Rami Habal, Magnituden perustaja ja toimitusjohtaja – haastattelusarja

Rami Habal, Magnituden perustaja ja toimitusjohtaja on kokenut kyberturvallisuus- ja AI-tuotejohtaja, jonka ura kattaa yritysturvallisuuden, koneoppimisen, kuluttajateknologian ja riskipääomalla tuetut startupit. Ennen Magnituden perustamista hän toimi yrittäjä‑asunnossa Ballistic Venturesissa ja vietti yli neljä vuotta Abnormal Securityssa, mukaan lukien roolit tuotejohtajana ja asiakasjohtajana. Aikaisemmin Habal johti Amazon Alexan monilaitteiskokemusta, johti tuotantoa Reverbissa ja oli yksi Proofpointin varhaisimmista työntekijöistä, jossa hän auttoi rakentamaan ja kaupallistamaan turvallisuustuotteita yrityksen kasvaessa startupista kohti lopullista listautumistaan. Hänen uransa sisältää myös kokemusta riskipääomasta, mobiiliteknologiasta, API-rajapinnoista ja tuotestrategiasta, mikä antaa hänelle laajan taustan kyberturvallisuuden, AI:n ja yritysohjelmistojen leikkauspisteessä.

Magnitude on AI‑natiivi kyberturvallisuusyhtiö, joka keskittyy muuttamaan kolmannen osapuolen riskienhallinnan (TPRM) perinteisistä määräaikaisista vaatimustenmukaisuustarkastuksista jatkuvaksi turvallisuustoiminnaksi. Sen monialustainen alusta käyttää erikoistuneita AI‑agentteja toimittajien ja tuotteiden arviointiin, haavoittuvuuksien ja muiden riskimuutosten jatkuvaan seurantaan, neljännen, viidennen ja syvempien osapuolten riippuvuuksien kartoittamiseen, toimittajaviestinnän automatisointiin ja korjaustoimenpiteiden hallintaan. Sen sijaan, että se perustuisi pääasiassa kyselyihin ja hetkellisiin arviointeihin, Magnitude on suunniteltu perustamaan päätökset organisaation omiin käytäntöihin ja tarjoamaan todisteisiin perustuvia päätöksiä jäljitettävillä lähteillä ja perusteluilla. Laajempi tavoite on antaa turvallisuustiimeille jatkuva näkyvyys yhä monimutkaisemmissa ohjelmisto- ja toimittajaympäristöissä, samalla kun ihmisanalyytikot voivat keskittyä arvokkaampiin harkintapäätöksiin.

Kun olet auttanut rakentamaan tuotteita Proofpointissa, Amazon Alexassa ja Abnormal Securityssa, mikä vakuutti sinut siitä, että juuri nyt oli oikea hetki perustaa Magnitude? Oliko jokin erityinen oivallus tai asiakaskivun kohta, joka sai sinut uskomaan, että itsenäinen kolmannen osapuolen riskienhallinta täytyy muuttaa omaksi yrityksekseen?

Tiesin, että Abnormalissa työskentelemisen jälkeen halusin perustaa yrityksen. En kuitenkaan tiennyt, mikä ongelma olisi riittävän merkittävä yrityksen rakentamiseen. Urani aikana olen aina vetäytynyt soveltaviin koneoppimistuotteisiin, jotka vastaavat laajoihin, yleisiin tarpeisiin, kuten Proofpointin sähköpostiturvallisuuteen, Alexan äänilaskentaan ja Abnormalin käyttäytymisturvallisuuteen. Halusin löytää toisen ongelman, jolla olisi samanlainen vaikutusalue ja joka auttaisi yrityksiä.

Sitten agentit saapuivat. Työskennellessäni edellisen koneoppimisen aallon läpi huomasin, että tämä ei ollut vain uusi tuoteominaisuus. Se oli alustan muutos, eikä sellaisia tapahdu kovin usein.

Kun olin yrittäjä‑asunnossa Ballistic Venturesissa, aloin keskustella CISO:iden kanssa siitä, missä tämä muutos voisi vaikuttaa eniten. Kolmannen osapuolen riski nousi toistuvasti esiin. Historiallisesti TPRM:n sijoittuminen GRC‑toimintoon oli järkevää, koska toimittajariskit liikkuivat hitaasti riittäen määräaikaisiin tarkastuksiin. Mutta tämä oletus alkoi murentua. Kaikki olivat yhtä mieltä, että kyseessä oli merkittävä ongelma, mutta useimmat organisaatiot hallitsivat sitä edelleen vuosittaisilla kyselyillä, taulukoilla, määräaikaisilla tarkastuksilla ja laajalla manuaalisella työllä. Reaktio oli johdonmukainen: kolmannen osapuolen riskienhallinta on kriittistä, mutta meillä ei silti ole hyvää tapaa ratkaista sitä.

Se oli Magnituden taustalla oleva oivallus. Tiesin, että perinteinen malli ei enää toiminut, ja tarvitsimme teknologian, joka pystyy muuttamaan toimintamallin kokonaan, eikä pelkästään nopeuttamaan vanhaa taulukkolaskentapohjaista prosessia. Alusta alkaen näkemykseni oli, että jokaisella toimittajalla olisi lopulta parvi agentteja, jotka arvioivat jatkuvasti sen ympärillä olevia riskejä. Magnitude kasvoi tästä uskomuksesta.

Kuvasit \”Mythos-aikakauden\” saapumista, jossa AI pystyy tunnistamaan ja hyödyntämään haavoittuvuuksia nopeammin kuin ihmiset pystyvät reagoimaan. Mitä muutoksia olet havainnut viimeisen vuoden aikana, jotka vakuuttivat sinut siitä, että tämä muutos on jo käynnissä eikä pelkästään tulevaisuuden huolenaihe?

Suurin havaitsemani muutos on, kuinka nopeasti nämä hyökkäykset nyt tapahtuvat. Vuosi sitten suuri osa keskustelusta keskittyi siihen, mihin AI lopulta voisi antaa hyökkääjän tehdä. Nyt näemme nämä kyvyt muodostuvan reaaliajassa. AI voi auttaa hyökkääjää tarkastelemaan paljon laajempaa ohjelmistoympäristöä, löytämään aiemmin tuntemattomia heikkouksia ja hyökkäämään näihin heikkouksiin mittakaavassa, joka olisi vaikea ihmistiimille saavuttaa.

Mythos-aikakaudella AI-järjestelmät ovat osoittaneet kykenevänsä paljastamaan yli 2 000 aiemmin tuntematonta virhettä ohjelmistoympäristöissä, ja mediaaninen aika haavoittuvuuden löytämisestä aseistetuksi hyökkäyksiksi on ennustettu laskevan alle tunnin vuoteen 2026 mennessä. Vaikka aika löydön ja aseistamisen välillä jatkaa lyhentymistään, se luo aukon sen välillä, kuinka nopeasti altistuminen voi ilmetä ja kuinka nopeasti perinteiset tarkastussyklit voivat reagoida.

Näemme myös tapahtumien mallin liikkuvan samaan suuntaan. Analyysissamme toimitusketjuhyökkäysten tiheys kasvoi noin 13:sta tapauskuukaudessa vuonna 2024 noin 41:een tapauskuukaudessa vuonna 2026. Olemme huomanneet, että toiminta kasvaa merkittävien edistysaskeleiden myötä raja‑mallissa. En väitä, että jokainen mallijulkaisu aiheuttaisi suoraan enemmän hyökkäyksiä, mutta trendi on vaikea sivuuttaa. Työkalut tulevat kykenevämmiksi, kun hyökkäysten tahti kiihtyy.

Mitä todella vahvistaa tämä muutos minulle, ovat käymäni keskustelut tietoturvajohtajien kanssa. He eivät enää puhu kolmannen osapuolen riskistä sellaisena, jonka voi hoitaa vuosittaisella tarkastuksella ja tarkistaa uudelleen uusinnan yhteydessä. He kokevat olevansa alttiina kuukausien aikana näiden tarkastusten välillä, koska heidän toimittajansa, ohjelmistoriippuvuudet ja alapuoliset toimittajat muuttuvat jatkuvasti.

Tuo on se, mitä Mythos-aikakausi merkitsee minulle. Aikaikkuna riskin ymmärtämiseen ja siihen reagoimiseen kaventuu, kun taas yhden kompromettoituneen toimittajan mahdollinen vaikutus laajenee. Jaksottaista vaatimustenmukaisuuden prosessia ei yksinkertaisesti suunniteltu tällaiseen ympäristöön.

Monet yritykset ottavat nopeasti käyttöön AI-agenseja organisaatioidensa eri osissa. Miten tietoturvajohtajien tulisi miettiä hallintaa uudelleen, kun nämä agentit yhä enemmän ovat vuorovaikutuksessa ulkoisten toimittajien, API-rajapintojen ja alapuolisten riippuvuuksien kanssa?

