Romain Sestier (CEO) & Guillaume Lebedel (CTO), Medstiftere af StackOne – Interviewserie

Romain Sestier, medstifter og CEO af StackOne, har bygget et produkt fra scratch til en værdi på 1 milliard dollars hos Google (GOOGL ) og har også fungeret som VP of Product & CS hos Yieldify, hvor han ledede 70 mennesker globalt og udviklede SaaS-integrationsstrategien. Romain åbnede også det britiske kontor som Head of UK Services hos ContentSquare og ledede integrationen med A/B-testværktøjer. Han har også co-founder en tidligere startup, Upper.ai, med Guillaume.

Guillaume Lebedel, medstifter og CTO af StackOne, var VP of Engineering hos Yieldify, et selskab der blev opkøbt af Publicis. Guillaume har ledet integrationshold og bygget hundredvis af integrationer med SaaS-værktøjer, der bruges af over 1000 SaaS-produkter. Han har også bygget og vedligeholdt APIs med over 2 milliarder hits om måneden.

StackOne er en privacy-venlig, AI-dreven integrationsplatform, der hjælper B2B SaaS-selskaber og AI-agenter med at bygge realtids, to-vejs integrationer på tværs af hundredvis af virksomhedssystemer via en enkelt, samlet API. Designet til hastighed og sikkerhed, gør det det muligt for udviklere at leverer integrationer på få dage i stedet for uger uden at gemme kunde-data.

Hvad inspirerede dig til at forlade Google og co-founder StackOne, og hvilken åbning i AI eller SaaS-integrationsrummet så du, der gjorde muligheden føles urgente?

Romain: “Smerten ved integration er noget, jeg har følt på hver etape af min karriere, enten jeg var i en tidlig startup eller arbejdede med store skala systemer inde i Google. Mens jeg ledede Product hos Google, byggede jeg et AI-insights-værktøj til detail, og selv der – i et af de mest teknisk avancerede selskaber i verden – løb vi ind i enorme hindringer bare for at få ren integration mellem systemer. Det var da, det virkelig ramte mig: dette er et vidt udbredt, systemisk problem. Og med opkomsten af LLM’er, så vi en ny mulighed åbne sig. Pludselig var der en mulighed for helt at genopfinde integrationsskiktet: et, der ikke bare var boltet på, men bygget fra bunden for AI. Guillaume og jeg så det klart: timingen var rigtig, og markedet var sultent efter en løsning.”

Hvordan har din erfaring med at lede produkt og service hos Yieldify og dit arbejde hos Area 120 påvirket din tilgang til StackOne’s produktstrategi?

Romain: “Hos Yieldify ledede jeg både Product og Services-siden af forretningen, hvilket lærte mig vigtigheden af at binde vej-kortet til faktiske omsætningsresultater; ting som hurtigere partner-onboarding, højere gennemsnitsordreværdi eller lavere churn. Hos Google skalaerede jeg et data-insights-produkt, der leverede 1 milliard dollars i ekstra omsætning, og den erfaring forstærkede, hvor kritisk brugeroplevelse og adoptionsmetrikker er for succes. Area 120 var en meget anden skabning – det var alt om 10x-idéer og hastighed. Det lærte mig at flytte hurtigt, eksperimentere konstant og ikke være bange for at satse stort. Alt det har dybt påvirket, hvordan vi bygger hos StackOne: bi-ugentlige sprint, dristige produkt-bud og en laser-fokus på at gøre integrationer ikke kun lettere at skala, men også dejlige at bruge.”

StackOne bygger ikke en ny model – I bygger det forbundne væv mellem modeller og SaaS-systemer. Hvorfor er dette infrastrukturskikt så kritisk for AI-agenteres succes?

Guillaume: “Realiteten er, at AI-agenter ikke kun behøver hjerner, de behøver også hænder. En model kan være i stand til at resonere brillant, men medmindre den kan tage præcise, sikre og hurtige handlinger i den virkelige verden, er den højt begrænset. Uden et struktureret infrastrukturskikt til at styre godkendelse, rate-grænser og adgangsberettigelse, vil de enten hallucinere og tage forkerte handlinger eller ødelægge ting. De fleste selskaber bruger over 100 SaaS-værktøjer, så uden en platform som StackOne, der abstraherer røret, er du fastlåst til at wire op hver enkelt individuelt. Vores job er at give agenterne sikker, skalerbar adgang til de værktøjer, de behøver, så holdene kan fokusere på logik, ikke logistik.”

Kan du føre os igennem, hvordan StackOne’s Unified API og AI Agent Actions-platform fungerer under overfladen? Hvad er teknisk udfordrende om det?

