Ricardo Amper, Incode के CEO और संस्थापक – साक्षात्कार श्रृंखला

Ricardo Amper, Incode के CEO और संस्थापक, दो दशकों से अधिक के अनुभव वाले क्रमिक उद्यमी और प्रौद्योगिकी कार्यकारी हैं, जिन्होंने प्रौद्योगिकी, उपभोक्ता उत्पाद और औद्योगिक क्षेत्रों में कंपनियों का निर्माण और स्केलिंग किया है। उन्होंने 2015 में Incode की स्थापना इस दृष्टि से की कि लोग डिजिटल दुनिया में अपनी पहचान को कैसे सत्यापित और प्रमाणित करते हैं, इसे बदल दिया जाए। पहले, Amper ने Grupo Amco के CEO के रूप में कार्य किया, जो लैटिन अमेरिका की प्रमुख सुगंध रसायन और आवश्यक तेल व्यवसाय है, जहाँ उन्होंने OneView, एक मशीन लर्निंग‑आधारित भविष्यवाणी डेटा प्लेटफ़ॉर्म विकसित किया, इससे पहले कि कंपनी को Brenntag Group ने अधिग्रहित किया। उन्होंने Amco Foods की सह-स्थापना और नेतृत्व भी किया, जिसे Grupo Bimbo ने खरीदा, और पहले La Burbuja Networks की स्थापना की। उनका करियर उद्यमिता, कृत्रिम बुद्धिमत्ता, डेटा‑आधारित प्रणालियों को मिलाता है और अधिग्रहण के माध्यम से कंपनियों को सफलतापूर्वक बनाने का अनुभव रखता है।

Incode एक AI‑संचालित पहचान मंच है जो संगठनों को लोगों, व्यवसायों और बढ़ती हुई AI एजेंटों के साथ इंटरैक्शन में भरोसा स्थापित करने में मदद करने के लिए डिज़ाइन किया गया है। इसकी प्रौद्योगिकी दस्तावेज़ सत्यापन, बायोमेट्रिक प्रमाणीकरण, चेहरे की पहचान, जीवंतता पहचान, डीपफेक पहचान, और सरकारी रिकॉर्ड सिस्टम के खिलाफ प्रत्यक्ष जाँच को मिलाती है, साथ ही Know Your Customer (KYC), Anti‑Money Laundering (AML) अनुपालन, Know Your Business (KYB), आयु प्रमाणन, कार्यबल सत्यापन, और खाता कब्जा रोकथाम जैसे क्षेत्रों का समर्थन करती है। Incode अपनी AI प्रौद्योगिकी को इन‑हाउस विकसित करता है और प्लेटफ़ॉर्म को सिंथेटिक पहचान और जनरेटिव AI‑सक्षम धोखाधड़ी जैसे उभरते ख़तरों, साथ ही AI एजेंटों के मालिकों की सत्यापन और उनके कार्यों का पता लगाने के लिए एजेंटिक पहचान उपकरणों को संबोधित करने के लिए विस्तारित किया है।

आपने 2015 में Incode की स्थापना विभिन्न उद्योगों में कंपनियों का निर्माण करने के बाद की, और आप तर्क देते हैं कि समस्याओं को नई, मूलभूत सिद्धांतों की मानसिकता से देखना, विरासत में मिले उद्योग मान्यताओं पर निर्भर रहने से अधिक मूल्यवान हो सकता है। आपने पहचान सत्यापन में क्या देखा जो स्थापित प्रदाताओं के पास नहीं था, और वह मूल अंतर्दृष्टि Incode के विकास को कैसे आकार दिया?

