Ryan Schonfeld, medgrunnlegger og CEO av HiveWatch – Intervju-serie

Ryan Schonfeld er medgrunnlegger og CEO av HiveWatch, et selskap som spesialiserer seg på å forbedre hvordan organisasjoner håndterer og reagerer på fysiske sikkerhetstrusler. Med erfaring som sikkerhetskonsulent, polititjenestemann og som sluttkunde i et Fortune 500-selskap, har han utviklet en førstehåndsforståelse av de operative utfordringene sikkerhetsteamene står overfor, noe som til slutt ledet ham til å bygge HiveWatch.

HiveWatch tilbyr en skybasert plattform som bringer sammen verktøy som videosovervåking, adgangskontroll, alarmer og hendelsesstyring i en enkelt operasjonsdashbord. Denne plattformen, kjent som HiveWatch GSOC Operating System, gjør det mulig for organisasjoner å overvåke aktivitet over flere lokasjoner, etterforske hendelser og koordinere respons med hjelp av automatisering og AI-drevet analyse for å forbedre effektiviteten og redusere falske alarmer.

Hva ledet deg til å medgrunnlegge HiveWatch, og hva var begrensningene i tradisjonell fysisk sikkerhet som gjorde AI til en rett grunn fra dag én?

Jeg tilbrakte flere år med å lede globale sikkerhets- og sikkerhetsteknologiprogrammer i globale organisasjoner, og vår evne til å effektivt utnytte teknologi var frustrerende. Sikkerheten var topp moderne, men vi måtte bruke infrastruktur som var fragmentert, langsom, reaktiv og menneskebasert. Så jeg startet RAS Consulting for å hjelpe organisasjoner med å modernisere sine sikkerhetsoperasjoner, planlegging, utdanning, risiko- og ansvarshåndtering. Vi bygget teknologibaserte programmer for raskt voksende selskaper som trengte å skaleres raskt.

Men selv da, så jeg fortsatt samme problem: mine kunders operatører druknet i varsler, begravde under frakoblete systemer, reagerte på alt og forventet ingenting. RAS Consulting-kunder trengte proaktiv sikkerhet, men de hadde ikke kunnskapen eller menneskene til å bygge det selv. Pandemien gjorde det verre. Plutselig trengte alle å omtenke hvordan de beskyttet mennesker og verdier, men de brukte verktøy bygget for en annen æra.

Det er derfor vi skapte HiveWatch. Vi trengte en plattform som kunne gjøre våre egne sikkerhetsteam mer bevisste, koblet, prediktive og informerte. Vi ønsket alt dette i tillegg til å være raskere og bedre på å håndtere hendelser. AI var ikke en funksjon vi la til senere, det var den eneste praktiske måten å samordne data for beste, mest informerte beslutning. Vi kan gjøre det uavhengig av hvilke systemer våre kunder har. Nå kan vi enkelt kutte gjennom falske alarmer og hjelpe teamene med å gå fra reaktiv til proaktiv. Alt annet er bare å gjøre de samme gamle problemene litt penere.

Hvordan påvirkede din bakgrunn som polititjenestemann og etterforsker hvordan du designet AI for å støtte virkelige sikkerhetsoperasjoner?
Jeg satt i stolen da hendelser utviklet seg i sikkerhetsoperasjons-sentre og jeg har vært på bakken under høyrisikohendelser, håndtert trusler i sanntid. Denne erfaringen lærte meg at både mennesker og teknologi er viktige i slike øyeblikk, at utmattelse eller utbrenthet kan påvirke beslutningene i en krise. Den lærte meg også hva som fungerer, hva som ikke fungerer og hva som får mennesker skadet når systemer svikter. Det er gjennom denne linsen at vi bygget HiveWatch.

Med erfaringen fra dette arbeidet, var vår AI-plattform ikke bare fra en tavle. Vi designet den fra innsiden av sikkerhetsoperasjons-sentrene. De som bygget dette, har tilbragt karrierer med å stirre på skjermer fulle av støy, prøve å finne de virkelige truslene, men ikke hatt verktøyene til å se klart eller handle raskt nok.