Ensimmäinen asia, jonka tietoturvajohtajien on tunnistettava, on se, että jopa yrityksen sisällä rakennettu AI-agentti ei välttämättä ole täysin sisäinen. Se voi tukeutua ulkoiseen alustaan, kolmannen osapuolen taitoon MCP:n kautta, palveluun kuten Google Drive tai muuhun teknologiaan, jota organisaatio ei suoraan hallitse. Ja jokaisella näistä tarjoajista voi olla omia toimittajiaan.

Pelkkä agentin hyväksyminen ei enää riitä. Johtajien on ymmärrettävä, mihin tietoihin se pääsee, mitä toimintoja se voi suorittaa, mihin ulkoisiin palveluihin se on riippuvainen ja milloin ihmisen hyväksyntä on tarpeen. Heidän on myös ymmärrettävä, miten nämä riippuvuudet voivat muuttua ajan myötä, kun agentti saa uusia ominaisuuksia, yhdistyy uusiin järjestelmiin tai alkaa turvautua lisäalapuolisiin toimittajiin. Näitä hallintatoimia ei myöskään voi asettaa kerran ja unohtaa. Kun agentti saa uusia kykyjä tai yhteyksiä, sen hallintaa on mukautettava sen mukaisesti.

Tavoitteena ei tulisi olla AI:n käyttöönoton hidastaminen. Sen tulisi olla antaa yrityksille riittävä näkyvyys, jotta ne voivat käyttää agenteja luottavaisesti. Hallinnon on oltava jatkuva tietoturvakäytäntö, eikä kertaluonteinen hyväksyntä, joka tehdään uuden työkalun käyttöönoton yhteydessä.

Kolmannen osapuolen riskienhallinta on perinteisesti perustunut kyselyihin ja jaksottaisiin tarkastuksiin. Miksi uskot, että tämä malli hajoaa perimmältä AI-ohjatussa ympäristössä? 

Perinteisen TPRM-mallin ongelma on, että se tarjoaa hetkikuvan siitä, mitä toimittaja väitti olevan totta tietyllä ajankohdalla. Yritys voi täyttää kyselyn ensimmäisen hyväksynnän yhteydessä, eikä sitä tarkasteta uudelleen ennen uusimista, mikä voi tapahtua vuosien kuluttua. Sillä välin sen teknologia, tietoturvakäytännöt, AI-mallit, datankäyttö ja toimittajat voivat kaikki muuttua. Emme juuri pysty ennustamaan, mitä seuraavien viikkojen aikana muuttuu, joten vuosia vanhaan arvioon luottaminen ei enää ole järkevää.

Kysymys on myös tiedon luotettavuudesta. Joku, joka yrittää edistää kauppaa, antama raportoitu vastaus ei ole sama kuin riippumattoman tarkastuksen, allekirjoitetun yritysraportin tai muun tarkistettavissa olevan lähteen tukema fakta. Tietoturvajohtajien on tiedettävä paitsi, mikä vastaus on, myös mistä se on peräisin ja onko se edelleen ajantasainen.

Lopuksi, kyselyt yleensä päättyvät suoraan toimittajaan. Ne harvoin paljastavat N:nnen osapuolen, vaikka nämä piilotetut neljännen ja viidennen osapuolen suhteet voivat aiheuttaa todellista altistumista. Hyökkääjät tietävät nyt, että yrityksen heikoin lenkki ei ole itse yritys, vaan jokin näistä alapuolisista toimittajista. Näiden toimittajien hyökkääminen voi lopulta antaa heille pääsyn yritykseen. Se on yksinkertaisesti halvempaa ja helpompaa.

Siksi en usko, että vastaus on pelkästään käyttää AI:ta kyselyjen täyttämiseen nopeammin. Tässä mallissa on aina aukkoja. Mallin itsensä on muututtava, siirtymällä jaksottaisista, itse raportoituista hetkikuvista jatkuvaan, reaaliaikaiseen, todisteisiin perustuvaan riskin ymmärtämiseen, joka ulottuu yrityksen toimitusketjun syvyyksiin.

Magnitude esittelee autonomisen AI-työvoiman käsitteen tietoturvatiimeille. Missä näet tasapainon AI-ohjatun päätöksenteon ja ihmisen valvonnan välillä, erityisesti korkean vaikutuksen tietoturvapäätöksissä? 