2015 से पहले, उद्योग पहचान को एक अनुपालन समस्या और बाद में सोचा गया मुद्दा मानता था: दस्तावेज़ को स्कैन करना, बैक ऑफिस में किसी को उसकी समीक्षा करना, बॉक्स को चेक करना। मैं बिना उस अनुमान के आया और उद्योग के पहचान दृष्टिकोण में एक AI समस्या देखी।

इसलिए मैंने पहले दिन तीन निर्णय लिये जो कोई और नहीं ले रहा था:

AI आपके डेटा को देखे बिना सत्यापन करता है, हम तकनीक की हर परत स्वयं विकसित करते हैं बजाय दूसरों के हिस्सों को जोड़ने के, और गोपनीयता एक वास्तुशिल्प है, नीति नहीं। दस साल बाद, जनरेटिव AI ने इन निर्णयों को ही एकमात्र टिकाऊ बना दिया है।

उस चयन ने उस कंपनी को आकार दिया जो हम बन गए।

1. हम पहले निर्माताओं हैं: आज भी, हमारे लोगों का बड़ा हिस्सा सामान्य B2B सॉफ़्टवेयर कंपनी की तुलना में इंजीनियरिंग और प्रोडक्ट में काम करता है, और यही हमें खतरे की गति के समान तेज़ी से अनुकूलित रहने में लचीला बनाता है।
2. हमने जानबूझकर दुनिया के सबसे कठिन धोखाधड़ी वातावरणों में से एक, लैटिन अमेरिका, में शुरुआत की, और क्षेत्र के कुछ सबसे बड़े बैंकों और उद्यमों के लिए इसे बड़े पैमाने पर हल किया। जब आपकी प्रौद्योगिकी वहाँ जीवित रहती है, तो जहाँ धोखाधड़ी वास्तविक है लेकिन कम तीव्र है, ऐसे बाजारों का परीक्षण बहुत आसान हो जाता है।

हम कभी भी समस्याओं को केवल पैच करने या कंपनियों को आज के लिए केवल अनुपालन बनाने में रुचि नहीं रखते। हमें इस समस्या का कठिन संस्करण पसंद है: वास्तविक व्यक्ति को न्यूनतम संभव घर्षण और अधिकतम संभव गोपनीयता के साथ सत्यापित करना, और इसे एक ऐसे भविष्य के लिए करना जो लगातार बदल रहा है।

Incode को अब नामित किया गया है Gartner® Magic Quadrant™ में पहचान सत्यापन के लिए लगातार तीन वर्षों तक एक लीडर के रूप में। आपका क्या मानना है कि यह निरंतरता कंपनी के विकास के बारे में क्या कहती है, और कौन सी क्षमताएँ इस स्थिति को बनाए रखने में सबसे महत्वपूर्ण थीं जब खतरे का परिदृश्य बदल गया?

कोई भी एक अच्छा वर्ष रख सकता है। लगातार तीन वर्ष निरंतरता को दर्शाते हैं, और निरंतरता वही है जो उद्यम खरीदते हैं। ये तीन वर्ष पूरी जनरेटिव AI धोखाधड़ी लहर को कवर करते हैं, और वह चीज़ जिसने हमें इस दौरान उद्योग के नेता के रूप में अपनी स्थिति बनाए रखने में मदद की, वह है कि हम अपनी पूरी तकनीकी स्टैक के मालिक हैं। जब कोई नया हमले का वर्ग या वेक्टर प्रकट होता है, तो हम अपने मॉडल को दिनों में पुनः प्रशिक्षित कर लेते हैं, बजाय किसी और के उत्पाद रोडमैप या अपडेट का इंतजार करने के। अन्य स्थिर तत्व हमारे सीधे प्राधिकरण पहचान स्रोतों से कनेक्शन और रूपांतरण को धोखाधड़ी जितना ही गंभीरता से लेने का अनुशासन है, क्योंकि उद्यमों को दोनों की आवश्यकता होती है।

Incode एक नई पीढ़ी के स्वायत्त धोखाधड़ी हमलों का वर्णन करता है जिसमें AI एजेंट सिंथेटिक दस्तावेज़ बना सकते हैं, लक्षित डीपफेक उत्पन्न कर सकते हैं, उन्हें सत्यापन प्रणालियों के खिलाफ परीक्षण कर सकते हैं, और प्रत्येक अस्वीकृति के बाद अनुकूलित हो सकते हैं। हम इन पूरी तरह से स्वचालित हमले कार्यप्रवाहों को बड़े पैमाने पर काम करते देखे जाने के कितने करीब हैं?

