Chris Joynt, Director Product Marketing på Securiti AI – Intervju-serie

Chris Joynt, Director Product Marketing på Securiti AI, har tillbringat mer än 15 år inom data och AI, med många olika roller från försäljning till lösningar och nu produktmarknadsföring. Denna breda erfarenhet informerar hans perspektiv på den aktuella situationen inom AI. Hans resa inkluderar att sälja Big Data med IBM, växa en AutoML-startup innan han gick in i ML i IoT och strömmande dataplattformar. Chris är nu en förespråkare för AI-säkerhet och styrning på Securiti AI. 

En veteran av “de stora datakrigen”, Chris älskar att göra komplex teknologi förståelig och värdefull genom att omvandla komplexa begrepp till övertygande berättelser. Utanför tech är han en hängiven far och tränar både Muay Thai och fotboll.

I min resa genom de stora datakrigen har jag utvecklat en grundläggande princip som jag tillämpar på teknologi, och den fungerar nästan alltid. Det är att när en het ny innovation kommer längs som verkar vara lösningen vi har hoppats på, ger den oss inte automatiskt det resultat vi hoppas på. Den löser ett viktigt problem, ja, men sedan när vi skyndar oss att anta den här tekniken, upptäcker vi alla att “det hårda delen” bara har flyttat sig någon annanstans.

Exempelvis när Hadoop och NoSQL kom längs, kunde organisationer lagra stora mängder ostrukturerad data. Men sedan upptäckte alla att “det hårda delen” hade flyttat sig från att lagra stora mängder data till “hur ska jag bygga applikationer och verktyg som kan ANVÄNDA den här datan?” När AutoML kommersialiserade modellbyggnad, blev det hårda delen att korrekt representera ett affärsproblem med strukturerad data, och så vidare, och så vidare.

Just nu är AI-teknik otroligt het och det finns goda skäl till det – den har stor transformerande potential. Men det nya hårda delen är hur jag ska sätta rätt kontroller på plats så att jag kan utnyttja min proprietära data på ett säkert sätt? Om AI kan genomsöka varje fil på en gång, hur kan jag säkerställa att jag inte exponerar känslig data? Securiti AI började bygga lösningen långt innan någon annan insåg att det hårda delen av företags-AI skulle vara att operationalisera data och AI-intelligens och säkerhet.

För läsare som kanske inte är bekanta, hur skulle du beskriva Securiti AI:s kärnfokus på AI Trust, Risk och Säkerhetsstyrning (TRiSM), och varför blir detta en så kritisk kategori?

AI TRiSM, förkortning för Trust, Risk och Säkerhetsstyrning. AI är en så kraftfull teknologi som lovar stora belöningar men också bär risker. Efterlevnadsproblem, varumärkeskador, dataläckage eller cybervulnerabiliteter kan helt avbryta AI-momentum. TRiSM handlar om att proaktivt hantera dessa risker för att påskynda AI-antagande på ett säkert och hållbart sätt genom att utveckla en strategisk förmåga att kontrollera AI-system och bygga förtroende. Förtroende är vad driver AI-antagande. Vad som är briljant med TRiSM-modellen är att den är en skiktad modell där grundläggande förmågor sedan byggs på.

TRiSM föreskriver informationsstyrning som den grundläggande förmågan som stöder den körande skyddsbarriären och slutligen synlighet och styrning. Securiti AI kartlägger mycket rent på den här modellen och stöder AI TRiSM med en skiktad ansats som prioriterar informationsstyrning och datasäkerhet, vilket i sin tur gör att våra körande skyddsbarriärer blir mer effektiva. Våra körande skyddsbarriärer hjälper till att skapa synlighet för styrningslagret, där vi kan testa dessa kontroller mot reglerings- och bästa praxis-ramverk, så att vi har garantier för att data är säker.

Securiti AI:s tillvägagångssätt för TRiSM förbättrar säkerhetsläget, minskar risken för känslig dataexponering, skyddar varumärkesrykte och IP, ger bättre insikt i AI-användning och möjliggör säker återanvändning av AI-tillgångar.

M&A-avtal utsätter organisationer för stora data-risker. Hur hjälper Securitis plattform specifikt företag att upptäcka och neutralisera dessa risker före, under och efter integration?

Securiti AI skannar och kartlägger automatiskt data över båda fusionerande enheter, identifierar känslig information, “mörk” data och redundant eller riskfylld data. Denna synlighet gör att organisationer kan upptäcka problem tidigt, verkställa dataåtkomstkontroller och minimera dataansvar efter M&A-transaktionen.

Genom att automatisera upptäckt och klassificering ser till att Securiti AI att ROT-data (Redundant, Obsolete, Trivial) hanteras och att all kritisk immateriell egendom, reglerad persondata och all data som utgör en betydande integritets- eller säkerhetsrisk skyddas. Resultatet är en snabbare, säkrare och mer efterlevande övergång genom varje fas av transaktionen.

Securiti talar ofta om att möjliggöra en “styrningstransitionsgrupp”. Hur stöder företagets teknik samarbetet mellan IT, juridik och efterlevnadgrupper i dessa högtryckssituationer?

Securiti AI:s Data+AI Command Center skapar en enda källa till sanning för data och risk, så att IT, juridik och efterlevnadsteam inte arbetar från frånkopplade kalkylblad och antaganden. Visualiseringen av relationerna mellan data, användare, system och policys som dataflöden över system hjälper till att driva en mer intuitiv förståelse av risk och ger ett gemensamt språk för dessa intressenter. Att ha en enda plattform från vilken jag kan se risk, finjustera och verkställa policy och skicka reparationsåtgärder till mina datasystem gör att tvärfunktionella team kan vara mycket effektiva.

