tarkoittaa, että voin todistaa, mitä koodia suoritettiin, missä, minkä sääntöjen alaisena, mitä tietoja käytettiin ja miten järjestelmä käyttäytyi ajan mittaan.

Ajatellaan vakuutusyhtiötä, joka käsittelee tekoälyagenteilla korvausvaatimuskirjeitä. Ennen suoritusta laitteiston antama todennus varmistaa agentin identiteetin ja ympäristön eheyden. Suorituksen aikana sääntöjen kryptografinen sitominen laitteistopohjaiseen luotettuun suoritusympäristöön (Trusted Execution Environment, TEE) varmistaa tietojen suojan ja sääntöjen noudattamisen. Suorituksen jälkeen peukaloinnilta suojattu tarkastusketju tallentaa täsmälleen, mitä tapahtui.

Agenttipohjaisten työnkulkujen riski ei ole agentin omavaltainen toiminta. Todellinen riski on, ettei voida osoittaa, noudatettiinko sääntöjä tai olivatko arkaluonteiset tiedot suojattuina agenttien toimiessa — ennen suoritusta, sen aikana ja sen jälkeen. Tätä todennettava luottamus tarkoittaa.

Miksi perinteinen ihmisen valvonta ei riitä agenttijärjestelmien toimiessa koneiden nopeudella, ja miten organisaatioiden pitäisi uudistaa hallintamallejaan?

Internetillä oli vuosikymmeniä näkymätön suojakaide: me ihmiset. Luemme sisältöä, napsautamme tarkoituksellisesti emmekä toimi huomaamatta sadassa järjestelmässä samanaikaisesti.

Agenttipohjainen tekoäly kumoaa nämä oletukset yhdessä yössä. Agentit toimivat jatkuvasti, tekevät päätöksiä koneiden nopeudella ja ovat manipuloitavissa ihmisille suunnitelluissa ympäristöissä, joita koneet voivat käyttää hyväkseen. Haitallisen verkkosivun ei tarvitse huijata tekoälyä samalla tavoin kuin ihmistä: se voi vain antaa sille ohjeen.

Kun yksittäisen agentin riski on vain yksi prosentti, sadan agentin verkoston tietomurron todennäköisyys on 63 prosenttia. Tuhannella agentilla se on 99,99 prosenttia. Ihmisen osallistumiseen perustuva hallinta ei pysy näiden lukujen tahdissa. Valvonnan on siirryttävä jälkikäteisestä tarkastelusta suoritusaikaisiin takuisiin. Tämä tarkoittaa zero trust -työnkulkuja, sääntöjen täytäntöönpanoa oletuksena ja todennettavaa suoritusta, joka ei riipu siitä, että ihminen huomaa virheen jälkeenpäin.

Mitä tietoturvapuutteita näet yleisimmin yritysten kokeillessa agenttipohjaista tekoälyä ilman sisäänrakennettua luottamuskerrosta?

Useimmiten yritykset antavat agenttien toimia ja koordinoida toimintaansa ilman minkäänlaisia kryptografisia takuita käyttäytymisestä. Ne käsittelevät arkaluonteista immateriaaliomaisuutta pelkän toiveikkuuden varassa.

Seuraukset ovat ennustettavia, ja olemme kuvanneet tarkat toimintamallit AI Leak Surface -tutkimuksessa. Suoritusaikaiset tietomurrot ohittavat perinteiset ulkorajan suojaukset, koska agentti on jo verkon sisällä. Itsenäisten agenttien ketjut aiheuttavat ketjureaktioita: yhden agentin hyväksikäyttö käynnistää dominoefektin yhdistetyissä järjestelmissä. Yrityksen omaa toimintalogiikkaa vuotaa sivutuotteena syntyvän datan kautta, jota kukaan ei ole ajatellut valvoa. Agentit eivät enää erota yrityksen tarkoitusta haitallisesta syötteestä, koska suoritusaikana ei ole todennettavaa identiteettiä eikä sääntöjen sitovuutta.

Nämä eivät ole kuvitteellisia uhkia. Kartoitimme 46 reittiä, joiden kautta tiedot karkaavat niille tarkoitetun valvonnan ulkopuolelle, vaikka mikään ei näytä olevan rikki. Agentit tuottavat ja jakavat dataa koneiden nopeudella. Ilman työnkulkuun rakennettuja todennettavia suoritusaikaisia suojauksia virheet leviävät nopeammin kuin tietoturvatiimi ehtii havaita niitä tai reagoida niihin.

Miten johtavat organisaatiot yhdistävät edistyneiden tekoälyominaisuuksien hyödyntämisen kaikkein arkaluonteisimpien tietovarantojensa suojaamiseen?

Onnistuvat organisaatiot näkevät yksityisyyden ja hallinnan vauhdittajina, eivät jarruina. Se on keskeinen oivallus.

Käytännössä johtavat yritykset yhdistävät edistyneet tekoälyominaisuudet luottamuksellisen tekoälyn alustoihin, jotka tarjoavat todennettavia takuita pelkkien vaatimustenmukaisuuslistojen sijaan. Ne ottavat arkaluonteisen datan tekoälyinnovaatioiden käyttöön ja varmistavat samalla, että yrityksen omat tiedot pysyvät suojattuina itsenäisissäkin työnkuluissa.

Ennen ajateltiin, että kyvykkyyden ja tietoturvan välillä on valittava. Nopeimmin etenevät organisaatiot ovat hylänneet tämän vastakkainasettelun kokonaan. Ne rakentavat todennettavan luottamuksen tekoälystrategiansa perustaksi ja saavat arvokkaimman datansa hyötykäyttöön. Kilpailijat ovat samaan aikaan jumissa piloteissa, joissa tekoäly käyttää puhdistettuja aineistoja, joilla ei saavuteta merkittävää vaikutusta.

Miten arvioit yritysten tekoälyn hallintamallien kehittyvän lähivuosina, kun agenttijärjestelmät siirtyvät piloteista täyteen tuotantoon?

Hallinta siirtyy paperityöstä todisteisiin. Näin sen voi ilmaista yksinkertaisimmin. Varhaiset hallintamallit suunniteltiin ihmisen tahdissa toimiville ohjelmistoille: sääntöjä paperilla, hyväksyntöjä ennen käyttöönottoa ja tarkastuksia ongelmien jälkeen. Agenttijärjestelmät kumoavat kaikki nämä oletukset. Ne toimivat jatkuvasti ja itsenäisesti sekä aiheuttavat ketjuvaikutuksia koneiden nopeudella.

Hallinta on siirtymässä suoritusaikaiseen todennettavuuteen uutena turvallisuuden rajana. Sitä tukevat kryptografiset takuut, jotka todistavat käyttäytymisen agentin koko elinkaaren ajan: ennen suoritusta, sen aikana ja sen jälkeen. Sama kehityskulku kuin HTTPS:n kohdalla on muuttumassa verkkoliikenteen oletukseksi. Kukaan ei enää kiistele verkkoyhteyksien salaamisesta. Muutaman vuoden kuluttua kukaan ei enää kiistele tekoälyn suorituksen todentamisesta suoritusaikana. Siitä tulee perusvaatimus.

Kiitos hienosta haastattelusta. Lisätietoja haluavat lukijat voivat tutustua OPAQUE-sivustoon.