बड़े पैमाने पर धोखाधड़ी हमेशा बड़े पैमाने पर लोगों की आवश्यकता रखती थी। बाधा मानव थी, और AI ने इसे बस हटा दिया है। हमने साक्ष्य की तलाश की और जो मिला वह प्रकाशित किया: संयुक्त राज्य में सार्वजनिक रूप से रिपोर्ट किए गए, स्वतंत्र रूप से स्रोतित AI‑सक्षम धोखाधड़ी घटनाएँ, जिनमें से बड़ी संख्या अदालत के दस्तावेज़ों या नियामक कार्रवाई में पुष्टि हुई। जब हमने स्कोर किया कि प्रत्येक योजना का कितना हिस्सा एक स्वायत्त एजेंट अपने आप चला सकता है, तो लगभग सभी अंत‑से‑अंत चल सकते थे, और कोई भी प्रतिरक्षित नहीं था। पुराना मॉडल इस बात से सीमित था कि आप कितने कुशल लोगों को भर्ती कर सकते थे। नया मॉडल केवल कंप्यूट शक्ति से सीमित है।

Incode कहता है कि वह लगातार अपने स्वयं के रक्षा प्रणाली के खिलाफ एक एजेंटिक हमलावर चलाता है। यह प्रतिद्वंद्वी परीक्षण प्रक्रिया कैसे काम करती है, और एक AI हमलावर क्या खोज सकता है जो पारंपरिक पेनिट्रेशन टेस्टिंग या स्थैतिक धोखाधड़ी बेंचमार्क्स से चूक सकता है? 

विचार सरल है: इन हमलों के खिलाफ रक्षा बनाने का एकमात्र तरीका यह है कि हम पहले खुद पर ही इन हमलों को चलाएँ। इसलिए हम एक ऐसे हमलावर को संचालित करते हैं जो बिल्कुल अपराधियों की तरह काम करता है। यह डीपफेक, सिंथेटिक दस्तावेज़ और इंजेक्शन प्रयास उत्पन्न करता है, उन्हें हमारी अपनी लाइव रक्षा प्रणाली में जमा करता है, प्रत्येक अस्वीकृति से सीखता है, और बेहतर संस्करण के साथ वापस आता है। एक पारंपरिक पेनिट्रेशन टेस्ट ज्ञात हमलों की सूची को एक बार जांचता है और समाप्त हो जाता है। एक अनुकूलनशील हमलावर नई तकनीकों को लगातार बनाता रहता है, इसलिए वह कमजोर बिंदु और वह हमला जो अभी तक मौजूद नहीं है, अपराधी से पहले खोज लेता है।

जैसे-जैसे जनरेटिव मॉडल सिंथेटिक दस्तावेज़ और बायोमेट्रिक मीडिया को अधिक विश्वसनीय बनाते हैं, कौन से संकेत अभी भी हमलावरों के लिए विश्वसनीय रूप से बनाना सबसे कठिन रहता है?

यदि आप केवल पिक्सेल देखते हैं तो यह हारने वाला खेल है, क्योंकि जनरेटिव मॉडल हर महीने बेहतर होते जा रहे हैं। जो चीज़ें हमलावर अभी भी विश्वसनीय रूप से बना नहीं सकते, वह छवि के बाहर की सभी चीज़ें हैं: डिवाइस की अखंडता और वह कैप्चर पाथ जिससे मीडिया गुजरता है, सत्रों के बीच लगातार रहने वाला व्यवहार, और वह रिकॉर्ड जो स्रोत द्वारा जारी पहचान को रखता है। यही सिद्धांत Deepsight, हमारी डीपफेक पहचान तकनीक के पीछे है। यह केवल छवि का मूल्यांकन नहीं करता: यह मीडिया, हार्डवेयर, सॉफ़्टवेयर पाथ और उपयोगकर्ता व्यवहार को एक ही वास्तविक‑समय निर्णय में विश्लेषित करता है, और यह पहचान सकता है कि कौन सा जनरेटिव मॉडल नकली बनाता है। Purdue University ने इसे 24 अन्य सरकारी, शैक्षणिक और व्यावसायिक प्रणालियों के खिलाफ स्वतंत्र रूप से परीक्षण किया और इसे सबसे सटीक साबित किया।

Incode पहचान को उपयोगकर्ता द्वारा प्रस्तुत दस्तावेज़ पर केवल निर्भर रहने के बजाय अधिकारिक सरकारी रिकॉर्ड के विरुद्ध सत्यापित करने पर ज़ोर देता है। यह पहचान सत्यापन की सटीकता को कैसे बदलता है, और विभिन्न देशों में इस दृष्टिकोण को लागू करते समय कौन सी तकनीकी या नियामक चुनौतियाँ उत्पन्न होती हैं?

