Ricardo Amper, VD och grundare av Incode – Intervjuserie

Ricardo Amper, VD och grundare av Incode, är en serieentreprenör och teknikchef med mer än två decennier av erfarenhet av att bygga och skala företag inom teknik, konsumentprodukter och industriella sektorer. Han grundade Incode 2015 med visionen att förändra hur människor verifierar och autentiserar sina identiteter i den digitala världen. Tidigare var Amper VD för Grupo Amco, Latinamerikas ledande affär för aromkemikalier och eteriska oljor, där han utvecklade OneView, en maskininlärningsbaserad prediktiv dataplattform, innan företaget förvärvades av Brenntag Group. Han var också medgrundare och ledare för Amco Foods, som såldes till Grupo Bimbo, och tidigare grundade La Burbuja Networks. Hans karriär kombinerar entreprenörskap, artificiell intelligens, datadrivna system och erfarenhet av att framgångsrikt bygga företag genom förvärv.

Incode är en AI-driven identitetsplattform som är avsedd att hjälpa organisationer att skapa förtroende i interaktioner med människor, företag och i ökande grad AI‑agenter. Dess teknik kombinerar dokumentverifiering, biometrisk autentisering, ansiktsigenkänning, levande‑detektering, deepfake‑detektering och direkta kontroller mot statliga register, samtidigt som den stödjer områden såsom Know Your Customer (KYC), Anti-Money Laundering (AML)-efterlevnad, Know Your Business (KYB), åldersverifiering, personalverifiering och förebyggande av kontoövertagning. Incode utvecklar sin AI‑teknik internt och har utökat sin plattform för att bemöta nya hot som syntetiska identiteter och generativ AI‑driven bedrägeri, samt Agentic Identity‑verktyg för att verifiera ägarna till AI‑agenter och spåra deras handlingar.

Du grundade Incode 2015 efter att ha byggt företag i mycket olika branscher, och du har hävdat att ett fräscht, förstahandsprincipbaserat synsätt kan vara mer värdefullt än att förlita sig på ärvda branschantaganden. Vad såg du i identitetsverifiering som etablerade leverantörer missade, och hur har den ursprungliga insikten format Incode’s utveckling?

Före 2015 behandlade branschen identitet som ett efterlevnadsproblem och en eftertanke: skanna ett dokument, låta någon i backoffice granska det, kryssa i rutan. Jag kom in utan den slutsatsen och såg ett AI‑problem med branschens syn på identitet.

Så gjorde jag tre beslut på dag ett som ingen annan gjorde:

AI utför verifieringen istället för att människor granskar dina data, vi utvecklar varje lager av tekniken själva istället för att sätta ihop andras komponenter, och integritet är arkitektur, inte policy. Tio år senare har generativ AI gjort dessa till de enda beslut som håller.

Det valet formade det företag vi blev.

1. Vi är först byggare: även idag arbetar en större andel av våra medarbetare med teknik och produkt än på ett typiskt B2B‑programvaruföretag, och det är vad som gör oss tillräckligt smidiga för att anpassa oss lika snabbt som hotet förändras.
2. Vi började också medvetet i en av de svåraste bedrägerimiljöerna i världen, Latinamerika, och löste den i stor utsträckning för några av regionens största banker och företag. När din teknik överlever där blir marknader där bedrägerier är verkliga men mindre skoningslösa ett mycket enklare test.

Vi har aldrig varit intresserade av att bara laga problem eller göra företag enbart efterlevande för idag. Vi gillar den svåra versionen av detta problem: att verifiera en riktig person med så lite friktion som möjligt och så stark integritet som möjligt, och göra det för en framtid som förändras.

Incode har nu utnämnts till en ledare i Gartner® Magic Quadrant™ för Identity Verification i tre på varandra följande år. Vad tror du att denna konsekvens säger om hur företaget har utvecklats, och vilka kapaciteter som var mest viktiga för att behålla den positionen när hotlandskapet förändrades?

