Steve Wilson, Chief AI en Product Officer bij Exabeam – Interviewreeks

Steve Wilson is de Chief AI en Product Officer bij Exabeam, waar zijn team baanbrekende AI-technologieën toepast om echte cybersecurity-uitdagingen aan te pakken. Hij is de oprichter en co-voorzitter van het OWASP Gen AI Security Project, de organisatie achter de industrienorm voor de OWASP Top 10 voor Large Language Model Security-lijst.

Zijn prijswinnende boek, “The Developer’s Playbook for Large Language Model Security” (O’Reilly Media), is geselecteerd als het beste Cutting Edge Cybersecurity Book door Cyber Defense Magazine.

Exabeam is een leider in intelligentie en automatisering die beveiligingsoperaties voor de slimste bedrijven ter wereld aandrijft. Door de schaal en kracht van AI te combineren met de sterkte van onze industrieleidende gedragsanalyse en automatisering, krijgen organisaties een meer holistische kijk op beveiligingsincidenten, ontdekken ze afwijkingen die door andere tools worden gemist en bereiken ze snellere, nauwkeurigere en herhaalbare reacties. Exabeam empowerd wereldwijde beveiligingsteams om cyberbedreigingen te bestrijden, risico’s te mitigeren en operaties te stroomlijnen.

Uw nieuwe titel is Chief AI en Product Officer bij Exabeam. Hoe weerspiegelt dit de evoluerende belangrijkheid van AI binnen cybersecurity?

Cybersecurity was een van de eerste domeinen die machine learning echt omarmden – bij Exabeam gebruiken we ML al meer dan tien jaar als de kern van onze detectiemotor om anormaal gedrag te identificeren dat mensen alleen zouden kunnen missen. Met de komst van nieuwere AI-technologieën, zoals intelligente agenten, is AI gegroeid van belangrijk naar absoluut centraal.

Mijn gecombineerde rol als Chief AI en Product Officer bij Exabeam weerspiegelt precies deze evolutie. Bij een bedrijf dat diep is geworteld in het integreren van AI in zijn producten en binnen een industrie als cybersecurity waar de rol van AI steeds kritischer wordt, was het logisch om de AI-strategie en productstrategie onder één rol te verenigen. Deze integratie zorgt ervoor dat we strategisch zijn afgestemd om transformatieve AI-gedreven oplossingen te leveren aan beveiligingsanalisten en -operatieteams die het meest van ons afhankelijk zijn.

Exabeam baanbrekt “agentic AI” in beveiligingsoperaties. Kunt u uitleggen wat dat in de praktijk betekent en hoe het zich onderscheidt van traditionele AI-benaderingen?

Agentic AI vertegenwoordigt een significante evolutie van traditionele AI-benaderingen. Het is actiegericht – het initieert proactief processen, analyseert informatie en presenteert inzichten voordat analisten er zelfs maar om vragen. Bovenop de enkele gegevensanalyse fungeert agentic AI als adviseur, die strategische aanbevelingen biedt over het hele SOC, gebruikers leidt naar de gemakkelijkste overwinningen en stap-voor-stap-leiding biedt om hun beveiligingspositie te verbeteren. Bovendien opereren agenten als gespecialiseerde pakken, niet één onhandig chatbot, elk aangepast met specifieke persoonlijkheden en datasets die naadloos integreren in de workflow van analisten, ingenieurs en managers om gerichte, impactvolle ondersteuning te bieden.

Met Exabeam Nova, die meerdere AI-agenten over het SOC-werkproces integreert, hoe ziet de toekomst van de beveiligingsanalistenrol eruit? Evolueert het, krimpt het of wordt het meer gespecialiseerd?

De beveiligingsanalistenrol evolueert zeker. Analisten, beveiligingsingenieurs en SOC-managers worden overweldigd door gegevens, waarschuwingen en gevallen. De echte toekomstige verschuiving is niet alleen om tijd te besparen op saaie taken – hoewel agenten daar zeker bij helpen – maar om ieders rol te verheffen tot die van teamleider. Analisten zullen nog steeds sterke technische vaardigheden nodig hebben, maar nu zullen ze een team van agenten leiden die klaar zijn om hun taken te versnellen, hun beslissingen te versterken en echte verbeteringen in de beveiligingspositie te stimuleren. Deze transformatie positioneert analisten om strategische orkestrators te worden in plaats van tactische responders.

