Ricardo Amper, dyrektor generalny i założyciel Incode – seria wywiadów

Ricardo Amper, dyrektor generalny i założyciel Incode, jest seryjnym przedsiębiorcą i menedżerem technologicznym z ponad dwudziestoletnim doświadczeniem w budowaniu i skalowaniu firm w sektorach technologii, produktów konsumenckich i przemysłowych. Założył Incode w 2015 roku z wizją przekształcenia sposobu, w jaki ludzie weryfikują i uwierzytelniają swoją tożsamość w świecie cyfrowym. Wcześniej Amper pełnił funkcję dyrektora generalnego w Grupo Amco, wiodącym w Ameryce Łacińskiej przedsiębiorstwie chemikaliów aromatycznych i olejków eterycznych, gdzie opracował OneView, platformę predykcyjnych danych opartą na uczeniu maszynowym, zanim firma została przejęta przez Brenntag Group. Był także współzałożycielem i liderem Amco Foods, które zostało przejęte przez Grupo Bimbo, oraz wcześniej założył La Burbuja Networks. Jego kariera łączy przedsiębiorczość, sztuczną inteligencję, systemy oparte na danych oraz doświadczenie w skutecznym budowaniu firm poprzez przejęcia.

Incode to platforma tożsamości oparta na sztucznej inteligencji, zaprojektowana, aby pomóc organizacjom budować zaufanie w interakcjach z ludźmi, firmami i coraz częściej z agentami AI. Jej technologia łączy weryfikację dokumentów, uwierzytelnianie biometryczne, rozpoznawanie twarzy, wykrywanie żywotności, wykrywanie deepfake oraz bezpośrednie kontrole w systemach rejestrów rządowych, jednocześnie obsługując obszary takie jak Know Your Customer (KYC), zgodność z przepisami przeciwdziałania praniu pieniędzy (AML), Know Your Business (KYB), weryfikację wieku, weryfikację pracowników oraz zapobieganie przejęciom kont. Incode rozwija swoją technologię AI we własnym zakresie i rozbudował platformę, aby przeciwdziałać nowym zagrożeniom, takim jak syntetyczne tożsamości i oszustwa wspierane generatywną AI, a także narzędzia Agentic Identity do weryfikacji właścicieli agentów AI i śledzenia ich działań.

Założyłeś Incode w 2015 roku po budowaniu firm w bardzo różnych branżach i argumentowałeś, że podejście do problemów z świeżym, opartym na pierwszych zasadach myśleniem może być cenniejsze niż poleganie na odziedziczonych założeniach branżowych. Co zauważyłeś w weryfikacji tożsamości, czego brakowało tradycyjnym dostawcom, i jak to pierwotne spostrzeżenie ukształtowało rozwój Incode?

Przed 2015 rokiem branża traktowała tożsamość jako problem zgodności i kwestię poboczną: zeskanuj dokument, niech ktoś w back‑office go zweryfikuje, zaznacz pole. Ja wkroczyłem bez tego założenia i dostrzegłem problem AI w podejściu branży do tożsamości.

Zatem podjąłem trzy decyzje pierwszego dnia, których nikt inny nie podejmował:

Sztuczna inteligencja przeprowadza weryfikację zamiast ludzi przeglądających twoje dane, rozwijamy każdy element technologii samodzielnie, zamiast składać części innych firm, a prywatność jest architekturą, nie polityką. Dziesięć lat później generatywna AI uczyniła te decyzje jedynymi, które się utrzymują.

Ten wybór ukształtował firmę, którą się staliśmy.

1. Jesteśmy przede wszystkim budowniczymi: nawet dziś większy odsetek naszych pracowników pracuje w inżynierii i produkcie niż w typowej firmie oprogramowania B2B, co pozwala nam być na tyle zwinni, aby dostosowywać się tak szybko, jak pojawia się zagrożenie.
2. Świadomie rozpoczęliśmy działalność w jednym z najtrudniejszych środowisk oszustw na świecie, w Ameryce Łacińskiej, i w dużej mierze rozwiązaliśmy je dla niektórych z największych banków i przedsiębiorstw regionu. Gdy nasza technologia przetrwa tam, rynki, gdzie oszustwa są realne, ale mniej nieustanne, stają się znacznie łatwiejszym testem.

Nigdy nie interesowało nas jedynie łatanie problemów czy zapewnianie firmom jedynie dzisiejszej zgodności. Cieszy nas trudniejsza wersja tego wyzwania: weryfikować prawdziwą osobę przy jak najmniejszym tarciu i maksymalnej prywatności, i robić to w zmieniającej się przyszłości.

Incode został teraz nazwany Liderem w Gartner® Magic Quadrant™ dla weryfikacji tożsamości przez trzy kolejne lata. Co, według Ciebie, ta konsekwencja mówi o rozwoju firmy i które możliwości były najważniejsze dla utrzymania tej pozycji w miarę zmiany krajobrazu zagrożeń?

