Ryan Schonfeld, współzałożyciel i CEO HiveWatch – seria wywiadów

Ryan Schonfeld jest współzałożycielem i CEO HiveWatch, firmy technologicznej zajmującej się poprawą zarządzania i reagowania na zagrożenia bezpieczeństwa fizycznego w organizacjach. Z doświadczeniem jako konsultant ds. bezpieczeństwa, funkcjonariusz policji i użytkownik końcowy w firmie z listy Fortune 500, zdobył pierwszą wiedzę o wyzwaniach operacyjnych, z którymi mierzą się zespoły bezpieczeństwa, co ostatecznie doprowadziło go do stworzenia HiveWatch.

HiveWatch oferuje platformę opartą na chmurze, która łączy narzędzia takie jak nadzór wizyjny, kontrola dostępu, alarmy i zarządzanie incydentami w jedną operacyjną tablicę. Znana jako system operacyjny GSOC HiveWatch, platforma pozwala organizacjom monitorować działania w obiektach, prowadzić dochodzenia w sprawie incydentów i koordynować odpowiedzi, jednocześnie wykorzystując automatyzację i analizę opartą na sztucznej inteligencji w celu poprawy wydajności i zmniejszenia liczby fałszywych alarmów.

Czym skłoniło Cię do współzałożenia HiveWatch, a jakie ograniczenia tradycyjnego bezpieczeństwa fizycznego sprawiły, że sztuczna inteligencja była odpowiednim fundamentem od samego początku?

Spędziłem lata na zarządzaniu globalnymi programami technologicznymi ds. bezpieczeństwa i ochrony w organizacjach globalnych, a nasza zdolność do efektywnego wykorzystania technologii była frustrująca. Bezpieczeństwo było na wysokim poziomie, ale musieliśmy korzystać z infrastruktury, która była fragmentaryczna, wolna, reaktywna i oparta na ludziach. Dlatego założyłem RAS Consulting, aby pomóc organizacjom zmodernizować swoje operacje bezpieczeństwa, planowanie, edukację, zarządzanie ryzykiem i odpowiedzialnością. Budowaliśmy programy oparte na technologii dla firm, które szybko rosły i musiały się szybko rozwijać.

Ale nawet wtedy widziałem to samo problem: moi klienci byli zagrożeni przez lawinę alertów, pogrzebani pod systemami, które nie były połączone, reagowali na wszystko i nie przewidywali niczego. Klienci RAS Consulting potrzebowali proaktywnego bezpieczeństwa, ale nie mieli wiedzy ani ludzi, aby je zbudować. Pandemia tylko pogorszyła sytuację. Nagle wszyscy musieli przemyśleć, jak chronią ludzi i aktywa, ale używali narzędzi stworzonych dla innej ery.

Dlatego stworzyliśmy HiveWatch. Potrzebowaliśmy platformy, która mogłaby uczynić nasze własne zespoły bezpieczeństwa bardziej świadome, połączone, przewidujące i poinformowane. Chcieliśmy, aby wszystko to było dodatkowo szybsze i lepsze w zarządzaniu incydentami. Sztuczna inteligencja nie była funkcją, którą dodaliśmy później, ale była jedynym praktycznym sposobem na połączenie danych w celu podjęcia najlepszych, najbardziej poinformowanych decyzji. Możemy to zrobić niezależnie od systemów, których używają nasi klienci. Teraz możemy łatwo przerwać fałszywe alarmy i pomóc zespołom przesunąć się z reaktywnego do proaktywnego podejścia. Cokolwiek innego to tylko robienie tych samych starych problemów nieco ładniejszymi.

