Ricardo Amper, CEO e Fondatore di Incode – Serie di Interviste

Ricardo Amper, CEO e Fondatore di Incode, è un imprenditore seriale e dirigente tecnologico con oltre due decenni di esperienza nella creazione e crescita di aziende nei settori della tecnologia, dei prodotti di consumo e dell’industria. Ha fondato Incode nel 2015 con la visione di trasformare il modo in cui le persone verificano e autenticano la propria identità nel mondo digitale. In precedenza, Amper è stato CEO di Grupo Amco, la principale azienda latinoamericana di prodotti chimici aromatici ed oli essenziali, dove ha sviluppato OneView, una piattaforma predittiva basata sul machine learning, prima che l’azienda fosse acquisita da Brenntag Group. Ha inoltre co-fondato e guidato Amco Foods, acquisita da Grupo Bimbo, e in precedenza ha fondato La Burbuja Networks. La sua carriera combina imprenditorialità, intelligenza artificiale, sistemi basati sui dati e esperienza nella costruzione di aziende di successo attraverso acquisizioni.

Incode è una piattaforma di identità basata su AI progettata per aiutare le organizzazioni a stabilire fiducia nelle interazioni con persone, imprese e, sempre più, agenti AI. La sua tecnologia combina verifica dei documenti, autenticazione biometrica, riconoscimento facciale, rilevamento della vivacità, individuazione di deepfake e controlli diretti contro i sistemi governativi di registrazione, supportando al contempo aree quali Know Your Customer (KYC), conformità Anti-Money Laundering (AML), Know Your Business (KYB), verifica dell’età, verifica della forza lavoro e prevenzione del furto di account. Incode sviluppa la propria tecnologia AI internamente e ha ampliato la piattaforma per affrontare minacce emergenti come identità sintetiche e frodi abilitate da AI generativa, oltre a strumenti di Identità Agentica per verificare i proprietari degli agenti AI e tracciare le loro azioni.

Hai fondato Incode nel 2015 dopo aver costruito aziende in settori molto diversi, e hai sostenuto che affrontare i problemi con una mentalità fresca e basata sui principi fondamentali può essere più utile rispetto all’affidarsi a presupposti ereditati dall’industria. Cosa hai notato nella verifica dell’identità che i fornitori consolidati trascuravano, e in che modo quella intuizione originale ha plasmato lo sviluppo di Incode?

Pre-2015, l’industria trattava l’identità come un problema di conformità e un ripensamento: scansionare un documento, farlo esaminare da qualcuno in back‑office, spuntare la casella. Sono arrivato senza quella inferenza e ho visto un problema di AI nell’approccio dell’industria all’identità.

Quindi ho preso tre decisioni fin dal primo giorno che nessun altro stava prendendo:

L’AI esegue la verifica al posto degli esseri umani che analizzano i dati, sviluppiamo ogni livello della tecnologia internamente invece di assemblare componenti di altri, e la privacy è un’architettura, non una politica. Dieci anni dopo, l’AI generativa ha reso queste le uniche decisioni che rimangono valide.

Quella scelta ha plasmato l’azienda che siamo diventati.

1. Siamo prima di tutto costruttori: anche oggi, una quota maggiore del nostro personale lavora in ingegneria e prodotto rispetto a una tipica azienda di software B2B, ed è ciò che ci mantiene sufficientemente agili da adattarci velocemente quanto la minaccia.
2. Abbiamo inoltre iniziato deliberatamente in uno dei contesti di frode più difficili al mondo, l’America Latina, e lo abbiamo in gran parte risolto per alcune delle più grandi banche e imprese della regione. Quando la tua tecnologia sopravvive lì, i mercati in cui la frode è reale ma meno implacabile diventano un test molto più semplice.

Non ci siamo mai interessati a riparare problemi o a rendere le aziende semplicemente conformi per il presente. Ci piace la versione più difficile di questo problema: verificare una persona reale con il minimo attrito possibile e la massima privacy, e farlo per un futuro in evoluzione.

Incode è stata nominata Leader nel Gartner® Magic Quadrant™ per la Verifica dell’Identità per tre anni consecutivi. Cosa credi che questa costanza dica sull’evoluzione dell’azienda, e quali capacità sono state le più importanti per mantenere quella posizione con il mutare del panorama delle minacce?