Każdy może mieć dobry rok. Trzy kolejne lata odzwierciedlają konsekwencję, a to właśnie konsekwencję kupują przedsiębiorstwa. Te trzy lata obejmują całą falę oszustw generatywną AI, a to, co pomogło nam utrzymać status lidera branży, to posiadanie pełnego stosu technologicznego. Gdy pojawia się nowa klasa lub wektor ataku, ponownie trenujemy własne modele w ciągu kilku dni, zamiast czekać na roadmapę produktu lub aktualizacje innej firmy. Inne stałe to nasze bezpośrednie połączenia z autorytatywnymi źródłami tożsamości oraz dyscyplina traktowania konwersji tak poważnie jak oszustwa, ponieważ przedsiębiorstwa potrzebują obu.

Incode opisuje nową generację autonomicznych ataków oszustw, w których agenci AI mogą generować syntetyczne dokumenty, tworzyć ukierunkowane deepfake, testować je w systemach weryfikacji i dostosowywać po każdym odrzuceniu. Jak blisko jesteśmy obserwowania tych w pełni zautomatyzowanych przepływów ataków działających na dużą skalę?

Oszustwa na dużą skalę zawsze wymagały ludzi na dużą skalę. Wąskim gardłem były ludzie, a AI właśnie go wyeliminowało. Poszukaliśmy dowodów i opublikowaliśmy to, co znaleźliśmy: publicznie zgłoszone, niezależnie pozyskane incydenty oszustw wspierane AI w Stanach Zjednoczonych, z których duża część została potwierdzona w dokumentach sądowych lub działaniach regulacyjnych. Gdy oceniliśmy, jak dużą część każdego schematu może samodzielnie przeprowadzić autonomiczny agent, prawie wszystkie mogły działać od początku do końca i żaden nie był odporny. Stary model był ograniczony liczbą wykwalifikowanych osób, które można było zatrudnić. Nowy jest ograniczony jedynie mocą obliczeniową.

Incode mówi, że ciągle uruchamia agentowego atakującego przeciw własnym zabezpieczeniom. Jak działa ten proces testów adwersarialnych i co może wykryć atakujący AI, czego mogą nie zauważyć tradycyjne testy penetracyjne lub statyczne benchmarki oszustw? 

Idea jest prosta: jedynym sposobem na zbudowanie obrony przed tymi atakami jest najpierw przeprowadzenie ich przeciwko sobie. Dlatego operujemy atakującego, który działa dokładnie tak jak przestępcy. Generuje deepfake’i, syntetyczne dokumenty i próby wstrzyknięć, wysyła je do naszych własnych, działających w czasie rzeczywistym, zabezpieczeń, uczy się na każdym odrzuceniu i wraca z lepszą wersją. Tradycyjny test penetracyjny sprawdza znaną listę ataków raz i kończy pracę. Adaptacyjny atakujący nigdy nie przestaje wymyślać nowych, więc znajduje słaby punkt i atak, który jeszcze nie istnieje, zanim zrobi to przestępca.

W miarę jak modele generatywne tworzą coraz bardziej przekonujące syntetyczne dokumenty i media biometryczne, które sygnały pozostają najtrudniejsze do wiarygodnego sfałszowania przez atakujących?

Piksele to przegrana gra, jeśli patrzy się tylko na nie, ponieważ modele generatywne poprawiają się co miesiąc. To, czego atakujący wciąż nie potrafią wiarygodnie sfałszować, to wszystko poza samym obrazem: integralność urządzenia i ścieżki przechwytywania, przez którą media przeszły, zachowanie, które pozostaje spójne w kolejnych sesjach, oraz zapis utrzymywany przez podmiot, który wydał tożsamość. To zasada stojąca za Deepsight, naszą technologią wykrywania deepfake’ów. Nie ocenia ona jedynie obrazu: analizuje media, sprzęt, ścieżkę oprogramowania i zachowanie użytkownika w jednej decyzji w czasie rzeczywistym i potrafi zidentyfikować, który model generatywny stworzył fałszywy materiał. Uniwersytet Purdue niezależnie przetestował ją w porównaniu z 24 innymi systemami rządowymi, akademickimi i komercyjnymi i potwierdził, że jest najdokładniejsza.

Incode podkreśla weryfikację tożsamości w oparciu o autorytatywne rejestry rządowe, a nie wyłącznie na podstawie dokumentu przedstawionego przez użytkownika. Jak to wpływa na dokładność weryfikacji tożsamości i jakie wyzwania techniczne lub regulacyjne pojawiają się przy wdrażaniu tego podejścia w różnych krajach?

Dokument pokazuje, co zostało przedstawione. Autorytatywny rejestr pokazuje, co jest prawdziwe. Każda weryfikacja, która ocenia, czy artefakt wygląda autentycznie, traci na skuteczności w miarę postępu generatywnej AI, ale rejestr rządowy nie podlega takiej degradacji, ponieważ jest prawdą podstawową, której oszust nie może kontrolować. Wyzwania są realne: każdy kraj ma inne autorytatywne źródła, inne zasady dostępu i odmienny system ochrony prywatności, więc budujemy bezpośrednie połączenia rynek po rynku i przetwarzamy wszystko zgodnie z zasadą prywatności od projektu.

