Hvem grundlagde Prevalent AI?

Prevalent AI blev grundlagt i 2017 af Paul Stokes, der i dag er administrerende direktør, og Arun Raj, der er driftsdirektør. I den tidlige kreds omkring virksomheden var også erfarne britiske efterretnings- og cybersikkerhedsprofiler, blandt andre den tidligere GCHQ-chef Sir Iain Lobban og Andrew France, tidligere leder af cyberforsvaret i GCHQ og medstifter af Darktrace.

Baggrunden er med til at forklare virksomhedens første fokus. Efterretningsarbejde og cybersikkerhed kræver, at man samler et præcist billede ud fra ufuldstændige og spredte oplysninger – og bruger det til at finde forbindelser, huller og risici.

Hvad gør Prevalent AIs platform?

Prevalent AI beskriver teknologien som et AI-drevet data fabric og en suveræn vidensgraf. I praksis forbinder systemet oplysninger fra virksomhedens forskellige systemer og bygger en samlet model af organisationen.

Vidensgrafen kan blandt andet vise relationer mellem:

• aktiver og systemer
• identiteter og adgangsrettigheder
• sikkerhedskontroller
• data og forretningsprocesser
• operationelle mangler eller huller i kontrollerne

Grafen er designet til løbende at holde sig opdateret. Sikkerhedsteams kan derfor spørge den, hvilke systemer og aktiver der findes, hvordan de hænger sammen, og hvilke dele der måske ikke bliver overvåget tilstrækkeligt.

At grafen er “suveræn”, betyder ifølge virksomheden, at kunden selv kontrollerer datagrundlaget. Kunden bestemmer dermed, hvor de underliggende data fysisk befinder sig, i stedet for at placere dem i et delt cloudmiljø.

Målgruppen er ikke kun sikkerhedsspecialister. Prevalent AI ser den samlede kontekst som et fundament for forretningsbrugere og AI-agenter, der har brug for pålidelige oplysninger om organisationen, før de kan handle sikkert og konsekvent.

Hvorfor begyndte virksomheden med cybersikkerhed?

Cybersikkerhed var det oplagte sted at afprøve platformen, fordi fragmenterede oplysninger kan føre til direkte operationelle problemer. Sikkerhedsteams skal ofte træffe beslutninger med store konsekvenser på tværs af mange systemer, identiteter, kontroller og datakilder – også når kilderne ikke stemmer overens eller kun viser en del af billedet.

Administrerende direktør Paul Stokes har beskrevet sikkerhed som det område, “hvor fragmenterede data gør størst skade”.

Det højrisko-prægede udgangspunkt gav Prevalent AI en konkret anvendelse for et bredere problem: Hvordan skaber man et pålideligt billede af en virksomhed, når oplysningerne ligger spredt? Ifølge virksomheden gælder det samme spørgsmål alle steder, hvor mennesker eller automatiserede systemer skal træffe beslutninger på baggrund af data fra flere dele af organisationen.

Hvad ligger der uden for cybersikkerhed?

Det næste mål er bredere virksomhedsrisici frem for cybersikkerhed alene. De mulige udvidelser omfatter blandt andet compliance, økonomisk kriminalitet og operationelle risici.

Produktidéen er stadig den samme: at forbinde forskellige oplysninger, bevare relationerne mellem dataposterne og tilbyde en aktuel organisationskontekst, som både mennesker og AI-systemer kan søge i. Det, der ændrer sig, er spørgsmålet, der skal besvares – eksempelvis om det handler om en sikkerhedsrisiko, et compliancekrav, risiko for økonomisk kriminalitet eller en afhængighed i driften.

De tilgængelige meddelelser beskriver dette som en udvidelse af teknologi, der er udviklet til cybersikkerhed og virksomhedsrisici. De siger ikke, at alle de planlagte anvendelser allerede er fuldt lanceret.

Hvad skal de 22 millioner dollar bruges til?

Investeringen fra IGP skal især understøtte fire områder:

1. Global salgs- og markedsudvidelse: Prevalent AI vil opbygge sine funktioner inden for salg, marketing, kundepleje og partnerskaber.
2. Vækst i USA: Virksomheden vil sætte mere fart på ekspansionen i USA og samtidig styrke sin tilstedeværelse på eksisterende markeder.
3. Udbygning af ledelsen: Kapitalen skal hjælpe med at udvikle ledelsesteamet, efterhånden som virksomheden vokser.
4. Produkt- og markedsudvikling: Pengene skal bruges på den fortsatte udvikling af data-fabric- og vidensgrafplatformen samt på udvidelsen til bredere risici i virksomheder og nye AI-anvendelser.

Kapitalrejsningen skiller sig ud, fordi den beskrives som Prevalent AIs første primære kapital i virksomhedens niårige historie. Virksomheds- og branchemedier skriver, at forretningen hidtil har udviklet sig gennem kundernes efterspørgsel og lønsom drift frem for institutionel finansiering.

Den større ambition

Prevalent AI præsenterer ikke kun vidensgrafen som endnu en dataløsning til cybersikkerhed. Den bredere ambition er at skabe det lag af organisatorisk kontekst, som enterprise-AI har brug for, før AI-agenter kan arbejde pålideligt.

De 22 millioner dollar giver virksomheden mulighed for at afprøve ambitionen i langt større skala: først ved at udvide den kommercielle organisation og tilstedeværelsen i USA og derefter ved at anvende et cybersikkerhedstestet datagrundlag på flere typer beslutninger om virksomhedsrisici. Om strategien lykkes, afhænger blandt andet af, hvor effektivt Prevalent AI kan holde komplekse kundedata forbundne, aktuelle og anvendelige på tværs af nye områder.