एक दस्तावेज़ आपको बताता है कि क्या प्रस्तुत किया गया था। अधिकारिक रिकॉर्ड आपको बताता है कि क्या सत्य है। प्रत्येक जांच जो यह तय करती है कि कोई वस्तु प्रामाणिक दिखती है, जनरेटिव AI के सुधार के साथ अपनी प्रभावशीलता खोती जा रही है, लेकिन सरकारी रिकॉर्ड नहीं खोता, क्योंकि यह वह वास्तविक सत्य है जिसे धोखेबाज़ नियंत्रित नहीं कर सकता। चुनौतियाँ वास्तविक हैं: प्रत्येक देश के अलग‑अलग अधिकारिक स्रोत, अलग‑अलग पहुँच नियम और अलग‑अलग गोपनीयता कानून होते हैं, इसलिए हम बाजार‑दर‑बाजार सीधे कनेक्शन बनाते हैं और सब कुछ प्राइवेसी बाय डिज़ाइन के तहत प्रक्रिया करते हैं।

पहचान सत्यापन प्रणालियों को जटिल धोखाधड़ी को रोकना चाहिए बिना वैध उपयोगकर्ताओं के लिए अनावश्यक बाधा पैदा किए। आप सुरक्षा, गलत अस्वीकृति, ऑनबोर्डिंग गति और रूपांतरण के बीच संतुलन का कैसे मूल्यांकन करते हैं?

हर पहचान प्रदाता इन चार पहलुओं के बीच लीवर खींच रहा है। असली सवाल यह है कि आपके पास कौन‑से लीवर हैं। उद्योग का अधिकांश हिस्सा ऐसी तकनीक लागू करता है जिसे उसने किसी और से लाइसेंस किया है, इसलिए जब धोखाधड़ी में उछाल आता है तो वे मॉडल के अंदर नहीं देख सकते या उसे पुनः प्रशिक्षित नहीं कर सकते, और बचा एकमात्र लीवर बाधा है: अधिक कदम, अधिक मैन्युअल समीक्षा, अधिक वैध उपयोगकर्ताओं का अस्वीकृत होना। हमने इसके विपरीत विकल्प चुना और सभी AI मॉडल स्वयं विकसित किए—लाइवनेस, डीपफेक डिटेक्शन, दस्तावेज़ सत्यापन, सब कुछ—इसलिए हमारा लीवर सटीकता है। हम कुछ ही दिनों में पुनः प्रशिक्षण करते हैं, मॉडल के भीतर धोखाधड़ी को नीचे धकेलते हैं, और उपयोगकर्ता अनुभव को जैसा का तैसा रखते हैं। इसलिए हर वैध उपयोगकर्ता को पास करना और हर हमले को रोकना हमारे लिए एक ही काम है, न कि कोई समझौता।

Incode का ट्रस्ट नेटवर्क दोहराए जाने वाले धोखाधड़ी की पहचान करने और संगठनों के बीच भरोसेमंद इतिहास को बिना कच्चे व्यक्तिगत डेटा को एकत्र किए पहचानने के लिए डिज़ाइन किया गया है। कौन‑सी तकनीकें इस प्रकार की गोपनीयता‑संरक्षित बुद्धिमत्ता साझा करने को संभव बनाती हैं?