Jak Twoje doświadczenie jako policjanta i śledczego wpłynęło na sposób, w jaki zaprojektowałeś sztuczną inteligencję, aby wspierała rzeczywiste operacje bezpieczeństwa?
Siedziałem w fotelu, kiedy incydenty rozgrywały się w centrach operacji bezpieczeństwa, i byłem na miejscu zdarzenia podczas wysokiego ryzyka, zarządzając zagrożeniami w czasie rzeczywistym. To doświadczenie nauczyło mnie, że zarówno ludzie, jak i technologia są ważne w tych momentach, że zmęczenie lub wypalenie może wpłynąć na podejmowanie decyzji w sytuacji awaryjnej. Nauczyło mnie również, co działa, co nie, i co powoduje, że systemy zawodzą i ludzie giną. To przez tę perspektywę zbudowaliśmy HiveWatch.

Korzystając z doświadczenia wyniesionego z tej pracy, nasza platforma sztucznej inteligencji nie została stworzona tylko na podstawie whiteboardu. Zaprojektowaliśmy ją z wnętrza centrów operacji bezpieczeństwa. Ludzie, którzy ją zbudowali, spędzili całe kariery, patrząc na ekrany pełne szumu, próbując znaleźć prawdziwe zagrożenia, ale nie mając narzędzi, aby zobaczyć wyraźnie lub działać wystarczająco szybko.

Zbyt długo branża sprzedawała reaktywne odpowiedzi na incydenty i nazywała to innowacją. Tym, czego naprawdę potrzebują zespoły, jest możliwość zobaczenia, co nadchodzi, i zbudowaliśmy to.

Wiele organizacji nadal działa reaktywnie. Jak sztuczna inteligencja umożliwia przejście do proaktywnego i przewidującego bezpieczeństwa fizycznego?
Bezpieczeństwo reaktywne nie jest problemem strategicznym, ale problemem, który obejmuje zarządzanie fragmentarycznym systemem, co może skutkować awarią komunikacji. Obejmuje to również brak priorytetyzacji, gdy występują incydenty. Zespoły toną również w hałasie wygenerowanym przez nieustanne alarmy, które są często fałszywe i tworzone bez kontekstu. To tam wszystko się psuje.

Nasi klienci używają niestandardowego operatora sztucznej inteligencji, który naprawdę uczy się ich obiektów — układu, przepływów pracy, jak ich zespoły działają. Zamiast setek do tysięcy nieistotnych alertów dziennie, widzą te, które mają znaczenie, z filmem i kontekstem, pokazującym dokładnie, dlaczego.

Gdy przycinamy hałas i ujawniamy prawdziwe wzorce, coś się zmienia. Zespoły przestają gonić wczorajsze problemy i zaczynają wyprzedzać jutrzejsze zagrożenia. Są lepiej przygotowane do posiadania klarowności, której potrzebują, aby zbudować programy bezpieczeństwa, które naprawdę działają.

Jak wygląda bezpieczeństwo przewidujące w środowisku przedsiębiorstwa?
To nie jest kryształowa kula. To rozpoznawanie wzorców w czasie rzeczywistym.

Może to wyglądać jak otwarte drzwi, które nie powinny być otwarte. Albo ruch na kamerze, który nie pasuje do normy. Albo aktywność, która nigdy nie wystąpiła w tym miejscu o tej porze. Sztuczna inteligencja łapie to, flaguje to i mówi operatorowi, co się dzieje, dlaczego jest to ważne i co robić dalej.

Łączy się z kamerami, czujnikami i kontrolą dostępu, które już masz, więc nic nie umyka, bo dwa systemy nie rozmawiają ze sobą. Wynikiem jest operacja bezpieczeństwa, która jest ostrzejsza, szybsza i naprawdę zaprojektowana, aby chronić ludzi na dużą skalę.

Jakie rodzaje sygnałów ryzyka, zachowań lub wzorców sztuczna inteligencja stale ujawnia, które zespoły ludzkie mają tendencję do pomijania?
Ludzie są dobrzy, gdy coś oczywistego pójdzie nie tak. Sztuczna inteligencja jest dobra w łapaniu wszystkiego, co cicho pójdzie nie tak.

Mówimy o subtelnym odchyleniu. Rzeczach, które nie wywołują tradycyjnego alarmu, ale absolutnie powinny. Sztuczna inteligencja nieustannie uczy się, co “normalne” wygląda dla każdego konkretnego środowiska, więc gdy coś się zmienia, zauważa to. W operacjach o wysokiej objętości, gdzie twój zespół zarządza tysiącami sygnałów, są to ryzyka, które mają tendencję do przemyknięcia. Dodanie czegoś takiego jak operator sztucznej inteligencji powoduje przesunięcie w kierunku priorytetyzacji alertów, aby operatorzy reagujący na incydenty wiedzieli, co jest krytyczne (i byli prowadzeni, jak skutecznie reagować).

Jak sztuczna inteligencja zmienia podejmowanie decyzji w centrum operacji bezpieczeństwa, gdy czas i informacje są ograniczone?
W trakcie incydentu jest przepaść między “co się dzieje?” a “co robimy?”. Ta przepaść to miejsce, gdzie żyją złe rezultaty.

Użycie sztucznej inteligencji zamyka tę przepaść. Pobiera kontekst z połączonych systemów, takich jak wideo, kontrola dostępu, sensory, komunikacja, wywiad, i stawia to przed twoim operatorem z zalecanym następnym krokiem. Nie muszą już przełączać się między 15 zakładkami. Nie muszą zgadywać. Twój zespół przechodzi od alertu do działania w sekundach zamiast minut.

Rzeczywistość jest taka, że większość centrów operacji bezpieczeństwa jest niedofinansowana i przytłoczona. Sztuczna inteligencja nie rozwiązuje tego, dodając nowych pracowników; rozwiązuje to, zapewniając, że każda osoba w pokoju jest skoncentrowana na tym, co naprawdę się liczy, z informacjami, które potrzebują, aby podjąć właściwą decyzję, teraz.

Wielkie wydarzenia, takie jak duże imprezy sportowe lub ceremonie wręczenia nagród, tworzą ekstremalną złożoność. Jak sztuczna inteligencja pomaga koordynować odpowiedzi pod presją?
Duże wydarzenia mogą złamać tradycyjne bezpieczeństwo. Objętość sygnałów wybucha, powierzchnia ryzyka się pomnoża, a tradycyjne narzędzia nie mogą nadążyć.

Koordynowałem ochronę na dużych wydarzeniach z zespołami ochrony wykonawczej, ochroną obiektu, gospodarzami wydarzeń, lokalnymi organami ścigania, medycyną, agencjami federalnymi. To warstwowe bezpieczeństwo na warstwowym bezpieczeństwie. Ale to, czego nauczyły nas ostatnie lata, to fakt, że czasem zagrożenie jest już wewnątrz obwodu. Zaufany wewnętrzny. Uprawniony gość. Ktoś, kto już przekroczył twoje punkty kontrolne.

Widzieliśmy to na żywo w telewizji: incydenty na ceremoniach wręczenia nagród, fanatycy przekraczający bariery, ludzie skaczący na boiska z przekazami politycznymi. Tam, gdzie historycznie rysowaliśmy nasze obwody, może trzeba będzie to całkowicie przemyśleć..

Sztuczna inteligencja daje ci dodatkowe oczy na całym środowisku, a nie tylko na punktach wejścia. Monitoruje wzorce, ruch i anomalie w czasie rzeczywistym, więc gdy coś się pojawia wewnątrz obwodu, zespół bezpieczeństwa wie, zanim się eskaluje. W tych przypadkach sekundy mają znaczenie, a świadomość sytuacyjna nie jest tylko “miłym majątkiem”.