For lenge har industrien solgt reaktiv hendelsesrespons og kalt det innovasjon. Hva teamene virkelig trenger, er evnen til å se hva som kommer, og det er det vi bygget for.

Mange organisasjoner opererer fortsatt reaktivt. Hvordan muliggjør AI en overgang mot proaktiv og prediktiv fysisk sikkerhet?
Reaktiv sikkerhet er ikke et strategiproblem, det er et problem som omfatter håndtering av et fragmentert system som kan resultere i en kommunikasjonsfeil. Det involverer også en mangel på prioritering når hendelser skjer. Teamene drukner i støy skapt av hyppige alarmer som ofte er falske og skapt uten kontekst. Det er der alt bryter sammen.

Våre kunder bruker en tilpasset AI-operatør som faktisk lærer å kjenne deres fasiliteter — layout, arbeidsflyt, hvordan deres team opererer. I stedet for hundrevis til tusenvis av ubrukelige varsler per dag, ser de de håndfulle som betyr noe, med video og kontekst som viser nøyaktig hvorfor.

Når du kutte støyen og overflate virkelige mønster, skjer noe. Teamene slutter å jage gårsdagens problemer og begynner å komme foran morgendagens trusler. De er bedre i stand til å ha klarheten de trenger for å bygge sikkerhetsprogrammer som faktisk fungerer.

Når du snakker om prediktiv sikkerhet, hva ser det ut som i live bedriftsmiljøer?
Det er ikke en krystallkule. Det er mønsterkjennelse i hastighet.

Dette kan se ut som en åpen dør som ikke burde være åpen. Eller bevegelse på kamera som ikke matcher normen. Eller aktivitet som aldri har skjedd på den plassen på den tiden. AI-en fanger det, markerer det og forteller operatøren hva som skjer, hvorfor det betyr noe og hva de skal gjøre neste.

Det kobler seg til kameraer, sensorer og adgangskontroller du allerede har, så ingenting glipper gjennom fordi to systemer ikke snakker sammen. Resultatet er en sikkerhetsoperasjon som er skarpere, raskere og faktisk bygget for å beskytte mennesker i skala.

Hva slags risikosignaler, atferd eller mønster kan AI jevnt overflate som menneskelige team tendrer til å overse?
Mennesker er gode når noe åpenbart går galt. AI er gode på å fange alt som stille går galt.

Vi snakker om subtile avvik. Ting som ikke utløser en tradisjonell varsel, men absolutt burde. AI-en lærer kontinuerlig hva “normalt” ser ut for hvert spesifikke miljø, så når noe skifter, merker den det. I høyvolumen operasjoner hvor ditt team håndterer tusenvis av signaler, er det risikoene som tenderer til å gli gjennom. Å legge til noe som AI-operatøren bringer en overgang mot prioritering av varsler, så operatørene som responderer på hendelser vet hva som er kritisk (og blir veiledet på hvordan å respondere effektivt).

Hvordan endrer AI beslutningene innenfor en sikkerhetsoperasjons-senter når tid og informasjon er begrensede?
I en live hendelse, er det en gap mellom “hva skjer?” og “hva gjør vi?” Det gapet er der dårlige resultater bor.

Med AI lukker det. Det trekker kontekst fra across integrerte systemer, som video, adgangskontroll, sensorer, kommunikasjon, trusler, og plasserer det foran din operatør med en anbefalt neste steg. De trenger ikke lenger å bytte mellom 15 faneblad. De trenger ikke å gjette. Ditt team går fra varsel til handling på sekunder i stedet for minutter.

Realiteten er at de fleste SOCs er underbemannede og overveldede. AI fikser det ikke ved å legge til headcount; det fikser det ved å sikre at hver person i rommet er fokusert på hva som faktisk betyr noe, med informasjonen de trenger for å ta riktig avgjørelse, nå.

Store hendelser som store idrettsarrangementer eller prisutdelinger skaper ekstrem kompleksitet. Hvordan hjelper AI med å koordinere respons under press?
Store hendelser kan bryte tradisjonell sikkerhet. Signalvolumet eksploderer, risikoflaten multipliseres, og legacy-verktøy kan ikke holde pace.

