HelmGuard zet AI-agenten in voor continue risicocontrole

Compliancewerk in gereguleerde sectoren draait vaak om terugkerende vragenlijsten, bewijsverzoeken en statische rapporten. HelmGuard wil dat proces veranderen met gespecialiseerde AI-agenten die actuele informatie uit bedrijfsdocumenten, ongestructureerde data en gekoppelde bronsystemen verzamelen en beoordelen. Het doel: governance, risk en compliance (GRC) omvormen van een periodieke momentopname tot doorlopende zekerheid over risico's. 5

Niet sneller formulieren invullen, maar bewijs rechtstreeks toetsen

HelmGuard omschrijft zijn product als een agentisch GRC- en beveiligingsplatform. In plaats van medewerkers, leveranciers of zakenpartners vooral bewijsdossiers te laten samenstellen, moeten de AI-agenten zelf risicosignalen uit systemen en documentatie ophalen en beoordelen. Dat moet organisaties een actueler beeld geven van beveiliging, compliance en risico's bij derden. 5

De beoogde toepassing gaat onder meer over leveranciersrisicobeheer, beoordelingen van hiaten in beheersmaatregelen en zekerheid rond ingezette AI-agenten. Volgens HelmGuard kunnen beoordelingen daardoor van weken naar uren gaan. 5

De kern van die belofte is dus niet alleen snellere afhandeling van vragenlijsten. Het systeem moet de samenhang beoordelen tussen een risico, het beschikbare bewijs en de beheersmaatregelen die dat risico moeten beperken. HelmGuard stelt dat conclusies herleidbaar blijven via verwijzingen naar bewijs, redeneersporen en beoordeling door mensen. Daardoor zouden interne teams, auditors en toezichthouders ze kunnen controleren. 5

Waarom doorlopende zekerheid anders is dan een auditmoment

Een traditionele beoordeling is doorgaans een momentopname: een leverancier levert documenten aan, een beoordelaar controleert die en het rapport veroudert zodra systemen, maatregelen of leveranciers veranderen. HelmGuard richt zich juist op het voortdurend verzamelen en opnieuw beoordelen van relevante signalen uit bronsystemen. 25

Dat kan repetitief werk bij bijvoorbeeld leveranciersonderzoek en controles van beveiligingsmaatregelen verminderen. Tegelijk legt het de lat hoger: zowel het bewijs als de interpretatie ervan en de koppeling tussen bevinding en bronmateriaal moeten helder genoeg blijven voor menselijke tegenspraak en controle.

HelmGuard noemt enkele vroege klantvoorbeelden. Zo zou het bedrijf voor een Amerikaanse verzekeringsklant 1.250 tegenpartijen in minder dan een week hebben beoordeeld. Bij een klant in telezorg en telecom zou de reactietijd voor assurance zijn gedaald van dagen naar minuten. Dit zijn case studies die HelmGuard zelf rapporteert, geen onafhankelijk gecontroleerde prestatiemaatstaven. 5

Nieuwe financiering voor controle op draaiende AI-agenten

HelmGuard haalde in een seedronde $7,3 miljoen op. Infinity Ventures en Frontline leidden de ronde, met deelname van FinTech Collective, Stage 2 Capital en Entrepreneurs First. 25

Een belangrijk gepland gebruik van het geld is een assurance-laag die het gedrag van AI-agenten beoordeelt terwijl zij actief zijn. 5 Dat speelt in op een praktisch governancevraagstuk: het operationele risico van een AI-systeem kan veranderen na een update, na koppeling met nieuwe tools of wanneer het toegang krijgt tot extra data en handelingen. Runtimebeoordeling moet organisaties helpen zulke veranderingen te beoordelen terwijl ze plaatsvinden, en niet alleen voorafgaand aan ingebruikname. 5

De financiering is daarnaast bedoeld voor uitbreiding in de Verenigde Staten en nieuwe functies in engineering en commerciële teams. HelmGuard wil, naast het hoofdkantoor in Londen, aanwezig zijn in New York en San Francisco. 56

Verified Risk Network: herbruikbare, onderbouwde risicoclaims

Op langere termijn werkt HelmGuard aan een Verified Risk Network. Dat moet organisaties in staat stellen om continu geverifieerde, met bewijs onderbouwde claims uit te wisselen in plaats van steeds opnieuw certificaten, rapporten en vragenlijsten te versturen. 5

Het beoogde proces is eenvoudig: als een organisatie een assuranceantwoord van een andere organisatie nodig heeft, kunnen agenten een actuele claim leveren met onderliggend bewijs. De andere partij hoeft dan niet telkens opnieuw een statisch antwoord samen te stellen. Volgens HelmGuard moeten ook zulke uitgewisselde claims bronverwijzingen, redeneersporen en menselijke controle behouden. 5

Als dat in de praktijk werkt, kan het dubbel werk bij assurance rond derden terugdringen en antwoorden actueler maken. Het gaat echter niet om volledig autonome compliancebeslissingen. In het ontwerp dat HelmGuard beschrijft, blijft menselijke beoordeling aanwezig. Ook moet de betrouwbaarheid van continue assurance bij een bredere groep klanten en in uiteenlopende toezichtsregimes nog in productie worden bewezen. 5

Waar de echte toets ligt

De strategie van HelmGuard steunt op drie samenhangende ideeën: bewijs rechtstreeks verzamelen, het risico voortdurend herbeoordelen en ook AI-agenten zelf tijdens gebruik controleren. De seedronde van $7,3 miljoen geeft het bedrijf middelen om commercieel uit te breiden en de runtime-assurancelaag en het Verified Risk Network verder te ontwikkelen. 56

De cruciale vraag is of organisaties de claims van het systeem vertrouwen wanneer dat er echt toe doet: bij audits, leveranciersbeoordelingen, beveiligingsincidenten en toezicht door autoriteiten. Sneller beoordelen alleen zal niet voldoende zijn. Het onderliggende bewijs, de redenering en de menselijke verantwoordelijkheid moeten minstens zo stevig zijn als het papierwerk dat HelmGuard wil vervangen.