Autonominen ei tarvitse tarkoittaa vastuuttomaa. Näen asian niin, että AI:n tulisi hoitaa kriittinen mutta toistuva työ, joka vie niin paljon tietoturvatiimin aikaa, kun taas ihmiset pysyvät mukana päätöksissä, jotka vaativat harkintaa, kontekstia tai joilla on merkittäviä liiketoimintavaikutuksia. Tosiasia on, että mikään tietoturvatiimi ei nykyään omaa riittävästi resursseja nykyisen tehtävän hoitamiseen. AI voi auttaa täyttämään tämän aukon.

AI:n laatu on valtavan tärkeä. Kun se toteutetaan hyvin, AI toimii voimanvahvistajana. Se antaa tiimille enemmän kapasiteettia ja auttaa ihmisiä keskittymään korkeamman arvon työhön. Kun se toteutetaan huonosti, vaikutus on päinvastainen, koska jokaisen tuloksen on tarkistettava joku. Korkean vaikutuksen tietoturvapäätöksissä järjestelmän on oltava korkealaatuinen ja pystyttävä näyttämään, mitä todisteita se käytti ja miten se päätyi suositukseensa, luoden tarkastettavan kirjanpidon.

Sopiva valvonnan taso vaihtelee myös organisaation mukaan. Suuri yritys, jolla on vakiintunut tietoturvatiimi, saattaa käyttää AI:ta enemmän kuin autopilotia, jossa ihmiset valvovat työtä ja puuttuvat poikkeustilanteisiin. Pienempi organisaatio voi päättää automatisoida enemmän ohjelmasta, koska sillä ei ole henkilöstöä tai budjettia suuren tiimin rakentamiseen. Kummassakin tapauksessa tulisi olla selkeät kohdat, joissa asia eskaloidaan henkilölle.

Lopulta organisaation tulisi voida päättää, kuinka paljon ihmisen osallistumista se haluaa päätöksen tärkeyden perusteella. Tavoitteena ei ole poistaa ihmisiä turvallisuudesta. Se on auttaa heitä käyttämään aikaansa paremmin, tehdä nopeampia liiketoimintapäätöksiä ja varata ihmisen huomio niihin päätöksiin, joihin se tuo eniten arvoa.

Tiimisi yhdistää asiantuntemusta tekoälystä, kyberturvallisuudesta ja kuluttajamittakaavan alustoista. Miten tämä yhdistelmä on vaikuttanut siihen, miten olet suunnitellut Magnituden verrattuna perinteisiin kyberturvallisuustuotteisiin? 

Jokainen taustamme opetti meille jotain erilaista siitä, mitä tekoälyturvallisuustuotteen on tehtävä hyvin. Kyberturvallisuudessa vastaus on hyödyllinen vain, jos siihen voi luottaa, jäljittää sen takaisin todisteisiin ja toimia sen perusteella. Työstämme tekoälyn ja koneoppimisen parissa opimme, että todellinen mahdollisuus ei ole pelkästään tiedon tiivistäminen, vaan asiantuntijatyön muuttaminen järjestelmäksi, joka pystyy suorittamaan työn johdonmukaisesti. Alustoja kuten Alexa ja Pandora rakentaessa opimme ajattelemaan luotettavuutta ja käytettävyyttä erittäin suurissa mittakaavoissa.

Nuo opit veivät meidät pois perinteisestä kyberturvallisuusmallista, jossa tuotetaan uusi hallintapaneeli tai uusi hälytysvirta jo valmiiksi kuormitetulle tiimille tutkittavaksi. Suunnittelimme Magnituden suorittamaan työn: kerätä ja vahvistaa tiedot, arvioida toimittajat, seurata muutoksia, yhdistää uudet tiedot liiketoimintariskeihin ja auttaa viemään ongelmat kohti ratkaisua.

Kulissien takana tämä tarkoittaa useiden erikoistuneiden tekoälyagenttien yhteistyötä. Mutta asiakaskokemuksen tulisi pysyä yksinkertaisena. Turvallisuustiimien ei pitäisi joutua tekoälyasiantuntijoiksi ymmärtääkseen, mitä järjestelmä on löytänyt, miksi se on merkittävää tai mitä toimenpiteitä tulisi tehdä.

