ใครเป็นผู้ก่อตั้ง Prevalent AI?

Prevalent AI ก่อตั้งขึ้นในปี 2017 โดย Paul Stokes ซึ่งปัจจุบันดำรงตำแหน่งประธานเจ้าหน้าที่บริหาร และ Arun Raj ซึ่งเป็นประธานเจ้าหน้าที่ฝ่ายปฏิบัติการ

ทีมผู้ก่อตั้งยังมีผู้เชี่ยวชาญจากแวดวงข่าวกรองและความมั่นคงไซเบอร์ของสหราชอาณาจักรร่วมอยู่ด้วย เช่น Sir Iain Lobban อดีตผู้อำนวยการ GCHQ หรือหน่วยงานข่าวกรองสัญญาณและความมั่นคงไซเบอร์ของอังกฤษ และ Andrew France อดีตผู้นำด้านการป้องกันไซเบอร์ของ GCHQ และผู้ร่วมก่อตั้ง Darktrace

ประสบการณ์ดังกล่าวช่วยอธิบายได้ว่าเหตุใดบริษัทจึงเริ่มต้นจากโจทย์ด้านไซเบอร์ซีเคียวริตี้ เพราะงานข่าวกรองและความมั่นคงจำเป็นต้องรวบรวมข้อมูลที่ไม่สมบูรณ์จากหลายแหล่ง เพื่อมองเห็นความสัมพันธ์ ช่องโหว่ และความเสี่ยงที่ซ่อนอยู่ในภาพรวมเดียวกัน

แพลตฟอร์มของ Prevalent AI ทำอะไร?

Prevalent อธิบายเทคโนโลยีของตัวเองว่าเป็น AI-powered data fabric และ Sovereign Knowledge Graph พูดให้เข้าใจง่ายคือ ระบบจะดึงข้อมูลจากระบบต่าง ๆ ขององค์กรมาเชื่อมโยงและสร้างแบบจำลองที่เป็นหนึ่งเดียวขององค์กรนั้น

Knowledge Graph สามารถแสดงความสัมพันธ์ระหว่างข้อมูล เช่น

• สินทรัพย์และระบบต่าง ๆ
• ตัวตนผู้ใช้งานและสิทธิ์การเข้าถึง
• มาตรการควบคุมด้านความปลอดภัย
• ข้อมูลและกระบวนการทางธุรกิจ
• ช่องว่างด้านการปฏิบัติงานหรือการควบคุม

เมื่อกราฟได้รับการอัปเดตอย่างต่อเนื่อง ทีมความปลอดภัยก็สามารถตั้งคำถามกับข้อมูลได้ว่า ภายในองค์กรมีระบบและสินทรัพย์ใดอยู่บ้าง ส่วนประกอบต่าง ๆ เชื่อมโยงกันอย่างไร และมีสินทรัพย์หรือมาตรการควบคุมใดที่อาจยังไม่ได้รับการติดตามอย่างเพียงพอ

คำว่า “Sovereign” ในที่นี้หมายถึงการที่ลูกค้าเป็นผู้ควบคุมรากฐานข้อมูล โดยบริษัทระบุว่าลูกค้าสามารถกำหนดได้ว่าข้อมูลต้นทางจะถูกจัดเก็บไว้ที่ใดในเชิงกายภาพ แทนที่จะนำข้อมูลไปอยู่ในสภาพแวดล้อมคลาวด์ร่วมกับลูกค้ารายอื่น

ผู้ใช้งานที่บริษัทมองไว้จึงไม่ได้จำกัดอยู่แค่ทีมรักษาความปลอดภัย แต่รวมถึงฝ่ายธุรกิจและ AI Agent ที่ต้องมีข้อมูลบริบทขององค์กรอย่างถูกต้องก่อนจะดำเนินการได้อย่างปลอดภัยและสม่ำเสมอ

ทำไมบริษัทจึงเริ่มจากไซเบอร์ซีเคียวริตี้?