Chiunque può avere un buon anno. Tre anni consecutivi riflettono costanza, e la costanza è ciò che le imprese cercano. Quegli anni coprono l’intera ondata di frodi basate su AI generativa, e ciò che ci ha permesso di mantenere lo status di leader di settore è il possesso dell’intero stack tecnologico. Quando appare una nuova classe o vettore di attacco, riaddestriamo i nostri modelli in pochi giorni invece di attendere la roadmap o gli aggiornamenti di un prodotto di terzi. Gli altri fattori costanti sono le nostre connessioni dirette a fonti di identità autorevoli e la disciplina di trattare la conversione con la stessa serietà della frode, poiché le imprese hanno bisogno di entrambe.

Incode descrive una nuova generazione di attacchi di frode autonomi in cui gli agenti AI possono generare documenti sintetici, produrre deepfake mirati, testarli contro i sistemi di verifica e adattarsi dopo ogni rifiuto. Quanto siamo vicini a vedere questi flussi di attacco completamente automatizzati operare su larga scala?

La frode su larga scala ha sempre richiesto persone su larga scala. Il collo di bottiglia era umano, e l’AI lo ha appena eliminato. Abbiamo cercato le prove e pubblicato ciò che abbiamo trovato: incidenti di frode abilitati da AI segnalati pubblicamente e provenienti da fonti indipendenti negli Stati Uniti, gran parte dei quali confermati in atti giudiziari o azioni regolamentari. Quando abbiamo valutato quanto di ogni schema un agente autonomo potesse gestire da solo, quasi tutti potevano operare end‑to‑end, e nessuno era immune. Il modello precedente era limitato dal numero di persone qualificate che si potevano reclutare. Il nuovo è limitato solo dalla capacità di calcolo.

Incode afferma di far girare continuamente un attaccante agente contro le proprie difese. Come funziona questo processo di test avversario e cosa può scoprire un attaccante IA che i tradizionali test di penetrazione o i benchmark statici di frode potrebbero non rilevare? 

L’idea è semplice: l’unico modo per costruire difese contro questi attacchi è eseguire gli attacchi su noi stessi prima. Quindi operiamo un attaccante che funziona esattamente come quelli criminali. Genera deepfake, documenti sintetici e tentativi di iniezione, li invia alle nostre difese attive, apprende da ogni rifiuto e ritorna con una variante migliore. Un test di penetrazione convenzionale verifica una lista nota di attacchi una sola volta e poi termina. Un attaccante adattivo non smette mai di inventare nuovi attacchi, così individua il punto debole e l’attacco che ancora non esiste, prima che lo faccia un criminale.

Poiché i modelli generativi rendono i documenti sintetici e i media biometrici sempre più convincenti, quali segnali rimangono i più difficili da falsificare in modo affidabile per gli attaccanti?

I pixel sono un gioco perdente se è tutto ciò a cui ti limiti a guardare, perché i modelli generativi migliorano ogni mese. Ciò che gli attaccanti ancora non riescono a falsificare in modo affidabile è tutto ciò che sta al di fuori dell’immagine: l’integrità del dispositivo e del percorso di acquisizione attraverso cui il media è stato catturato, il comportamento che rimane coerente tra le sessioni e il registro detenuto dalla fonte che ha emesso l’identità. Questo è il principio alla base di Deepsight, la nostra tecnologia di rilevamento dei deepfake. Non giudica mai solo l’immagine: analizza il media, l’hardware, il percorso software e il comportamento dell’utente in una singola decisione in tempo reale, e può identificare quale modello generativo ha prodotto il falso. L’Università di Purdue lo ha testato in modo indipendente contro 24 altri sistemi governativi, accademici e commerciali, confermandolo come il più accurato.

Incode sottolinea l’importanza di verificare le identità confrontandole con i registri governativi autorevoli, anziché fare affidamento esclusivamente sul documento presentato dall’utente. In che modo ciò modifica l’accuratezza della verifica dell’identità e quali sfide tecniche o normative emergono nell’implementazione di questo approccio in diversi paesi?

Un documento ti mostra ciò che è stato presentato. Il registro autorevole ti dice ciò che è vero. Ogni verifica che giudica se un artefatto sembra autentico perde terreno man mano che l’IA generativa migliora, ma un registro governativo non lo fa, perché rappresenta la verità di base che il truffatore non può controllare. Le sfide sono reali: ogni paese ha fonti autorevoli diverse, regole di accesso differenti e leggi sulla privacy diverse, quindi costruiamo connessioni dirette mercato per mercato e gestiamo tutto secondo il principio della privacy by design.

