Ricardo Amper, CEO และผู้ก่อตั้ง Incode – ซีรีส์สัมภาษณ์

Ricardo Amper, CEO และผู้ก่อตั้ง Incode, เป็นผู้ประกอบการต่อเนื่องและผู้บริหารเทคโนโลยีที่มีประสบการณ์กว่าสองทศวรรษในการสร้างและขยายบริษัทในภาคเทคโนโลยี, ผลิตภัณฑ์ผู้บริโภค, และอุตสาหกรรมต่าง ๆ เขาได้ก่อตั้ง Incode ในปี 2015 ด้วยวิสัยทัศน์ที่จะเปลี่ยนแปลงวิธีที่ผู้คนยืนยันและตรวจสอบอัตลักษณ์ของตนในโลกดิจิทัล ก่อนหน้านั้น Amper เคยดำรงตำแหน่ง CEO ของ Grupo Amco, ธุรกิจสารเคมีกลิ่นหอมและน้ำมันหอมระเหยชั้นนำของละตินอเมริกา, ที่ซึ่งเขาได้พัฒนา OneView, แพลตฟอร์มข้อมูลเชิงพยากรณ์ที่ใช้การเรียนรู้ของเครื่อง, ก่อนที่บริษัทจะถูกซื้อโดย Brenntag Group. เขายังร่วมก่อตั้งและเป็นผู้นำ Amco Foods, ซึ่งต่อมาถูก Grupo Bimbo เข้าซื้อกิจการ, และก่อนหน้านั้นได้ก่อตั้ง La Burbuja Networks. เส้นทางอาชีพของเขาผสานการเป็นผู้ประกอบการ, ปัญญาประดิษฐ์, ระบบขับเคลื่อนด้วยข้อมูล, และประสบการณ์ในการสร้างบริษัทให้ประสบความสำเร็จผ่านการควบรวมกิจการ.

Incode เป็นแพลตฟอร์มอัตลักษณ์ที่ขับเคลื่อนด้วย AI ออกแบบมาเพื่อช่วยองค์กรสร้างความเชื่อมั่นในทุกการโต้ตอบกับบุคคล, ธุรกิจ, และเพิ่มขึ้นเรื่อย ๆ กับเอเย่นต์ AI เทคโนโลยีของมันรวมการตรวจสอบเอกสาร, การยืนยันชีวมิติ, การจดจำใบหน้า, การตรวจจับการมีชีวิต, การตรวจจับ deepfake, และการตรวจสอบโดยตรงกับระบบบันทึกของรัฐบาล, พร้อมสนับสนุนด้านต่าง ๆ รวมถึง Know Your Customer (KYC), การปฏิบัติตาม Anti-Money Laundering (AML), Know Your Business (KYB), การยืนยันอายุ, การตรวจสอบพนักงาน, และการป้องกันการแย่งชิงบัญชี. Incode พัฒนาเทคโนโลยี AI ของตนเองภายในบริษัทและได้ขยายแพลตฟอร์มเพื่อรับมือกับภัยคุกคามใหม่ ๆ เช่น อัตลักษณ์สังเคราะห์และการฉ้อโกงที่ใช้ AI สร้างสรรค์, รวมถึงเครื่องมือ Agentic Identity สำหรับการตรวจสอบเจ้าของเอเย่นต์ AI และติดตามการกระทำของพวกเขา.

คุณก่อตั้ง Incode ในปี 2015 หลังจากสร้างบริษัทในอุตสาหกรรมที่แตกต่างกันอย่างมาก, และคุณได้อธิบายว่าการเข้าถึงปัญหาด้วยแนวคิดใหม่และจากหลักการพื้นฐานอาจมีคุณค่ามากกว่าการพึ่งพาสมมติฐานที่สืบทอดมาจากอุตสาหกรรม. คุณมองเห็นอะไรในกระบวนการยืนยันอัตลักษณ์ที่ผู้ให้บริการที่มีอยู่ขาดหาย, และแนวคิดต้นฉบับนั้นได้ส่งผลต่อการพัฒนา Incode อย่างไร?

ก่อนปี 2015, อุตสาหกรรมมองอัตลักษณ์เป็นปัญหาการปฏิบัติตามและเป็นเรื่องที่ทำภายหลัง: สแกนเอกสาร, ให้พนักงานในฝ่ายหลังตรวจสอบ, แล้วทำเครื่องหมายให้เสร็จ. ฉันเข้ามาโดยไม่มีการสันนิษฐานนั้นและมองเห็นว่าปัญหาเป็นของ AI กับแนวทางของอุตสาหกรรมต่ออัตลักษณ์.

