Ricardo Amper, administrerende direktør og grunnlegger av Incode – Intervju-serie

Ricardo Amper, administrerende direktør og grunnlegger av Incode, er en seriegründer og teknologileder med mer enn to tiår med erfaring i å bygge og skalere selskaper innen teknologi, forbrukerprodukter og industrielle sektorer. Han grunnla Incode i 2015 med visjonen om å transformere hvordan folk verifiserer og autentiserer sine identiteter i den digitale verden. Tidligere var Amper administrerende direktør i Grupo Amco, Latinamerikas ledende virksomhet innen aromakjemikalier og essensielle oljer, hvor han utviklet OneView, en maskinlæringsbasert prediktiv dataplattform, før selskapet ble kjøpt opp av Brenntag Group. Han var også medgründer og leder av Amco Foods, som ble kjøpt opp av Grupo Bimbo, og tidligere grunnla han La Burbuja Networks. Karrieren hans kombinerer entreprenørskap, kunstig intelligens, datadrevne systemer og erfaring med å bygge selskaper gjennom oppkjøp.

Incode er en AI-drevet identitetsplattform designet for å hjelpe organisasjoner med å etablere tillit i samhandlinger med personer, virksomheter og i økende grad AI‑agenter. Teknologien kombinerer dokumentverifisering, biometri‑autentisering, ansiktsgjenkjenning, levetidsdeteksjon, deepfake‑deteksjon og direkte kontroller mot offentlige registersystemer, samtidig som den støtter områder som Know Your Customer (KYC), Anti-Money Laundering (AML)-overholdelse, Know Your Business (KYB), aldersbekreftelse, arbeidsstyrke‑verifisering og forebygging av kontoovertakelse. Incode utvikler sin AI‑teknologi internt og har utvidet plattformen for å håndtere nye trusler som syntetiske identiteter og svindel muliggjort av generativ AI, samt Agentic Identity‑verktøy for å verifisere eiere av AI‑agenter og spore deres handlinger.

Du grunnla Incode i 2015 etter å ha bygget selskaper i svært ulike bransjer, og du har argumentert for at en tilnærming til problemer med et friskt, førstprinsipp‑perspektiv kan være mer verdifull enn å stole på arvede bransjeantakelser. Hva så du i identitetsverifisering som etablerte leverandører manglet, og hvordan har den opprinnelige innsikten formet Incode sin utvikling?

Før 2015 behandlet bransjen identitet som et etterlevelsesproblem og en ettertanke: skann et dokument, la noen i en back‑office gjennomgå det, kryss av i boksen. Jeg kom inn uten den antakelsen og så et AI‑problem i bransjens tilnærming til identitet.

Så gjorde jeg tre beslutninger på dag én som ingen andre tok:

AI utfører verifiseringen i stedet for at mennesker ser på dataene dine, vi utvikler hvert lag av teknologien selv i stedet for å sette sammen andres komponenter, og personvern er arkitektur, ikke politikk. Ti år senere har generativ AI gjort disse til de eneste beslutningene som holder stand.

Det valget formet selskapet vi ble.

1. Vi er først og fremst byggherrer: selv i dag er en større andel av folkene våre i engineering og produkt enn i et typisk B2B‑programvareselskap, og det er det som gjør oss smidige nok til å tilpasse oss like raskt som trusselen utvikler seg.
2. Vi startet også bevisst i ett av verdens vanskeligste svindelmiljøer, Latin-Amerika, og løste det i stor grad for noen av regionens største banker og foretak. Når teknologien din overlever der, blir markeder hvor svindel er reell, men mindre ubønnhørlig, en mye enklere test.

Vi har aldri vært interessert i å lappe problemer eller gjøre selskaper bare overholdende for i dag. Vi liker den vanskelige versjonen av dette problemet: å verifisere en ekte person med minst mulig friksjon og sterkest mulig personvern, og gjøre det for en fremtid som er i endring.

Incode har nå blitt navngitt som en leder i Gartner® Magic Quadrant™ for Identity Verification i tre påfølgende år. Hva tror du denne konsistensen sier om hvordan selskapet har utviklet seg, og hvilke kapasiteter som var mest viktige for å opprettholde den posisjonen da trussellandskapet endret seg?

