Ryan Schonfeld, mede-oprichter en CEO van HiveWatch – Interviewreeks

Ryan Schonfeld is de mede-oprichter en CEO van HiveWatch, een beveiligingstechnologiebedrijf dat zich richt op het verbeteren van de manier waarop organisaties fysieke beveiligingsbedreigingen beheren en reageren. Met ervaring als beveiligingsconsultant, politieagent en eindgebruiker bij een Fortune 500-bedrijf, ontwikkelde hij een eerste-handkennis van de operationele uitdagingen waarmee beveiligingsteams te maken krijgen, wat uiteindelijk leidde tot de oprichting van HiveWatch.

HiveWatch biedt een cloud-gebaseerd platform dat tools zoals videosurveillance, toegangscontrole, alarmen en incidentbeheer samenbrengt in een enkel operationeel dashboard. Het HiveWatch GSOC Operating System genoemde platform stelt organisaties in staat om activiteiten over faciliteiten te monitoren, incidenten te onderzoeken en reacties te coördineren, terwijl het gebruik van automatisering en AI-gedreven analyse de efficiëntie verbetert en valse alarmen vermindert.

Wat leidde u tot de mede-oprichting van HiveWatch, en welke beperkingen in traditionele fysieke beveiliging maakten AI de juiste basis vanaf dag één?

Ik heb jarenlang wereldwijde beveiligings- en veiligheidstechnologieprogramma’s gerund bij wereldwijde organisaties en onze mogelijkheid om effectief gebruik te maken van technologie was frustrerend. Beveiliging was van topniveau, maar we moesten gebruikmaken van infrastructuur die gefragmenteerd, langzaam, reactief en mensgericht was. Dus ik begon RAS Consulting om organisaties te helpen hun beveiligingsoperaties te moderniseren, planning, onderwijs, risico- en aansprakelijkheidsbeheer. We bouwden technologie-vooruitstrevende programma’s voor snel groeiende bedrijven die snel moesten schalen.

Maar zelfs toen zag ik steeds hetzelfde probleem: mijn klantenoperators werden overweldigd door meldingen, begraven onder niet-verbonden systemen, reageerden op alles en verwachtten niets. RAS Consulting-klanten hadden proactieve beveiliging nodig, maar ze hadden niet de kennis of het personeel om het zelf te bouwen. De pandemie maakte het erger. Iedereen moest plotseling opnieuw nadenken over hoe ze mensen en activa beschermden, maar ze gebruikten tools die voor een andere tijd waren gebouwd.

Daarom creëerden we HiveWatch. We hadden een platform nodig dat onze eigen beveiligingsteams meer bewust, verbonden, voorspellend en geïnformeerd kon maken. We wilden al dit in combinatie met sneller en beter incidentbeheer. AI was geen functie die we later toevoegden, het was de enige praktische manier om gegevens te verenigen voor de beste, meest geïnformeerde besluitvorming. We kunnen het doen, ongeacht welke systemen onze klanten hebben. Nu kunnen we gemakkelijk door valse alarmen heen komen en teams helpen om van reactief naar proactief te gaan. Alles anders is gewoon het maken van hetzelfde oude probleem een beetje mooier.

Hoe heeft uw achtergrond als politieagent en onderzoeker de manier beïnvloed waarop u AI ontwierp om echte beveiligingsoperaties te ondersteunen?
Ik zat in de stoel toen incidenten zich ontvouwden in beveiligingsoperatiecentra en ik was op de grond tijdens hoge-risicoincidenten, waarbij ik bedreigingen in real-time beheerde. Deze ervaring leerde me dat zowel mensen als technologie ertoe doen in die momenten, dat uitputting of burn-out de besluitvorming in een noodsituatie kan beïnvloeden. Het leerde me ook wat werkt, wat niet werkt en wat mensen kwetst wanneer systemen falen. Het is door deze bril dat we HiveWatch hebben gebouwd.

Met de ervaring die we uit dit werk hebben opgedaan, was ons AI-platform niet alleen van een whiteboard. We ontwierpen het vanuit beveiligingsoperatiecentra. De mensen die dit hebben gebouwd, hebben carrières lang naar schermen vol ruis gestaard, proberend om de echte bedreigingen te vinden, maar niet de tools hadden om duidelijk te zien of snel te handelen.

Te lang heeft de industrie reactieve incidentrespons verkocht en noemde het innovatie. Wat teams echt nodig hebben, is de mogelijkheid om te zien wat eraan komt, en daar hebben we voor gebouwd.

