La carrera de Kevan Dodhia ha trazado el arco de la computación empresarial moderna, desde la construcción de motores SQL distribuidos de alto rendimiento hasta el pionero de una nueva categoría de seguridad de IA. Como cofundador técnico de Compute.ai, él y su equipo construyeron un motor de computación 5 veces más rápido que EMR Spark para servir de análisis de datos en entornos altamente regulados. Después de la adquisición de Compute.ai en 2025 por Terizza, Dodhia volvió su atención a un nuevo problema: cómo hacer agentes de IA autónomos El resultado es Alter (YC S25), una plataforma de control de identidad y acceso para agentes de IA que encarna la experiencia de Dodhia con sistemas distribuidos, motores de computación SQL y implementación regulada. safe and compliant En su papel anterior, Dodhia aprendió de primera mano cuán críticas son la auditabilidad y la conformidad para los clientes financieros y gubernamentales. Los clientes de Compute.ai incluyeron la Bolsa de Valores de Londres (LSEG), donde cada consulta de datos y trabajo tuvieron que cumplir con estrictas reglas de gobernanza. “Hemos construido un motor de computación 5 veces más rápido que EMR Spark y lo hemos vendido a empresas altamente reguladas como LSEG”, dijo Dodhia. La plataforma Alter descompone la intención de política en controles ejecutables por máquina, utilizando puntos de ejecución distribuidos en el plano de datos. Al igual que Dodhia arquitectó el motor SQL de Compute.ai para la velocidad y la fiabilidad, la capa de control de Alter debe ser de alto rendimiento. Cada llamada de la API del agente se intercepta y verifica antes de proceder, por lo que la latencia es un comité clave. Dodhia dijo que el sistema verifica la identidad y verifica cada parámetro contra la política en tiempo real, un proceso que inevitablemente agrega un pequeño retraso pero es esencial para . zero-trust for AI agents Alter crea efectivamente una nueva categoría de seguridad: La plataforma vive entre un agente de IA y cualquier herramienta o base de datos externa, autenticando cada solicitud con una identidad fuerte y aplicando políticas de autorización de agentes finos. El término autorización de agentes captura esta idea: al igual que las sesiones de usuario se someten a verificaciones de identidad y permisos, los agentes de IA reciben un control equivalente. Los materiales de lanzamiento de YC describen el enfoque de Alter de forma concisa: envuelve cada llamada de herramienta en una autenticación fuerte, autorización de granos finos y rascacielos en tiempo real. En la práctica, eso significa que un agente de LLM no puede emitir una consulta de datos o ejecutar una transacción sin la aprobación de Alter. agent authorization Bajo el capó, Alter convierte la intención de la política en estos controles de bajo nivel. Por ejemplo, un usuario empresarial puede escribir una política que asigna roles y funciones de alto nivel a los agentes. El compilador de Alter traduce esto en filtros de nivel de fila y columna en consultas de base de datos e incluso en comprobaciones de parámetros de prompt. El sistema no solo dice sí o no, sino que aplica qué datos y acciones se permiten a nivel de líneas o campos individuales.En palabras de Dodhia, el sistema está diseñado para prevenir operaciones arriesgadas, como la eliminación de bases de datos o transacciones no intencionadas, aplicando salvaguardas basadas en políticas. fine-grained policy for LLMs Una promesa central de Alter es bloquear los comandos de agentes peligrosos en tiempo real. Dado que los agentes de IA pueden fabricar o malinterpretar las salidas, como señala Dodhia, las empresas se preocupan por el comportamiento fraudulento. Alter aborda esto verificando cada solicitud contra el motor de políticas. Por ejemplo, las reglas de política de Alter limitan automáticamente los intentos de acceso que exceden los permisos definidos o los límites de transacción, ayudando a prevenir operaciones no intencionadas. El modelo de seguridad de Alter está construido para minimizar el riesgo de que los comandos dañinos lleguen a la producción, utilizando políticas que limitan la exposición a posibles datos o errores financieros. Cada llamada de API utiliza un token efectivo con privilegios de rango estrecho; una vez utilizado, esa creden Este diseño refleja el pedigree de sistemas distribuidos de Dodhia: como un motor de consulta rápida que divide el trabajo en fragmentos, la aplicación de Alter se distribuye. Cada herramienta (bases de datos, APIs, servicios en la nube) se conecta a través de la capa de control. La plataforma incluso admite herramientas multi-nube (MCP) e integraciones nativas, con agente a agente (A2A) llegando pronto. La elección de ser vendedor-neutral es intencional. , seguridad que funciona si una empresa utiliza sistemas AWS, GCP o on-prem. Esto se deriva de servir a los compradores de cumplimiento que temen estar encerrados en los mecanismos de una nube. Al mantener el plan de control genérico, Alter permite a los clientes adoptar agentes de IA sin reescribir todas sus políticas de