Vilken roll spelar AI inom Securitis lösningar – särskilt inom områden som kartläggning av känslig data, automatisering av identitetskontroller eller upptäckt av efterlevnadsrisker?

AI är kärnan i hur vi operationaliserar dataintelligens och säkerhet. Data+AI Command Center upptäcker och klassificerar automatiskt känslig data med hjälp av AI. Detta ger våra kunder förtroende för att ingen känslig data gömmer sig i filer som vi inte har hittat. Våra AI-brandväggar (eller skyddsbarriärer) använder också AI för att upptäcka känslig data, skadlig innehåll eller skadlig kod i prompter och svar som kan äventyra efterlevnad, medan vår återställningsbrandvägg verkställer dataåtkomstkontroller mot källdata även när AI frågar på en användares vägnar.

Användning av AI hjälper våra kunder att skala sin styrning av data och AI-system, säkerställande att de förblir i kontroll när deras miljöer växer alltmer komplexa.

Många företag kämpar med redundant, föråldrad och trivial (ROT) data. Hur hjälper Securiti organisationer att minska sin dataavtryck medan de förbättrar säkerhetsläget och sänker kostnaderna?

ROT-data är en tidsinställd bomb som driver upp lagringskostnader, skapar efterlevnadsrisker och utvidgar angreppsytor. Med Securiti AI:s Data+AI Command Center kan organisationer automatiskt upptäcka skugg- och nativ data över multi-cloud- och SaaS-miljöer, centralisera inventering och flagga redundant eller föråldrad filer baserat på ålder, aktivitet eller dubblett. Securiti AI klassificerar sedan känslig data för att identifiera lagringsbrott och tillämpa federerad auto-reparationspolicy för att säkert radera eller karantänera ROT-data. Denna nivå av automatisering sänker kostnader, stärker efterlevnad med globala regleringar som GDPR och CPRA, och minskar angreppsytor.

Vad skiljer Securiti AI från andra aktörer inom säkerhets- och styrningsområdet, särskilt när företag utvärderar TRiSM-lösningar?

Till skillnad från verktyg som hanterar fragment av AI- och datasäkerhetsproblemet, förenar Securiti AI datasäkerhet, integritet, efterlevnad och AI-styrning i en enda plattform. Vårt Data+AI Command Center, som drivs av grafteknik, ger företag en sammanhängande vy av deras data, risker, behörigheter och AI-aktivitet över hybridmiljöer.

Denna grund gör att vi kan göra tre saker som särskiljer oss. Först ger vi basintelligens genom att upptäcka modeller, automatiskt klassificera känslig data, bevara filbaserade behörigheter och kartlägga hela data- och AI-egendomen. Andra, levererar vi realtids-AI-skydd, övervakar prompter, återställning, inferenser och utdata för att blockera läckage, förgiftning och andra attacker. Tredje, erbjuder vi topp-ned synlighet och kontroll, kontinuerligt testar data och AI-tillgångar mot regleringsramverk och automatiserar efterlevnadsrapportering.

Resultatet är en holistisk TRiSM-lösning som inte bara skyddar företag från AI-risker utan också accelererar säker distribution i stor skala. Kunder berättar för oss att täckningsbredden, automatiseringen och användbarheten över säkerhets-, efterlevnads- och affärsteam är vad som särskiljer Securiti AI.

Tempot i regleringsförändringar accelererar över hela världen. Hur hjälper Securiti kunder att hålla jämna steg med nya efterlevnadskrav under komplexa transaktioner?

Data+AI Command Center kartlägger kontinuerligt data till regleringsåtaganden över globala och nationella amerikanska jurisdiktioner, så att företag kan se exakt var efterlevnadsluckor kan uppstå. Under högriskhändelser som M&A automatiserar vi kontroller och rapportering för att hjälpa kunder att hålla jämna steg med utvecklande lagar utan att sakta ner affären.

Förutom M&A, var används Securitis AI-säkerhetslösningar idag – till exempel vid molnmigrationer, avyttringar eller AI-modellstyrning?

Kunder använder våra AI-säkerhetslösningar för att upptäcka skugg-AI, kartlägga data och AI-användning, distribuera behörighetsmedvetna företags-AI-assistenter, samla renade datamängder för utbildning och finjustering, skydda RAG-systemsårbarheter, verkställa skyddsbarriärer för att skydda känslig data och användare, förhindra promptinjektion och andra attacker, och generera rapporter för efterlevnad och riskhantering.

Om vi ser framåt, var ser du Securiti AI positionerat under de närmaste tre till fem åren, och hur ser du att företaget formar framtiden för AI-förtroende och datasäkerhet?

Securiti AI är mycket väl positionerat just nu. AI kommer att fortsätta integreras och inbäddas djupare i processer och upplevelser. Förmågan att skydda användare och data och säkerställa att AI kan lita på kommer att vara en strategisk förmåga. Den kontextuella intelligensen som Securiti AI extraherar genom klassificering och grafisk visualisering kommer att bli alltmer värdefull när AI-agenter får alltmer autonomi, beslutsförmåga och tillgång till verktyg och data. Jag tror att om tre till fem år kommer multi-agentsystem att kunna hantera komplexa processer, men deras framgång kommer att bero på organisationens förmåga att hantera datakontext med sofistikerade åtkomstkontroller och skyddsbarriärer för att leverera förtroende i dessa system. Tack för det underbara samtalet, läsare som vill lära sig mer bör besöka Securiti AI.