Jeg har koordinert beskyttelse ved store hendelser med executive beskyttelsesteam, venue-sikkerhet, hendelseshost, lokale myndigheter, medisinsk, føderale byråer. Det er lag på lag av sikkerhet. Men det siste året har lært oss at truslen noen ganger allerede er innenfor perimetret. En troverdig insider. En akkreditert gjest. Noen som allerede er forbi dine kontrollpunkter.

Vi har sett det utspille seg på direktesendt TV også: hendelser på prisutdelinger, fans som bryter gjennom barrierer, mennesker som hopper felt med politiske budskap. Hvor vi historisk har tegnet våre perimetre, må kanskje helt omtenkes..

AI gir deg ekstra øyne over hele miljøet, ikke bare inngangspunktene. Det overvåker mønster, bevegelse og anomalier i sanntid, så når noe oppstår innenfor wiren, vet sikkerhetsteamet det før det eskalerer. I disse tilfellene, teller sekundene og situasjonsbevissthet ikke bare er en “nice-to-have”.

Hvor viktig er dyp systemintegrering over video, adgangskontroll, sensorer og kommunikasjon for AI å levere virkelig situasjonsbevissthet?
Uforhandelbar. AI er bare så smart som data den kan se. I så mange tilfeller er disse systemene siloet og hvis de ikke er koblet sammen, kan AI kanskje ikke få hele bildet (det er der HiveWatch kan gjøre en virkelig forskjell, ved å bringe alle disse systemene sammen i ett miljø).

Når alt er integrert (tenk: video, adgangskontroll, sensorer, kommunikasjon, trusler), har AI full visibilitet til å anbefale riktig kurs. Det er kritisk at din sikkerhetsoperasjonsplattform er bygget for å fungere med hva du allerede har. Du kjøpte gode verktøy. De burde kunne fungere sammen så du ikke måtte rippe og erstatte for å få verdi.

Hvordan bør ledere realistisk tenke om avkastning når de vurderer AI-drevne fysiske sikkerhetsplattformer?
Start med hva som allerede koster deg penger, fordi det er mer enn du tror.

Falske alarmer spiser timer. Frakoblete systemer betyr dobbelt arbeid. Operatører som brenner ut og bytter jobb, betyr at du konstant må ansette og trene nye mennesker. Det bygger store kostnader, og de fleste organisasjoner har aldri kvantifisert det.

AI-drevne plattformer som vår kan redusere antallet operatører som trengs i en sikkerhetsoperasjons-senter og dens vaktresurser, noe som kan resultere i betydelig avkastning. I tillegg, siden teknologien kutte falske alarmer dramatisk, trengs færre mennesker til å triage innkommende varsler. Sekundært kan reduksjon av duplikate teknologi over en SOCs teknologi-stakk redusere mengden penger brukt på overlappende systemer. Til slutt, fordi vi integrerer med infrastrukturen du allerede eier, river du ikke ut hva du har brukt år på å bygge. I stedet får du endelig full verdi fra det.

Avkastningen er ikke bare i hva du sparer, selv om dette kan være betydelig når du tar hensyn til kostnadsreduksjoner i ressurser som støtter ditt program (som historisk har vært vanskelig å kvantifisere for sikkerhetsledere). Den kan også avsløres i hva ditt team forhindrer. En avverget hendelse, en raskere respons, en trussel fanget tidlig. For ditt styre, ansatte og kunder, er det matematikken som teller. Teamene som får dette, kjøper ikke ny teknologi for teknologiens skyld. De fikser et ødelagt program.

Ser fremover, hvordan ser du forholdet mellom menneskelige sikkerhetsteam og AI-systemer utvikle seg over de neste ti årene?
La oss være ærlige: om noen år, vil AI i sikkerhet ikke være valgfritt. Det vil være standarden. Teamene som behandler det som en “nice-to-have” vil falle bak teamene som allerede arbeider sammen med det.

Når systemene modnes, tar AI på seg mer av den kognitive belastningen — filtrerer støy, spotter mønster, anbefaler handlinger — mens mennesker forblir der de hører hjemme: i kontroll av dømmekraft og ansvar. Den partnerskapet vil definere hva moderne fysisk sikkerhet ser ut som. Teamene som fikser det først, vinner.

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