Veel organisaties werken nog steeds reactief. Hoe maakt AI een verschuiving mogelijk naar proactieve en voorspellende fysieke beveiliging?
Reactieve beveiliging is geen strategisch probleem, het is een probleem dat een gefragmenteerd systeem omvat dat kan leiden tot een communicatiebreuk. Het omvat ook een gebrek aan prioriteit wanneer incidenten optreden. Teams zijn ook overweldigd door ruis die wordt gegenereerd door constante, vaak valse alarmen die zonder context worden gegenereerd. Daar breekt alles.

Onze klanten gebruiken een aangepaste AI-operator die daadwerkelijk hun faciliteiten leert – de lay-out, de workflows, hoe hun teams opereren. In plaats van honderden tot duizenden afvalmeldingen per dag, zien ze de handvol die ertoe doen, met video en context die exact laten zien waarom.

Wanneer je de ruis wegknipt en echte patronen naar boven brengt, verandert er iets. Teams stoppen met het najagen van gisteren en beginnen morgen vooruit te kijken. Ze zijn beter in staat om de duidelijkheid te hebben die ze nodig hebben om beveiligingsprogramma’s te bouwen die echt werken.

Wat ziet predictieve beveiliging eruit in live enterprise-omgevingen?
Het is geen kristallen bol. Het is patroonherkenning op snelheid.

Dit kan eruitzien als een open deur die niet open zou moeten zijn. Of beweging op camera die niet overeenkomt met de norm. Of activiteit die nooit eerder op die plek en op dat tijdstip is gebeurd. De AI vangt het, markeert het en vertelt de operator wat er gebeurt, waarom het ertoe doet en wat hij het volgende moet doen.

Het sluit aan op de camera’s, sensoren en toegangscontrole die u al heeft, zodat niets door de mazen glipt omdat twee systemen niet met elkaar praten. Het resultaat is een beveiligingsoperatie die scherper, sneller en daadwerkelijk is gebouwd om mensen op grote schaal te beschermen.

Welke soorten risicosignalen, -gedragingen of -patronen worden door AI consequent naar boven gebracht die menselijke teams gemakkelijk missen?
Mensen zijn geweldig wanneer iets overduidelijk misgaat. AI is geweldig in het opvangen van alles wat stilzwijgend misgaat.

We hebben het over subtiele afwijkingen. Dingen die geen traditionele alarm activeren, maar absoluut zouden moeten. De AI leert continu wat “normaal” lijkt voor elke specifieke omgeving, dus wanneer iets verandert, merkt het dat op. In hoge-volumeproductieomgevingen waar uw team duizenden signalen beheert, zijn dit de risico’s die vaak door de mazen glippen. Het toevoegen van iets zoals de AI-operator brengt een verschuiving naar prioriteit van alarmen, zodat de operators die op incidenten reageren weten wat kritiek is (en worden geleid over hoe effectief te reageren).

Hoe verandert AI de besluitvorming binnen een beveiligingsoperatiecentrum wanneer tijd en informatie beperkt zijn?
In een live-incident is er een kloof tussen “wat gebeurt?” en “wat doen we?” Die kloof is waar slechte resultaten leven.

Het gebruik van AI sluit die kloof. Het trekt context uit uw geïntegreerde systemen, zoals video, toegangscontrole, sensoren, communicatie, dreigingsinformatie, en zet het voor uw operator met een aanbevolen volgende stap. Ze hoeven niet langer tussen 15 tabs te schakelen. Ze hoeven niet te gissen. Uw team gaat van alarm naar actie in seconden in plaats van minuten.

De realiteit is dat de meeste SOCs onderbemand en overweldigd zijn. AI lost dat niet op door extra personeel toe te voegen; het lost het op door ervoor te zorgen dat elke persoon in de kamer zich richt op wat er echt toe doet, met de informatie die ze nodig hebben om de juiste beslissing te nemen, nu meteen.

Grote evenementen zoals grote sportevenementen of prijzen creëren extreme complexiteit. Hoe helpt AI bij het coördineren van reacties onder druk?
Grote evenementen kunnen traditionele beveiliging breken. Het signaalvolume explodeert, het risicovlak vermeerdert en legacy-tools kunnen niet bijhouden.