Guillaume: “Vi definerer en enkelt udtømmende beskrevet OpenAPI-specifikation per domæne, der kortlægger til hundredvis af underliggende endepunkter. Den specifikation forbliver centalt opdateret, så kunderne ikke behøver at styre versionsændringer. Vores værktøjsskemaer kommer foruddefineret med de rigtige godkendelsesomfang, hvilket betyder, at agenten ikke gætter eller overrækker. Det hardeste er at normalisere SaaS-data-modeller – værktøjer som Workday lader kunderne definere brugerdefinerede objekter og relationer, hvilket introducerer massiv kompleksitet. Vores motor håndterer alt det i realtid, hvilket giver udviklerne en pålidelig, deterministisk eksekveringsskikt drevet af LLM-assisteret kortlægning.”

Hvad gør StackOne’s tool-calling engine hurtigere og mere præcis end de førende LLM’er?

Guillaume: “Nøglen er struktur. Vores motor giver typede og udtømmende beskrevne funktions-signaturer, så modellerne ved præcis, hvilke argumenter at bruge. Under overfladen kan StackOne batche og parallelisere værktøjskaldene, mens de respekterer rate-grænser for at udføre anmodningerne så hurtigt som muligt med automatiserede genforsøg. Og da vi styrer legitimationsoplysninger centralt, er der ingen behov for gen-godkendelse inde i løkken. Disse optimeringer gør en enorm forskel, når du prøver at køre agenter i realtid.”

Hvordan er StackOne optimeret specifikt til AI-brugstilfælde, såsom Retrieval-Augmented Generation (RAG), værktøjsbrug eller realtids-agent-eksekvering?

Guillaume: “Vi tilbyder delta-kun-endepunkter for RAG-pipelines, der holder kontekstvinduer korte og effektive. For realtids-agenter understøtter vi streaming-unified webhooks, der udnytter native begivenheder eller opretter syntetiske begivenheder, når underliggende værktøjer ikke giver de begivenheder, du behøver. Og vores platform gennemtvinger fine-grænset adgangskontrol på tenant- og projekt-niveau, hvilket er afgørende for at orkestrere multiple agenter på tværs af forskellige brugere på en sikker måde.”

Hvad er de mest almindelige misforståelser, hold har om at bygge integrationer internt versus bruge en platform som StackOne?

Romain: “En stor myte er, at integrationer kun handler om at lave et API-kald. Den initielle bygning kan se simpel ud, men den løbende vedligeholdelse forbruger ofte 20% af udviklingstiden. Hold undervurderer også værdien af niche-tilslutninger – dem, du prioriterer lavest, kan være, hvor churn-risikoen faktisk bor. Og sikkerhed er ofte en eftertanke. DIY-hold dækker sjældent ting som SOC-2-overensstemmelse eller lejer-isolation, hvilket er uhåndgribeligt for enterprise-kunder. Og så er der lejer-tilpasning. Hver ny kunde bringer sin egen sæt af edge-tilfælde, konfigurations-kærheder og kortlægnings-logik, hvilket tilføjer løbende kompleksitet, der er let at overse i starten.”

Alle taler om AI-agenter, men virkelige implementeringer er stadig tidlige. Hvad tror du holder tilbage masse-entreprise-adopteringsprocessen – og hvordan løser StackOne det?

Romain: “Sikkerhed og overensstemmelse er stadig de største blokeringsfaktorer. CIO’er bekymrer sig om, at agenter handler uden for rammerne eller skaber revisions-lukker. StackOne løser dette ved at gennemtvinge mindst-privilegerede OAuth-omfang, aktivere lejer-nøgle-afbrydere og give en fuld revisions-spor. Når risikohold ser det niveau af kontrol, flytter de fra at være portvagter til aktive støtter.”

Hvad er de største tekniske eller sikkerheds-udfordringer i at lade AI-agenter handle på vegne af brugere på tværs af SaaS-platforme – og hvordan mitigere dem?

Guillaume: “Du skal styre ting som token-udbredelse og opfrisknings-cykler, hvilket vi løser med en central krypteret vault. At forhindre data-lækage på række-niveau er en anden udfordring, så vi gennemtvinger deterministiske konto-identifikatorer i værktøjskaldet for at sikre, at agenterne kun får adgang til de rigtige data, og det er ikke op til LLM’en. Og for at undgå agent-drift eller misbrug, kører vi kontinuerligt policy-tjek og red-team-test. Vores platform tillader også parameterisering af, hvilken handling der skal være tilgængelig for hvilket linket system. Sikkerhed skal være indbygget fra bunden.”

Hvordan ser du fremtiden for open-source-værktøjer som LangChain og CrewAI, der blander sig med proprietære platforme som StackOne?

Guillaume: “Vi ser open-source som det orkestrerings-lag og StackOne som det underliggende infrastruktur-lag. Det er derfor, vi har bygget SDK’er til Python og Typescript, der plugger direkte ind i LangChain og CrewAI-workflows. Du vil se en hybrid-model opstå, hvor open-source-værktøjer bruges til prototypering og managede platforme til produktions-grads-reliabilitet, ligesom hold bruger Terraform med AWS. Det er ikke enten-eller, det er begge.”

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge StackOne.