Ricardo Amper, CEO dan Pendiri Incode – Seri Wawancara

Ricardo Amper, CEO dan Pendiri Incode, adalah seorang wirausahawan serial dan eksekutif teknologi dengan lebih dari dua dekade pengalaman membangun dan mengembangkan perusahaan di bidang teknologi, produk konsumen, dan sektor industri. Ia mendirikan Incode pada tahun 2015 dengan visi mengubah cara orang memverifikasi dan mengautentikasi identitas mereka di dunia digital. Sebelumnya, Amper menjabat sebagai CEO Grupo Amco, bisnis bahan kimia aroma dan minyak esensial terkemuka di Amerika Latin, di mana ia mengembangkan OneView, sebuah platform data prediktif berbasis pembelajaran mesin, sebelum perusahaan tersebut diakuisisi oleh Brenntag Group. Ia juga ikut mendirikan dan memimpin Amco Foods, yang diakuisisi oleh Grupo Bimbo, dan sebelumnya mendirikan La Burbuja Networks. Kariernya menggabungkan kewirausahaan, kecerdasan buatan, sistem berbasis data, serta pengalaman sukses membangun perusahaan melalui akuisisi.

Incode adalah platform identitas berbasis AI yang dirancang untuk membantu organisasi membangun kepercayaan dalam interaksi dengan individu, bisnis, dan semakin banyak agen AI. Teknologinya menggabungkan verifikasi dokumen, otentikasi biometrik, pengenalan wajah, deteksi keberlangsungan hidup, deteksi deepfake, dan pemeriksaan langsung terhadap sistem catatan pemerintah, sambil mendukung area seperti Know Your Customer (KYC), kepatuhan Anti-Money Laundering (AML), Know Your Business (KYB), jaminan usia, verifikasi tenaga kerja, dan pencegahan pengambilalihan akun. Incode mengembangkan teknologi AI-nya secara internal dan telah memperluas platformnya untuk menghadapi ancaman baru seperti identitas sintetis dan penipuan yang didukung AI generatif, serta alat Identitas Agen untuk memverifikasi pemilik agen AI dan melacak tindakan mereka.

Anda mendirikan Incode pada tahun 2015 setelah membangun perusahaan di industri yang sangat berbeda, dan Anda berpendapat bahwa mendekati masalah dengan pola pikir prinsip pertama yang segar dapat lebih berharga daripada mengandalkan asumsi industri yang diwariskan. Apa yang Anda lihat dalam verifikasi identitas yang tidak dimiliki penyedia mapan, dan bagaimana wawasan awal itu membentuk pengembangan Incode?

Sebelum 2015, industri memperlakukan identitas sebagai masalah kepatuhan dan pemikiran setelahnya: memindai dokumen, meminta seseorang di back office meninjaunya, mencentang kotak. Saya masuk tanpa inferensi itu dan melihat masalah AI dengan pendekatan industri terhadap identitas.

Jadi saya membuat tiga keputusan pada hari pertama yang tidak dibuat oleh orang lain:

AI melakukan verifikasi alih-alih manusia yang melihat data Anda, kami mengembangkan setiap lapisan teknologi sendiri alih-alih merakit komponen milik orang lain, dan privasi adalah arsitektur, bukan kebijakan. Sepuluh tahun kemudian, AI generatif menjadikan keputusan‑keputusan itu satu‑satunya yang bertahan.

Pilihan itu membentuk perusahaan yang kami menjadi.

1. Kami adalah pembangun pertama: bahkan hari ini, proporsi orang kami yang bekerja di bidang teknik dan produk lebih besar dibandingkan perusahaan perangkat lunak B2B pada umumnya, dan itulah yang membuat kami cukup lincah untuk beradaptasi secepat ancaman.
2. Kami juga secara sengaja memulai di salah satu lingkungan penipuan paling sulit di dunia, Amerika Latin, dan secara luas menyelesaikannya untuk beberapa bank dan perusahaan terbesar di wilayah tersebut. Ketika teknologi Anda bertahan di sana, pasar di mana penipuan nyata tetapi kurang tak terhentikan menjadi uji coba yang jauh lebih mudah.

Kami tidak pernah tertarik memperbaiki masalah atau membuat perusahaan sekadar patuh untuk hari ini. Kami menikmati versi sulit dari masalah ini: memverifikasi orang nyata dengan gesekan serendah mungkin dan privasi sekuat mungkin, serta melakukannya untuk masa depan yang terus berubah.

Incode kini telah dinobatkan sebagai Pemimpin dalam Gartner® Magic Quadrant™ untuk Verifikasi Identitas selama tiga tahun berturut‑turut. Menurut Anda, apa yang konsistensi ini ungkapkan tentang evolusi perusahaan, dan kemampuan apa yang paling penting untuk mempertahankan posisi tersebut saat lanskap ancaman berubah?

Siapa pun dapat memiliki tahun yang baik. Tiga tahun berturut‑turut mencerminkan konsistensi, dan konsistensi adalah apa yang dibeli oleh perusahaan. Ketiga tahun itu mencakup seluruh gelombang penipuan AI generatif, dan hal yang membantu kami mempertahankan status sebagai pemimpin industri adalah kepemilikan penuh atas tumpukan teknologi kami. Ketika kelas atau vektor serangan baru muncul, kami melatih ulang model kami dalam hitungan hari alih‑alih menunggu roadmap produk atau pembaruan pihak lain. Konstanta lainnya adalah koneksi langsung kami ke sumber identitas otoritatif dan disiplin memperlakukan konversi dengan serius seperti penipuan, karena perusahaan membutuhkan keduanya.

Incode menggambarkan generasi baru serangan penipuan otonom di mana agen AI dapat menghasilkan dokumen sintetis, membuat deepfake yang ditargetkan, mengujinya terhadap sistem verifikasi, dan beradaptasi setelah setiap penolakan. Seberapa dekat kita dengan melihat alur kerja serangan yang sepenuhnya otomatis ini beroperasi pada skala besar?

Penipuan dalam skala besar selalu memerlukan orang dalam skala besar. Kendala utamanya adalah manusia, dan AI baru saja menghilangkannya. Kami mencari bukti dan mempublikasikan temuan kami: insiden penipuan yang didukung AI di Amerika Serikat yang dilaporkan secara publik dan bersumber independen, sebagian besar dikonfirmasi dalam dokumen pengadilan atau tindakan regulator. Ketika kami menilai seberapa banyak masing‑masing skema yang dapat dijalankan oleh agen otonom secara mandiri, hampir semua dapat dijalankan end‑to‑end, dan tidak ada yang kebal. Model lama dibatasi oleh berapa banyak tenaga ahli yang dapat Anda rekrut. Model baru hanya dibatasi oleh daya komputasi.

Incode mengatakan bahwa ia terus‑menerus menjalankan penyerang agen melawan pertahanan miliknya sendiri. Bagaimana proses pengujian adversarial ini bekerja, dan apa yang dapat diungkap oleh penyerang AI yang tidak dapat ditemukan oleh pengujian penetrasi konvensional atau tolok ukur penipuan statis? 

Idenya sederhana: satu‑satunya cara membangun pertahanan terhadap serangan ini adalah dengan terlebih dahulu menjalankan serangan tersebut terhadap diri kami sendiri. Jadi kami mengoperasikan penyerang yang berfungsi persis seperti penyerang kriminal. Penyerang ini menghasilkan deepfake, dokumen sintetis, dan upaya injeksi, mengirimkannya ke pertahanan live kami sendiri, belajar dari setiap penolakan, dan kembali dengan varian yang lebih baik. Pengujian penetrasi konvensional memeriksa daftar serangan yang diketahui satu kali lalu selesai. Penyerang adaptif tidak pernah berhenti menciptakan yang baru, sehingga ia menemukan titik lemah, bahkan serangan yang belum ada, sebelum penjahat melakukannya.

Seiring model generatif membuat dokumen sintetis dan media biometrik semakin meyakinkan, sinyal mana yang tetap paling sulit bagi penyerang untuk diproduksi secara andal?

Piksel saja adalah permainan yang kalah jika itu satu‑satunya yang Anda perhatikan, karena model generatif terus meningkat setiap bulan. Apa yang masih tidak dapat diproduksi secara andal oleh penyerang adalah segala sesuatu di luar gambar: integritas perangkat dan jalur penangkapan media yang dilalui, perilaku yang tetap konsisten antar sesi, serta catatan yang dimiliki oleh sumber yang mengeluarkan identitas. Itulah prinsip di balik Deepsight, teknologi deteksi deepfake kami. Ia tidak pernah menilai gambar saja: ia menganalisis media, perangkat keras, jalur perangkat lunak, dan perilaku pengguna dalam satu keputusan real‑time, serta dapat mengidentifikasi model generatif mana yang menghasilkan palsu. Purdue University secara independen mengujinya melawan 24 sistem pemerintah, akademik, dan komersial lainnya dan memvalidasinya sebagai yang paling akurat.

Incode menekankan verifikasi identitas terhadap catatan pemerintah yang berwenang daripada hanya mengandalkan dokumen yang diserahkan pengguna. Bagaimana hal ini mengubah akurasi verifikasi identitas, dan tantangan teknis atau regulasi apa yang muncul saat menerapkan pendekatan ini di berbagai negara?

Dokumen memberi tahu apa yang disajikan. Catatan berwenang memberi tahu apa yang sebenarnya benar. Setiap pemeriksaan yang menilai apakah sebuah artefak tampak otentik semakin kehilangan efektivitas seiring AI generatif berkembang, tetapi catatan pemerintah tidak, karena itu merupakan kebenaran dasar yang tidak dapat dikendalikan oleh penipu. Tantangannya nyata: setiap negara memiliki sumber otoritatif yang berbeda, aturan akses yang berbeda, dan undang‑undang privasi yang berbeda, sehingga kami membangun koneksi langsung pasar per pasar dan memproses semuanya dengan prinsip privasi sejak desain.

