Gil Cohen, Cognyten tuotejohtaja – Haastattelusarja

Gil Cohen on kokenut ohjelmistoyhtiön johtaja, jolla on osoitettu track record suurten kansainvälisten organisaatioiden johdossa, yli kaksi vuosikymmentä kokemusta ja asiantuntemusta yritysohjelmistossa, big datasta, telcosta ja tekoälystä.

Gil johtaa Cognyten tuoteorganisaatiota, yhtiön globaaleja tutkimus- ja kehityskeskuksia sekä markkinointistrategiaa koko tuotevalikoimalle.

Ennen kuin hän liittyi Cognyten liiketoimintaan vuonna 2021, Gil oli NICE:n johtaja, äänentallennusohjelmiston ja Telefonica Israelin toimitusjohtaja.

Cognyte on israelilainen maailmanlaajuinen tutkiva ja turvallisuusanalytiikkaohjelmistojen tarjoaja, jonka tehtävänä on toimittaa “toimintavalmis tiedustelu turvallisemmaksi maailmaksi”. Perustettu vuonna 2021 Verint Systemsista (VRNT ) irrotettuna, yhtiö palvelee satoja hallituksen ja yritysasiakkaita noin 100 maassa, mahdollistaen turvallisuuden, tiedustelun ja lainvalvontaviranomaisten yhdistämisen, analysoinnin ja visualisoinnin suurten, hajanaisien tietojoukkojen nopeaan uhkaiden havaitsemiseen, tutkintaan ja reagointiin.

Mikä alkuperäisesti motivoi urapolkua, joka keskittyy tiedusteluun, analytiikkaan ja kansalliseen turvallisuuteen? Olivatko siellä varhaisia kokemuksia tai muokkaavia tapahtumia, jotka auttoivat muotoilemaan tämän suunnan?

Se oli melko luonnollinen sopimus. Cognyten tehtävä – auttaa tekemään maailmasta turvallisemman – linjaa täydellisesti sen, mitä välittää sekä henkilökohtaisesti että ammatillisesti. Olen viettänyt vuosia työskentelemällä yrityssovelluksissa, suurissa tietoja, tietoliikenteessä ja tekoälyssä, ja minulla on myös sotilastausta, joten astuminen rooliin, joka mahdollistaa osallistumisen suoraan tähän tehtävään, oli vain järkevää.

Viime vuosina olen johtanut globaaleja organisaatioita ja tutkimus- ja kehitystiimejä toimittamaan edistyksellisiä yritysratkaisuja ja markkinointistrategioita, mikä antaa minulle kokemuksen varmistaa, että Cognyte pysyy teknologian edellä. On erittäin palkitsevaa nähdä, miten lainvalvonta, kansallinen turvallisuus ja kansallinen ja sotilastiedusteluelimet käyttävät meidän analytiikkaratkaisuja havaitsemaan uhkia aikaisin ja pitämään ihmisiä turvassa. Se, mikä todella motivoi minua, on tietäminen, että rakennamme työkaluja, jotka auttavat näitä virastoja pysymään rikollisen ja terroritoiminnan edellä ja sopeutumaan nopeasti uusiin haasteisiin. Nähdä meidän teknologiamme toiminnassa – tekemässä todellista vaikutusta – on jotain, mihin olen aidosti ylpeä.

Miten tutkiva teknologian maisema on kehittynyt viime vuosina, ja miten Cognyten tehtävä on sopeutunut täyttämään lainvalvonnan ja tiedusteluelimien muuttuvia tarpeita?

