Jan Arendtsz, grundlægger og administrerende direktør for Celigo – Intervju-serie

Jan Arendtsz er grundlægger og administrerende direktør for Celigo og en veteran i softwareindustrien med mere end 25 års erfaring i produktudvikling, forretningsudvikling, salg, kundesucces og marketing. Han grundlagde Celigo med målet om at simplificere, hvordan virksomheder integrerer, automatiserer og optimerer forretningsprocesser på tværs af virksomheden. Han er ansvarlig for at overvåge alle virksomhedsoperationer.

Før Celigo var Jan direktør i NetSuite, den førende cloud-baserede ERP-platform, hvor han lancerede deres integrationsplatform. Før det arbejdede Jan for Cambridge Technology Partners, hvor han implementerede komplekse forretningsløsninger for kunder, der strakte sig fra internet-startups til Fortune 500-virksomheder.

Celigo er en cloud-baseret intelligent automatiserings- og integrationsplatform (iPaaS) designet til at hjælpe organisationer med at tilslutte applikationer, automatisere forretningsprocesser og holde data synkroniseret på tværs af deres teknologi-stack uden tungt brug af tilpasset udvikling. Dens platform kombinerer forudbyggede forbindelser, genbrugbare integrations-skabeloner og AI-assisterede værktøjer, så både tekniske og ikke-tekniske hold kan designe, installere og styre integrationer i stor målestok. Celigo bruges ofte til at strømline arbejdsgange på områder som e-handel, finans, drift og IT, reducere manuelt arbejde, forbedre data-nøjagtighed og enable hurtigere, mere robuste forretningsprocesser.

Hvad motiverede dig oprindeligt til at grundlægge Celigo, og hvordan har din erfaring med at lede integrations-tjenester og produkt-initiativer i software-virksomheder som NetSuite formet det gap, du så i virksomheds-integration på det tidspunkt?

Den tidlige SaaS-erfaring viste mig, at selvom skyen løste et software-leveringsproblem, skabte den også et massivt data-tilslutningsproblem. Vi solgte visionen om en samlet forretning, men virkeligheden var fragmenterede data-silos. Jeg startede Celigo for at løse disse udfordringer.

I dag ser jeg, at historien gentager sig med AI. Vi skifter fra et “tilslutnings-gap” til et “operations-gap”. Lige som virksomheder kæmpede med at operationalisere SaaS for tyve år siden, kæmper de nu med at operationalisere AI. Virksomheder kæmper med at flytte AI fra eksperimenter til pålidelige forretnings-resultater. Dette skaber den næste bølge af udfordringer, som Celigo er unikt positioneret til at hjælpe IT-ledere med at tackle: hvordan man tilbyder en platform, der ikke bare tilslutter systemer, men også muliggør brugen af AI på tværs af virksomheden i stor målestok.

Celigo er udviklet fra traditionel integration til AI-drevne arbejdsgange. Hvad var signalerne, der fortalte dig, at platformen behøvede at flytte i den retning?

Det største signal var det skiftende flaskehals. For ti år siden var flaskehalsen tilslutning: bare at få System A til at tale med System B. Vi løste det med iPaaS. Men da vi demokratiserede integration og gav forretningsbrugere mulighed for at bygge deres egne arbejdsgange, blev den nye flaskehals ledelse, governance og exception-håndtering.

Vi kiggede på vores data og så, at selvom det var blevet lettere at bygge automatiserings-arbejdsgange, var det stadig menneske-intensivt at vedligeholde dem i stor målestok. Brugere tilbragte timer med at fejlfinde data-fejl eller opdatere tilslutninger.

Vi svarede ved at indbygge AI i kernen af vores platform, automatisere fejl-klassificering og -afhjælpning for at fjerne den operationelle byrde ved at vedligeholde integrationer i stor målestok. Denne platform-intelligens sætter nu scenen for kundefacede AI-drevne arbejdsgange, der kan operere med større autonomi og kontekst.

Mange organisationer investerer massivt i AI, men ser begrænsede resultater. Hvorfor stagnerer så mange initiativer på data- og integrations-laget?

Vi har alle set undersøgelserne, der viser, at selvom de fleste virksomheder eksperimenterer med AI, er det kun få, der realiserer målbare ROI. Årsagen er ikke teknologien. Det er tilgangen. For ofte behandler organisationer AI-adoptions som målet i stedet for at starte med de forretningsprocesser, der driver virksomheden.

Vellykkede initiativer begynder med at identificere processerne, hvor forbedring driver den største forretnings-impact, snarere end at anvende AI på isolerede opgaver. Derefter skal AI kobles til de systemer, hvor arbejdet faktisk sker, med guardrails, der sikrer data-kvalitet og politik-gennemførelse. Uden denne styrede tilslutning forbliver AI afkoblet fra gennemførelse.

Set fra dit perspektiv, hvilke arkitektoniske fejl er mest almindelige, når virksomheder forsøger at lagre AI oven på fragmenterede systemer?

Et voksende problem lige nu er AI-sprawl. Vi ser ofte virksomheder, der køber multiple forskellige SaaS-udvidelser: salgs-værktøjer med AI, kundeservice-værktøjer med AI, marketing-værktøjer med AI og så videre. Disse er alle bare omhyggeligt udformet omkring de samme underliggende LLM’er.

Arkitektonisk kan dette skabe betydelige omkostninger og governance-problemer. IT-ledere finder, at de har brug for en integrations-platform for at kunne konsolidere alle data og indsigt på tværs af værktøjer. At udnytte en samlet platform kan bringe sammen den viden, der bor på tværs af virksomheden, og give den kontekst, der er nødvendig for AI-modeller til at skala og levere værdi.

