Budućnost identifikacije bez lične karte i dokumenata

Jedna od kompanija koje godinama rade na procesu automatizacije procesa identifikacije ljudi, dokumenata i verifikacije plaćanja je srpsko-meksički startap, Incode. Iako postoje tek nekoliko godina, Incode ima vrednost od preko 1,25 milijardi dolara i eksponencijalni rast na globalnom nivou. Dosadašnji klijenti kompanije Incode su banke, finansijske institucije, hoteli i vladine institucije.
Imali smo prilike da pričamo sa ljudima iz ove kompanije, da na licu mesta vidimo sistem koji je implementiran u Meksiku i koji omogućava kontrolu posetilaca na utakmicama, tako što svako ko kupi kartu mora da verifikuje svoj identitet, za šta je dovoljan pametni telefon. Interesantna stvar je da osetljivi podaci ni u jednom trenutku ne napuštaju telefon korisnika.
Jovan Jovanović je direktor razvoja ove kompanije i imali smo prilike da sa njim malo popričamo na temu kako je Incode nastao, šta radi, smera u kojem se kreće industrija i kako to kompanija za koju on radi – to prati.
Pitali smo gospodina Jovanovića da nam svojim rečima ispriča kako je Incode nastao, kako se kompanija razvijala i neke zanimljive stvari iz te inicijalne faze razvoja.
Cela priča je počela 2016. godine kada me je CEO kompanije i glavni investitor kontaktirao da počnemo zajedno da radimo na razvoju društvene mreže gde će se sve slike automatski deliti, na osnovu prepoznavanja lica ljudi na slikama. Primera radi, kada neko napravi grupnu sliku sa prijateljima, nakon što se ona objavi, svi prijatelji koji su na slici, dobijaju tu sliku u realnom vremenu.

U tom trenutku društvo nije bilo spremno za koncept automatskog deljenja, a ideja je bila da ovaj koncept reši neke od uobičajenih problema: odete na letovanje, neko vas slika i obeća da će da vam pošalje sliku pa zaboravi. Sistem je koristio lica sa Facebook mreže da napravi bazu lica, a onda tu biometriju upoređivao sa slikama i slao korisnicima.
Iako je imala odličan odziv i ogroman broj preuzimanja, jako mali broj korisnika se zadržavao na platformi, što je dovelo do toga da je firma 2018. bila pred bankrotom. U tom trenutku na raspolaganju smo imali odličan facial recognition koji super radi sa telefonom, bez potrebe slanja slika na server, gde bi se radila provera, ali ne i dobar poslovni model.
Tada smo pokušavali da nađemo neki slučaj korišćenja koji bi omogućio da se iskoristi snaga koja postoji i da se kreira profitabilna primena. U tom trenutku se u Meksiku uvode regulative koje kažu da je moguće otvoriti račun u banci na daljini, ali je potrebno da se uslika lični dokument, kao i da se napravi mini konferencijski poziv da se potvrdi da zaista u pitanju prava osoba. U međuvremenu su se delovi te regulative promenili, ali je osnova ostala ista: moguće je uraditi mnoge stvari na daljinu, poput otvaranja računa u banci, ali je isto tako bio potreban i dobar sistem verifikacije.
Tender koji se pojavio u jednoj banci zahtevao je četiri različita vendora za prepoznavanje lica, validaciju dokumenata, proveru osobe (da li je sa druge strane kamere prava osoba) i konferencijske pozive. Iako smo u tom trenutku imali samo modul za prepoznavanje lica, javili smo se na tender i rekli da ćemo da ponudimo jednu aplikaciju koja obuhvata sve četiri funkcionalnosti. U roku od tri nedelje tim je uspeo da razvije celo rešenje od nule i ponudi ga banci, koja je bila oduševljena zbog toga što smo uradili za tri nedelje.
Nakon toga je rešenje razvijano prema zahtevima banke, gde su dodavane razne funkcionalnosti, pre svega koje se tiču bezbednosti. Ovo je dalo našem timu priliku da razvija napredne modele koji koriste mašinsko učenje, kako bi se prepoznavanje lica i drugi faktori verifikacije usavršili do te mere da ih nije bilo moguće prevariti.
Kada ste počinjali sa razvojem, koliko ste ljudi imali u timu, a koliko ih imate danas?
Dobar primer je ta 2016. godina. Ja sam bio jedini inženjer, tu je bio Aleksej Golunov, koji je bio naš prvi inženjer zadužen za mašinsko učenje i Sonja Kesić je bila naš prvi mobile inženjer.
To je prva ekipa, odakle je sve krenulo, nakon toga je došlo još nekoliko ljudi, i svi smo radili remote, s naglaskom na zajedničkim sastancima koje smo održavali jednom godišnje, a koje smo nazvali Power Sprint, gde smo ujedinjavali celu kompaniju, jer su u tom trenutku zaposleni u kompaniji radili u 11 različitih vremenskih zona: Beograd, Rusija, Indija, SAD…

