David Matalon, CEO og grunnlegger av Venn – Intervju-serie

David Matalon, CEO og grunnlegger av Venn, er en seriell entrepreneur med lang erfaring i å bygge sikre bedriftsteknologiplattformer, etter å ha ledet OS33 – en tidlig leder i sikre arbeidsplasser for finansielle firmaer – og External IT, en pioner i vertede IT-tjenester. Med Venn fokuserer han på å omdefinere sikkerheten for fjernarbeid ved å enable organisasjoner til å adoptere bring-your-own-device (BYOD)-modeller uten å ofre kompatibilitet eller kontroll, og utnytte hans dype erfaring i skyinfrastruktur, endpoint-sikkerhet og regulerte industrier for å møte de økende utfordringene med distribuerte arbeidsstyrker.

Venn er en cybersecurity- og fjernarbeidsplattform designet for å sikre bedriftsdata på personlige og ustyrede enheter gjennom sin proprietære Blue Border-teknologi, som skaper en sikker, kryptert enklave på en brukers datamaskin hvor arbeidsapplikasjoner og data er isolert fra personlig aktivitet. I motsetning til tradisjonell virtuell skrivebordsinfrastruktur, tillater Venn at applikasjoner kjører lokalt med nativ ytelse samtidig som det pålegger strenge datasikkerhets- og kompatibilitetspolitikker, og hjelper organisasjoner med å redusere IT-utgifter, påmelding av fjernarbeidere raskt, og opprettholde personvern ved å skille bedrifts- og personlige miljøer på samme enhet.

Du har brukt mer enn to tiår på å bygge teknologi for sikker fjernarbeid, fra lansering av Offyx i de tidlige dagene av applikasjonstjenesteleverandører til å grunnlegge OS33 og nå Venn. Hva lærte du fra de tidligere selskapene som ledet deg til å bygge Venn, og hvordan har disse erfaringene formet ideen bak Blue Border og din visjon for å sikre moderne Bring Your Own Device (BYOD)-arbeidsstyrker?

I løpet av de siste to tiårene har jeg hatt muligheten til å bygge selskaper i flere forskjellige faser i utviklingen av fjernarbeid. På OS33 tilbrakte vi år på å levere sikre fjernarbeidsmiljøer gjennom vertet infrastruktur som brukte teknologi lignende virtuell skrivebordsinfrastruktur (VDI). Mens sikkerhetsmodellen fungerte, fikk vi stadig den samme tilbakemeldingen fra kundene: Erfaringen med å bruke fjernvertede applikasjoner var ofte langsom, kompleks å vedlikeholde og frustrerende for brukerne.

Den tilbakemeldingen var et vendepunkt. Fjernvertning innførte uunngåelig forsinkelse og krevde betydelig infrastruktur, og skapte operasjonell kompleksitet for IT-teamene. Vi begynte å stille et enkelt spørsmål: Hva hvis du kunne fjerne vertning fra ligningen helt? I stedet for å kjøre arbeid et annet sted og strømme det til brukeren, kunne du sikre arbeid lokalt på brukerens enhet samtidig som du beskyttet bedriftsdata?

Den tenkningen ledet til slutt til Venn og konseptet bak Blue Border. I stedet for å tvinge arbeid gjennom fjernvertning og virtualisering, skapte vi en ny modell som lar bedriftsapplikasjoner kjøre lokalt på en brukers laptop samtidig som bedriftsdata forblir kryptert og beskyttet. Selv på en personlig laptop forblir arbeid isolert og beskyttet fra personlig aktivitet.

Kunstig intelligens-verktøy sprer seg raskt over bedrifter, raskere enn politikker kan holde tritt. Fra din perspektiv, hvorfor har styring strugglet med å holde tritt med AI-adopteringshastigheten innen organisasjoner?

Styring har strugglet med å holde tritt med AI-adopteringshastigheten fordi teknologien ble en hverdagsverktøy nesten over natten. I løpet av de siste årene siden ChatGPT eksploderte, har ansatte inkorporert AI i sine liv og arbeidsflyter. De venter ikke på formelle IT-godkjenningscykler; de bruker allerede AI for å skrive raskere, analysere informasjon, summerere møter eller generere kode på sekunder. I de fleste organisasjoner skjer politikkopprettelse, juridisk gjennomgang, sikkerhetsvalidering og IT-utvikling på en mye langsommere tidslinje enn brukeratferd. Det er der AI-styring faller bak.