Ik heb bescherming gecoördineerd bij grote evenementen met executive protection-teams, venuebeveiliging, evenementorganisatoren, lokale politie, medische, federale agentschappen. Het is laag op laag beveiliging. Maar hier is wat de afgelopen jaren ons hebben geleerd: soms is de bedreiging al binnen de perimeter. Een vertrouwd insider. Een geaccrediteerde gast. Iemand die al voorbij uw checkpoints is.

We hebben het ook live op tv gezien: incidenten bij prijzen, fans die barricades doorbreken, mensen die velden betreden met politieke boodschappen. Waar we historisch onze perimeters hebben getrokken, moet dat misschien volledig opnieuw worden bedacht..

AI geeft u extra ogen over de hele omgeving, niet alleen de toegangspunten. Het monitort patronen, beweging en anomalieën in real-time, zodat wanneer iets naar boven komt binnen de perimeter, het beveiligingsteam het weet voordat het escaleert. In deze gevallen tellen seconden en is situatiebewustzijn geen “leuke-to-have”.

Hoe belangrijk is diepe systeemintegratie over video, toegangscontrole, sensoren en communicatie voor AI om echte situatiebewustzijn te bieden?
Ononderhandelbaar. AI is alleen zo slim als de gegevens die het kan zien. In zoveel gevallen zijn deze systemen gesiloerd en als ze niet zijn verbonden, krijgt AI misschien niet het complete beeld (dit is waar HiveWatch een echt verschil kan maken, door al deze systemen samen te brengen in een enkele omgeving).

Wanneer alles geïntegreerd is (denk aan: video, toegangscontrole, sensoren, communicatie, dreigingsinformatie), heeft de AI volledige zichtbaarheid om de juiste actie aan te bevelen. Het is cruciaal dat uw beveiligingsoperatieplatform is gebouwd om te werken met wat u al heeft. U hebt goede tools gekocht. Ze zouden samen moeten kunnen werken, zodat u niet hoeft te rippen en te vervangen om waarde te krijgen.

Hoe moeten executives realistisch denken over ROI bij het evalueren van AI-gedreven fysieke beveiligingsplatforms?
Begin met wat u al geld kost, want het is meer dan u denkt.

Valse alarmen eten uren. Niet-verbonden systemen betekenen dubbele werk. Operators die uitgeput raken en vertrekken, betekent dat u constant mensen aan het inhuren en opnieuw trainen bent. Dat bouwt zware kosten op, en de meeste organisaties hebben dat nooit gekwantificeerd.

AI-gedreven platforms zoals de onze kunnen het aantal operators dat nodig is in een beveiligingsoperatiecentrum en de bewakingsbronnen ervan, verlagen, wat kan resulteren in aanzienlijke ROI. Bovendien, omdat de technologie valse alarmen dramatisch vermindert, zijn er minder mensen nodig om binnenkomende alarmen te triëren. Ten tweede kan het verlagen van overlappende technologie in een SOC’s tech-stack de hoeveelheid geld besparen die wordt uitgegeven aan overlappende systemen. Ten slotte, omdat we integreren met de infrastructuur die u al bezit, hoeft u niet te rippen en te vervangen om waarde te krijgen. U krijgt eindelijk volledige waarde uit het.

De ROI is niet alleen in wat u bespaart, hoewel dat aanzienlijk kan zijn wanneer u de kostenverlagingen in resources die nodig zijn om uw programma te ondersteunen, in overweging neemt (wat historisch gezien moeilijk is geweest voor beveiligingsleiders). Het kan ook worden onthuld in wat uw team voorkomt. Eén vermeden incident, één snellere reactie, één bedreiging die vroeg wordt opgevangen. Voor uw raad van bestuur, werknemers en klanten is dat de wiskunde die ertoe doet. De teams die dat doen, kopen geen nieuwe technologie voor de lol. Ze repareren een kapot programma.

Als we vooruitkijken, hoe ziet u de relatie tussen menselijke beveiligingsteams en AI-systemen evolueren in de komende decennia?
Laten we eerlijk zijn: over een paar jaar zal AI in beveiliging geen optie meer zijn. Het zal de basis zijn. De teams die het behandelen als een “leuke-to-have” zullen achterblijven bij degenen die al samenwerken.

Naarmate systemen volwassen worden, neemt AI meer van de cognitieve belasting over – ruis filteren, patronen opsporen, acties aanbevelen – terwijl mensen blijven waar ze thuishoren: in controle van oordeel en aansprakelijkheid. Die samenwerking zal bepalen wat moderne fysieke beveiliging eruitziet. De teams die het het eerst uitvinden, winnen.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten HiveWatch bezoeken.