Systemy weryfikacji tożsamości muszą powstrzymywać wyrafinowane oszustwa, nie wprowadzając niepotrzebnej frustracji dla prawidłowych użytkowników. Jak oceniacie kompromis między bezpieczeństwem, fałszywymi odrzutami, szybkością onboardingu a konwersją?

Każdy dostawca tożsamości balansuje te cztery elementy. Prawdziwe pytanie brzmi, które dźwignie są w waszej kontroli. Większość branży korzysta z technologii licencjonowanej od innych, więc gdy wzrasta liczba oszustw, nie mogą zajrzeć do wnętrza modelu ani go przetrenować, a jedyną dostępną dźwignią jest zwiększenie tarcia: więcej kroków, więcej ręcznej weryfikacji, więcej odrzuconych dobrych użytkowników. My podjęliśmy odwrotną decyzję i rozwijamy wszystkie modele AI we własnym zakresie – liveness, wykrywanie deepfake, weryfikację dokumentów – więc naszą dźwignią jest precyzja. Retrenujemy w ciągu kilku dni, wprowadzamy oszustwo do wnętrza modelu i nie ingerujemy w doświadczenie użytkownika. Dlatego pozwolenie każdemu prawidłowemu użytkownikowi przejść i jednoczesne powstrzymanie każdego ataku to dla nas jedno zadanie, a nie kompromis.

Sieć zaufania Incode została zaprojektowana tak, aby identyfikować powtarzające się oszustwa i rozpoznawać zaufane historie wśród organizacji bez gromadzenia surowych danych osobowych. Jakie technologie umożliwiają taką wymianę inteligencji zachowującą prywatność?

Kryptografia jest tym, co to umożliwia, ale istotą jest koncepcja: współpraca bez ujawniania. Organizacje w sieci mogą dowiedzieć się, czy sygnał tożsamościowy został powiązany z oszustwem gdzie indziej, nie widząc danych drugiej strony, więc nie ma wspólnej bazy danych, niczego do przełamania i nie ma pośrednictwa danych. Dlatego przejęliśmy Identiq, którego zespół spędził lata, budując właśnie tę technologię kryptograficzną zwiększającą prywatność, i dlaczego w tym roku przeznaczamy ponad 100 milionów dolarów na infrastrukturę tożsamości zachowującą prywatność. Sieć staje się inteligentniejsza z każdą weryfikacją, podczas gdy dane każdego indywidualnego użytkownika pozostają zamknięte, w skali ponad 7 miliardów kontroli zaufania i 400 milionów profili. Zawsze wierzyliśmy, że prywatność i zapobieganie oszustwom nie są ze sobą w konflikcie. Są tym samym problemem, rozwiązanym razem lub wcale.

Gdy agenci AI zaczynają dokonywać zakupów, uzyskiwać dostęp do kont, podpisywać umowy i komunikować się w imieniu ludzi, w jaki sposób organizacje powinny weryfikować nie tylko samego agenta, ale także jego właściciela, uprawnienia i autoryzację do wykonania konkretnej czynności?

Zacznij od właściciela, ponieważ autorytet agenta nic nie znaczy, jeśli nie można go powiązać ze zweryfikowanym człowiekiem. To właśnie dla tego stworzyliśmy Agentic Identity: weryfikujemy właściciela przy użyciu wysokiego poziomu potwierdzania tożsamości i odpornej na deepfake weryfikacji żywotności, wydajemy agentowi bezpieczny token, który łączy każde działanie z tą odpowiedzialną osobą, oraz weryfikujemy zakres jego uprawnień, aby agent upoważniony do jednego zadania nie mógł cicho przechodzić do innych. Następnie monitorujemy stale, ponieważ agenci zmieniają zachowanie szybciej niż jakakolwiek kwartalna kontrola dostępu. To te same biometryki, ta sama inteligencja antyfraudowa, ta sama sieć, której używamy dla ludzi, rozszerzona na systemy działające w ich imieniu.

Patrząc w przyszłość, czy weryfikacja tożsamości pozostanie odrębnym punktem kontrolnym podczas onboardingu, czy stanie się ciągłą warstwą zaufania działającą we wszystkich cyfrowych interakcjach między ludźmi, firmami i autonomicznymi agentami AI?

Najpierw tak, a potem ciągłość wygrywa. Onboarding pozostaje kotwicą, w której tożsamość jest ustalana z najwyższym poziomem pewności, ale zaufanie nie może pozostać jednorazowym momentem, gdy ataki dostosowują się w kolejnych sesjach, a agenci działają całą dobę. Celem jest trwała warstwa zaufania: ponowna weryfikacja w momentach rzeczywistego ryzyka, ciągłe korelowanie sygnałów behawioralnych i sieciowych oraz ta sama odpowiedzialność rozszerzona na agenty AI działające w imieniu ludzi. Tożsamość przestaje być punktem kontrolnym i staje się infrastrukturą, a my budujemy na tę przyszłość.

Dziękujemy za świetny wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Incode.