I sistemi di verifica dell’identità devono fermare le frodi sofisticate senza creare attriti inutili per gli utenti legittimi. Come valutate il compromesso tra sicurezza, falsi rifiuti, velocità di onboarding e tasso di conversione?

Ogni fornitore di identità tira leve tra queste quattro dimensioni. La vera domanda è quali leve possiedi. Gran parte del settore implementa tecnologie licenziate da terzi, quindi quando le frodi aumentano non possono vedere dentro il modello né riaddestrarlo, e l’unica leva rimasta è l’attrito: più passaggi, più revisioni manuali, più utenti legittimi respinti. Abbiamo scelto l’opposto e sviluppiamo internamente ogni modello di IA, la liveness, il rilevamento dei deepfake, la verifica dei documenti, tutto, così la nostra leva è l’accuratezza. Riaddestriamo in giorni, spingiamo la frode dentro il modello e lasciamo intatta l’esperienza dell’utente. Per questo consentire a tutti gli utenti legittimi di passare e fermare ogni attacco è un unico compito per noi, non un compromesso.

La rete di fiducia di Incode è progettata per identificare frodi ricorrenti e riconoscere storie di fiducia tra organizzazioni senza aggregare i dati personali grezzi. Quali tecnologie rendono possibile questo tipo di condivisione di intelligenza preservante la privacy?

La crittografia è l’abilitatore, ma il concetto è il punto centrale: collaborazione senza esposizione. Le organizzazioni nella rete possono apprendere se un segnale di identità è stato associato a frodi altrove senza che alcuna parte veda i dati dell’altra, quindi non esiste un database aggregato, nulla da violare e nessuna intermediazione dei dati. Per questo abbiamo acquisito Identiq, il cui team ha trascorso anni a costruire esattamente questa tecnologia crittografica che migliora la privacy, e perché quest’anno stiamo impegnando più di 100 milioni di dollari per un’infrastruttura di identità che preserva la privacy. La rete diventa più intelligente ad ogni verifica, mentre i dati di ogni individuo rimangono sigillati, su scala di oltre 7 miliardi di controlli di fiducia e 400 milioni di profili. Abbiamo sempre creduto che privacy e prevenzione delle frodi non siano un compromesso. Sono lo stesso problema, risolto insieme o per niente.

Man mano che gli agenti IA iniziano a effettuare acquisti, accedere a conti, firmare accordi e comunicare per conto delle persone, come dovrebbero le organizzazioni verificare non solo l’agente stesso, ma anche il suo proprietario, le autorizzazioni e la legittimità di eseguire un’azione specifica?

Iniziate con il proprietario, perché l’autorità di un agente non vale nulla se non risale a un umano verificato. È esattamente per questo che abbiamo creato Agentic Identity: verifichiamo il proprietario con una prova d’identità ad alta affidabilità e una liveness resistente ai deepfake, rilasciamo all’agente un token sicuro che collega ogni azione a quella persona responsabile e verifichiamo l’ambito delle sue autorizzazioni, così un agente autorizzato per un compito non può silenziosamente passare ad altri. Poi monitoriamo continuamente, perché gli agenti cambiano comportamento più rapidamente di qualsiasi revisione trimestrale degli accessi. Sono le stesse biometrie, la stessa intelligenza antifrode, la stessa rete che usiamo per gli esseri umani, estesa ai sistemi che agiscono per loro conto.

Guardando al futuro, la verifica dell’identità rimarrà un checkpoint distinto durante l’onboarding, o diventerà uno strato di fiducia continuo che opera in ogni interazione digitale tra persone, aziende e agenti IA autonomi?

Entrambe le cose per un periodo, poi il continuo vince. L’onboarding rimane l’ancora dove l’identità viene stabilita con la massima affidabilità, ma la fiducia non può rimanere un momento isolato quando gli attacchi si adattano tra le sessioni e gli agenti operano 24 ore su 24. La meta è uno strato di fiducia persistente: una nuova verifica nei momenti di reale rischio, segnali comportamentali e di rete correlati continuamente, e la stessa responsabilità estesa agli agenti IA che agiscono per conto delle persone. L’identità smette di essere un checkpoint e diventa infrastruttura, e noi stiamo costruendo per quel mondo.

Grazie per la splendida intervista, i lettori che desiderano saperne di più dovrebbero visitare Incode.