Prevalent AI werd in 2017 opgericht door Paul Stokes, inmiddels de topman van het bedrijf, en Arun Raj, die nu de functie van operationeel directeur vervult. Bij het oprichtersteam waren ook mensen betrokken met ruime ervaring bij de Britse inlichtingendienst en in cybersecurity, onder wie voormalig GCHQ-directeur Sir Iain Lobban en Andrew France, voormalig leider op het gebied van cyberdefensie bij GCHQ en medeoprichter van Darktrace.
Die achtergrond verklaart mede waarom het bedrijf aanvankelijk voor cybersecurity koos. Inlichtingenwerk en digitale beveiliging draaien allebei om het samenbrengen van onvolledige, verspreide informatie om verbanden, hiaten en risico’s zichtbaar te maken.
Prevalent noemt zijn technologie een AI-aangedreven data fabric en een soevereine kennisgrafiek. In de praktijk koppelt het systeem informatie uit verschillende bedrijfssystemen en bouwt het daarvan één samenhangend model van de organisatie.
De kennisgrafiek kan verbanden weergeven tussen onder meer:
Omdat de grafiek actueel moet blijven, kunnen beveiligingsteams vragen stellen over wat er binnen hun digitale omgeving aanwezig is, hoe onderdelen met elkaar samenhangen en welke systemen of controles mogelijk onvoldoende worden bewaakt.
‘Soeverein’ betekent hier dat de klant controle houdt over de gegevensbasis. Volgens Prevalent bepalen klanten zelf waar de onderliggende data fysiek wordt opgeslagen, in plaats van die onder te brengen in een gedeelde cloudomgeving.
De beoogde gebruikers zijn bovendien niet alleen cybersecurityspecialisten. Prevalent ziet de verbonden context ook als basis voor zakelijke gebruikers en AI-agents die betrouwbare informatie over een organisatie nodig hebben voordat ze veilig en consistent kunnen handelen.
Cybersecurity was de meest directe proeftuin voor het platform, omdat versnipperde informatie daar snel tot operationele schade kan leiden. Beveiligingsteams nemen belangrijke beslissingen over grote digitale omgevingen met systemen, identiteiten, controles en databronnen die niet altijd hetzelfde beeld geven of volledig zijn.
Topman Paul Stokes omschreef beveiliging als het domein “waar versnipperde data de meeste schade aanricht”.
Door de technologie eerst in zo’n omgeving met hoge inzet toe te passen, kreeg Prevalent een afgebakende manier om het bredere probleem van bedrijfscontext aan te pakken. Volgens het bedrijf speelt die behoefte overal waar mensen of geautomatiseerde systemen beslissingen moeten nemen op basis van data uit verschillende onderdelen van een organisatie.
De volgende stap ligt bij breder bedrijfsrisico, en niet alleen bij digitale beveiliging. Genoemde uitbreidingsgebieden zijn compliance, het tegengaan van financiële criminaliteit en operationeel risico.
Het onderliggende productidee verandert daarbij niet: verschillende gegevensbronnen worden gekoppeld, relaties tussen records blijven behouden en gebruikers krijgen een actuele context van de organisatie die door mensen of AI-systemen kan worden bevraagd. Alleen de vraag verschuift — van een mogelijk beveiligingslek naar bijvoorbeeld een complianceverplichting, een risico op financiële criminaliteit of een operationele afhankelijkheid.
De beschikbare aankondigingen beschrijven dit als een uitbreiding van technologie die voor cybersecurity en bedrijfsrisico is ontwikkeld. Ze stellen niet dat elke genoemde toepassing al volledig op de markt is gebracht.
IGP’s investering moet volgens de aankondigingen vooral vier doelen ondersteunen:
De financiering valt op omdat Prevalent AI deze ronde beschrijft als het eerste primaire kapitaal in zijn negenjarige geschiedenis. Volgens bedrijfs- en sectorpublicaties groeide de onderneming tot nu toe op basis van klantvraag en winstgevendheid, zonder institutionele financiering.
Prevalent AI presenteert de kennisgrafiek niet simpelweg als nog een databank voor cybersecurity. De bredere stelling is dat enterprise-AI eerst een betrouwbare laag met organisatorische context nodig heeft voordat AI-agents stabiel en verantwoord kunnen functioneren.
De 22 miljoen dollar geeft het bedrijf de middelen om die stelling op grotere schaal te testen: eerst met een uitgebreidere commerciële organisatie en een grotere aanwezigheid in de VS, daarna door een in cybersecurity geteste databasis toe te passen op meer beslissingen rond bedrijfsrisico. Het succes van die strategie zal afhangen van de mate waarin Prevalent complexe klantdata verbonden, actueel en bruikbaar kan houden in die nieuwe domeinen.