ไซเบอร์ซีเคียวริตี้เป็นสนามทดสอบแรกที่ชัดเจนที่สุด เพราะข้อมูลที่แยกส่วนหรือขัดแย้งกันสามารถสร้างความเสียหายเชิงปฏิบัติการได้ทันที ทีมความปลอดภัยต้องตัดสินใจเรื่องสำคัญโดยอาศัยข้อมูลจากระบบ ตัวตนผู้ใช้งาน มาตรการควบคุม และแหล่งข้อมูลจำนวนมาก แม้ข้อมูลเหล่านั้นอาจไม่สอดคล้องกันหรือไม่แสดงภาพรวมทั้งหมด

Paul Stokes ซีอีโอของบริษัทกล่าวถึงความสำคัญของโจทย์นี้ว่า ไซเบอร์ซีเคียวริตี้คือพื้นที่ที่ “ข้อมูลกระจัดกระจายสร้างความเสียหายมากที่สุด”

การเริ่มต้นจากสภาพแวดล้อมที่มีความเสี่ยงสูงทำให้ Prevalent มีกรณีใช้งานที่ชัดเจนในการแก้ปัญหาเรื่องบริบทขององค์กรในวงกว้างขึ้น ปัจจุบันบริษัทมองว่าปัญหาเดียวกันนี้เกิดขึ้นในทุกงานที่คนหรือระบบอัตโนมัติต้องตัดสินใจจากข้อมูลซึ่งกระจายอยู่ตามหลายหน่วยงานและหลายระบบ

จากความปลอดภัยไซเบอร์สู่ความเสี่ยงองค์กร

เป้าหมายระยะถัดไปของ Prevalent คือ ความเสี่ยงองค์กร ในภาพรวม ไม่ใช่เฉพาะความปลอดภัยไซเบอร์ โดยพื้นที่ที่มีการพูดถึง ได้แก่ การปฏิบัติตามกฎระเบียบ อาชญากรรมทางการเงิน และความเสี่ยงด้านปฏิบัติการ

แนวคิดของผลิตภัณฑ์ยังคงเหมือนเดิม คือเชื่อมข้อมูลที่แยกจากกัน รักษาความสัมพันธ์ระหว่างระเบียนข้อมูล และสร้างบริบทขององค์กรที่เป็นปัจจุบันสำหรับให้คนหรือระบบ AI นำไปสืบค้น ความแตกต่างอยู่ที่คำถามทางธุรกิจที่ต้องการคำตอบ ไม่ว่าจะเป็นความเสี่ยงด้านความปลอดภัย ภาระด้าน Compliance ความเสี่ยงจากอาชญากรรมทางการเงิน หรือการพึ่งพากันของกระบวนการปฏิบัติงาน

อย่างไรก็ตาม ประกาศที่มีอยู่ระบุว่านี่คือการต่อยอดเทคโนโลยีที่พัฒนาจากไซเบอร์ซีเคียวริตี้และความเสี่ยงองค์กร ไม่ใช่การยืนยันว่าทุกกรณีใช้งานที่วางแผนไว้เปิดให้บริการอย่างเต็มรูปแบบแล้ว

เงินลงทุน 22 ล้านดอลลาร์จะนำไปใช้ทำอะไร?

IGP ระบุว่าการลงทุนครั้งนี้จะสนับสนุนเป้าหมายหลักของ Prevalent AI หลายด้าน ได้แก่

1. ขยายการทำตลาดทั่วโลก บริษัทจะเสริมทีมขาย การตลาด ความสำเร็จของลูกค้า และพันธมิตรทางธุรกิจ
2. เร่งการเติบโตในสหรัฐฯ Prevalent ตั้งใจขยายธุรกิจในตลาดสหรัฐฯ ควบคู่กับการสร้างความแข็งแกร่งในตลาดที่มีอยู่แล้ว
3. พัฒนาทีมผู้นำ เงินทุนจะช่วยเพิ่มศักยภาพของทีมผู้บริหารในช่วงที่บริษัทกำลังขยายตัว
4. ขยายผลิตภัณฑ์และตลาด เงินลงทุนจะสนับสนุนการพัฒนาแพลตฟอร์ม Data Fabric และ Knowledge Graph รวมถึงการนำไปใช้กับโจทย์ด้านความเสี่ยงองค์กรและ AI ที่กว้างขึ้น