Alle kan ha et godt år. Tre påfølgende år reflekterer konsistens, og konsistens er det bedriftene kjøper. De tre årene dekker hele bølgen av generativ AI‑svindel, og det som hjalp oss med å opprettholde vår status som bransjeleder gjennom den, er at vi eier hele teknologistabelen vår. Når en ny angrepsklasse eller -vektor dukker opp, trener vi våre egne modeller på nytt på dager i stedet for å vente på andres produktplan eller oppdateringer. De andre konstantene er våre direkte forbindelser til autoritative identitetskilder og disiplinen med å behandle konvertering like alvorlig som svindel, fordi bedrifter trenger begge deler.

Incode beskriver en ny generasjon av autonome svindelangrep der AI‑agenter kan generere syntetiske dokumenter, lage målrettede deepfakes, teste dem mot verifiseringssystemer, og tilpasse seg etter hver avvisning. Hvor nært er vi å se disse fullt automatiserte angrepsarbeidsflytene operere i stor skala?

Svindel i stor skala har alltid krevd folk i stor skala. Flaskehalsen var mennesker, og AI har nettopp fjernet den. Vi lette etter bevisene og publiserte det vi fant: offentlig rapporterte, uavhengig innhentede AI‑drevet svindel‑hendelser i USA, hvor en stor del ble bekreftet i rettsdokumenter eller regulatoriske tiltak. Da vi vurderte hvor mye av hvert opplegg en autonom agent kunne kjøre på egen hånd, kunne nesten alle kjøre fra start til slutt, og ingen var immune. Den gamle modellen var begrenset av hvor mange dyktige personer du kunne rekruttere. Den nye er kun begrenset av beregningskapasitet.

Incode sier at de kontinuerlig kjører en agentisk angriper mot sine egne forsvar. Hvordan fungerer denne motstandsbaserte testprosessen, og hva kan en AI‑angriper avdekke som konvensjonell penetrasjonstesting eller statiske svindel‑benchmarker kan gå glipp av? 

Ideen er enkel: den eneste måten å bygge forsvar mot disse angrepene på er å først kjøre angrepene mot oss selv. Så vi opererer en angriper som fungerer akkurat som de kriminelle. Den genererer deepfakes, syntetiske dokumenter og injeksjonsforsøk, sender dem til våre egne live‑forsvar, lærer av hver avvisning, og kommer tilbake med en bedre variant. En konvensjonell penetrasjonstest sjekker en kjent liste med angrep én gang og drar hjem. En adaptiv angriper stopper aldri å finne på nye, så den finner svakheten, og angrepet som ennå ikke eksisterer, før en kriminell gjør det.

Etter hvert som generative modeller gjør syntetiske dokumenter og biometriske medier stadig mer overbevisende, hvilke signaler forblir de vanskeligste for angripere å fabrikere pålitelig?

Pixelene er et tapt spill hvis det er alt du ser på, fordi generative modeller forbedres hver måned. Det angripere fortsatt ikke kan fabrikere pålitelig er alt utenfor bildet: integriteten til enheten og opptaksveien mediet har reist gjennom, atferd som forblir konsistent på tvers av økter, og registreringen som kilden som utstedte identiteten holder. Det er prinsippet bak Deepsight, vår teknologi for deepfake‑deteksjon. Den dømmer aldri kun bildet: den analyserer mediet, maskinvaren, programvareveien og brukerens atferd i en enkelt sanntidsbeslutning, og den kan identifisere hvilken generativ modell som produserte en falsk. Purdue University testet den uavhengig mot 24 andre statlige, akademiske og kommersielle systemer og bekreftet at den er den mest nøyaktige.

Incode legger vekt på å verifisere identiteter mot autoritative offentlige registre i stedet for kun å stole på dokumentet som en bruker presenterer. Hvordan påvirker dette nøyaktigheten i identitetsverifisering, og hvilke tekniske eller regulatoriske utfordringer oppstår når denne tilnærmingen implementeres i ulike land?

Et dokument forteller deg hva som ble presentert. Det autoritative registeret forteller deg hva som er sant. Hver sjekk som vurderer om et artefakt ser autentisk ut, mister terreng etter hvert som generativ AI forbedres, men et offentligt register gjør det ikke, fordi det er sannhetsgrunnlaget som svindleren ikke kan kontrollere. Utfordringene er reelle: hvert land har ulike autoritative kilder, ulike tilgangsregler og ulike personvernlovgivninger, så vi bygger direkte forbindelser marked for marked og behandler alt under personvern som designprinsipp.

