Gil Cohen, Chief Product Officer på Cognyte – Intervju-serie

Gil Cohen är en erfaren mjukvaruexekutiv med bevisad spårrekord för att leda stora globala organisationer, med över två decenniers erfarenhet och expertis inom företagsprogramvara, stora data, telekom och artificiell intelligens.

Gil leder Cognytes produktorganisation, företagets globala FoU-centra och marknadsstrategin för hela portföljen.

Innan han anslöt sig till Cognyte-företaget 2021 var Gil VD för NICE, en plattform för röstinspelning, och VD för Telefonica Israel.

Cognyte är en israelisk-baserad global leverantör av utrednings- och säkerhetsanalytisk programvara som är utformad för att leverera “aktionabel underrättelser för en säkrare värld”. Grundat 2021 som en avknoppning från Verint Systems (VRNT ) , företaget betjänar hundratals regerings- och företagskunder i ungefär 100 länder, och möjliggör för säkerhets-, underrättelse- och lagföringsmyndigheter att slå samman, analysera och visualisera stora, fragmenterade datamängder för att upptäcka hot i tid, utreda och reagera.

Vad var det som ursprungligen motiverade en karriär inriktad på underrättelser, analyser och nationell säkerhet? Fanns det tidiga erfarenheter eller formativa händelser som hjälpte till att forma denna riktning?

Det var ganska naturligt. Cognytes uppdrag – att hjälpa till att göra världen säkrare – stämmer perfekt överens med vad jag bryr mig om, både personligen och professionellt. Jag har tillbringat år med att arbeta med företagsprogramvara, stora data, telekom och AI, och jag har också en militär bakgrund, så att gå in i en roll som tillåter mig att bidra direkt till detta uppdrag bara kändes rätt.

Under åren har jag lett globala organisationer och FoU-lag för att leverera banbrytande företagslösningar och marknadsstrategier, vilket har gett mig erfarenheten att hjälpa till att se till att Cognyte stannar framme med tekniken som verkligen ger kunderna makt. Det är otroligt belönande att se hur brottsbekämpande myndigheter, nationell säkerhet och militär underrättelsetjänst använder våra analyslösningar för att upptäcka hot i tid och hålla människor säkra. Vad som verkligen motiverar mig är att veta att vi bygger verktyg som hjälper dessa myndigheter att stanna ett steg före brottslig och terroraktivitet och anpassa sig snabbt till nya utmaningar. Att se vår teknik i aktion – som har en verklig inverkan – är något jag är äkta stolt över.

Under åren, hur har den utredande tekniken förändrats, och hur har Cognytes uppdrag anpassats för att möta de förändrade behoven hos brottsbekämpande myndigheter och underrättelsetjänster?

Den utredande tekniken har genomgått en betydande förändring, främst driven av den snabbt växande volymen och mångfalden av data, uppkomsten av alltmer sofistikerade motståndare och den konstanta utvecklingen av tekniken. En central utmaning som formar denna miljö är den inneboende obalansen mellan dåliga aktörer och de som arbetar för att stoppa dem. Dåliga aktörer (antingen brottslingar eller terrorister) opererar med smidighet och uthållighet, och kan utnyttja en enda svaghet med förödande effekt. Brottsbekämpande myndigheter och säkerhetsorganisationer, å andra sidan, måste identifiera, förstå och reagera på en mängd olika utvecklande hot, ofta i realtid och med absolut precision. Denna asymmetri lägger ett enormt tryck på utredningsteam att agera snabbare, smartare och mer exakt än någonsin tidigare. Analytiker kämpar ofta med växande datavolymer, fragmenterade verktyg och pressande operativa krav, vilket gör det svårt att översätta sina utredningsinsikter till effektiva interaktioner med avancerade lösningar.

Lanseringen av intelligenssamverkan introducerar en generativ AI-funktion specifikt byggd för utredningsflöden. Vad gör denna funktion grundläggande annorlunda än befintliga AI-verktyg som för närvarande används inom säkerhetssektorn?

Cognytes intelligenssamverkan är grundläggande annorlunda än andra AI-verktyg eftersom det är specialbyggt för riktiga utredningar, inte bara generiska uppgifter. Till skillnad från typiska GenAI-lösningar är det inbäddat direkt i utredningsarbetet och processen, förstår terminologin som analytiker använder och levererar transparenta, förklarliga resultat. Det är konstruerat för att analysera känsliga och klassificerade datakällor som myndigheter hanterar, och kan distribueras säkert i vilken miljö som helst, och är utformat för att accelerera – inte ersätta – mänsklig expertis. Detta möjliggör för utredare och analytiker att dra full nytta av mänsklig-maskinsamverkan med en lösning som är unikt utformad för de höga kraven inom säkerhets- och underrättelsetjänster.