ดังนั้น ฉันได้ทำการตัดสินใจสามอย่างตั้งแต่วันแรกที่ไม่มีใครทำเช่นนั้น:

AI ทำการตรวจสอบแทนมนุษย์ที่ดูข้อมูลของคุณ, เราพัฒนาเทคโนโลยีทุกชั้นด้วยตนเองแทนการประกอบส่วนของคนอื่น, และความเป็นส่วนตัวเป็นสถาปัตยกรรม ไม่ใช่นโยบาย. สิบปีต่อมา, AI สร้างสรรค์ทำให้การตัดสินใจเหล่านั้นเป็นเพียงอย่างเดียวที่ยังคงยืนหยัด.

การเลือกนั้นได้กำหนดรูปร่างของบริษัทที่เราเป็นอยู่.

1. เราคือผู้สร้างเป็นอันดับแรก: แม้ในวันนี้ ส่วนแบ่งคนของเราที่ทำงานด้านวิศวกรรมและผลิตภัณฑ์ยังมากกว่าบริษัทซอฟต์แวร์ B2B ปกติ, และนั่นคือสิ่งที่ทำให้เรายืดหยุ่นพอที่จะปรับตัวให้เร็วเท่ากับภัยคุกคาม.
2. เรายังตั้งต้นอย่างตั้งใจในหนึ่งในสภาพแวดล้อมการฉ้อโกงที่ยากที่สุดในโลก, ละตินอเมริกา, และได้แก้ไขปัญหานั้นส่วนใหญ่ให้กับธนาคารและองค์กรขนาดใหญ่ของภูมิภาค. เมื่อเทคโนโลยีของคุณสามารถอยู่รอดได้ที่นั่น, ตลาดที่การฉ้อโกงยังคงมีอยู่แต่ไม่รุนแรงเท่า จะกลายเป็นการทดสอบที่ง่ายกว่าอย่างมาก.

เราไม่เคยสนใจการแก้ไขปัญหาแบบชั่วคราวหรือทำให้บริษัทเพียงแค่สอดคล้องกับมาตรฐานในวันนี้. เราชื่นชอบเวอร์ชันที่ท้าทายของปัญหานี้: ยืนยันบุคคลจริงด้วยความราบรื่นที่น้อยที่สุดและความเป็นส่วนตัวที่แข็งแกร่งที่สุด, และทำเช่นนั้นสำหรับอนาคตที่กำลังเปลี่ยนแปลง.

Incode ตอนนี้ได้รับการ ตั้งชื่อว่า ผู้นำใน Gartner® Magic Quadrant™ สำหรับการตรวจสอบตัวตนเป็นเวลา 3 ปีติดต่อกัน. คุณคิดว่าความสม่ำเสมอนี้บ่งบอกอะไรเกี่ยวกับการพัฒนาของบริษัท, และความสามารถใดที่สำคัญที่สุดในการรักษาตำแหน่งนั้นเมื่อสภาพแวดล้อมของภัยคุกคามเปลี่ยนแปลง?

ใครก็สามารถมีปีที่ดีได้. การต่อเนื่องสามปีสะท้อนถึงความสม่ำเสมอ, และความสม่ำเสมอคือสิ่งที่องค์กรซื้อ. สามปีนั้นครอบคลุมคลื่นการฉ้อโกงด้วย AI สร้างสรรค์ทั้งหมด, และสิ่งที่ช่วยให้เรารักษาตำแหน่งผู้นำอุตสาหกรรมไว้คือเราครอบครองสแตกเทคโนโลยีทั้งหมดของเราเอง. เมื่อมีคลาสหรือเวกเตอร์การโจมตีใหม่ปรากฏ, เราฝึกโมเดลของเราใหม่ในไม่กี่วันแทนที่จะรอแผนผลิตภัณฑ์หรือการอัปเดตของคนอื่น. สิ่งคงที่อื่นคือการเชื่อมต่อโดยตรงของเรากับแหล่งอัตลักษณ์ที่มีอำนาจและระเบียบวินัยในการให้ความสำคัญกับอัตราการแปลงเท่ากับการฉ้อโกง, เนื่องจากองค์กรต้องการทั้งสองอย่าง.

Incode อธิบายถึงยุคใหม่ของการโจมตีการฉ้อโกงอัตโนมัติที่เอเย่นต์ AI สามารถสร้างเอกสารสังเคราะห์, ผลิต deepfake ที่เจาะจง, ทดสอบกับระบบการตรวจสอบ, และปรับตัวหลังการปฏิเสธแต่ละครั้ง. เราอยู่ห่างแค่ไหนจากการเห็นเวิร์กโฟลว์การโจมตีอัตโนมัติเต็มรูปแบบนี้ทำงานในระดับขนาดใหญ่?

การฉ้อโกงในระดับใหญ่เคยต้องอาศัยคนในระดับใหญ่. จุดคอขวดคือมนุษย์, และ AI เพิ่งกำจัดมันออกไป. เราได้ค้นหาหลักฐานและเผยแพร่สิ่งที่พบ: เหตุการณ์การฉ้อโกงที่ใช้ AI ที่รายงานต่อสาธารณะและได้มาจากแหล่งอิสระในสหรัฐอเมริกา, ส่วนใหญ่ได้รับการยืนยันในเอกสารศาลหรือการดำเนินการของหน่วยกำกับดูแล. เมื่อเราประเมินว่าตัวแทนอัตโนมัติสามารถดำเนินการแต่ละแผนได้มากแค่ไหนโดยอิสระ, เกือบทั้งหมดสามารถทำงานตั้งแต่ต้นจนจบ, และไม่มีกรณีใดที่ปลอดภัย. โมเดลเก่า จำกัดโดยจำนวนคนมีทักษะที่คุณสามารถจ้างได้. โมเดลใหม่จำกัดเพียงโดยกำลังประมวลผล.

Incode กล่าวว่า บริษัทดำเนินการโจมตีแบบเอเจนต์ต่อการป้องกันของตนอย่างต่อเนื่อง กระบวนการทดสอบเชิงศัตรูนี้ทำงานอย่างไร และผู้โจมตี AI สามารถค้นพบอะไรที่การทดสอบเจาะระบบแบบดั้งเดิมหรือเกณฑ์การฉ้อโกงแบบคงที่อาจพลาดได้? 

แนวคิดง่าย ๆ: วิธีเดียวที่จะสร้างการป้องกันต่อการโจมตีเหล่านี้คือการโจมตีต่อเราเองก่อน ดังนั้นเราจึงดำเนินการโจมตีที่ทำงานเหมือนกับผู้ร้ายจริง ๆ มันสร้างภาพลวงตา (deepfake) เอกสารสังเคราะห์ และการพยายามฉีดข้อมูล ส่งไปยังระบบป้องกันแบบเรียลไทม์ของเรา เรียนรู้จากการปฏิเสธทุกครั้ง แล้วกลับมาพร้อมรูปแบบที่ดีกว่า การทดสอบเจาะระบบแบบดั้งเดิมตรวจสอบรายการการโจมตีที่รู้จักเพียงครั้งเดียวแล้วจบ แต่ผู้โจมตีที่ปรับตัวได้ไม่เคยหยุดคิดค้นใหม่ ๆ จึงสามารถค้นหาจุดอ่อนและการโจมตีที่ยังไม่มีอยู่ก่อนได้ก่อนที่ผู้ร้ายจะทำ

เมื่อโมเดลเชิงสร้างทำให้เอกสารสังเคราะห์และสื่อชีวมิติมีความเชื่อถือได้มากขึ้น สัญญาณใดยังคงเป็นสิ่งที่ผู้โจมตีทำได้ยากที่สุดในการสร้างอย่างเชื่อถือได้?

พิกเซลเป็นเกมที่แพ้หากคุณมองแค่ภาพเท่านั้น เพราะโมเดลเชิงสร้างพัฒนาอย่างต่อเนื่องทุกเดือน สิ่งที่ผู้โจมตียังสร้างได้อย่างเชื่อถือไม่ได้คือทุกอย่างที่อยู่นอกภาพ: ความสมบูรณ์ของอุปกรณ์และเส้นทางการจับภาพที่สื่อผ่านไป พฤติกรรมที่คงที่ระหว่างเซสชันต่าง ๆ และบันทึกที่มาจากแหล่งที่ออกเอกสารประจำตัว นั่นคือหลักการของ Deepsight เทคโนโลยีการตรวจจับ deepfake ของเรา ซึ่งไม่ตัดสินภาพเพียงอย่างเดียว แต่วิเคราะห์สื่อ, ฮาร์ดแวร์, เส้นทางซอฟต์แวร์ และพฤติกรรมผู้ใช้ในเวลาจริงเดียวกัน และสามารถระบุได้ว่าโมเดลเชิงสร้างใดสร้างภาพปลอมนั้น Purdue University ได้ทดสอบอย่างอิสระกับระบบอื่น ๆ จำนวน 24 ระบบจากภาครัฐ, สถาบันการศึกษาและภาคเอกชนและยืนยันว่าเป็นระบบที่แม่นยำที่สุด

Incode เน้นการตรวจสอบตัวตนโดยอ้างอิงบันทึกราชการที่เป็นแหล่งข้อมูลอ้างอิงแทนการพึ่งพาเอกสารที่ผู้ใช้นำเสนออย่างเดียว การเปลี่ยนแปลงนี้ส่งผลต่อความแม่นยำของการตรวจสอบตัวตนอย่างไร และมีความท้าทายด้านเทคนิคหรือกฎระเบียบใดบ้างเมื่อนำวิธีนี้ไปใช้ในหลายประเทศ?