Det dypere problemet er at mange organisasjoner prøver å anvende gårsdagens kontrollmodell på dagens AI-realistikk. Tradisjonell styring var bygget rundt å godkjenne eller blokkere en forhåndsdefinert sett med applikasjoner, men AI er nå innebygget i nettlesere, SaaS-plattformer og selv i operativsystemer. Styring må utvikle seg utover å kontrollere et forhåndsdefinert verktøysett og fokusere i stedet på å beskytte data hvor det bor, sikre arbeidsmiljøet og definere betingelsene under hvilke sensitive opplysninger kan brukes trygt.

Mange bedrifter prøver å løse problemet ved å begrense eller forby generative AI-verktøy. Hvorfor tror du denne tilnærmingen feiler i praksis, og hva uventede sikkerhetsrisikoer kan den skape?

Begrensninger feiler fordi de ignorerer virkeligheten av hvordan folk arbeider. Ansatte vil finne måter å bruke AI-verktøy uansett offisiell godkjenning. Dette skaper skygge-AI, eller ugodkjent bruk av verktøy, personlige kontoer, kopier-og-lim-inn-arbeidsflyter og nettleserbaserte interaksjoner, som kan skje utenfor godkjent tilsyn. Selskapet mister deretter oversikt, og setter sine sensitive data i fare.

I mange tilfeller kan restriktive politikker øke risikoen i stedet for å senke den. Når ansatte ikke kan bruke disse verktøyene trygt, finner de ofte omveier. Sensitive bedriftsdata kan ende opp med å flyte inn i verktøy som IT- eller sikkerhetsteamene ikke overvåker eller kontrollerer. En bedre tilnærming er ikke forbud for sin egen skyld, men å enable trygg bruk gjennom isolasjon, datasikkerhetskontroller og tydelige retningslinjer som lar bedriften gå fremover uten å eksponere kritisk informasjon.

AI-kapasiteter er stadig mer innebygget i hverdagsapplikasjoner i stedet for å eksistere som separate verktøy. Hvorfor endrer denne skiftet måten sikkerhetsteamene tenker om overvåking og kontroll av dataeksponering?

Dette skiftet er betydelig fordi det bryter den gamle mentalmodellen om “risikabelt app versus godkjent app”. Hvis AI er innebygget i e-post, CRM, konferansesystemer, dokumentredigering og søk, er dataeksponering ikke lenger knyttet til om en bruker åpner et separat AI-verktøy. Det er knyttet til hva data som er tilgjengelig innen applikasjonen, hva konteksten AI kan se, og om den interaksjonen skjer innen en sikker arbeidsplass.

Sikkerhetsteamene må fokusere på å beskytte data i stedet for å låse hele enheten. Fokuset bør være på å isolere arbeidssesjoner, kontrollere kopiering og nedlasting der det er aktuelt, forhindre lekkasje over personlige og forretningskontekster, og sikre at sensitive opplysninger forblir innen en beskyttet miljø.

Venns Blue Border-teknologi isolerer arbeidsapplikasjoner og data lokalt på en brukers personlige enhet i stedet for å stole på tradisjonell virtuell skrivebordsinfrastruktur. Hvorfor endrer denne arkitekturen grundig endpoint-sikkerhetsmodellen for fjernarbeid?

Blue Border endrer grundig endpoint-sikkerhetsmodellen ved å gå utover ideen om at sikkerhet krever enten full enhetkontroll eller en virtualisert skrivebord. Tradisjonell VDI sikrer arbeid ved å hoste det fjernvert og strømme det til brukeren. Blue Border sikrer arbeid lokalt på brukerens personlige enhet ved å skape en IT-kontrollert sikker enklave hvor applikasjoner kjører lokalt, og bedriftsdata forblir kryptert og beskyttet.

Resultatet er en annen sikkerhetsmodell for fjernarbeid, hvor bedrifter kan pålegge beskyttelse rundt arbeidet selv uten å måtte utstyre enheter eller tvinge brukerne til å håndtere forsinkelsen og latentheten som følger med å hoste et skrivebord i skyen.

Mange organisasjoner sliter med å balansere ansattes personvern og bedriftsoversikt når arbeidere bruker personlige enheter. Hvor kan sikkerhetsteamene beskytte sensitive data uten å skape en forestilling om overvåking?

Nøkkelen er å beskytte arbeidet, ikke den personlige aktiviteten. Ansatte er forståeligvis ubekvempe når sikkerhetsmessige tiltak kan utvides til å omfatte personlige filer, meldinger, nettleserhistorikk eller personlige applikasjoner. På en BYOD-enhet betyr tillit mye. Hvis selskapet ikke kan forklare tydelig hvor deres oversikt begynner og slutter, vil ansatte anta det verste.