Tuloksena on tuote, joka on suunniteltu toimimaan jatkuvasti tuhansien toimittajien kanssa samalla täyttäen korkean vaikutuksen turvallisuuspäätöksille vaaditut standardit. Se ei ole tekoälyä lisättynä vanhaan työnkulkuun. Se rakennettiin alusta alkaen ajatellen, että tekoäly voi suorittaa suuren osan työnkulusta itse, samalla tarjoten ihmisille todisteet, näkyvyyden ja hallinnan, joita he tarvitsevat.

Yksi suurimmista huolenaiheista tekoälyn roolissa kyberturvallisuudessa on se, että se vahvistaa sekä puolustajia että hyökkääjiä. Uskotko, että etu on tällä hetkellä puolustajilla vai vastustajilla, ja mikä määrittää, kuka pysyy etulyöntiasemassa seuraavien vuosien aikana?

Mielestäni etu nykypäivänä kallistuu vastustajien puolelle, erityisesti toimitusketjuhyökkäyksissä. En sano, että puolustajat olisivat toivotonta jälkeenjääneitä. Puolustajien toimintakutsu on lopettaa tämän käsitteleminen tulevaisuuden ongelmana ja toimia nopeammin nyt. Molemmilla osapuolilla on pääsy moniin samoihin tekoälytyökaluihin, mutta taloudelliset tekijät ja markkinoille pääsyn nopeus suosivat tällä hetkellä hyökkääjää.

Tekoäly tekee halvemmaksi ja helpommaksi testata useampia hyökkäysreittejä, käynnistää useampia yrityksiä N-tasoisesti syvälle ja toistaa prosessin mittakaavassa. Kun hyökkääjä murtaa laajasti käytetyn toimittajan tai ohjelmistokomponentin, yksi onnistunut hyökkäys voi levitä sadoille tai jopa tuhansille yrityksille.

Puolustajilla on vaikeampi tehtävä, koska heidän on ymmärrettävä ja suojattava laaja verkosto toimittajia, ohjelmistokomponentteja ja alapuolisia toimittajia, ja myös yritysten reagointi, tarvittavan ohjelmiston hankinta ja näiden työkalujen operatiivinen käyttö vie aikaa, mikä luo ikkunan, jonka hyökkääjät voivat hyödyntää.

Se, mikä määrittää, kuka pysyy etulyöntiasemassa, on se, pystyvätkö puolustajat muuttamaan tätä yhtälöä. Heidän on siirryttävä satunnaisista tarkastuksista ja manuaalisista seurantatoimenpiteistä jatkuvaan valvontaan ja nopeampiin toimenpiteisiin. Automaattiset hallinto- ja puolustusjärjestelmät, jotka valvovat jatkuvasti muutoksia, yhdistävät ne liiketoimintariskeihin ja voivat reagoida nopeasti, tekevät hyökkäyksistä vaikeampia skaalata ja kalliimpia toistaa.

Kyberturvallisuus on aina ollut kissan ja hiiren peli. Tekoäly ei muuta sitä, mutta se lisää nopeutta ja panoksia. Puolustajien on käytettävä järjestelmiä, jotka voivat oppia, sopeutua ja toimia samalla tahdilla kuin hyökkääjät, jotka alkavat toimia.

Tekoälytoimitusketjut monimutkaistuvat yhä, kun organisaatiot turvautuvat lukuisiin perustamismalleihin, SaaS-toimittajiin ja autonomisiin agenteihin. Mitkä nousevat riskit ovat mielestäsi edelleen aliarvioituja yrityksissä?

Alin aliarvioitu riski on teknologia, joka istuu tuotteen takana, jonka yritys uskoo hyväksyneensä. Jopa sisäisesti rakennettu agentti voi riippua ulkopuolisista alustoista, liitännäisistä, alihankkijoista tai ohjelmistokomponenteista. Nämä piilotetut suhteet luovat N:n osapuolen riskin, suoraan toimittajan takana olevat toimittajat.

Useimmilla yrityksillä on edelleen hyvin vähän näkyvyyttä tähän syvempään kerrokseen. He saattavat tietää, kenen kanssa he ovat tehneet sopimuksen, mutta eivät jokaista ulkopuolista palvelua, ohjelmistokomponenttia tai alihankkijaa, joka lopulta tukee tuotetta.

Toinen ongelma on se, kuinka yhteydessä nämä järjestelmät ovat. Heikkous yhdessä liitännäisessä tai tukipalvelussa ei välttämättä pysy eristettynä kyseiseen toimittajaan. Se voi luoda polun suurempaan alustaan ja vaikuttaa moniin organisaatioihin, jotka luottavat siihen. Tämä tarkoittaa, että suhteellisen pieni toimittaja voi muuttua paljon suuremmaksi altistumisen lähteeksi.

