Cognyte 首席产品官 Gil Cohen – 访谈系列

吉尔科恩 是一位经验丰富的软件主管，拥有领导大型全球组织的成功经验，在企业软件、大数据、电信和人工智能领域拥有二十多年的经验和专业知识。

Gil 领导 Cognyte 的产品组织、公司的全球研发中心以及全系列产品的市场营销战略。

在 2021 年加入 Cognyte 公司之前，Gil 曾担任语音录制平台 NICE 的总经理以及西班牙电信以色列公司的首席执行官。

科尼特 是一家总部位于以色列的全球调查和安全分析软件提供商，旨在提供“可操作的情报，共创更安全的世界™”。该公司成立于 2021 年，是 Verint Systems 的分拆公司，为大约 100 个国家/地区的数百家政府和企业客户提供服务，使安全、情报和执法机构能够合并、分析和可视化大型碎片化数据集，以便及时检测、调查和响应威胁。

最初是什么促使你走上了专注于情报、分析和国家安全的职业道路？早期的经历或成长事件是否帮助塑造了这个方向？

这是非常自然的契合。 Cognyte的 使命——帮助世界更安全——与我所关注的，无论是个人生活还是职业发展，都完美契合。我多年来一直致力于企业软件、大数据、电信和人工智能，并且拥有军事背景，因此担任一个能让我直接为这一使命做出贡献的职位，对我来说再合适不过了。

多年来，我领导着全球组织和研发团队，提供尖端的企业解决方案和市场推广战略，这些经验使我能够确保 Cognyte 的技术始终领先，真正赋能我们的客户。看到执法部门、国家安全部门以及国家和军事情报机构如何运用我们的分析解决方案及早发现威胁，保障人民安全，我感到非常欣慰。真正让我充满动力的是，我们能够构建工具，帮助这些机构领先一步防范犯罪和恐怖活动，并快速应对新的挑战。看到我们的技术付诸实践，产生真正的影响，我由衷地感到自豪。

多年来，调查技术领域是如何演变的？Cognyte 的使命又是如何适应执法和情报机构不断变化的需求的？

调查技术领域经历了重大变革，主要原因是数据量和多样性的快速增长、日益复杂的对手的出现以及技术的不断发展。塑造这一环境的一个核心挑战是犯罪分子与阻止他们的人之间固有的不平衡。犯罪分子（无论是罪犯还是恐怖分子）行动敏捷、持久，能够利用一个弱点造成毁灭性的影响。相比之下，执法和安全组织必须识别、理解和应对各种不断演变的威胁，而且通常需要实时且绝对精确地应对。这种不对称给调查团队带来了巨大的压力，要求他们比以往更快、更智能、更准确地采取行动。分析师经常要应对不断增长的数据量、碎片化的工具和紧迫的运营需求，这使得将他们的调查洞察转化为与先进解决方案的有效交互变得极具挑战性。

为此，Cognyte 不断调整，以履行我们的使命：帮助客户通过可操作的情报洞察洞察，消除未知因素。Cognyte 以提供突破性技术而闻名，它在我们的平台上大规模利用人工智能 (AI) 来融合、分析和可视化复杂数据，从而实现更快、更精准的决策和行动。情报副驾驶正是在这种不对称性的情况下构建的，旨在通过使防御者能够跟上威胁的速度来平衡竞争。情报副驾驶是一款生成式人工智能助手，它通过自然语言交互和可解释的输出简化调查工作流程，专为满足执法、国家安全和情报机构的需求而设计。现在，即使使用复杂的系统，分析师也可以快速获得价值，而无需技术知识来操作系统或定义复杂的查询。

情报副驾驶的推出引入了专为调查工作流程构建的生成式人工智能功能。这项功能与目前安全领域使用的现有人工智能工具有何根本区别？

Cognyte的 情报副驾驶 它与其他人工智能工具有着根本性的区别，因为它专为现实世界的调查而设计，而非仅仅用于一般任务。与典型的 GenAI 解决方案不同，它直接嵌入到调查工作区和流程中，能够理解分析师使用的术语，并提供透明、可解释的结果。它旨在分析政府机构处理的敏感和机密数据源，可在任何部署环境中安全运行，并且旨在加速（而非取代）人类的专业知识。这使得调查人员和分析师能够充分利用人机协作的优势，并利用专为安全和情报机构的高风险需求而设计的解决方案。

许多研究人员面临着现实世界直觉与传统平台技术需求之间的脱节。这位新的“副驾驶”将如何应对这一挑战，并弥合人类推理与机器输出之间的差距？

调查人员和分析人员接受的培训是进行调查和情报分析，而不是设计复杂的查询或将他们的想法转化为僵化的系统语法。Cognyte 的情报副驾驶正是考虑到这一现实，让用户能够用自己的语言进行工作。它接受自然语言输入，并将其转换为结构化、可解释的逻辑，从而无需技术查询或深厚的系统专业知识。通过与调查人员的实际思维和工作方式保持一致，副驾驶消除了摩擦，加速了洞察力的生成，并让分析人员能够专注于他们最擅长的领域：追踪线索、审查证据和分析威胁。

调查环境通常涉及海量数据和高度碎片化的工具生态系统。副驾驶如何增强数据合成、加速分析并提高威胁解决的整体速度？

Cognyte 的情报副驾驶系统 (AI Co-Pilot) 彻底改变了调查工作流程，消除了工具孤立和海量数据造成的人工瓶颈。AI Co-Pilot 无需调查人员将复杂问题转化为系统特定的查询，而是允许他们使用直观的自然语言探索多样化、多源数据。它自动合成结构化和非结构化数据，揭示相关关联，并以清晰的分步逻辑呈现结果。例如，调查人员只需指示 AI Co-Pilot“显示过去 6 个月内嫌疑人 A 和嫌疑人 B 之间的所有关联”。