क्रिप्टोग्राफी सक्षम करने वाला तत्व है, लेकिन अवधारणा ही मुख्य है: बिना उजागर किए सहयोग। नेटवर्क में मौजूद संगठन यह जान सकते हैं कि कोई पहचान संकेत कहीं और धोखाधड़ी से जुड़ा है या नहीं, बिना किसी पार्टी को दूसरे का डेटा देखे, इसलिए कोई संयुक्त डेटाबेस नहीं, कोई भेद्य बिंदु नहीं, और कोई डेटा ब्रोकर नहीं है। इसी कारण हमने Identiq को अधिग्रहित किया, जिसकी टीम ने वर्षों तक इस प्रकार की गोपनीयता‑वृद्धि क्रिप्टोग्राफिक तकनीक बनाई, और इसी कारण हम इस वर्ष गोपनीयता‑संरक्षित पहचान बुनियादी ढाँचे में 100 मिलियन डॉलर से अधिक निवेश कर रहे हैं। नेटवर्क प्रत्येक सत्यापन के साथ अधिक स्मार्ट होता जाता है जबकि प्रत्येक व्यक्ति का डेटा सील्ड रहता है, 7 बिलियन से अधिक ट्रस्ट चेक और 400 मिलियन प्रोफ़ाइल की पैमाने पर। हमने हमेशा माना है कि गोपनीयता और धोखाधड़ी रोकथाम कोई समझौता नहीं हैं। वे एक ही समस्या हैं, जिसे साथ‑साथ हल किया जाए या बिल्कुल न किया जाए।

जैसे AI एजेंट खरीदारी करना, खातों तक पहुंचना, समझौते पर हस्ताक्षर करना और लोगों की ओर से संवाद करना शुरू करते हैं, संगठनों को न केवल एजेंट को बल्कि उसके मालिक, अनुमतियों और किसी विशिष्ट क्रिया को करने के अधिकार को कैसे सत्यापित करना चाहिए?

स्वामित्व से शुरू करें, क्योंकि एजेंट का अधिकार कुछ भी नहीं है यदि वह सत्यापित मानव तक नहीं पहुँचता। यही कारण है कि हमने Agentic Identity बनाई: हम स्वामी को उच्च-आश्वासन पहचान प्रमाणन और डीपफ़ेक‑प्रतिरोधी जीवंतता के साथ सत्यापित करते हैं, एजेंट को एक सुरक्षित टोकन जारी करते हैं जो हर कार्रवाई को उस उत्तरदायी व्यक्ति से जोड़ता है, और उसकी अनुमति सीमा को सत्यापित करते हैं ताकि एक कार्य के लिए अधिकृत एजेंट चुपचाप अन्य कार्यों में न बदल सके। फिर हम निरंतर निगरानी करते हैं, क्योंकि एजेंट का व्यवहार किसी भी त्रैमासिक एक्सेस समीक्षा से तेज़ी से बदलता है। यह वही बायोमेट्रिक्स, वही धोखाधड़ी इंटेलिजेंस, वही नेटवर्क है जो हम मनुष्यों के लिए उपयोग करते हैं, अब उन प्रणालियों तक विस्तारित है जो उनके behalf पर कार्य करती हैं।

आगे देखते हुए, क्या पहचान सत्यापन ऑनबोर्डिंग के दौरान एक अलग चेकपॉइंट बना रहेगा, या यह लोगों, व्यवसायों और स्वायत्त AI एजेंटों के बीच प्रत्येक डिजिटल इंटरैक्शन में निरंतर भरोसे का स्तर बन जाएगा?

पहले कुछ समय के लिए दोनों रहेगा, और फिर निरंतरता जीत जाएगी। ऑनबोर्डिंग वह एंकर बना रहेगा जहाँ पहचान सबसे उच्च आश्वासन के साथ स्थापित की जाती है, लेकिन भरोसा एक क्षणिक घटना नहीं रह सकता जब हमले सत्रों के बीच अनुकूलित होते हैं और एजेंट 24 घंटे लेन‑देन करते हैं। लक्ष्य एक स्थायी भरोसे का स्तर है: वास्तविक जोखिम के क्षणों पर पुनः‑सत्यापन, निरंतर रूप से जुड़े व्यवहारिक और नेटवर्क संकेत, और वही उत्तरदायित्व AI एजेंटों पर विस्तारित जो लोगों के behalf पर कार्य करते हैं। पहचान अब एक चेकपॉइंट नहीं रहकर बुनियादी ढांचा बन जाएगी, और हम उस दुनिया के लिए निर्माण कर रहे हैं।

उत्कृष्ट साक्षात्कार के लिए धन्यवाद, जो पाठक अधिक जानना चाहते हैं उन्हें Incode पर जाना चाहिए।