Många utredare står inför ett glapp mellan sin verkliga världsuppfattning och de tekniska kraven från äldre plattformar. Hur möter denna nya samverkan utmaningen och brottar glappet mellan mänsklig resonemang och maskinutdata?

Utredare och analytiker är utbildade för att genomföra utredningar och underrättelseanalys, inte för att konstruera komplexa frågor eller översätta sin tankegång till rigid system-syntax. Cognytes intelligenssamverkan är byggd med den verkligheten i åtanke genom att låta användare arbeta med sina egna ord. Det tar naturligt språkligt inmatningsmaterial och omvandlar det till strukturerad, förklarlig logik, och eliminerar behovet av tekniska frågor eller djup systemexpertis. Genom att anpassa sig till hur utredare faktiskt tänker och arbetar, tar samverkan bort friktionen, accelererar insiktsgenereringen och frigör analytiker att fokusera på vad de gör bäst: följa spår, undersöka bevis och analysera hot.

Utredningsmiljöer involverar ofta överväldigande datavolymer och högt fragmenterade verktygssystem. På vilka sätt förbättrar samverkan datasammanslagning, accelererar analysen och förbättrar den övergripande takten för hotupplösning?

Cognytes intelligenssamverkan transformerar utredningsarbetet genom att eliminera de manuella flaskhalsarna orsakade av siloiserade verktyg och överväldigande datavolymer. Istället för att kräva att utredare översätter komplexa frågor till systemspecifika frågor, tillåter samverkan dem att använda intuitivt naturligt språk för att utforska mångfacetterad, multisource-data. Det syntetiserar automatiskt strukturerad och ostrukturerad data, ytor relevanta anslutningar och presenterar resultaten med tydlig, steg-för-steg-logik. Till exempel kan en utredare enkelt be samverkan att “visa alla anslutningar mellan misstänkt A och misstänkt B under de senaste 6 månaderna”.

Samverkan kommer att göra det tunga arbetet över flera datakällor och format, som CCTV, finansiella register och handskrivna rapporter. Den kommer snabbt att sortera, filtrera och kategorisera stora datamängder för att avslöja insikter och visualisera direkt och indirekt misstänktanslutningar, och ta bort behovet för utredaren att gå igenom rådata. Genom att förena sökning, korrelation och insiktsgenerering inom en enda GenAI-driven assistent, accelererar samverkan beslutsfattandet, förbättrar precisionen och minskar betydligt den tid som behövs för att agera mot hot.

Säkerhet, förklarbarhet och transparens är avgörande för uppdragsdrivna operationer. Vilka säkerhetsåtgärder och arkitektoniska principer prioriterades för att säkerställa att AI-samverkan uppfyller de stränga kraven från underrättelseorganisationer?

Med över 30 års erfarenhet av att stödja uppdragsdrivna operationer, säkerhet, förklarbarhet och transparens var grundläggande för designen av Cognytes intelligenssamverkan. Säkerhet är byggd in på arkitektonisk nivå: samverkan stöder både moln- och lokala distributioner för att möta stränga krav kring datasensitivitet, sekretess och suveränitet. Den ärver den naturliga användarbehörighetsmodellen för värdsystemet, vilket säkerställer att den inte kan exponera data som en användare normalt inte skulle ha tillgång till via standardarbetsflöden.

För förklarbarhet och transparens tillhandahåller samverkan en tydlig vy över dess slut-till-slut-reasoning, ner till den exakta logiken, villkoren och bakom-kulisserna-stegen den tog för att generera resultaten. Användare kan granska, validera och till och med utmana systemets tolkning med sin egen omdöme. All resonemang är fullständigt granskningsbart, vilket möjliggör spårbarhet och ansvar i högriskmiljöer.

Plattformen erbjuder visuella logikflöden och transparent resonemang som svar på naturligt språkliga frågor. Hur påverkar dessa funktioner sättet utredare fattar beslut under tryck, särskilt i högrisk- eller tidskänsliga fall?

Cognytes intelligenssamverkan förbättrar utredningsbeslutsfattandet genom att kombinera naturligt språkligt inmatningsmaterial med steg-för-steg-visuella logikflöden baserade på beprövad domänexpertis. Resultaten visualiseras inom en underrättelseanalysarbetsyta för sammanhang och ytterligare utforskning. Dessa visualiseringar avslöjar hur datapunkter är anslutna och hur insikter genereras, vilket gör systemets resonemang fullständigt transparent. I högttrycksmiljöer tillåter detta utredare att snabbt validera relevans och gå från fråga till förtroende utan att blint lita på svarta-låda-utdata. Resultatet är snabbare, smartare beslutsfattande grundat i förklarlig AI, fullständigt anpassat till riktiga utredningsarbetsflöden.