Tutkiva teknologian maisema on kokenut merkittävän kehityksen, jota on pääasiassa ajettu nopeasti kasvavan tietojen määrän ja monimuotoisuuden, yhä sofistikoituneiden vihollisten nousun ja teknologian jatkuvaan kehitykseen. Yksi keskeinen haaste, joka muotoilee tämän ympäristön, on perustavanlaatuinen epätasapaino vihollisten ja niiden pysäyttämiseen pyrkivien välillä. Viholliset (rikolliset tai terroristit) toimivat joustavasti ja sitkeästi, voivat hyödyntää yksittäistä heikkoutta tuhoisalla vaikutuksella. Lainvalvonta- ja turvallisuusorganisaatiot sen sijaan joutuvat tunnistamaan, ymmärtämään ja reagoimaan laajaan joukkoon kehittyviä uhkia usein reaaliajassa ja ehdottomalla tarkkuudella. Tämä epätasapaino asettaa valtavan paineen tutkintatiimejä toimimaan nopeammin, älykkäämmin ja tarkemmin kuin koskaan aiemmin. Analytikot kamppailevat usein kasvavan tietojen määrän, hajanaisen työkalujen ja kiireisten operatiivisten vaatimusten kanssa, mikä tekee haasteelliseksi kääntää heidän tutkintatutkimuksensa tehokkaaksi vuorovaikutukseksi edistyksellisten ratkaisujen kanssa.

Tutkintaympäristöissä on usein valtavat tietomäärät ja hyvin hajanaiset työkalujärjestelmät. Millaista keinoja tutkintatyökalu parantaa tietojen yhdistämistä, nopeuttaa analyysiä ja parantaa uhkien ratkaisun yleistä vauhtia?

Cognyten tutkintatyökalu muuttaa tutkintatyönkulkua poistamalla manuaalisen pullonkaulan, jonka aiheuttavat erilliset työkalut ja valtavat tietomäärät. Sen sijaan, että tutkijoiden tarvitsisi kääntää monimutkaisia kysymyksiä järjestelmäkohtaisiin kyselyihin, tutkintatyökalu mahdollistaa heidän käyttää luonnollista kieltä monimuotoisen, usean lähteen tietojen tutkimiseen. Se yhdistää automaattisesti rakenteelliset ja rakenteettomat tiedot, paljastaa merkityksellisiä yhteyksiä ja esittää tulokset selkeällä, askelkohtaisella logiikalla. Esimerkiksi tutkija voi yksinkertaisesti kysyä tutkintatyökalulta “näytä kaikki yhteydet epäilty A: n ja epäilty B: n välillä viimeisen 6 kuukauden aikana”.

Mitä koneoppimismalleja muodostaa tutkintatyökalun generatiivisen kyvyn perustana, ja miten ne on koulutettu heijastamaan kieltä ja logiikkaa, jota käytetään nimenomaan tiedusteluprosesseissa eikä yleisesti keskustelutekoälyssä?

Tutkintatyökalun perustana olevat mallit ovat alan uusimmat ja kehittyneimmät LLM-mallit. Koulutamme LLM:t kullekin asiakkaalle ominaisella datamallilla, joka edustaa järjestelmän tietorakennetta – mukaan lukien entiteetit, suhteet ja parametrit. Tämä mahdollistaa meille kouluttaa tutkintatyökalua asiakkaiden omaan alaan kuuluvalla “digitaalisella kaksoiskappaleella”, eikä itse tietojen kanssa, jotka ovat arkaluontoisia eivätkä ole saatavilla koulutusjoukkona. Sisällytämme myös parhaiden käytäntöjen käyttöliittymät, jotka perustuvat vuosikymmenten mukaiseen alan spesifiseen metodologiaan, asiakastuki tiimeistä ja yhteisön avustuksella. Tällä menetelmällä loimme skaalautuvan lähestymistavan ottaa valmiit LLM:t ja muuttaa ne alakohtaisiksi malleiksi, jotka on räätälöity turvallisuuden tarpeisiin.

Selittyvyys ja rakenteellinen päättely korostuvat järjestelmän tulosteissa. Mitkä koneoppimismenetelmät tai mallirakenteet käytettiin varmistamaan läpinäkyvän, jäljitettävän päätöksenteon, erityisesti silloin, kun analyytikot tarvitsevat vahvistaa tuloksia tarkastelun alla?