Hvordan ændrer intelligente arbejdsgange måden, applikationer, data og mennesker interagerer inden for en organisation, når AI bliver mere autonom?

Når AI bliver mere autonom, ændrer intelligente arbejdsgange måden, applikationer, data og mennesker interagerer ved at skifte automation fra opgave-eksekvering til beslutnings-koordination. Applikationer er ikke længere bare tilsluttet til at udveksle data. De bliver koordinerede deltagere i en arbejdsproces, hvor AI fortolker kontekst på tværs af systemer og bestemmer den næste bedste handling.

Dette skift bringer ændrings-styring til fronten. Du kan have den bedste model i verden, men hvis holdene ikke har tillid til den, vil de ikke bruge den. Vellykket operationalisering af AI kræver indsigt i, hvorfor en AI-agent tog en bestemt beslutning, og tillid til, at den fungerer inden for en styret ramme.

Celigo betjener både store virksomheder og hurtigt-voksende mærker. Hvordan adskiller integrations-, data-kvalitets- og orkestrerings-udfordringer sig på tværs af disse skala-niveauer?

For hurtigt-voksende mærker er målet ofte hastighed til værdi. De adopterer værktøjer så hurtigt, at de risikerer at bygge en brudt stack, der vil gå i stykker om et år eller to. For dem tilbyder Celigo muligheden for at operationalisere hurtigt uden at skabe teknisk gæld.

For store virksomheder er udfordringerne omkring kontekst og governance. De har værdifulde lagre af data, men det kan ikke være klar til AI-drevne arbejdsgange. De har brug for at øge adgangen og værdien af data på tværs af komplekse miljøer. De har brug for at sikre, at når de operationaliserer AI på tværs af deres organisationer, lægger de ikke PII eller hallucinationer i deres kunde-interaktioner. Vi fungerer som et vigtigt ledelses- og kontrollag.

Celigo befinder sig på skæringen af iPaaS, arbejdsproces-koordination og AI. Hvordan bør organisationer designe deres integrations-lag, så det bliver en aktiv del af AI-stakken i stedet for passiv infrastruktur?
Organisationer bevæger sig ud over integration som enkel data-bevægelse mod intelligent automation som en styret tilslutnings-lag for forretningsprocesser. Automation findes på en skala fra forudsigelig, regel-baseret eksekvering til mere autonom adfærd, med den største virksomheds-værdi skabt i midten.

En intelligent automatiserings-platform tilslutter AI til den rette virksomheds-data med indbygget governance, synlighed og menneskelig oversigt. Den koordinerer tilslutning på tværs af systemer, anvender intelligens selektivt og eksekverer resultater direkte inden for operationelle applikationer, hvor arbejdet faktisk sker. I stedet for at passivt flytte data mellem systemer bliver integrations-laget aktivt ved at vedligeholde real-time, styret tilslutning og kontrol. Dette sikrer, at intelligent automation forbliver pålidelig, gennemskuelig og aligneret med, hvordan virksomheden er designet til at køre.

Hvad ser du som rollen for integrations-platforme i at enable AI-systemer til at tage handlinger sikkert og pålideligt på tværs af forretnings-applikationer?

Agens-ai har brug for guardrails. Celigo bygger en fremtid, hvor integrationer vil styre sig selv ved at detektere skema-ændringer, forudsige fejl og selv-hele, før et menneske overhovedet ved, at noget er galt.

Rollen for vores platform er ikke kun at tillade brugere på tværs af virksomheden at bygge og køre arbejdsgange hurtigt og effektivt, men også at tillade central IT at give disse guardrails. Hvis en agent ønsker at opdatere en post, vil platformen sikre, at handlingen validerer mod forretnings-regler først. Vi enable agenter til at tage handling ved at give en deterministisk miljø, hvor ikke-deterministisk AI kan operere sikkert.

Set frem mod 2026, hvad ser du som de reelle konsekvenser for organisationer, der ikke strømliner deres data specifikt til AI?

Konsekvensen vil være en divergens i ROI. Virksomheder, der ikke indbygger AI i deres operationer, vil være begrænsede til at måle “timer gemt” på ad-hoc-opgaver, mens deres konkurrenter vil måle “omsætnings-vækst” fra fuldt automatiserede forretnings-linjer.

Uden at tage skridt nu for at tilslutte deres data og applikationer, vil organisationer ramme en mur, hvor AI-modeller hallucinerer, fordi de mangler kontekst, eller omkostninger spiralere, fordi de betaler for de siloede output af AI-sprawl uden en samlet strategi. Virksomheder kunne effektivt blive prissat ud af agility.

For teknologilederne, der moderniserer deres stacks i dag, hvilke kerne-funktioner bør de prioritere i en iPaaS for at sikre, at deres AI-initiativer kan skala og levere reelle resultater?

Se efter en moderne iPaaS, der er bygget til en verden, hvor alt skal tilslutte alt. Det betyder: en universel platform, der kan håndtere det fulde spektrum af automation: fra data- og applikations-integration, til B2B-forSynsflåder, API-management og autonome agenter. Det sætter en organisation op for mindre kompleksitet, mindre overhead, mere empowerment af brugere og ultimativt evnen for IT til strategisk og sikkert at inkorporere AI og operationalisere alt på tværs af virksomheden.

Tak for det store interview, læsere, der ønsker at lære mere, skal besøge Celigo.