Identitetsverifiseringssystemer må stoppe sofistikert svindel uten å skape unødvendig friksjon for legitime brukere. Hvordan vurderer du avveiningen mellom sikkerhet, falske avslag, onboarding‑hastighet og konvertering?

Hver identitetsleverandør trekker i spaker mellom de fire faktorene. Det egentlige spørsmålet er hvilke spaker du har kontroll over. En stor del av bransjen implementerer teknologi de har lisensiert fra andre, så når svindelen øker kan de ikke se inn i modellen eller trene den på nytt, og den eneste spaken som gjenstår er friksjon: flere steg, flere manuelle gjennomganger, flere gode brukere avvist. Vi tok det motsatte valget og utvikler hver AI‑modell selv – liveness, deepfake‑deteksjon, dokumentverifisering, alt – så vår spak er nøyaktighet. Vi trener på nytt på dager, skyver svindel ned i modellen, og lar brukeropplevelsen være uforandret. Det er derfor å slippe hver god bruker gjennom og stoppe hvert angrep er én jobb for oss, ikke en avveining.

Incodes tillitsnettverk er designet for å identifisere gjentatt svindel og gjenkjenne pålitelige historikker på tvers av organisasjoner uten å samle rå persondata. Hvilken teknologi gjør denne typen personvern‑bevarende kunnskapsdeling mulig?

Kryptografi er muliggjøreren, men konseptet er poenget: samarbeid uten eksponering. Organisasjoner i nettverket kan lære om et identitetssignal har blitt knyttet til svindel andre steder uten at noen part noen gang ser andres data, så det finnes ingen samlet database, ingenting å bryte, og ingen datamegling. Dette er grunnen til at vi kjøpte opp Identiq, hvis team brukte år på å bygge akkurat denne personvern‑forbedrende kryptografiteknologien, og hvorfor vi i år forplikter mer enn 100 millioner dollar til personvern‑bevarende identitetsinfrastruktur. Nettverket blir smartere med hver verifisering mens hver enkelt persons data forblir forseglet, på en skala på mer enn 7 milliarder tillitskontroller og 400 millioner profiler. Vi har alltid trodd at personvern og svindelforebygging ikke er en avveining. De er det samme problemet, løst sammen eller ikke i det hele tatt.

Etter hvert som AI‑agenter begynner å foreta kjøp, få tilgang til kontoer, signere avtaler og kommunisere på vegne av personer, hvordan skal organisasjoner verifisere ikke bare selve agenten, men også dens eier, tillatelser og myndighet til å utføre en spesifikk handling?

Start med eieren, fordi en agents myndighet er verdiløs hvis den ikke kan spores tilbake til en verifisert person. Det er nettopp det vi bygde Agentic Identity for: vi verifiserer eieren med høy‑sikkerhets identitetsbekreftelse og deepfake‑bestandig livsbevis, utsteder et sikkert token til agenten som knytter hver handling tilbake til den ansvarlige personen, og verifiserer tokenets tillatelsesomfang slik at en agent som er autorisert for én oppgave ikke stille kan gli inn i andre. Deretter overvåker vi kontinuerlig, fordi agenter endrer atferd raskere enn noen kvartalsvis tilgangsgjennomgang. Det er de samme biometriene, den samme svindel‑intelligensen, det samme nettverket vi bruker for mennesker, utvidet til systemene som handler på deres vegne.

Ser vi fremover, vil identitetsverifisering forbli et eget kontrollpunkt under onboarding, eller vil den bli et kontinuerlig tillitslag som opererer gjennom alle digitale interaksjoner mellom mennesker, bedrifter og autonome AI‑agenter?

Både en periode, og så vinner kontinuerlig. Onboarding forblir ankeret der identiteten etableres med høyeste sikkerhet, men tillit kan ikke forbli et øyeblikk i tid når angrep tilpasser seg på tvers av økter og agenter handler døgnet rundt. Målet er et vedvarende tillitslag: re‑verifisering i øyeblikk med reell risiko, atferds‑ og nettverkssignaler korrelert kontinuerlig, og den samme ansvarligheten utvidet til AI‑agenter som handler på folks vegne. Identitet slutter å være et kontrollpunkt og blir infrastruktur, og vi bygger for den verdenen.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Incode.