En sterkere modell er en som skaper en distinkt arbeidsplass for bedriftsaktivitet og pålegger sikkerhetskontroller bare innenfor den grensen. Dette gir organisasjonen muligheten til å beskytte bedriftsdata samtidig som ansatte får tillit til at deres personlige aktivitet ikke overvåkes eller kontrolleres. Personvern og sikkerhet trenger ikke å konkurrere hvis arkitekturen er designet for å skille dem rennende.

Fjernarbeid og kontraktbaserte team har gjort BYOD-miljøer nesten uunngåelige. Hva er de største sikkerhetsrisikoene forbundet med ustyrede enheter i dag?

Det største risikoen er at ustyrede enheter utvisker grensen mellom personlig og bedriftsaktivitet. På samme maskin kan en bruker ha arbeidsapplikasjoner åpne sammen med personlig e-post, forbruker-AI-verktøy, meldingsapper, fildele-tjenester og upålitelige nettleser-utvidelser. Uten en sikker adskillelse, blir det svært enkelt for sensitive data å bli kopiert, cachet, lastet ned, skjermet eller eksponert gjennom kanaler som selskapet ikke kontrollerer. For organisasjoner som er underlagt regler om datasikkerhet, er dette en stor risiko.

Kunstig intelligens-agenter og automatiserte arbeidsflyter begynner å samhandle direkte med bedriftsapplikasjoner og data. Hva nye sikkerhetsutfordringer introduserer disse autonome systemene?

Autonome systemer introduserer en annen klasse av risiko fordi de ikke bare genererer innhold, men også kan handle. AI-agenter koblet til bedriftssystemer kan hente eller flytte data, oppdatere poster, utløse arbeidsflyter eller kommunisere eksternt. Dette utvider blast-radiusen av en feil, mis-konfigurasjon eller kompromittert identitet betydelig utover hva vi ser med passive AI-assistenter.

Det skaper også nye spørsmål om tilgang, tillit og ansvar. Hva data er agenten tillatt å aksessere? Under hvilke betingelser kan den handle? Hvordan er den aktiviteten logget, begrenset og gjennomgått? IT- og sikkerhetsteamene må behandle AI-agenter mindre som programvarefunksjoner og mer som privilegerte digitale aktører. Det betyr å anvende prinsipper som minst privilegie, segmentering, sesjon-isolasjon og sterk auditabilitet fra starten.

Ettersom organisasjoner integrerer generativ kunstig intelligens i produktivitetsverktøy, kundesupportsystemer og interne arbeidsflyter, hva slags sensitive data-eksponeringer bekymrer deg mest?

Bruk av generativ AI på arbeidsplassen har utvisket grensen mellom personlig og bedriftsdata. Ansatte aksesserer ofte eksterne verktøy mens de arbeider med bedriftsinformasjon, noe som gjør det svært enkelt for sensitive data som kunderekorder, interne dokumenter, kildekode eller finansiell informasjon å slippe inn i eksterne miljøer. Når bedriftsdata flyter gjennom personlige kontekster eller ustyrede enheter, mister selskapene oversikt og kontroll over hvor den informasjonen går, hvordan den lagres og hvem som til slutt kan aksessere den. Ettersom AI blir mer innebygget i hverdagsarbeidsflyter, må organisasjoner håndtere denne utviskede grensen direkte ved å sikre at bedriftsdata forblir beskyttet selv når arbeid skjer på personlige enheter.

Ser du fremover, hvordan ser du på endpoint-sikkerhetens utvikling når AI-drevne arbeidsflyter blir mer vanlige over distribuerte og fjernarbeidsstyrker?

Endpoint-sikkerheten må bli mye mer adaptiv, kontekst-bevisst og arbeidsplass-sentrert. I fortiden antok endpoint-sikkerhetsdesign en styrt enhet, en definert kontor-perimeter og en relativt stabil sett med bedriftsapplikasjoner. Fremtiden er distribuert, AI-drevet og stadig mer autonom. Sikkerheten må følge arbeidet selv, uansett hvor det skjer, uten å anta full kontroll over enheten eller blokkere produktivitet.

Den vinnende modellen vil være en som kombinerer sterk adskillelse mellom enheten og sensitive data, kontekst-bevisste tilgangskontroller og en arkitektur som bevare en tydelig grense mellom arbeid og personlig aktivitet. Organisasjoner trenger miljøer hvor ansatte, kontraktorer og AI-drevne arbeidsflyter kan operere produktivt, men innen kontroller som beskytter data ved design. Selskapene som lykkes, vil ikke være de som prøver å bremse AI-adopteringshastigheten, men de som gjør trygg adoptering mulig i stor skala.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, kan besøke Venn.