Prevalent AI werd in 2017 opgericht door Paul Stokes, inmiddels de topman van het bedrijf, en Arun Raj, die nu de functie van operationeel directeur vervult. Bij het oprichtersteam waren ook mensen betrokken met ruime ervaring bij de Britse inlichtingendienst en in cybersecurity, onder wie voormalig GCHQ-directeur Sir Iain Lobban en Andrew France, voormalig leider op het gebied van cyberdefensie bij GCHQ en medeoprichter van Darktrace.
Die achtergrond verklaart mede waarom het bedrijf aanvankelijk voor cybersecurity koos. Inlichtingenwerk en digitale beveiliging draaien allebei om het samenbrengen van onvolledige, verspreide informatie om verbanden, hiaten en risico’s zichtbaar te maken.
Prevalent noemt zijn technologie een AI-aangedreven data fabric en een soevereine kennisgrafiek. In de praktijk koppelt het systeem informatie uit verschillende bedrijfssystemen en bouwt het daarvan één samenhangend model van de organisatie.
De kennisgrafiek kan verbanden weergeven tussen onder meer:
Omdat de grafiek actueel moet blijven, kunnen beveiligingsteams vragen stellen over wat er binnen hun digitale omgeving aanwezig is, hoe onderdelen met elkaar samenhangen en welke systemen of controles mogelijk onvoldoende worden bewaakt.
‘Soeverein’ betekent hier dat de klant controle houdt over de gegevensbasis. Volgens Prevalent bepalen klanten zelf waar de onderliggende data fysiek wordt opgeslagen, in plaats van die onder te brengen in een gedeelde cloudomgeving.
De beoogde gebruikers zijn bovendien niet alleen cybersecurityspecialisten. Prevalent ziet de verbonden context ook als basis voor zakelijke gebruikers en AI-agents die betrouwbare informatie over een organisatie nodig hebben voordat ze veilig en consistent kunnen handelen.
Cybersecurity was de meest directe proeftuin voor het platform, omdat versnipperde informatie daar snel tot operationele schade kan leiden. Beveiligingsteams nemen belangrijke beslissingen over grote digitale omgevingen met systemen, identiteiten, controles en databronnen die niet altijd hetzelfde beeld geven of volledig zijn.
Topman Paul Stokes omschreef beveiliging als het domein “waar versnipperde data de meeste schade aanricht”.
Door de technologie eerst in zo’n omgeving met hoge inzet toe te passen, kreeg Prevalent een afgebakende manier om het bredere probleem van bedrijfscontext aan te pakken. Volgens het bedrijf speelt die behoefte overal waar mensen of geautomatiseerde systemen beslissingen moeten nemen op basis van data uit verschillende onderdelen van een organisatie.
De volgende stap ligt bij breder bedrijfsrisico, en niet alleen bij digitale beveiliging. Genoemde uitbreidingsgebieden zijn compliance, het tegengaan van financiële criminaliteit en operationeel risico.
Het onderliggende productidee verandert daarbij niet: verschillende gegevensbronnen worden gekoppeld, relaties tussen records blijven behouden en gebruikers krijgen een actuele context van de organisatie die door mensen of AI-systemen kan worden bevraagd. Alleen de vraag verschuift — van een mogelijk beveiligingslek naar bijvoorbeeld een complianceverplichting, een risico op financiële criminaliteit of een operationele afhankelijkheid.
De beschikbare aankondigingen beschrijven dit als een uitbreiding van technologie die voor cybersecurity en bedrijfsrisico is ontwikkeld. Ze stellen niet dat elke genoemde toepassing al volledig op de markt is gebracht.
IGP’s investering moet volgens de aankondigingen vooral vier doelen ondersteunen:
De financiering valt op omdat Prevalent AI deze ronde beschrijft als het eerste primaire kapitaal in zijn negenjarige geschiedenis. Volgens bedrijfs- en sectorpublicaties groeide de onderneming tot nu toe op basis van klantvraag en winstgevendheid, zonder institutionele financiering.
Prevalent AI presenteert de kennisgrafiek niet simpelweg als nog een databank voor cybersecurity. De bredere stelling is dat enterprise-AI eerst een betrouwbare laag met organisatorische context nodig heeft voordat AI-agents stabiel en verantwoord kunnen functioneren.
De 22 miljoen dollar geeft het bedrijf de middelen om die stelling op grotere schaal te testen: eerst met een uitgebreidere commerciële organisatie en een grotere aanwezigheid in de VS, daarna door een in cybersecurity geteste databasis toe te passen op meer beslissingen rond bedrijfsrisico. Het succes van die strategie zal afhangen van de mate waarin Prevalent complexe klantdata verbonden, actueel en bruikbaar kan houden in die nieuwe domeinen.