Riskijohtajien tulisi kysyä ei pelkästään, “Mitä AI-mallia käytämme?” vaan, “Mistä tämä järjestelmä riippuu, mistä nämä palveluntarjoajat riippuvat, ja miten ongelma missä tahansa ketjun osassa voisi vaikuttaa meihin?” Kunnes yritykset pystyvät vastaamaan näihin kysymyksiin, ne jatkavat näkemättömien riskien perimistä.

Kun katsomme pois tämän päivän suurista kielimalleista, mitä teknologisia kehityksiä seuraavien viiden vuoden aikana odotat merkittävimmiksi yritystietoturvan ja riskienhallinnan muokkaajina? 

En usko, että määrittävä muutos on yksi uusi malli. Kyse on siirtymisestä AI:hin, joka vastaa kysymyksiin, kohti AI-järjestelmiä, jotka voivat jatkuvasti havainnoida tapahtumia, yhdistää tietoa eri lähteistä ja toimia.

Seuraavan sukupolven mallit eivät ole vain hieman parempia; ne ovat paljon kykenevämpiä. Suurempi muutos tulee kuitenkin erikoistuneista agenteista, jotka työskentelevät yhdessä turvallisuusoperaatioissa. Nykyään toimittajaarvioinnit, uhkatiedot, liiketoimintariskit ja korjaustoimenpiteet hallitaan usein erillisissä työkaluissa ja eri tiimien toimesta. Ajan myötä nämä toiminnot alkavat yhdistyä.

Odotan, että turvallisuusjärjestelmät tulevat paljon yhteydessä toisiinsa, yhdistäen uhkatiedot, liiketoimintakontekstin, yrityksen politiikat ja reagointitoimenpiteet sen sijaan, että niitä hallittaisiin erillisissä työkaluissa. Järjestelmä voisi havaita, että toimittaja on altistunut uudelle uhalle, ymmärtää, mitkä liiketoiminnan osat voivat vaikuttaa, ja auttaa aloittamaan reagoinnin odottamatta useita manuaalisia siirtoja.

Tämä muuttaa riskienhallinnan sarjaksi ajoittaisia harjoituksia jatkuvaksi toimintakyvyksi. Vahvimmat riskiohjelmat rakennetaan yrityskontekstin, luotettavan evidenssin ja kyvyn ympärille muuttaa tieto luotettavaksi toiminnaksi.

Jos voisit antaa yhden neuvon CISO:ille ja yritysjohtajille, jotka valmistautuvat seuraavan sukupolven AI-pohjaisiin uhkiin, mikä se olisi ja mitä toimenpiteitä heidän tulisi priorisoida tänään?

Neuvoni olisi lopettaa toimitusketjuriskin hallinta kerran vuodessa tehtävänä harjoituksena. Riski muuttuu jatkuvasti, ja lähestymistapasi on pysyttävä mukana. Ympäristö on elävä ja hengittävä. Se on liian yhteydessä toisiinsa, ja se muuttuu liian nopeasti, jotta erilliset tarkastukset ja työkalut pysyisivät perässä.

Tämän nousevan hyökkäyspinnan suojaaminen tapahtuu yhden AI-native ohjaustason avulla, joka tarjoaa jatkuvan, autonomisen hallinnon ja puolustuksen kaikelle ulkoiselle riskillesi.

Alkuun kannattaa keskittyä liiketoiminnan tärkeimpiin osiin. Tunnista ne toimittajat ja ulkopalvelut, jotka tukevat kriittisiä toimintoja, ymmärrä, missä piilevät riippuvuudet ovat, ja määritä selkeä omistajuus siitä, mitä tapahtuu riskin ilmetessä. Sen jälkeen automatisoi mahdollisimman paljon jatkuvaa valvontaa ja rutiinireaktioita, pitäen ihmiset mukana päätöksissä, joilla on merkittäviä liiketoimintavaikutuksia.

Tavoitteena ei ole pelkästään kerätä enemmän tietoa. Kyse on jatkuvasta tiedon yhdistämisestä, sen merkityksellisyyden arvioinnista ja toiminnasta ennen kuin toimittajaongelma muuttuu koko yrityksen ongelmaksi.

Kiitos erinomaisesta haastattelusta, lukijat, jotka haluavat oppia lisää, kannattaa käydä osoitteessa Magnitude.