Vilka typer av maskinlärningsmodeller utgör grunden för samverkans generativa förmågor, och hur tränades de för att återspegla språk och logik specifikt för underrättelseflöden snarare än allmänna konversations-AI?

Modellerna som ligger till grund för vår samverkan är några av de senaste och mest avancerade LLM-modellerna i branschen. Vi finjusterar LLM-modellerna till varje kunds domän och jargong med hjälp av våra egna datamodeller, som representerar systemets datastruktur – inklusive entiteter, relationer och parametrar. Detta möjliggör för oss att träna samverkan på en representativ eller “digital tvilling” av kundens domän, snarare än på den faktiska data som är känslig och inte tillgänglig som en träningsuppsättning. Vi inkluderar också bästa-praxis-användarflöden som hämtats från decennier av branschspecifika metoder, våra kundframgångsteam och med hjälp av vår community av kundchampions. Med denna metod skapade vi en skalbar approach för att ta av-lager-LLM-modeller och omvandla dem till domänmodeller, finjusterade till säkerhetsbehov.

Förklarbarhet och strukturerat resonemang betonas i systemets utdata. Vilka maskinlärningstekniker eller modellarkitekturer användes för att säkerställa transparent och spårbar beslutsfattning, särskilt när analytiker behöver validera resultaten under granskning? 

Samverkan är tränad på datamodellen och är finjusterad för underrättelse- och utredningsbästa praxis, vilket bygger på en träningsansats som går utöver allmän konversations-AI. Denna specialiserade träningsansats byggs på mer än tre decenniers domänexpertis inom utredningsanalyser. Denna djupa integration av riktiga världsupperativa kunskaper säkerställer att samverkan medfödda förstår och bearbetar den specifika terminologin, logiken och nyanserna som är kritiska för underrättelseflöden. Den tar användarens naturliga språkliga fråga och förstår hur man översätter den inom Cognyte-lösningen som en API-anrop, som frågar efter den begärda datan. Anropet är vid alla punkter tillgängligt för analytikern, så det är transparent vilken fråga som skickades. Datan returneras sedan från lösningens databaser, och tar bort alla chanser till hallucinationer, med strukturerad, förklarlig logik. Inga separata spårningsåtgärder behövs för datan i sig för att validera att sammanfattningen och insikterna är meningsfulla.

Denna produkt lanseras vid en tidpunkt då AI övergår från pilotprojekt till fullskalig operativ distribution. Hur speglar detta bredare trender i hur nationella säkerhetsorganisationer närmar sig AI-antagande 2025?

 Lanseringen sker när generativ AI-antagande accelererar över hela företaget och regeringen, med över 2 biljoner dollar i investeringar förväntade runt AI-sektorn under de kommande tre åren. 2025 markerar en tydlig inflexionspunkt, då organisationer flyttar från experiment till riktiga distributioner. Myndigheter ser potentialen i att utnyttja LLM-aktiverade samverkanspartners, och i en nylig Cognyte-undersökning, 47% av myndigheterna som undersöktes angav GenAI-aktiverad dataanalys och utforskning som den främsta tekniska kapaciteten som kan accelerera deras utredningar. För brottsbekämpande myndigheter och nationella säkerhetsmyndigheter är denna transformation en ny standard för hastighet, skala och precision i beslutsfattandet. Med liv och nationella intressen på spel är kraven på tillförlitlig, operativ AI inte längre ett val – det är ett uppdragskritiskt imperativ, och ett som Cognyte-intelligenssamverkan byggdes för att möta.

Om fem år, hur förväntas rollen för generativ AI utvecklas inom militär underrättelsetjänst, brottsbekämpande myndigheter och nationell säkerhet? Vilken inverkan kommer detta att ha på utredningsstrategi, organisationsstruktur och global hotrespons?

I de kommande åren kommer generativ AI att spela en avgörande roll för att hjälpa till att stänga det operativa gapet mellan offensiv och försvar. Dåliga aktörer kommer att fortsätta att innovativa snabbt, ofta obegränsade av regler eller risk. Allmänna säkerhetsorganisationer, å andra sidan, kommer att behöva upprätthålla konsekvent, anpassad täckning över en utvidgad mängd hotvektorer. I denna miljö kommer AI inte bara att vara en kraftmultiplicator; det kommer att bli en operativ nödvändighet för att hålla jämna steg med motståndare som är snabba, oförutsägbara och alltmer automatiserade. Tack för det underbara samtalet, läsare som vill lära sig mer bör besöka Cognyte.