Tutkintatyökalu on koulutettu datamallille ja siihen on lisätty räätälöintiä tiedustelu- ja tutkintaparhaimmille. Tämä erikoiskoulutus perustuu yli kolmen vuosikymmenen alan asiantuntemukseen tutkiva-analytiikassa. Tämä syvä integraatio todellisista operatiivisista tietämyksistä varmistaa, että tutkintatyökalu ymmärtää ja prosessoi luonnollisesti spesifejä termejä, logiikkaa ja nuansseja, jotka ovat kriittisiä tiedusteluprosesseille. Se ottaa käyttäjän luonnollisen kielen kysymyksen ja ymmärtää, miten kääntää sen Cognyten ratkaisussa API-kutsuksi, kysyen pyydettävää tietoa. Kysely on koko ajan analyytikolle näkyvissä, joten on läpinäkyvää, mikä kysely lähetettiin. Tiedot palautetaan ratkaisun tietokannoista poistamalla mahdollisuus “hallusinaatioille”, rakenteellisella, selitettävällä logiikalla. Ei tarvita erillistä jäljitettävyyttä itse tietojen validointiin, jotta yhteenveto ja oivallukset olisivat järkeviä.

Tämä tuote ilmestyy aikana, jolloin tekoäly siirtyy koepiloteista täysimittaisten operatiivisten käyttöönottojen pariin. Miten tämä heijastaa laajempia suuntauksia, joilla kansallisen turvallisuuden organisaatiot lähestyvät tekoälyn omaksumista vuonna 2025?

Lanssi tapahtuu, kun generatiivisen tekoälyn omaksuminen kiihtyy yhtiössä ja hallituksessa, jossa odotetaan yli 2 biljoonan dollarin sijoitusta tekoälyyn seuraavien kolmen vuoden aikana. Vuosi 2025 merkitsee selvää käännekohtaa, kun organisaatiot siirtyvät kokeilusta todelliseen käyttöön. Virastot näkevät LLM-pohjaisen tutkintatyökalun potentiaalisen arvon ja Cognyten tutkimuksessa 47% virastoista mainitsi GenAI-pohjaisen tietojen analyysin ja tutkimuksen nopeuttavan heidän tutkintansa. Lainvalvonta- ja kansallisen turvallisuuden virastoille tämä muutos asettaa uuden standardin nopeudelle, mittakaavalle ja tarkkuudelle päätöksenteossa. Koska kyse on henkilökohtaisista ja kansallisten etujen vaaroista, luotettavan, operatiivisen tekoälyn vaatimus ei ole enää valinnainen – se on tehtävänä, jota Cognyten tutkintatyökalu on suunniteltu täyttämään.

Näkemys viisi vuotta eteenpäin, miten generatiivisen tekoälyn rooli on odotettavissa kehittyvän sotilastiedustelussa, lainvalvonnassa ja kansallisessa turvallisuudessa? Miten tämä vaikuttaa tutkintastrategiaan, organisaatiorakenteeseen ja globaaliin uhka-vastaukseen?

Tulevina vuosina generatiivinen tekoäly tulee pelaamaan ratkaisevaa roolia auttaakseen sulkemaan operatiivisen aukon hyökkäyksen ja puolustuksen välillä. Viholliset jatkavat innovaatioita nopeasti, usein sääntöjen tai riskin rajoituksia. Julkisen turvallisuuden organisaatiot sen sijaan joutuvat ylläpitämään johdonmukaista, sopeutuvaa kattavuutta laajenevassa uhkauskuvassa. Tässä ympäristössä tekoäly ei ole vain voimakas monikertaistaja; se tulee olemaan operatiivinen välttämättömyys pysyäkseen vauhdissa vihollisten kanssa, jotka ovat nopeita, arvaamattomia ja yhä enenevissä määrin automaattisia. Kiitos hienosta haastattelusta, lukijoille, jotka haluavat oppia lisää, on suositeltavaa vierailla Cognytessä.