การระดมทุนครั้งนี้น่าสนใจเป็นพิเศษ เพราะเป็นเงินทุนหลักครั้งแรกของ Prevalent AI ในประวัติศาสตร์ 9 ปี บริษัทและรายงานจากอุตสาหกรรมระบุว่า ก่อนหน้านี้ธุรกิจเติบโตจากความต้องการของลูกค้าและการทำกำไร โดยไม่ได้พึ่งพาเงินทุนจากสถาบันเป็นหลัก

เดิมพันใหญ่กว่าการเป็นบริษัทไซเบอร์ซีเคียวริตี้

Prevalent AI ไม่ได้วาง Knowledge Graph ไว้เพียงในฐานะคลังข้อมูลอีกแห่งสำหรับทีมความปลอดภัย แต่กำลังเสนอแนวคิดที่ใหญ่กว่านั้น นั่นคือ AI ในองค์กรจำเป็นต้องมีชั้นข้อมูลบริบทที่เชื่อถือได้ ก่อนที่ AI Agent จะสามารถทำงานได้อย่างสม่ำเสมอและไว้วางใจได้

เงินลงทุน 22 ล้านดอลลาร์จะเปิดโอกาสให้บริษัททดสอบแนวคิดนี้ในขนาดที่ใหญ่ขึ้น ตั้งแต่การขยายทีมเชิงพาณิชย์และฐานธุรกิจในสหรัฐฯ ไปจนถึงการนำรากฐานข้อมูลที่ผ่านการใช้งานในไซเบอร์ซีเคียวริตี้ไปประยุกต์กับการตัดสินใจด้านความเสี่ยงองค์กรประเภทอื่น

ความสำเร็จของแผนนี้จะขึ้นอยู่กับความสามารถของ Prevalent ในการทำให้ข้อมูลลูกค้าที่ซับซ้อนยังคงเชื่อมโยง เป็นปัจจุบัน และนำไปใช้งานได้จริง แม้ขอบเขตการใช้งานจะขยายออกไปสู่โดเมนใหม่ ๆ

ใครเป็นผู้ก่อตั้ง Prevalent AI?

Prevalent AI ก่อตั้งขึ้นในปี 2017 โดย Paul Stokes ซึ่งปัจจุบันดำรงตำแหน่งประธานเจ้าหน้าที่บริหาร และ Arun Raj ซึ่งเป็นประธานเจ้าหน้าที่ฝ่ายปฏิบัติการ

ทีมผู้ก่อตั้งยังมีผู้เชี่ยวชาญจากแวดวงข่าวกรองและความมั่นคงไซเบอร์ของสหราชอาณาจักรร่วมอยู่ด้วย เช่น Sir Iain Lobban อดีตผู้อำนวยการ GCHQ หรือหน่วยงานข่าวกรองสัญญาณและความมั่นคงไซเบอร์ของอังกฤษ และ Andrew France อดีตผู้นำด้านการป้องกันไซเบอร์ของ GCHQ และผู้ร่วมก่อตั้ง Darktrace

ประสบการณ์ดังกล่าวช่วยอธิบายได้ว่าเหตุใดบริษัทจึงเริ่มต้นจากโจทย์ด้านไซเบอร์ซีเคียวริตี้ เพราะงานข่าวกรองและความมั่นคงจำเป็นต้องรวบรวมข้อมูลที่ไม่สมบูรณ์จากหลายแหล่ง เพื่อมองเห็นความสัมพันธ์ ช่องโหว่ และความเสี่ยงที่ซ่อนอยู่ในภาพรวมเดียวกัน

แพลตฟอร์มของ Prevalent AI ทำอะไร?

