Ricardo Amper, Incode CEO 겸 설립자 – 인터뷰 시리즈

Ricardo Amper, Incode의 CEO 겸 설립자는 20년 이상에 걸쳐 기술, 소비재, 산업 분야에서 기업을 구축하고 확장시킨 연쇄 창업가이자 기술 임원입니다. 그는 2015년에 사람들의 디지털 세계에서 신원 확인 및 인증 방식을 혁신하겠다는 비전으로 Incode를 설립했습니다. 이전에 Amper는 라틴아메리카 최고의 향료 화학 및 에센셜 오일 사업인 Grupo Amco의 CEO를 역임했으며, 회사가 Brenntag Group에 인수되기 전 머신러닝 기반 예측 데이터 플랫폼인 OneView를 개발했습니다. 또한 Amco Foods를 공동 설립·대표했으며, 이 기업은 Grupo Bimbo에 인수되었습니다. 그리고 이전에 La Burbuja Networks를 설립했습니다. 그의 경력은 기업가 정신, 인공지능, 데이터 기반 시스템을 결합하고 인수 과정을 통해 기업을 성공적으로 구축한 경험을 포함합니다.

Incode는 조직이 사람, 기업, 그리고 점점 늘어나는 AI 에이전트와의 상호작용에서 신뢰를 구축하도록 돕는 AI 기반 신원 플랫폼입니다. 이 기술은 문서 검증, 생체 인증, 얼굴 인식, 라이브니스 감지, 딥페이크 탐지, 그리고 정부 기록 시스템에 대한 직접 확인을 결합하며, 고객 알기(KYC), 자금세탁 방지(AML) 규정 준수, 기업 알기(KYB), 연령 확인, 직원 검증, 계정 탈취 방지 등 영역을 지원합니다. Incode는 AI 기술을 자체 개발하고 있으며, 합성 신원 및 생성 AI 기반 사기와 같은 새로운 위협에 대응하기 위해 플랫폼을 확장했으며, AI 에이전트 소유자를 검증하고 그 행동을 추적하는 Agentic Identity 도구도 제공합니다.

당신은 다양한 산업에서 회사를 설립한 뒤 2015년에 Incode를 창업했으며, 기존 산업 가정에 의존하기보다 새로운 관점과 근본 원리 사고방식으로 문제에 접근하는 것이 더 가치 있다고 주장했습니다. 신원 검증에서 기존 제공업체들이 놓치고 있던 점은 무엇이며, 그 초기 통찰이 Incode의 발전에 어떻게 반영되었나요?

2015년 이전에 업계는 신원을 컴플라이언스 문제이자 사후 고려 사항으로 다루었습니다: 문서를 스캔하고, 백오피스 직원이 검토하고, 체크박스를 확인하는 식이었습니다. 저는 그런 전제를 버리고, 업계의 신원 접근 방식에 AI 문제가 있음을 보았습니다.

그래서 나는 첫날에 아무도 내리지 않았던 세 가지 결정을 내렸다:

AI가 인간이 데이터를 검토하는 대신 검증을 수행하고, 우리는 타사의 부품을 조립하는 것이 아니라 기술의 모든 계층을 직접 개발하며, 프라이버시는 정책이 아니라 설계 자체입니다. 10년이 지난 지금, 생성 AI가 이러한 결정만이 지속 가능한 유일한 선택임을 입증했습니다.

그 선택이 우리가 현재의 기업으로 성장하게 만들었습니다.

1. 우리는 먼저 구축자입니다: 오늘날에도 우리 직원 중 엔지니어링 및 제품 부문 비중이 일반적인 B2B 소프트웨어 기업보다 높으며, 이는 위협이 변하는 속도만큼 빠르게 적응할 수 있게 해줍니다.
2. 우리는 또한 세계에서 가장 어려운 사기 환경 중 하나인 라틴아메리카에서 의도적으로 시작했으며, 이 지역의 주요 은행 및 기업들의 사기를 대부분 해결했습니다. 해당 기술이 라틴아메리카에서 살아남으면, 사기가 존재하지만 덜 가혹한 시장에서는 훨씬 쉬운 시험이 됩니다.

우리는 문제를 임시방편으로 해결하거나 기업을 오늘만을 위해 단순히 규정 준수하게 만드는 데 관심이 없었습니다. 우리는 이 문제의 어려운 버전을 즐깁니다: 가능한 최소한의 마찰과 최강의 프라이버시로 실제 사람을 검증하고, 변화하는 미래를 위해 이를 구현하는 것을.

Incode는 이제 리더로 Gartner® Magic Quadrant™ 신원 검증 부문에서 3년 연속 선정되었습니다. 이 일관성이 회사의 진화에 대해 무엇을 의미한다고 보시며, 위협 환경이 변함에 따라 해당 위치를 유지하는 데 가장 중요한 역량은 무엇이라고 생각하십니까?