Hvem grundlagde Prevalent AI?

Prevalent AI blev grundlagt i 2017 af Paul Stokes, der i dag er administrerende direktør, og Arun Raj, der er driftsdirektør. I den tidlige kreds omkring virksomheden var også erfarne britiske efterretnings- og cybersikkerhedsprofiler, blandt andre den tidligere GCHQ-chef Sir Iain Lobban og Andrew France, tidligere leder af cyberforsvaret i GCHQ og medstifter af Darktrace.

Baggrunden er med til at forklare virksomhedens første fokus. Efterretningsarbejde og cybersikkerhed kræver, at man samler et præcist billede ud fra ufuldstændige og spredte oplysninger – og bruger det til at finde forbindelser, huller og risici.

Hvad gør Prevalent AIs platform?

Prevalent AI beskriver teknologien som et AI-drevet data fabric og en suveræn vidensgraf. I praksis forbinder systemet oplysninger fra virksomhedens forskellige systemer og bygger en samlet model af organisationen.

Vidensgrafen kan blandt andet vise relationer mellem:

• aktiver og systemer
• identiteter og adgangsrettigheder
• sikkerhedskontroller
• data og forretningsprocesser
• operationelle mangler eller huller i kontrollerne

Grafen er designet til løbende at holde sig opdateret. Sikkerhedsteams kan derfor spørge den, hvilke systemer og aktiver der findes, hvordan de hænger sammen, og hvilke dele der måske ikke bliver overvåget tilstrækkeligt.

At grafen er “suveræn”, betyder ifølge virksomheden, at kunden selv kontrollerer datagrundlaget. Kunden bestemmer dermed, hvor de underliggende data fysisk befinder sig, i stedet for at placere dem i et delt cloudmiljø.

Målgruppen er ikke kun sikkerhedsspecialister. Prevalent AI ser den samlede kontekst som et fundament for forretningsbrugere og AI-agenter, der har brug for pålidelige oplysninger om organisationen, før de kan handle sikkert og konsekvent.

Hvorfor begyndte virksomheden med cybersikkerhed?

Cybersikkerhed var det oplagte sted at afprøve platformen, fordi fragmenterede oplysninger kan føre til direkte operationelle problemer. Sikkerhedsteams skal ofte træffe beslutninger med store konsekvenser på tværs af mange systemer, identiteter, kontroller og datakilder – også når kilderne ikke stemmer overens eller kun viser en del af billedet.

Administrerende direktør Paul Stokes har beskrevet sikkerhed som det område, “hvor fragmenterede data gør størst skade”.

Det højrisko-prægede udgangspunkt gav Prevalent AI en konkret anvendelse for et bredere problem: Hvordan skaber man et pålideligt billede af en virksomhed, når oplysningerne ligger spredt? Ifølge virksomheden gælder det samme spørgsmål alle steder, hvor mennesker eller automatiserede systemer skal træffe beslutninger på baggrund af data fra flere dele af organisationen.

Hvad ligger der uden for cybersikkerhed?

Det næste mål er bredere virksomhedsrisici frem for cybersikkerhed alene. De mulige udvidelser omfatter blandt andet compliance, økonomisk kriminalitet og operationelle risici.

Produktidéen er stadig den samme: at forbinde forskellige oplysninger, bevare relationerne mellem dataposterne og tilbyde en aktuel organisationskontekst, som både mennesker og AI-systemer kan søge i. Det, der ændrer sig, er spørgsmålet, der skal besvares – eksempelvis om det handler om en sikkerhedsrisiko, et compliancekrav, risiko for økonomisk kriminalitet eller en afhængighed i driften.

De tilgængelige meddelelser beskriver dette som en udvidelse af teknologi, der er udviklet til cybersikkerhed og virksomhedsrisici. De siger ikke, at alle de planlagte anvendelser allerede er fuldt lanceret.

Hvad skal de 22 millioner dollar bruges til?

Investeringen fra IGP skal især understøtte fire områder:

1. Global salgs- og markedsudvidelse: Prevalent AI vil opbygge sine funktioner inden for salg, marketing, kundepleje og partnerskaber.
2. Vækst i USA: Virksomheden vil sætte mere fart på ekspansionen i USA og samtidig styrke sin tilstedeværelse på eksisterende markeder.
3. Udbygning af ledelsen: Kapitalen skal hjælpe med at udvikle ledelsesteamet, efterhånden som virksomheden vokser.
4. Produkt- og markedsudvikling: Pengene skal bruges på den fortsatte udvikling af data-fabric- og vidensgrafplatformen samt på udvidelsen til bredere risici i virksomheder og nye AI-anvendelser.

Kapitalrejsningen skiller sig ud, fordi den beskrives som Prevalent AIs første primære kapital i virksomhedens niårige historie. Virksomheds- og branchemedier skriver, at forretningen hidtil har udviklet sig gennem kundernes efterspørgsel og lønsom drift frem for institutionel finansiering.

Den større ambition

Prevalent AI præsenterer ikke kun vidensgrafen som endnu en dataløsning til cybersikkerhed. Den bredere ambition er at skabe det lag af organisatorisk kontekst, som enterprise-AI har brug for, før AI-agenter kan arbejde pålideligt.

De 22 millioner dollar giver virksomheden mulighed for at afprøve ambitionen i langt større skala: først ved at udvide den kommercielle organisation og tilstedeværelsen i USA og derefter ved at anvende et cybersikkerhedstestet datagrundlag på flere typer beslutninger om virksomhedsrisici. Om strategien lykkes, afhænger blandt andet af, hvor effektivt Prevalent AI kan holde komplekse kundedata forbundne, aktuelle og anvendelige på tværs af nye områder.