Danas firma broji 250 ljudi, od kojih skoro 50 u Beogradu, i te brojke se uvećavaju na dnevnom nivou.
Koji su novi projekti na kojima Incode radi?
Ja se inače uskoro selim u San Francisko, gde ću voditi novi Inovation tim, koji će se baviti samo novim tehnologijama i jedan od glavnih fokusa će biti kvantno računarstvo i prelazak na kvantne računare, za koje verujemo da će za nekih 7-8 godina postati standard koji će doneti eksponencijalno brži rast na ovom polju.
Možete li nam reći koja su aktuelna rešenja koja se najviše koriste kada je autentifikacija u pitanju i kako će se ona razvijati?
Kompanije koje razvijaju onboarding ne poseduju svoje tehnologije, ili poseduju samo delove tehnologija, dok druge licenciraju od drugih i sklapaju u jedno rešenje. Sa razvojem IT tehnologija pojavljuje se potreba za velikim brojem različitih provera. Primera radi, sve više se traže provere rezidentalnih adresa, skeniranjem dokumenta na kojima se nalaze bitne informacije. Tu je i verifikacija telefona, telefonskog broja i mejla, odnosno da li se ti podaci nalazi u nekoj bazi podataka, gde su navedeni sumnjivi brojeve telefona i mejlovi.

Validacija lične karte postaje sve bitniji aspekt provere. Ekstrakcija teksta, prepoznavanje lica i provera da li se radi o pravoj osobi su najbitniji aspekti moderne provere identifikacije. Sve ove komponente mi razvijamo kod nas, što nam daje fleksibilnost da ih unapređujemo na mesečnom nivou, jer većina naših konkurenata licencira rešenja ili razvija samo neka od njih. Tu vidim našu najveću prednost, jer raspolažemo sa našim rešenjima i stalno ih unapređujemo, bez potrebe da zavisimo od bilo koga drugog.
Kada je autentifikacija u pitanju, šta deluje kao naredni korak u razvoju ovih tehnologija?
Modeli mašinskog učenja zavise od diverziteta baza podataka koje koriste. Ukoliko se fokusirate na jednu naciju ili jedan deo sveta, vaše metode autentifikacije će biti super za lokalno korišćenje, ali će na drugom kontinentu ili delu sveta, sa ljudima druge boje kože imati problema.
Mehanizmi koji nam omogućavaju da prikupljamo podatke širom sveta daju nam priliku da u naše baze podataka uvedemo diverzitet i time ojačamo sistem prepoznavanja za naredne modele mašinskog učenja. Bogaćenjem seta podataka koje koristi mašinsko učenje mora da uči, i sa više podataka oni su bolji. Nažalost, u ovom procesu nije moguće koristiti 3D modele ljudi, jer se u praksi pokazalo da jedan model pravog čoveka vredi više od 100 generisanih modela. Postoje dobri sintetički skupovi podataka, ali to i dalje nije ni blizu kao modeli pravih ljudi.
Videli smo primer korišćenja verifikacije za kupovinu karte za utakmice. Možete li nam reći nešto više o tome?
U Meksiku su u jednom trenutku izbile masovne tuče na tribinama i pojavila se potreba provere ljudi koji dolaze na utakmice pre ulaska na stadione. Stoga je uveden sistem koji koristi naše rešenje, koji proverava lični dokument, sliku na njemu, poredi podatke sa vašim likom i omogućava vam da kupite kartu ili ne.
To je bio državni projekat na kojem smo sarađivali sa Vladom Meksika, sa kojom imamo bilateralni sporazum, jer te provere zahtevaju upoređivanje podataka sa onima koje vlada drži na svojim serverima. Stoga mi imamo svoje servere u data centru Meksika, tako da se provere vrše direktno na serverima u realnom vremenu, a podaci ne napuštaju telefon.
Takva rešenja mogu da se primene na bilo koje druge države, posebno jer imamo potvrđenu praksu koja daje rezultate.
Poštovani gpospodine Jovanoviću, hvala vam mnogo na razgovoru. Želimo vam mnogo uspeha u San Francisku i vidimo se nekom drugom prilikom, da nam pričate o novim uzbudljivim tehnologijama, kvantnom računarstvu, i nadamo se primeni vašeg rešenja autentifikacije u Srbiji.