누구든 좋은 해를 맞을 수 있습니다. 3년 연속은 일관성을 의미하며, 기업이 구매하는 것은 바로 그 일관성입니다. 이 3년은 전체 생성 AI 사기 물결을 포괄하고, 그 동안 업계 리더로서의 지위를 유지할 수 있었던 핵심은 전체 기술 스택을 자체 보유하고 있었기 때문입니다. 새로운 공격 유형이나 벡터가 등장하면, 타사의 로드맵이나 업데이트를 기다리는 대신 며칠 만에 자체 모델을 재학습합니다. 또 다른 변하지 않는 요소는 권위 있는 신원 소스와의 직접 연결, 그리고 전환율을 사기만큼이나 엄격히 다루는 규율이며, 기업은 두 가지를 모두 필요로 합니다.

Incode는 AI 에이전트가 합성 문서를 생성하고, 표적 딥페이크를 제작하며, 이를 검증 시스템에 테스트하고, 각 거부 후에 적응하는 새로운 세대의 자율 사기 공격을 설명합니다. 이러한 완전 자동화된 공격 워크플로가 대규모로 운영되는 시점은 얼마나 가까운가요?

대규모 사기는 항상 대규모 인력을 필요로 했습니다. 병목 현상은 인간이었으며, AI가 이를 제거했습니다. 우리는 증거를 찾기 위해 조사했고, 발견한 내용을 공개했습니다: 미국에서 공개적으로 보고된 독립적인 출처의 AI 기반 사기 사건들로, 대부분이 법원 서류나 규제 조치에서 확인되었습니다. 각 사기 수법을 자율 에이전트가 단독으로 수행할 수 있는 정도를 평가했을 때, 거의 모든 수법이 전 과정을 스스로 실행할 수 있었으며, 면역인 경우는 없었습니다. 기존 모델은 채용할 수 있는 숙련 인력 수에 제한되었지만, 새로운 모델은 오직 컴퓨팅 파워에만 제한됩니다.

Incode는 자체 방어 체계에 대해 지속적으로 에이전트형 공격자를 실행한다고 말합니다. 이 적대적 테스트 과정은 어떻게 작동하며, AI 공격자가 기존 침투 테스트나 정적 사기 벤치마크에서 놓칠 수 있는 무엇을 발견할 수 있습니까? 

아이디어는 간단합니다. 이러한 공격에 대비한 방어를 구축하는 유일한 방법은 먼저 우리 자신에게 공격을 가해 보는 것입니다. 그래서 우리는 범죄자와 똑같이 동작하는 공격자를 운영합니다. 이 공격자는 딥페이크, 합성 문서, 주입 시도를 생성하고 이를 우리 자체 실시간 방어 시스템에 제출하며, 모든 거부 응답으로부터 학습해 더 나은 변형을 다시 시도합니다. 기존 침투 테스트는 알려진 공격 목록을 한 번 검토하고 끝납니다. 적응형 공격자는 새로운 공격을 끊임없이 발명하므로, 범죄자가 시도하기 전에 아직 존재하지도 않은 약점과 공격을 찾아냅니다.

생성 모델이 합성 문서와 바이오메트릭 미디어를 점점 더 설득력 있게 만들면서, 공격자가 신뢰성 있게 위조하기 가장 어려운 신호는 무엇입니까?

픽셀만 보면 패배하는 게임입니다. 생성 모델은 매달 개선되기 때문입니다. 공격자가 아직 신뢰성 있게 위조할 수 없는 것은 이미지 외부의 모든 요소입니다: 미디어가 거친 디바이스와 캡처 경로의 무결성, 세션 간 일관된 행동, 그리고 신원을 발급한 출처가 보유한 기록이 그것입니다. 이것이 바로 우리 딥페이크 탐지 기술인 Deepsight의 원리입니다. Deepsight는 이미지만 판단하지 않고 미디어, 하드웨어, 소프트웨어 경로, 사용자 행동을 실시간으로 종합 분석해 가짜를 만든 생성 모델까지 식별합니다. Purdue University는 24개의 다른 정부, 학계, 상업 시스템과 비교 테스트를 수행했으며, 가장 정확한 것으로 검증했습니다.

Incode는 사용자가 제시한 문서만을 신뢰하는 것이 아니라 권위 있는 정부 기록과 대조해 신원을 검증한다는 점을 강조합니다. 이러한 접근 방식이 신원 검증 정확도를 어떻게 변화시키며, 다양한 국가에 적용할 때 어떤 기술적·규제적 과제가 발생합니까?

문서는 제시된 것이 무엇인지를 알려줍니다. 권위 있는 기록은 무엇이 진실인지를 알려줍니다. 생성 AI가 발전함에 따라 아티팩트가 진짜처럼 보이는지를 판단하는 모든 검증은 점점 효력을 잃지만, 정부 기록은 사기꾼이 통제할 수 없는 사실 데이터이므로 변하지 않습니다. 과제는 현실적입니다. 각 국가마다 권위 있는 소스, 접근 규칙, 개인정보 보호법이 다르기 때문에 우리는 시장별로 직접 연결을 구축하고 프라이버시 바이 디자인 원칙에 따라 모든 데이터를 처리합니다.