Prevalent อธิบายเทคโนโลยีของตัวเองว่าเป็น AI-powered data fabric และ Sovereign Knowledge Graph พูดให้เข้าใจง่ายคือ ระบบจะดึงข้อมูลจากระบบต่าง ๆ ขององค์กรมาเชื่อมโยงและสร้างแบบจำลองที่เป็นหนึ่งเดียวขององค์กรนั้น

Knowledge Graph สามารถแสดงความสัมพันธ์ระหว่างข้อมูล เช่น

• สินทรัพย์และระบบต่าง ๆ
• ตัวตนผู้ใช้งานและสิทธิ์การเข้าถึง
• มาตรการควบคุมด้านความปลอดภัย
• ข้อมูลและกระบวนการทางธุรกิจ
• ช่องว่างด้านการปฏิบัติงานหรือการควบคุม

เมื่อกราฟได้รับการอัปเดตอย่างต่อเนื่อง ทีมความปลอดภัยก็สามารถตั้งคำถามกับข้อมูลได้ว่า ภายในองค์กรมีระบบและสินทรัพย์ใดอยู่บ้าง ส่วนประกอบต่าง ๆ เชื่อมโยงกันอย่างไร และมีสินทรัพย์หรือมาตรการควบคุมใดที่อาจยังไม่ได้รับการติดตามอย่างเพียงพอ

คำว่า “Sovereign” ในที่นี้หมายถึงการที่ลูกค้าเป็นผู้ควบคุมรากฐานข้อมูล โดยบริษัทระบุว่าลูกค้าสามารถกำหนดได้ว่าข้อมูลต้นทางจะถูกจัดเก็บไว้ที่ใดในเชิงกายภาพ แทนที่จะนำข้อมูลไปอยู่ในสภาพแวดล้อมคลาวด์ร่วมกับลูกค้ารายอื่น

ผู้ใช้งานที่บริษัทมองไว้จึงไม่ได้จำกัดอยู่แค่ทีมรักษาความปลอดภัย แต่รวมถึงฝ่ายธุรกิจและ AI Agent ที่ต้องมีข้อมูลบริบทขององค์กรอย่างถูกต้องก่อนจะดำเนินการได้อย่างปลอดภัยและสม่ำเสมอ

ทำไมบริษัทจึงเริ่มจากไซเบอร์ซีเคียวริตี้?

ไซเบอร์ซีเคียวริตี้เป็นสนามทดสอบแรกที่ชัดเจนที่สุด เพราะข้อมูลที่แยกส่วนหรือขัดแย้งกันสามารถสร้างความเสียหายเชิงปฏิบัติการได้ทันที ทีมความปลอดภัยต้องตัดสินใจเรื่องสำคัญโดยอาศัยข้อมูลจากระบบ ตัวตนผู้ใช้งาน มาตรการควบคุม และแหล่งข้อมูลจำนวนมาก แม้ข้อมูลเหล่านั้นอาจไม่สอดคล้องกันหรือไม่แสดงภาพรวมทั้งหมด

Paul Stokes ซีอีโอของบริษัทกล่าวถึงความสำคัญของโจทย์นี้ว่า ไซเบอร์ซีเคียวริตี้คือพื้นที่ที่ “ข้อมูลกระจัดกระจายสร้างความเสียหายมากที่สุด”

การเริ่มต้นจากสภาพแวดล้อมที่มีความเสี่ยงสูงทำให้ Prevalent มีกรณีใช้งานที่ชัดเจนในการแก้ปัญหาเรื่องบริบทขององค์กรในวงกว้างขึ้น ปัจจุบันบริษัทมองว่าปัญหาเดียวกันนี้เกิดขึ้นในทุกงานที่คนหรือระบบอัตโนมัติต้องตัดสินใจจากข้อมูลซึ่งกระจายอยู่ตามหลายหน่วยงานและหลายระบบ

จากความปลอดภัยไซเบอร์สู่ความเสี่ยงองค์กร

เป้าหมายระยะถัดไปของ Prevalent คือ ความเสี่ยงองค์กร ในภาพรวม ไม่ใช่เฉพาะความปลอดภัยไซเบอร์ โดยพื้นที่ที่มีการพูดถึง ได้แก่ การปฏิบัติตามกฎระเบียบ อาชญากรรมทางการเงิน และความเสี่ยงด้านปฏิบัติการ