acceso. neutral, vendor‑agnostic infrastructure Por supuesto, interceptar cada acción de agente viene con compromisos. Se añade la latencia de la autenticación y la evaluación de políticas. El equipo encontró que mantener las políticas sólo como código era demasiado desarrollador-céntrico. En cambio, invirtieron en una UI de políticas orientada a equipos de seguridad y usuarios empresariales. Presenta las políticas de una manera simple para que las partes interesadas no técnicas puedan definirlas también. Una lección Dodhia destaca: Los usuarios de estas políticas son a menudo auditores o funcionarios de cumplimiento, no ingenieros. Esto requiere que la UX sea inequívoca y verificable. La aplicación en tiempo real también requiere eficiencia; una verificación de políticas debe terminar en milisegundos. Alter mitiga el impacto de usar idiomas de bajo nivel y usar la evaluación incremental donde sea posible. Sin embargo, en las posiciones altas. AI access control La complejidad de la integración es otro desafío. Alter debe sentarse junto a potencialmente docenas de herramientas y marcos de agentes. La experiencia pasada de Dodhia le ayudó: en Compute.ai, construyó conectores a almacenes de datos comunes bajo requisitos estrictos de nivel de servicio. Similarmente, Alter proporciona conectores y SDK para que las plataformas de agentes existentes (OpenAI, Anthropic, etc.) puedan llamar a la puerta de Alter. La esperanza es hacer que Alter sea principalmente transparente una vez configurado – idealmente, una capa sin fricción. Un tema recurrente en la historia de Dodhia es la conformidad. Servir al sector financiero, y se aprende que las pistas de auditoría y los controles de seguridad incorporados no son negociables. En Compute.ai, tuvo que probar la procedencia de cada trabajo; en Alter, confeccionó la auditoría en el primer día. La plataforma registra cada solicitud y decisión del agente, supervisándola en un dashboard CISO-preparado. Por ejemplo, Alter puede informar “Agente X pidió una base de datos para los registros de clientes con el parámetro Y a las 3:14 pm, y fue negado bajo la regla de política Z.” Esta transparencia es un punto de venta importante. Dodhia señaló que los compradores de conformidad esperan evidencia de menos privilegio y que ejecutan políticas automáticamente en el fondo Varias lecciones surgen de la énfasis de Dodhia en el cumplimiento. Esto influyó a Alter para evitar soluciones de IA “mágicas”; cada decisión de acceso es determinista y recordable. En segundo lugar, la seguridad para los agentes de IA no puede ser una reflexión posterior. “Cuando se ejecuta en entornos regulados”, dijo Dodhia, “no se puede enfocar en la seguridad al final, tiene que ser el núcleo de la arquitectura”. Es por eso que Alter fue construido desde cero como una plataforma de confianza cero para la IA: su nombre y diseño se refieren a eliminar la confianza implícita. Y en tercer lugar, la flexibilidad importa. Las empresas a menudo tienen pilas de tecnología heterogéneas, por lo que el enfoque neutral del proveedor de Alter (por ejemplo, soportando cualquier herramienta en la nube o en el lugar) asegura que los clientes no tengan que auditable by design El paso de Kevan Dodhia de los motores de computación distribuidos a las plataformas de seguridad de agentes ilustra cómo la experiencia de ingeniería profunda puede abordar los riesgos emergentes de la IA. Alter es un salto tanto técnico como conceptual: compila políticas intuitivas en controles de bajo nivel, aplicando el rigor del control de acceso a bases de datos a los agentes de la IA. Al rechazar credenciales de larga duración y hacer cumplir Esto evita que un accidente se escale. zero-trust for AI agents El resultado se alinea con el objetivo de Dodhia: hacer que los agentes de IA sean seguros para la producción al restringirlos al acceso mínimo y la duración que requieren. Su viaje subraya que en la seguridad, y especialmente en entornos impulsados por el cumplimiento, la arquitectura y las necesidades humanas deben estar en sincronía. Como dice Dodhia, Alter se trata de permitir a los equipos avanzar rápidamente en las iniciativas de los agentes de IA mientras se mantienen plenamente conformes. En la práctica, esto significa construir seguridad que codifica la intención política, respeta a los usuarios no técnicos y da a los auditores exactamente lo que necesitan: evidencia de que ningún agente se ha comportado mal.

This story contains new, firsthand information uncovered by the writer.

Este audio es producido en el idioma original de la historia!

El viaje del constructor de Kevan Dodhia para crear la nueva capa de políticas para los agentes de IA

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

¿Quieres ganar un concurso de redacción de HackerNoon? Esto es lo que recomiendan los ganadores del concurso #crypto-api

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

¿Quieres ganar un concurso de redacción de HackerNoon? Esto es lo que recomiendan los ganadores del concurso #crypto-api

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps