Sri Iyer, CTO dan Co-pendiri Kovr.ai – Seri Wawancara

Sri Iyer, CTO dan Co-pendiri Kovr.ai, adalah seorang pemimpin teknologi yang berpengalaman dengan pengalaman luas dalam mengembangkan inovasi di bidang kecerdasan buatan, analitik data, komputasi kuantum, dan otomatisasi. Sebelum mendirikan Kovr.ai, ia memegang posisi senior di Amazon (AMZN ), Guidehouse, PwC, dan Raytheon, di mana ia memimpin tim yang mengembangkan solusi generasi berikutnya di sektor publik dan swasta. Dengan lebih dari satu dekade pengalaman di teknologi yang muncul dan berbagai sertifikasi industri, Iyer telah membangun reputasi untuk membantu organisasi memanfaatkan alat yang mengganggu untuk memecahkan tantangan bisnis dan keamanan yang kompleks.

Kovr.ai sedang mendefinisikan ulang kepatuhan siber melalui platform asli AI yang dirancang untuk lingkungan awan dan hibrid. Perusahaan ini mengotomatisasi kerangka kerja regulasi yang kompleks seperti FedRAMP dan CMMC menggunakan kecerdasan yang didorong oleh kode secara real-time, memungkinkan perusahaan untuk mencapai otorisasi untuk beroperasi (ATO) dalam waktu hanya 15 menit. Dengan menggantikan konsultasi manual tradisional dan alat kepatuhan yang kaku, Kovr.ai menyediakan pendekatan yang dapat diskalakan dan adaptif untuk manajemen risiko—memungkinkan organisasi yang sangat diatur untuk tetap aman, patuh, dan siap untuk perubahan terus-menerus.

Sebelum Anda menjadi co-pendiri Kovr.ai, Anda memegang posisi kepemimpinan di AWS, PwC, dan berbagai startup yang berfokus pada pemerintah federal. Apa pengalaman pribadi atau profesional yang membuat Anda menyadari bahwa ada cara yang lebih baik untuk menangani kepatuhan IT federal—dan akhirnya menginspirasi Anda untuk meluncurkan Kovr.ai?

Saya telah mengalami tantangan kepatuhan IT federal dari kedua sisi – pertama sebagai pemilik sistem yang membangun platform skala besar untuk Departemen Pertahanan, dan kemudian saat memimpin inisiatif awan dan AI di AWS. Dalam satu kasus, sistem yang saya bantu bangun membutuhkan waktu bertahun-tahun untuk dikembangkan, hanya untuk ditunda dalam kepatuhan selama lebih lama. Kefrustrasi itu merupakan titik balik.

Di AWS, saya memimpin tim yang mendukung layanan yang melalui proses kepatuhan seperti FedRAMP. Meskipun Amazon memiliki sumber daya yang luas, mendapatkan otorisasi layanan di wilayah baru masih dapat memakan waktu hingga tiga tahun. Bahkan dengan skala tersebut, solusi internal terbaik pada dasarnya adalah spreadsheet yang ditingkatkan – alat seperti Quip atau Google Docs – untuk melacak dan mengelola proses. Inefisiensi itu luar biasa, dan saya menyaksikan langsung bahwa sebagian besar lembaga menghadapi masalah yang sama.

Selama bertahun-tahun, saya percaya bahwa harus ada cara yang lebih baik, tetapi kompleksitas pemetaan ribuan kontrol di seluruh kode dan dokumen membuat otomatisasi yang sebenarnya terasa tidak terjangkau. Itu berubah ketika saya memimpin tim arsitektur solusi AI/ML di AWS. Menonton bagaimana AI generatif dapat mengubah alur kerja manual sangat membuka mata. Tiba-tiba, apa yang tampak mustahil – mengurangi beban kerja kepatuhan bukan hanya menggesernya ke dalam alat yang berbeda – terlihat dapat dilakukan.

Setelah beberapa eksperimen dan R&D, saya dan co-pendiri saya sekarang menyadari bahwa kita dapat membangun platform yang tidak hanya melacak kepatuhan tetapi juga secara signifikan mempercepatnya. Wawasan itu merupakan genesis dari Kovr.ai, sebuah cara untuk menggunakan AI untuk mengurangi, bukan hanya mengelola, beban kepatuhan IT federal.

Banyak perusahaan rintisan teknologi yang bergelut dengan kompleksitas, biaya, dan kecepatan persyaratan kepatuhan federal. Apa hambatan terbesar yang Anda temui di awal—dan bagaimana Kovr.ai berhasil menavigasi atau mengatasi tantangan tersebut untuk membangun solusi yang layak?

Kovr.ai menghadapi beberapa hambatan besar di awal dalam menangani kepatuhan federal untuk perusahaan rintisan teknologi, termasuk:

• Kompleksitas dan Proses Manual: Perusahaan rintisan sering menemukan kepatuhan federal yang luar biasa karena jumlah kontrol yang besar (misalnya, NIST 800-53 memiliki lebih dari 1200 kontrol) dan proses manual yang didorong oleh spreadsheet yang biasa digunakan. Ini membuat kepatuhan lambat, rentan terhadap kesalahan, dan memakan sumber daya.
• Umpan Balik yang Lambat dan Iterasi: Proses kepatuhan tradisional memerlukan siklus panjang bolak-balik antara tim dan konsultan, menunda kemajuan dan membuat perusahaan rintisan sulit untuk mengetahui posisi mereka atau apa yang perlu diperbaiki selanjutnya.
• Biaya Tinggi dan Beban Sumber Daya: Perusahaan rintisan, dengan waktu dan uang yang terbatas, bergelut untuk memprioritaskan kepatuhan atas jadwal produk inti mereka, sering menunda pekerjaan pemerintah selama bertahun-tahun.

Kami mengatasi hambatan ini dengan menggunakan otomatisasi, input yang fleksibel, iterasi yang cepat, dan integrasi alur kerja yang dalam untuk membuat kepatuhan lebih mudah diakses bagi perusahaan rintisan. Platform secara otomatis memindai dokumen, kode, dan lingkungan awan untuk memetakan mereka ke kontrol kepatuhan dan menyediakan penilaian celah instan. Ini mendukung artefak dalam format apa pun, mengurangi hambatan untuk memulai, dan menekankan umpan balik pengguna yang cepat untuk memastikan relevansi dunia nyata. Dengan memasukkan pemeriksaan kepatuhan ke dalam pipa pengembangan, Kovr.ai membantu tim mengintegrasikan kepatuhan dengan lancar tanpa gangguan besar.

Bagaimana pergeseran menuju format kepatuhan yang dapat dibaca mesin seperti OSCAL [Bahasa Pengujian Keamanan Terbuka] telah mengubah cara vendor dan lembaga mendekati keamanan?

OSCAL memiliki potensi untuk membuat kepatuhan lebih otomatis dan efisien, tetapi dampaknya saat ini terbatas oleh kecepatan adopsi di antara vendor dan lembaga. Seiring lebih banyak pihak menggunakan OSCAL, manfaat dari otomatisasi dan standardisasi dalam proses kepatuhan diharapkan akan tumbuh. Kovr.ai dibangun secara asli pada OSCAL, memungkinkannya untuk mengirim dan memproses informasi kepatuhan dalam format ini, tetapi manfaat yang lebih luas hanya akan terwujud ketika lebih banyak pemangku kepentingan mengadopsi alur kerja berbasis OSCAL.

Anda menjelaskan Kovr.ai sebagai “copilot kepatuhan.” Jelaskan apa yang terjadi di balik layar—dari dokumentasi hingga kesiapan audit. Apa yang terjadi di balik layar yang membuat proses ini lebih cepat atau lebih mudah?

Di balik layar, Kovr.ai menggunakan AI dan otomatisasi untuk menghilangkan pekerjaan manual, menyediakan umpan balik instan, dan menjaga dokumentasi kepatuhan tetap mutakhir, membuat proses keseluruhan, dari dokumentasi hingga kesiapan audit, jauh lebih cepat dan lebih mudah bagi pengguna.

Pengguna dapat membawa artefak kepatuhan yang sudah mereka miliki, dalam format apa pun—dokumen, kode, data lingkungan awan, diagram arsitektur, dll. Dari sana, Kovr.ai secara otomatis memindai setiap baris dari setiap dokumen, kode, dan lingkungan, dan kemudian memetakan semua informasi ini ke kontrol keamanan yang relevan, seperti yang ada di NIST 800-53. Ini dilakukan menggunakan model AI yang membangun grafik pengetahuan komprehensif tentang lanskap kepatuhan pengguna.

Kemudian sistem kami mengevaluasi setiap kontrol, mengidentifikasi celah, dan menghasilkan rekomendasi tindakan untuk perbaikan. Pengguna dapat mengatasi celah-celah ini dengan memperbarui lingkungan atau dokumentasi mereka dan mengunggah kembali ke Kovr.ai, yang kemudian menyediakan umpan balik instan tentang apakah masalah-masalah tersebut telah diselesaikan. Kabar baiknya adalah bahwa proses ini dapat diulangi sebanyak yang diperlukan, memungkinkan pengguna untuk meningkatkan posisi kepatuhan mereka secara iteratif dengan umpan balik yang cepat dan otomatis, sehingga menghilangkan keterlambatan tradisional antara tim dan konsultan.

Kovr.ai juga dapat menghasilkan semua dokumentasi kepatuhan yang diperlukan, termasuk template pemerintah, seperti SSP FedRAMP, menggunakan informasi dalam grafik pengetahuan.