Sistem verifikasi identitas harus menghentikan penipuan canggih tanpa menimbulkan gesekan yang tidak perlu bagi pengguna sah. Bagaimana Anda mengevaluasi trade‑off antara keamanan, penolakan palsu, kecepatan onboarding, dan konversi?

Setiap penyedia identitas menarik tuas di antara keempat hal tersebut. Pertanyaan sebenarnya adalah tuas mana yang Anda kendalikan. Sebagian besar industri mengimplementasikan teknologi yang mereka lisensikan dari pihak lain, sehingga ketika penipuan meningkat mereka tidak dapat melihat ke dalam model atau melatih ulang, dan satu‑satunya tuas yang tersisa adalah gesekan: lebih banyak langkah, lebih banyak tinjauan manual, lebih banyak pengguna baik yang ditolak. Kami mengambil pilihan sebaliknya dan mengembangkan setiap model AI sendiri—liveness, deteksi deepfake, verifikasi dokumen, semuanya—sehingga tuas kami adalah akurasi. Kami melatih ulang dalam hitungan hari, menurunkan penipuan ke dalam model, dan membiarkan pengalaman pengguna tetap tidak terganggu. Itulah mengapa membiarkan setiap pengguna baik lewat dan menghentikan setiap serangan bukanlah kompromi bagi kami, melainkan satu pekerjaan tunggal.

Jaringan kepercayaan Incode dirancang untuk mengidentifikasi penipuan berulang dan mengenali riwayat tepercaya antar organisasi tanpa mengumpulkan data pribadi mentah. Teknologi apa yang memungkinkan berbagi intelijen yang melindungi privasi seperti itu?

Kriptografi adalah penggeraknya, tetapi konsepnya adalah intinya: kolaborasi tanpa eksposur. Organisasi dalam jaringan dapat mengetahui apakah sinyal identitas telah dikaitkan dengan penipuan di tempat lain tanpa ada pihak yang pernah melihat data pihak lain, sehingga tidak ada basis data terpusat, tidak ada yang dapat dibobol, dan tidak ada perantara data. Inilah mengapa kami mengakuisisi Identiq, timnya menghabiskan bertahun‑tahun membangun teknologi kriptografi yang meningkatkan privasi ini, dan mengapa kami mengalokasikan lebih dari 100 juta dolar tahun ini untuk infrastruktur identitas yang melindungi privasi. Jaringan menjadi lebih cerdas dengan setiap verifikasi sementara data tiap individu tetap tertutup, pada skala lebih dari 7 miliar pemeriksaan kepercayaan dan 400 juta profil. Kami selalu percaya bahwa privasi dan pencegahan penipuan bukanlah pertukaran; keduanya adalah masalah yang sama, yang harus diselesaikan bersama atau tidak sama sekali.

Ketika agen AI mulai melakukan pembelian, mengakses akun, menandatangani perjanjian, dan berkomunikasi atas nama orang, bagaimana organisasi harus memverifikasi tidak hanya agen itu sendiri, tetapi juga pemiliknya, izin, dan wewenang untuk melakukan tindakan tertentu?

Mulailah dengan pemilik, karena wewenang agen tidak berarti apa‑apa jika tidak dapat ditelusuri kembali ke manusia yang terverifikasi. Itulah tepatnya tujuan pembuatan Agentic Identity: kami memverifikasi pemilik dengan bukti identitas berjaminan tinggi dan liveness yang tahan deepfake, mengeluarkan token aman kepada agen yang mengaitkan setiap tindakan kembali ke orang yang bertanggung jawab, serta memverifikasi ruang lingkup izin sehingga agen yang diberi wewenang untuk satu tugas tidak dapat diam‑diam meluas ke tugas lain. Selanjutnya kami memantau secara terus‑menerus, karena agen mengubah perilaku lebih cepat daripada tinjauan akses kuartalan mana pun. Ini adalah biometrik yang sama, intelijen penipuan yang sama, jaringan yang sama yang kami gunakan untuk manusia, diperluas ke sistem yang bertindak atas nama mereka.

Ke depan, apakah verifikasi identitas akan tetap menjadi titik pemeriksaan terpisah selama proses onboarding, atau akan menjadi lapisan kepercayaan berkelanjutan yang beroperasi sepanjang setiap interaksi digital antara orang, bisnis, dan agen AI otonom?

Keduanya untuk sementara, lalu berkelanjutan akan menang. Onboarding tetap menjadi jangkar di mana identitas dibangun dengan jaminan tertinggi, tetapi kepercayaan tidak dapat tetap menjadi momen tunggal ketika serangan beradaptasi lintas sesi dan agen bertransaksi sepanjang waktu. Tujuannya adalah lapisan kepercayaan yang persisten: verifikasi ulang pada saat risiko nyata muncul, sinyal perilaku dan jaringan yang dikorelasikan secara terus‑menerus, serta akuntabilitas yang sama diperluas ke agen AI yang bertindak atas nama orang. Identitas berhenti menjadi titik pemeriksaan dan menjadi infrastruktur, dan kami sedang membangun untuk dunia itu.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin belajar lebih lanjut dapat mengunjungi Incode.