เอกสารบอกว่าอะไรที่ถูกนำเสนอ ส่วนบันทึกอ้างอิงบอกว่าอะไรที่เป็นความจริง ทุกการตรวจสอบที่พิจารณาว่าอาร์ติเฟกต์ดูเหมือนของแท้จะสูญเสียประสิทธิภาพเมื่อ AI เชิงสร้างพัฒนา แต่บันทึกราชการไม่เปลี่ยนแปลง เพราะเป็นความจริงที่ผู้ฉ้อโกงไม่สามารถควบคุมได้ ความท้าทายจริง ๆ คือแต่ละประเทศมีแหล่งข้อมูลอ้างอิงที่แตกต่างกัน กฎการเข้าถึงที่ต่างกัน และกฎหมายความเป็นส่วนตัวที่แตกต่างกัน ดังนั้นเราต้องสร้างการเชื่อมต่อโดยตรงตามตลาดและดำเนินการทั้งหมดภายใต้แนวคิดความเป็นส่วนตัวโดยการออกแบบ

ระบบตรวจสอบตัวตนต้องหยุดการฉ้อโกงขั้นสูงโดยไม่สร้างความลำบากเกินจำเป็นให้กับผู้ใช้ที่ถูกต้อง คุณประเมินการแลกเปลี่ยนระหว่างความปลอดภัย, การปฏิเสธผิดพลาด, ความเร็วในการลงทะเบียน, และอัตราการแปลงอย่างไร?

ผู้ให้บริการตัวตนทุกรายต้องดึงคันโยกระหว่างสี่ด้านนี้ คำถามที่แท้จริงคือคันโยกใดที่คุณเป็นเจ้าของ อุตสาหกรรมส่วนใหญ่ใช้เทคโนโลยีที่ไลเซนส์จากผู้อื่น ดังนั้นเมื่อการฉ้อโกงพุ่งสูงขึ้น พวกเขาไม่สามารถมองเข้าโมเดลหรือฝึกใหม่ได้ และคันโยกเดียวที่เหลือคือความลำบาก: ขั้นตอนเพิ่มขึ้น, การตรวจสอบด้วยมือเพิ่มขึ้น, ผู้ใช้ที่ดีถูกปฏิเสธเพิ่มขึ้น เราเลือกทำในทางตรงกันข้าม พัฒนาโมเดล AI ทุกอย่างด้วยตนเอง ทั้งการตรวจจับการมีชีวิต, การตรวจจับ deepfake, การตรวจสอบเอกสาร ฯลฯ ทำให้คันโยกของเราคือความแม่นยำ เราฝึกใหม่ภายในวัน, ดันการฉ้อโกงลงในโมเดล, และไม่กระทบประสบการณ์ผู้ใช้ นั่นคือเหตุผลที่เราสามารถให้ผู้ใช้ที่ดีทั้งหมดผ่านและหยุดการโจมตีทุกกรณีได้ ไม่ใช่การแลกเปลี่ยน

เครือข่ายความเชื่อถือของ Incode ถูกออกแบบให้ระบุการฉ้อโกงที่เกิดซ้ำและรับรู้ประวัติความเชื่อถือข้ามองค์กรโดยไม่ต้องรวมข้อมูลส่วนบุคคลดิบเท่าใดเท่าไร เทคโนโลยีใดทำให้การแบ่งปันข้อมูลอัจฉริยะที่รักษาความเป็นส่วนตัวแบบนี้เป็นไปได้?