Terakhir, platform menjaga semua informasi kepatuhan tetap mutakhir dan dapat mengemasnya untuk auditor. Semakin banyak, auditor bahkan dapat mengakses Kovr.ai secara langsung untuk meninjau dan menanyakan data kepatuhan, mempermudah proses audit.

Perusahaan rintisan sering menghadapi dilema sulit: bergerak cepat dan menghancurkan hal-hal, atau melambatkan untuk memenuhi kepatuhan. Bagaimana Anda mendekati dilema ini saat membangun Kovr.ai—dan apa saran yang akan Anda berikan kepada inovator lain yang mencoba memasuki pasar yang diatur?

Kovr.ai dibangun dengan kepatuhan dan keamanan dalam pikiran dari awal, mengintegrasikan fitur seperti sistem yang terisolasi, autentikasi yang kuat, dan enkripsi untuk mendukung lingkungan yang diatur. Kami juga mengintegrasikan pemeriksaan kepatuhan otomatis langsung ke dalam pipa DevOps, memungkinkan deteksi masalah awal dan menghindari tinjauan panjang. Kami fokus pada prototipe yang cepat dan integrasi berdasarkan umpan balik pengguna, memastikan produk memenuhi kebutuhan pengguna sambil tetap patuh. Otomatisasi lebih lanjut mengurangi beban manual, memungkinkan pengembangan yang cepat dan aman dalam skala.

Bagi inovator, sangat penting untuk membenamkan kepatuhan dan keamanan ke dalam produk dari awal, terutama untuk pasar yang diatur. Integralkan pemeriksaan kepatuhan otomatis ke dalam pipa DevOps untuk menangkap masalah awal dan bawa ahli kepatuhan manusia ketika diperlukan. Meskipun kepatuhan mungkin memperlambat pengembangan fitur, pada akhirnya itu menyelamatkan waktu dengan menghindari pekerjaan ulang yang mahal.

Anda telah berbicara tentang kebutuhan untuk memodernisasi pengadaan federal. Bagian mana dari sistem saat ini yang paling ketinggalan zaman—dan apa perubahan praktis yang akan membuatnya lebih mudah bagi perusahaan awal untuk bersaing?

Sistem pengadaan federal sering terasa ketinggalan zaman, dengan siklus akuisisi yang lambat, pendanaan yang memprioritaskan operasi daripada inovasi, dan mekanisme pembelian yang kompleks yang membuat perusahaan rintisan sulit untuk memulai. Untuk mendukung perusahaan awal, reformasi praktis termasuk mengalokasikan pendanaan yang lebih fleksibel dan berfokus pada inovasi, menurunkan ambang batas akuisisi untuk pembelian yang lebih cepat dan lebih kecil, memperluas akses ke kendaraan pengadaan seperti Tradewinds DOD, dan menciptakan platform yang disederhanakan, seperti “app-store,” untuk mempermudah cara lembaga menemukan dan membeli teknologi baru.

Mengingat kembali, keputusan dasar apa—sekitar arsitektur, strategi go-to-market, atau perekrutan—terbukti paling penting dalam membawa Kovr.ai ke tempatnya sekarang?

Keputusan dasar yang paling penting untuk Kovr.ai adalah prototipe yang cepat dan iterasi, visi produk yang didorong oleh pengguna, strategi produksi yang fleksibel, membangun komunitas umpan balik, dan mempertahankan fokus yang kuat pada kebutuhan pelanggan. Pilihan-pilihan ini memungkinkan kami untuk membangun solusi yang benar-benar mengatasi tantangan kepatuhan federal.

Sebagai CTO, bagaimana Anda mencapai keseimbangan yang tepat antara berinovasi dengan cepat dan mempertahankan kepatuhan yang ketat? Apakah ada kerangka kerja atau praktik internal yang Anda adopsi untuk menjaga kedua prioritas tetap on track?

Saya mencapai keseimbangan antara inovasi dan kepatuhan dengan membenamkan kepatuhan ke dalam setiap tahap pengembangan, menggunakan otomatisasi, mempertahankan lingkungan produksi yang fleksibel, dan tetap terhubung dengan kebutuhan pengguna dan bimbingan ahli. Praktik-praktik ini memastikan bahwa kedua prioritas – inovasi yang cepat dan kepatuhan yang ketat – konsisten dipenuhi.

Menghadap ke depan, di mana Anda melihat Kovr.ai berkembang selanjutnya—apakah ke dalam pemerintah negara bagian dan lokal, industri yang diatur lainnya seperti keuangan dan energi, atau bahkan pasar internasional?

Tim akan terus maju dengan teknologi Kovr.ai untuk manajemen kepatuhan yang terus-menerus dan otomatis, berkembang dalam beberapa arah di luar fokus saat ini pada kepatuhan pemerintah federal. Ini termasuk ekspansi ke pemerintah negara bagian dan lokal, industri yang diatur lainnya seperti keuangan, energi, dan perawatan kesehatan, dan pasar internasional.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Kovr.ai.