Recente gegevens laten een disconnectie zien tussen executives en analisten met betrekking tot de productiviteitsimpact van AI. Waarom denkt u dat deze perceptiegap bestaat en hoe kan deze worden aangepakt?

Recente gegevens laten een duidelijke disconnectie zien: 71% van de executives gelooft dat AI de productiviteit aanzienlijk verhoogt, maar slechts 22% van de frontline-analisten, de dagelijkse gebruikers, zijn het daarmee eens. Bij Exabeam hebben we deze kloof zien groeien naast de recente frenzie van AI-beloften in cybersecurity. Het is nooit gemakkelijker geweest om indrukwekkende AI-demos te maken en leveranciers zijn snel om te beweren dat ze elke SOC-uitdaging hebben opgelost. Terwijl deze demos executives aanvankelijk imponeren, vallen ze waar het ertoe doet – in de handen van de analisten – vaak tekort. Het potentieel is er, en er zijn pockets van echte winst, maar er is nog te veel lawaai en te weinig echte verbeteringen. Om deze perceptiegap te overbruggen, moeten executives prioriteit geven aan AI-hulpmiddelen die analisten echt empoweren, niet alleen in een demo imponeren. Wanneer AI echt de effectiviteit van analisten verhoogt, zullen vertrouwen en echte productiviteitsverbeteringen volgen.

AI versnelt bedreigingsdetectie en -reactie, maar hoe houdt u het evenwicht tussen automatisering en menselijk oordeel in hoge-stakes cybersecurity-incidenten?

AI-mogelijkheden ontwikkelen zich snel, maar de onderliggende “taalmodellen” van intelligente agenten zijn oorspronkelijk ontworpen voor taken als taalvertaling – niet voor nuances besluitvorming, speltheorie of het omgaan met complexe menselijke factoren. Dit maakt menselijk oordeel essentieel in cybersecurity. De analistenrol wordt niet verkleind door AI; het wordt verheven. Analisten zijn nu teamleiders, die hun ervaring en inzicht gebruiken om meerdere agenten te leiden en te sturen, ervoor zorgend dat beslissingen geïnformeerd blijven door context en nuances. Uiteindelijk gaat het om het creëren van een symbiotische relatie waarin AI menselijke expertise versterkt, niet vervangt.

Hoe evolueert uw productstrategie wanneer AI een kernontwerp-principe wordt in plaats van een add-on?

Bij Exabeam is onze productstrategie fundamenteel gevormd door AI als een kernontwerp-principe, niet als een oppervlakkige add-on. We hebben Exabeam van de grond af opgebouwd om machine learning te ondersteunen – van log-ingestie, parsing, verrijking en normalisatie – om een robuust Common Information Model te populeren dat specifiek is geoptimaliseerd om ML-systemen te voeden. Hoge kwaliteit, gestructureerde gegevens zijn niet alleen belangrijk voor AI-systemen – het is hun levensbloed. Vandaag integreren we onze intelligente agenten rechtstreeks in kritieke workflows, vermijden we generieke, onhandige chatbots. In plaats daarvan mikken we specifiek op cruciale use-cases die echte, tastbare voordelen bieden aan onze gebruikers.

Met Exabeam Nova, die “van assistent naar autonoom” beweegt, wat zijn de belangrijkste mijlpalen voor het bereiken van volledig autonome beveiligingsoperaties?

Het idee van volledig autonome beveiligingsoperaties is intrigerend, maar voorbarig. Volledig autonome agenten, in elk domein, zijn gewoon nog niet efficiënt of veilig. Terwijl besluitvorming in AI verbetert, heeft het nog niet het niveau van menselijke betrouwbaarheid bereikt en zal dat voorlopig nog niet doen. Bij Exabeam is onze aanpak niet gericht op totale autonomie, wat mijn groep bij OWASP identificeert als een core-vulnerabiliteit bekend als Excessive Agency. Agenten meer autonomie geven dan kan worden getest en gevalideerd, zet operaties op riskant terrein. In plaats daarvan is ons doel teams van intelligente agenten, capabel maar zorgvuldig geleid, die onder toezicht van menselijke experts in de SOC werken. Die combinatie van menselijke toezicht en gerichte agentic assistentie is de realistische, impactvolle weg vooruit.