Jak ważna jest głęboka integracja systemów między wideo, kontrolą dostępu, czujnikami i komunikacją, aby sztuczna inteligencja mogła dostarczyć prawdziwą świadomość sytuacyjną?
Nie do negocjacji. Sztuczna inteligencja jest tylko tak inteligentna, jak dane, które może zobaczyć. W wielu przypadkach te systemy są rozproszone, a jeśli nie są połączone, sztuczna inteligencja może nie mieć pełnego obrazu (to jest miejsce, w którym HiveWatch może naprawdę uczynić różnicę, łącząc wszystkie te systemy w jedną środowisko).

Gdy wszystko jest zintegrowane (myśl: wideo, kontrola dostępu, sensory, komunikacja, wywiad), sztuczna inteligencja ma pełną widoczność, aby polecić odpowiednią linię działania. Jest to krytyczne, aby twoja platforma operacji bezpieczeństwa była zaprojektowana do pracy z tym, co już masz. Kupiłeś dobre narzędzia. Powinny one być w stanie współpracować, abyś nie musiał je wymieniać, aby uzyskać wartość.

Jak menedżerowie wykonawczy powinni realistycznie myśleć o zwrocie z inwestycji, gdy oceniają platformy bezpieczeństwa fizycznego oparte na sztucznej inteligencji?
Zacznij od tego, co już cię kosztuje, bo to więcej, niż myślisz.

Fałszywe alarmy pochłaniają godziny. Rozłączone systemy oznaczają powtarzalną pracę. Operatorzy, którzy się wypalają i odchodzą, oznaczają, że ciągle musisz zatrudniać i przeszkolić nowych ludzi. To buduje duże koszty, a większość organizacji nigdy nie skwantyfikowała tego.

Platformy oparte na sztucznej inteligencji, takie jak nasza, mogą zmniejszyć liczbę operatorów potrzebnych w centrum operacji bezpieczeństwa i jego zasobach, co może skutkować znacznym zwrotem z inwestycji. Dodatkowo, ponieważ technologia dramatycznie zmniejsza liczbę fałszywych alarmów, mniej ludzi jest potrzebnych do triażu nadchodzących alertów. Po wtóre, zmniejszając powtarzalną technologię w stosie technologicznym SOC, można zmniejszyć wydatki na nakładające się systemy. Wreszcie, ponieważ integrujemy się z infrastrukturą, którą już posiadasz, nie wyrzucasz tego, co zbudowałeś przez lata. Zamiast tego, wreszcie uzyskujesz pełną wartość z tego.

Zwrot z inwestycji nie jest tylko tym, co oszczędzasz, chociaż może to być znaczące, biorąc pod uwagę redukcję kosztów zasobów potrzebnych do obsługi twojego programu (co historycznie było trudne do skwantyfikowania dla liderów bezpieczeństwa). Może to również ujawnić to, co twój zespół zapobiega. Jeden uniknięty incydent, szybsza odpowiedź, jeden wcześniej wykryty zagrożenie. Dla twojej rady, pracowników i klientów to jest matematyka, która się liczy. Zespoły, które to rozumiem, nie kupują nowej technologii dla samej technologii. Naprawiają złamany program.

Spójrzając w przyszłość, jak widzisz ewolucję relacji między zespołami bezpieczeństwa a systemami sztucznej inteligencji w ciągu najbliższej dekady?
Powiem szczerze: za kilka lat sztuczna inteligencja w bezpieczeństwie nie będzie opcjonalna. Będzie to podstawa. Zespoły, które traktują ją jako “miłe majątki”, będą spadać za tymi, które już pracują obok niej.

Gdy systemy dojrzewają, sztuczna inteligencja przejmuje coraz więcej obciążeń kognitywnych — filtrowania hałasu, wykrywania wzorców, rekomendowania działań — podczas gdy ludzie pozostają tam, gdzie powinni: w kontroli osądu i odpowiedzialności. To partnerstwo będzie definiowało, jak wygląda nowoczesne bezpieczeństwo fizyczne. Zespoły, które to rozwiążą jako pierwsze, wygrają.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić HiveWatch.