신원 검증 시스템은 정교한 사기를 차단하면서 정당한 사용자의 불필요한 마찰을 최소화해야 합니다. 보안, 오탐률, 온보딩 속도, 전환율 사이의 균형을 어떻게 평가합니까?

모든 신원 제공자는 이 네 가지 요소 사이에서 레버를 조정합니다. 핵심은 어떤 레버를 직접 제어하느냐입니다. 업계 대부분은 타사 라이선스 기술을 사용하기 때문에 사기 급증 시 모델 내부를 들여다보거나 재학습할 수 없으며, 남은 레버는 마찰, 즉 단계 추가, 수동 검토 확대, 정당 사용자의 거부가 됩니다. 우리는 반대로 모든 AI 모델을 자체 개발했습니다. 활력 검증, 딥페이크 탐지, 문서 검증 등 전부 직접 구축했기 때문에 우리의 레버는 정확도입니다. 며칠 안에 재학습하고 사기를 모델 내부로 밀어넣어 사용자 경험은 그대로 유지합니다. 따라서 모든 정당 사용자를 통과시키고 모든 공격을 차단하는 것이 우리에게는 선택이 아니라 하나의 목표입니다.

Incode의 신뢰 네트워크는 원시 개인 데이터를 풀링하지 않고도 조직 간에 반복 사기를 식별하고 신뢰 이력을 인식하도록 설계되었습니다. 이러한 프라이버시를 보존하는 인텔리전스 공유를 가능하게 하는 기술은 무엇입니까?

암호학이 핵심이지만, 핵심은 개념 자체입니다: 노출 없이 협업. 네트워크 내 조직들은 다른 곳에서 사기와 연결된 신원 신호가 있는지 확인할 수 있지만, 어느 한쪽도 상대방의 데이터를 볼 수 없습니다. 따라서 풀링된 데이터베이스가 없고, 침해 위험도 없으며, 데이터 브로커도 존재하지 않습니다. 바로 우리가 Identiq를 인수한 이유이며, 그 팀은 수년간 이러한 프라이버시 강화 암호 기술을 구축해 왔습니다. 올해 우리는 프라이버시 보존 신원 인프라에 1억 달러 이상을 투자하고 있습니다. 네트워크는 매 검증마다 학습하고, 개인 데이터는 70억 건 이상의 신뢰 검사와 4억 개 프로필 규모에서도 봉인된 채 유지됩니다. 우리는 언제나 프라이버시와 사기 방지가 상충되는 것이 아니라 동일한 문제이며, 함께 해결되지 않으면 해결될 수 없다고 믿어 왔습니다.

AI 에이전트가 구매를 진행하고, 계정에 접근하며, 계약에 서명하고, 사람을 대신해 커뮤니케이션을 수행하기 시작함에 따라, 조직은 에이전트 자체뿐 아니라 소유자, 권한, 특정 행동을 수행할 권한을 어떻게 검증해야 합니까?

소유자부터 시작하십시오. 에이전트의 권한은 검증된 인간에게 추적되지 않으면 의미가 없습니다. 이것이 바로 우리가 Agentic Identity를 만든 이유입니다: 우리는 고신뢰 신원 검증과 딥페이크 방지 라이브니스로 소유자를 확인하고, 에이전트에게 모든 행동을 해당 책임자에게 연결하는 보안 토큰을 발급하며, 권한 범위를 검증하여 하나의 작업에 권한이 부여된 에이전트가 조용히 다른 작업으로 전이되지 않도록 합니다. 그런 다음 지속적으로 모니터링합니다. 에이전트는 분기별 접근 검토보다 더 빠르게 행동을 바꾸기 때문입니다. 이는 인간에게 사용하는 동일한 생체인식, 동일한 사기 인텔리전스, 동일한 네트워크를 그들을 대신하는 시스템에 확장한 것입니다.

앞으로 신원 검증이 온보딩 시점에 별개의 체크포인트로 남을까요, 아니면 사람, 기업, 자율 AI 에이전트 간의 모든 디지털 상호작용 전반에 걸쳐 작동하는 지속적인 신뢰 레이어가 될까요?

처음에는 일정 기간 동안 두 방식이 모두 존재하고, 이후에는 지속적인 방식이 승리합니다. 온보딩은 신원이 최고 수준의 보증으로 확립되는 기준점으로 남지만, 공격이 세션마다 적응하고 에이전트가 24시간 거래를 수행하는 상황에서 신뢰를 순간적인 것으로 유지할 수는 없습니다. 목표는 지속적인 신뢰 레이어입니다: 실제 위험이 발생할 때 재검증하고, 행동 및 네트워크 신호를 지속적으로 연관시키며, 사람을 대신하는 AI 에이전트에도 동일한 책임을 확대합니다. 신원은 체크포인트가 아니라 인프라가 되며, 우리는 그 세계를 위해 구축하고 있습니다.

멋진 인터뷰에 감사드립니다. 더 알고 싶은 독자분들은 Incode를 방문하세요.