Wat zijn de grootste uitdagingen die u heeft ondervonden bij het integreren van GenAI en machine learning op de schaal die nodig is voor real-time cybersecurity?

Een van de grootste uitdagingen bij het integreren van GenAI en machine learning op schaal voor cybersecurity is het balanceren van snelheid en precisie. GenAI alleen kan de enorme hoeveelheid gegevens die onze high-speed ML-engine verwerkt, niet vervangen – het verwerken van terabytes aan gegevens continu. Zelfs de meest geavanceerde AI-agenten hebben een “contextwindow” dat enorm ontoereikend is. In plaats daarvan bestaat ons recept uit het gebruik van ML om enorme gegevens te destilleren tot actiebare inzichten, die onze intelligente agenten vervolgens effectief vertalen en operationaliseren.

U heeft de OWASP Top 10 voor LLM-toepassingen mede-opgericht. Wat inspireerde dit en hoe ziet u dit vormgeven van AI-beveiligingsbest practices?

Toen ik de OWASP Top 10 voor LLM-toepassingen in het begin van 2023 lanceerde, was gestructureerde informatie over LLM en GenAI-beveiliging schaars, maar het interesse was enorm. Binnen enkele dagen sloten meer dan 200 vrijwilligers zich aan bij het initiatief, brengend diverse meningen en expertise om de oorspronkelijke lijst vorm te geven. Sindsdien is het meer dan 100.000 keer gelezen en is het een fundamentale internationale industrienorm geworden. Vandaag is de inspanning uitgebreid tot het OWASP Gen AI Security Project, dat gebieden zoals AI Red Teaming, het beveiligen van agentic systemen en het omgaan met offensieve toepassingen van Gen AI in cybersecurity omvat. Onze groep heeft onlangs de 10.000 leden overschreden en blijft AI-beveiligingspraktijken wereldwijd vooruit helpen.

Uw boek, ‘The Developer’s Playbook for LLM Security‘, won een top-prijs. Wat is de belangrijkste conclusie of principe uit het boek dat elke AI-ontwikkelaar moet begrijpen wanneer hij beveiligde toepassingen bouwt?”

De belangrijkste conclusie uit mijn boek, “The Developer’s Playbook for LLM Security”, is eenvoudig: “met grote macht komt grote verantwoordelijkheid”. Terwijl het begrijpen van traditionele beveiligingsconcepten nog steeds essentieel is, worden ontwikkelaars nu geconfronteerd met een geheel nieuwe set uitdagingen die uniek zijn voor LLM’s. Deze krachtige technologie is geen vrijbrief; het vereist proactieve, doordachte beveiligingspraktijken. Ontwikkelaars moeten hun perspectief uitbreiden, deze nieuwe kwetsbaarheden erkennen en aanpakken vanaf het begin, beveiliging integreren in elke stap van de levenscyclus van hun AI-toepassing.

Hoe ziet u de cybersecurity-werkforce evolueren in de komende 5 jaar, nu agentic AI meer mainstream wordt?

We zijn momenteel in een AI-wapenwedloop. Vijanden zijn agressief AI inzetten om hun kwaadwillige doelen te verwezenlijken, waardoor cybersecurity-professionals meer cruciaal zijn dan ooit. De komende vijf jaar zullen de cybersecurity-werkforce niet verkleinen, maar verheffen. Professionals moeten AI omarmen, integreren in hun teams en workflows. Beveiligingsrollen zullen verschuiven naar strategisch commando – minder over individuele inspanning en meer over het orkestreren van een effectieve reactie met een team van AI-gedreven agenten. Deze transformatie empowerd cybersecurity-professionals om beslissend en vertrouwd te leiden in de strijd tegen steeds evoluerende bedreigingen.

Dank u voor het geweldige interview, lezers die meer willen leren, kunnen Exabeam bezoeken.