HelmGuard vill ersätta compliance-papper med löpande riskkontroll via AI-agenter

Compliance-arbete i hårt reglerade branscher bygger ofta på återkommande frågeformulär, begäran om underlag och statiska rapporter. HelmGuards idé är att specialiserade AI-agenter i stället ska kunna granska aktuell information i företags dokument, ostrukturerade data och anslutna källsystem. Målet är att göra styrning, risk och regelefterlevnad – ofta kallat GRC efter engelskans governance, risk and compliance – till en mer löpande kontrollprocess. 5

Från dokumentpaket till verifierade riskunderlag

HelmGuard beskriver sin plattform som agentbaserad GRC och säkerhet. AI-agenterna samlar in och bedömer risksignaler direkt från organisationens system och dokumentation, i stället för att främst förlita sig på att anställda eller leverantörer sammanställer bevismaterial vid en viss tidpunkt. Tanken är att ge en uppdaterad bild av säkerhet, regelefterlevnad och tredjepartsrisk som kan användas i verksamhetens beslut. 5

Skillnaden är särskilt relevant där leverantörer, motparter och interna team gång på gång ombeds styrka samma kontroller. HelmGuard riktar in sig på bland annat tredjepartsriskhantering, analyser av kontrollbrister och granskning av AI-agenter som redan är i drift. Enligt bolaget kan bedömningscykler därmed kortas från veckor till timmar. 5

För en kund i en reglerad bransch är påståendet alltså inte bara att AI fyller i frågeformulär snabbare. Systemet ska bedöma sambandet mellan en risk, det tillgängliga underlaget och de kontroller som ska minska risken. HelmGuard säger att slutsatserna ska behålla hänvisningar till underlag, resonemangsspår och granskning där människor ingår i processen, så att interna intressenter, revisorer och tillsynsmyndigheter kan pröva dem. 5

Vad löpande kontroll kan förändra

En traditionell granskning är vanligen en ögonblicksbild: en leverantör skickar dokument, en granskare går igenom dem och rapporten kan snabbt bli inaktuell när system, kontroller eller leverantörer förändras. HelmGuards modell bygger i stället på att relevanta signaler samlas in och omprövas kontinuerligt från källsystemen. 25

I praktiken skulle det kunna minska det repetitiva arbetet med att samla bevis vid exempelvis leverantörskontroller och översyner av säkerhetskontroller. Samtidigt höjs kraven på lösningen: underlaget, tolkningen av det och kopplingen mellan en observation och dess stöd måste vara tydliga nog för att en människa ska kunna ifrågasätta och granska resultatet.

HelmGuard lyfter fram tidiga kundexempel, däribland en granskning av 1 250 motparter åt ett amerikanskt försäkringsbolag på mindre än en vecka. Bolaget uppger också att svarstiden på en kontrollförfrågan hos en kund inom telehälsa och telekom minskade från dagar till minuter. Det är bolagsrapporterade fallstudier, inte oberoende granskade effektmått. 5

Kapital till kontroll av AI-agenter i drift

HelmGuard har tagit in 7,3 miljoner dollar i en såddrunda som leddes gemensamt av Infinity Ventures och Frontline. FinTech Collective, Stage 2 Capital och Entrepreneurs First deltog också. 25

En viktig planerad användning av kapitalet är ett kontrollskikt som utvärderar AI-agenters beteende medan de körs. 5 Det adresserar en konkret styrningsfråga: en AI-lösnings operativa risk kan förändras när den uppdateras, kopplas till nya verktyg eller får tillgång till mer data och fler åtgärder. Bedömning i drift är tänkt att hjälpa organisationer att hantera sådana förändringar när de sker, i stället för att enbart förlita sig på en granskning före lansering. 5

Finansieringen ska även stödja expansion i USA och rekrytering inom teknik samt marknad och försäljning. HelmGuard har uppgett att bolaget planerar verksamhet i New York och San Francisco, vid sidan av huvudkontoret i London. 56

Verified Risk Network: återanvändbara, underbyggda uppgifter

På längre sikt vill HelmGuard bygga ett Verified Risk Network – ett nätverk där organisationer kan dela löpande verifierade, underbyggda riskuppgifter i stället för att om och om igen skicka certifikat, rapporter och frågeformulär. 5

Tanken är att när en organisation behöver ett besked om en annan organisations kontroll- eller riskläge, kan AI-agenterna tillhandahålla en aktuell uppgift som stöds av underliggande bevis. Den andra organisationen ska då inte behöva återskapa ett statiskt svar varje gång. Enligt HelmGuard ska de utbytta uppgifterna behålla källhänvisningar, resonemangsspår och mänsklig tillsyn. 5

Om modellen fungerar som avsett kan den minska dubbelarbete i tredjepartsgranskningar och samtidigt göra svaren mer aktuella. Men den ska inte förväxlas med helt självständig AI-baserad compliancebedömning. Bolagets uttalade design omfattar fortsatt mänsklig granskning, och det återstår att visa hur tillförlitlig den löpande kontrollen är i drift hos fler kunder och i olika regelmiljöer. 5

Det avgörande testet

HelmGuards strategi förenar tre idéer: direkt insamling av underlag, kontinuerlig omprövning och tillsyn över AI-agenterna själva. Såddrundan på 7,3 miljoner dollar ger bolaget resurser att utöka sin kommersiella närvaro och utveckla både kontrollskiktet för AI-agenter i drift och Verified Risk Network. 56

Det stora testet blir om organisationer kan lita på systemets slutsatser när de verkligen granskas – vid revisioner, leverantörsbedömningar, säkerhetsincidenter och myndighetstillsyn. Snabbare bedömningar räcker inte i sig. Underlaget, resonemangen och det mänskliga ansvaret måste vara minst lika hållbara som pappersarbetet HelmGuard vill ersätta.