Vem som helst kan ha ett bra år. Tre på varandra följande år visar på konsekvens, och det är vad företag köper. De tre åren täcker hela vågen av generativ AI‑bedrägeri, och det som hjälpte oss att behålla vår status som branschledare är att vi äger hela vår tekniska stack. När en ny attackklass eller vektor dyker upp tränar vi om våra egna modeller på dagar istället för att vänta på någon annans produktplan eller uppdateringar. De andra konstantena är våra direkta kopplingar till auktoritativa identitetskällor och disciplinen att behandla konvertering lika allvarligt som bedrägeri, eftersom företag behöver båda.

Incode beskriver en ny generation av autonoma bedrägerianfall där AI‑agenter kan generera syntetiska dokument, producera riktade deepfakes, testa dem mot verifieringssystem och anpassa sig efter varje avslag. Hur nära är vi att se dessa helt automatiserade attackarbetsflöden fungera i skala?

Bedrägeri i stor skala har alltid krävt människor i stor skala. Flaskhalsen var människan, och AI har just tagit bort den. Vi letade efter bevisen och publicerade vad vi fann: offentligt rapporterade, oberoende källade AI‑drivna bedrägerihändelser i USA, en stor del av dem bekräftade i domstolsdokument eller regulatoriska åtgärder. När vi bedömde hur mycket av varje upplägg en autonom agent kunde driva själv, kunde nästan alla köra hela processen, och ingen var immun. Den gamla modellen begränsades av hur många skickliga personer du kunde rekrytera. Den nya begränsas endast av beräkningskapacitet.

Incode säger att de kontinuerligt kör en agentbaserad angripare mot sina egna försvar. Hur fungerar denna motståndstestningsprocess, och vad kan en AI‑angripare avslöja som konventionell penetrationstestning eller statiska bedrägerimått kan missa? 

Idén är enkel: det enda sättet att bygga försvar mot dessa attacker är att först rikta dem mot oss själva. Därför driver vi en angripare som fungerar exakt som de kriminella. Den genererar deepfakes, syntetiska dokument och injektionsförsök, skickar dem till våra egna live‑försvar, lär sig av varje avslag och återkommer med en förbättrad variant. En konventionell penetrationstest kontrollerar en känd lista av attacker en gång och är klar. En adaptiv angripare slutar aldrig att uppfinna nya, så den hittar svagheten och den attack som ännu inte existerar innan en kriminell gör det.

När generativa modeller gör syntetiska dokument och biometriska medier allt mer övertygande, vilka signaler är fortfarande de svåraste för angripare att på ett tillförlitligt sätt förfalska?

Pixlarna är ett förlorat spel om det är allt du tittar på, eftersom generativa modeller förbättras varje månad. Vad angripare fortfarande inte kan förfalska på ett tillförlitligt sätt är allt utanför bilden: enhetens integritet och den inspelningsväg mediet har gått igenom, beteende som förblir konsekvent över sessioner, samt den post som den källa som utfärdade identiteten har. Det är principen bakom Deepsight, vår teknik för deepfake‑detektering. Den bedömer aldrig bara bilden: den analyserar mediet, hårvaran, mjukvaruvägen och användarbeteendet i ett enda realtidsbeslut, och kan identifiera vilken generativ modell som producerade förfalskningen. Purdue University testade den oberoende mot 24 andra statliga, akademiska och kommersiella system och bekräftade att den är den mest exakta.

Incode betonar att verifiera identiteter mot auktoritativa myndighetsregister snarare än att enbart förlita sig på det dokument som en användare presenterar. Hur påverkar detta noggrannheten i identitetsverifiering, och vilka tekniska eller regulatoriska utmaningar uppstår när man implementerar detta tillvägagångssätt i olika länder?

Ett dokument visar vad som presenterades. Det auktoritativa registret visar vad som är sant. Alla kontroller som bedömer om ett föremål ser autentiskt ut förlorar i betydelse i takt med att generativ AI förbättras, men ett myndighetsregister gör det inte, eftersom det är sanningsdata som bedragaren inte kan manipulera. Utmaningarna är verkliga: varje land har olika auktoritativa källor, olika åtkomstregler och olika integritetslagar, så vi bygger direkta anslutningar marknad för marknad och hanterar allt enligt principen privacy by design.