การเข้ารหัสเป็นตัวทำให้เป็นไปได้ แต่แนวคิดคือการร่วมมือโดยไม่เปิดเผยข้อมูล องค์กรในเครือข่ายสามารถเรียนรู้ได้ว่ามีสัญญาณตัวตนที่เชื่อมโยงกับการฉ้อโกงที่อื่นหรือไม่โดยที่ไม่มีฝ่ายใดเห็นข้อมูลของอีกฝ่าย ดังนั้นจึงไม่มีฐานข้อมูลรวม, ไม่มีสิ่งที่ต้องถูกแฮก, และไม่มีการซื้อขายข้อมูล นี่คือเหตุผลที่เราซื้อกิจการ Identiq ทีมของพวกเขาใช้หลายปีสร้างเทคโนโลยีการเข้ารหัสที่เพิ่มความเป็นส่วนตัวแบบนี้ และทำไมเราจึงมุ่งลงทุนมากกว่า 100 ล้านดอลลาร์ในปีนี้เพื่อโครงสร้างพื้นฐานตัวตนที่รักษาความเป็นส่วนตัว เครือข่ายจะฉลาดขึ้นกับทุกการตรวจสอบในขณะที่ข้อมูลของแต่ละบุคคลยังคงถูกปิดไว้, มีการตรวจสอบความเชื่อถือมากกว่า 7 พันล้านครั้งและโปรไฟล์กว่า 400 ล้านรายการ เราเชื่อเสมอว่าความเป็นส่วนตัวและการป้องกันการฉ้อโกงไม่ใช่การแลกเปลี่ยน แต่เป็นปัญหาเดียวกันที่ต้องแก้ร่วมกันหรือไม่แก้เลย

เมื่อเอเจนต์ AI เริ่มทำการซื้อสินค้า, เข้าถึงบัญชี, ลงนามสัญญา, และสื่อสารในนามของคนอื่น องค์กรควรตรวจสอบไม่เพียงแต่เอเจนต์เอง แต่รวมถึงเจ้าของ, สิทธิ์การเข้าถึง, และอำนาจในการทำกิจกรรมเฉพาะนั้นอย่างไร?

เริ่มจากเจ้าของ เพราะอำนาจของตัวแทนไม่มีค่าอะไรหากไม่สามารถย้อนกลับไปยังมนุษย์ที่ได้รับการยืนยันได้ นั่นคือสิ่งที่เราสร้าง Agentic Identity เพื่อทำ: เราตรวจสอบเจ้าของด้วยการพิสูจน์ตัวตนระดับสูงและการตรวจจับลักษณะการแสดงสดที่ต้านทาน deepfake, ออกโทเค็นที่ปลอดภัยให้กับตัวแทนซึ่งเชื่อมโยงทุกการกระทำกลับไปยังบุคคลที่รับผิดชอบ, และตรวจสอบขอบเขตสิทธิ์ของมันเพื่อให้ตัวแทนที่ได้รับอนุญาตทำงานหนึ่งอย่างไม่สามารถล่องลอยไปทำอย่างอื่นได้โดยเงียบ ๆ จากนั้นเราติดตามอย่างต่อเนื่อง เพราะตัวแทนเปลี่ยนพฤติกรรมเร็วกว่าใด ๆ ที่ทำการตรวจสอบการเข้าถึงรายไตรมาส มันใช้ไบโอเมตริกซ์เดียวกัน, ข้อมูลข่าวกรองการฉ้อโกงเดียวกัน, เครือข่ายเดียวกันที่เราใช้กับมนุษย์, ขยายไปยังระบบที่ทำงานในนามของพวกเขา

มองไปข้างหน้า, การตรวจสอบตัวตนจะยังคงเป็นจุดตรวจแยกต่างหากระหว่างการลงทะเบียนหรือจะกลายเป็นชั้นความเชื่อมั่นต่อเนื่องที่ทำงานตลอดทุกการโต้ตอบดิจิทัลระหว่างคน, ธุรกิจ, และตัวแทน AI อิสระ?

ทั้งสองอย่างในช่วงแรก, แล้วต่อมาชั้นความเชื่อมั่นต่อเนื่องจะชนะ การลงทะเบียนยังคงเป็นจุดยึดที่ตัวตนถูกกำหนดด้วยความมั่นใจสูงสุด, แต่ความเชื่อมั่นไม่อาจเป็นเพียงช่วงเวลาหนึ่งเมื่อการโจมตีปรับตัวข้ามเซสชันและตัวแทนทำธุรกรรมตลอด 24 ชั่วโมง จุดมุ่งหมายคือชั้นความเชื่อมั่นที่คงอยู่: การตรวจสอบใหม่ในช่วงที่มีความเสี่ยงจริง, สัญญาณพฤติกรรมและเครือข่ายที่สัมพันธ์กันอย่างต่อเนื่อง, และความรับผิดชอบเดียวกันที่ขยายไปยังตัวแทน AI ที่ทำงานในนามของคน ตัวตนจะไม่ใช่จุดตรวจอีกต่อไป แต่จะกลายเป็นโครงสร้างพื้นฐาน, และเรากำลังสร้างเพื่อโลกนั้น

ขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม, ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม Incode.