副驾驶将处理多种数据源和格式的繁重工作，例如闭路电视监控、财务记录和手写报告。它将快速对海量数据集进行排序、筛选和分类，以发现洞察，并可视化直接和间接的嫌疑人联系，从而无需调查人员筛选原始数据。通过将搜索、关联和洞察生成功能统一到一个由 GenAI 驱动的助手中，副驾驶可以加快决策速度，提高精准度，并显著缩短应对威胁所需的时间。

安全性、可解释性和透明度对于任务驱动型运营至关重要。为了确保AI副驾驶能够满足情报机构的严格要求，我们优先考虑了哪些保障措施和架构原则？

Cognyte 拥有超过 30 年的任务驱动型运营支持经验，其智能副驾驶系统的设计以安全性、可解释性和透明度为基础。安全性内置于架构层面：该副驾驶系统支持云端和本地部署，以满足数据敏感性、隐私性和主权方面的严格要求。它继承了主机系统的原生用户权限模型，确保不会泄露用户通常不会通过标准工作流程访问的数据。

为了实现可解释性和透明度，Co-Pilot 提供了端到端推理的清晰视图，涵盖生成结果所需的精确逻辑、条件和幕后步骤。用户可以根据自己的判断来审查、验证甚至质疑系统的解释。所有推理过程均完全可审计，从而在高风险环境中实现可追溯性和可问责性。

该平台提供可视化的逻辑流程和透明的推理，以响应自然语言查询。这些功能如何影响调查人员在压力下做出决策，尤其是在高风险或时间紧迫的案件中？

Cognyte 的情报副驾驶系统将自然语言输入与基于成熟领域专业知识的逐步可视化逻辑流程相结合，从而增强调查决策能力。结果在情报分析工作区内可视化，方便查阅背景信息并进行进一步探索。这些可视化功能揭示了数据点之间的关联以及洞察的生成方式，使系统的推理过程完全透明。在高压环境下，这使得调查人员能够快速验证相关性，并从疑问转向确定结论，而无需盲目依赖黑箱输出。最终结果是基于可解释的人工智能，做出更快、更智能的决策，并与现实世界的调查工作流程完全一致。

哪些类型的机器学习模型构成了副驾驶生成能力的基础，以及如何训练它们以反映特定于智能工作流程而不是一般对话式人工智能的语言和逻辑？

我们Copilot所基于的模型是业内最新、最先进的LLM模型之一。我们使用专有数据模型，根据每位客户的领域和术语对LLM进行微调，这些模型代表了系统的数据结构——包括实体、关系和参数。这使我们能够在客户领域的代表性数据或“数字孪生”上训练Copilot，而不是使用敏感且无法作为训练集的实际数据。我们还融入了最佳实践用户流程，这些流程源自数十年来我们内部积累的行业特定方法论、我们的客户成功团队以及客户拥护者社区的帮助。通过这种方法，我们创建了一种可扩展的方法，可以将现成的LLM转化为领域模型，并根据安全需求进行微调。

系统的输出强调可解释性和结构化推理。使用了哪些机器学习技术或模型架构来确保决策的透明性和可追溯性，尤其是在分析师需要严格审查结果的情况下？ 

副驾驶基于数据模型进行训练，并针对情报和调查最佳实践进行微调，体现了一种超越一般对话式人工智能的训练方法。这种专业训练建立在三十多年的调查分析领域专业知识之上。这种与现实世界运营知识的深度融合，确保副驾驶能够理解并处理情报工作流程中至关重要的特定术语、逻辑和细微差别。它接收用户的自然语言问题，并理解如何在 Cognyte 解决方案中将其转换为 API 调用，从而查询所需的数据。该查询始终可供分析师使用，因此发送了哪个查询是透明的。然后，数据将从解决方案数据库返回，以结构化、可解释的逻辑消除任何幻觉的可能性。无需对数据本身进行单独的可追溯性验证，即可验证摘要和洞察是否合理。

该产品的问世正值人工智能从试点项目向全面部署过渡之际。这如何反映出国家安全机构在2025年采用人工智能的更广泛趋势？

 此次发布正值企业和政府加速采用生成式人工智能之际，预计未来三年该领域人工智能投资将超过2万亿美元。2025年将是一个明显的转折点，各组织将从实验阶段转向实际部署。各机构看到了利用LLM驱动的Co-Pilot的潜在价值，Cognyte最近的一项调查显示， 47% 的受访机构 认为 GenAI 驱动的数据分析和探索是能够加速其调查的顶级技术能力。对于执法和国家安全机构而言，这种转变正在为决策的速度、规模和精度树立新的标杆。在生命和国家利益攸关之际，对值得信赖、可操作的人工智能的需求已不再是一种选择，而是一项至关重要的任务，而 Cognyte 情报副驾驶正是为此而生。

展望未来五年，生成式人工智能在军事情报、执法和国家安全领域的角色将如何演变？这将对调查策略、组织结构和全球威胁应对产生何种影响？

未来几年，生成式人工智能将在缩小攻防之间的作战差距方面发挥关键作用。不法分子将继续快速创新，通常不受规则或风险的约束。相比之下，公共安全组织则需要在不断扩展的威胁向量范围内保持一致、自适应的覆盖范围。在这种环境下，人工智能将不仅仅是力量倍增器；它将成为与快速、不可预测且日益自动化的对手保持同步的作战必需品。

感谢您的精彩采访，想要了解更多信息的读者可以访问 科尼特.