Identitetsverifieringssystem måste stoppa sofistikerad bedrägeri utan att skapa onödig friktion för legitima användare. Hur utvärderar du avvägningen mellan säkerhet, falska avslag, onboarding‑hastighet och konvertering?

Varje identitetsleverantör drar i spakar mellan dessa fyra faktorer. Den verkliga frågan är vilka spakar du kontrollerar. En stor del av branschen implementerar teknik som licensierats från någon annan, så när bedrägeriet ökar kan de inte se in i modellen eller återträna den, och den enda kvarvarande spaken är friktion: fler steg, fler manuella granskningar, fler goda användare avvisade. Vi valde motsatsen och utvecklar varje AI‑modell själva – levande kontroll, deepfake‑detektering, dokumentverifiering, allt – så vår spak är noggrannhet. Vi återtränar på dagar, trycker ner bedrägeriet i modellen och låter användarupplevelsen förbli opåverkad. Det är därför att släppa igenom varje god användare och stoppa varje attack är ett enda jobb för oss, inte en avvägning.

Incodes förtroendenätverk är utformat för att identifiera återkommande bedrägeri och känna igen pålitliga historik över organisationer utan att samla råa personuppgifter. Vilken teknik möjliggör den typen av integritetsskyddande intelligensdelning?

Kryptografi är möjliggöraren, men konceptet är själva poängen: samarbete utan exponering. Organisationer i nätverket kan ta reda på om en identitetssignal har kopplats till bedrägeri någon annanstans utan att någon part någonsin ser en annans data, så det finns ingen samlad databas, inget att bryta mot och ingen datamäkling. Detta är varför vi förvärvade Identiq, vars team tillbringade år med att bygga exakt denna integritetshöjande kryptografiska teknik, och varför vi i år satsar mer än 100 miljoner dollar på integritetsskyddande identitetsinfrastruktur. Nätverket blir smartare med varje verifiering medan varje individs data förblir förseglad, i en skala på över 7 miljarder förtroendekontroller och 400 miljoner profiler. Vi har alltid trott att integritet och bedrägeriförebyggande inte är en avvägning. De är samma problem, löst tillsammans eller inte alls.

När AI‑agenter börjar göra inköp, få åtkomst till konton, underteckna avtal och kommunicera på uppdrag av personer, hur bör organisationer verifiera inte bara själva agenten utan också dess ägare, behörigheter och befogenhet att utföra en specifik åtgärd?

Börja med ägaren, för en agents befogenhet betyder ingenting om den inte kan spåras tillbaka till en verifierad människa. Det är exakt vad vi byggde Agentic Identity för: vi verifierar ägaren med identitetsverifiering med hög säkerhet och deepfake‑resistent livslivsdetektering, utfärdar en säker token till agenten som länkar varje handling tillbaka till den ansvariga personen, och verifierar dess behörighetsomfång så att en agent som är auktoriserad för en uppgift inte tyst kan glida in i andra. Därefter övervakar vi kontinuerligt, eftersom agenter ändrar beteende snabbare än någon kvartalsvis åtkomstgranskning. Det är samma biometrik, samma bedrägeribekämpning, samma nätverk som vi använder för människor, utvidgat till systemen som agerar på deras vägnar.

Framåt i tiden, kommer identitetsverifiering att förbli en separat kontrollpunkt under onboarding, eller kommer den att bli ett kontinuerligt förtroendelager som fungerar genom alla digitala interaktioner mellan människor, företag och autonoma AI‑agenter?

Både ett tag, och sedan vinner det kontinuerliga. Onboarding förblir ankaret där identiteten etableras med högsta säkerhet, men förtroendet kan inte förbli ett ögonblick i tiden när attacker anpassar sig över sessioner och agenter transaktioner dygnet runt. Målet är ett bestående förtroendelager: återverifiering i stunder av verklig risk, beteende‑ och nätverkssignaler som korreleras kontinuerligt, samt samma ansvarsskyldighet som utökas till AI‑agenter som agerar på människors vägnar. Identiteten slutar vara en kontrollpunkt och blir infrastruktur, och vi bygger för den världen.

Tack för den fantastiska intervjun, läsare som vill lära sig mer bör besöka Incode.