แนวคิดของผลิตภัณฑ์ยังคงเหมือนเดิม คือเชื่อมข้อมูลที่แยกจากกัน รักษาความสัมพันธ์ระหว่างระเบียนข้อมูล และสร้างบริบทขององค์กรที่เป็นปัจจุบันสำหรับให้คนหรือระบบ AI นำไปสืบค้น ความแตกต่างอยู่ที่คำถามทางธุรกิจที่ต้องการคำตอบ ไม่ว่าจะเป็นความเสี่ยงด้านความปลอดภัย ภาระด้าน Compliance ความเสี่ยงจากอาชญากรรมทางการเงิน หรือการพึ่งพากันของกระบวนการปฏิบัติงาน

อย่างไรก็ตาม ประกาศที่มีอยู่ระบุว่านี่คือการต่อยอดเทคโนโลยีที่พัฒนาจากไซเบอร์ซีเคียวริตี้และความเสี่ยงองค์กร ไม่ใช่การยืนยันว่าทุกกรณีใช้งานที่วางแผนไว้เปิดให้บริการอย่างเต็มรูปแบบแล้ว

เงินลงทุน 22 ล้านดอลลาร์จะนำไปใช้ทำอะไร?

IGP ระบุว่าการลงทุนครั้งนี้จะสนับสนุนเป้าหมายหลักของ Prevalent AI หลายด้าน ได้แก่

1. ขยายการทำตลาดทั่วโลก บริษัทจะเสริมทีมขาย การตลาด ความสำเร็จของลูกค้า และพันธมิตรทางธุรกิจ
2. เร่งการเติบโตในสหรัฐฯ Prevalent ตั้งใจขยายธุรกิจในตลาดสหรัฐฯ ควบคู่กับการสร้างความแข็งแกร่งในตลาดที่มีอยู่แล้ว
3. พัฒนาทีมผู้นำ เงินทุนจะช่วยเพิ่มศักยภาพของทีมผู้บริหารในช่วงที่บริษัทกำลังขยายตัว
4. ขยายผลิตภัณฑ์และตลาด เงินลงทุนจะสนับสนุนการพัฒนาแพลตฟอร์ม Data Fabric และ Knowledge Graph รวมถึงการนำไปใช้กับโจทย์ด้านความเสี่ยงองค์กรและ AI ที่กว้างขึ้น

การระดมทุนครั้งนี้น่าสนใจเป็นพิเศษ เพราะเป็นเงินทุนหลักครั้งแรกของ Prevalent AI ในประวัติศาสตร์ 9 ปี บริษัทและรายงานจากอุตสาหกรรมระบุว่า ก่อนหน้านี้ธุรกิจเติบโตจากความต้องการของลูกค้าและการทำกำไร โดยไม่ได้พึ่งพาเงินทุนจากสถาบันเป็นหลัก

เดิมพันใหญ่กว่าการเป็นบริษัทไซเบอร์ซีเคียวริตี้

Prevalent AI ไม่ได้วาง Knowledge Graph ไว้เพียงในฐานะคลังข้อมูลอีกแห่งสำหรับทีมความปลอดภัย แต่กำลังเสนอแนวคิดที่ใหญ่กว่านั้น นั่นคือ AI ในองค์กรจำเป็นต้องมีชั้นข้อมูลบริบทที่เชื่อถือได้ ก่อนที่ AI Agent จะสามารถทำงานได้อย่างสม่ำเสมอและไว้วางใจได้

เงินลงทุน 22 ล้านดอลลาร์จะเปิดโอกาสให้บริษัททดสอบแนวคิดนี้ในขนาดที่ใหญ่ขึ้น ตั้งแต่การขยายทีมเชิงพาณิชย์และฐานธุรกิจในสหรัฐฯ ไปจนถึงการนำรากฐานข้อมูลที่ผ่านการใช้งานในไซเบอร์ซีเคียวริตี้ไปประยุกต์กับการตัดสินใจด้านความเสี่ยงองค์กรประเภทอื่น

ความสำเร็จของแผนนี้จะขึ้นอยู่กับความสามารถของ Prevalent ในการทำให้ข้อมูลลูกค้าที่ซับซ้อนยังคงเชื่อมโยง เป็นปัจจุบัน และนำไปใช้งานได้จริง แม้ขอบเขตการใช้งานจะขยายออกไปสู่โดเมนใหม่ ๆ