Rory Blundell, administrerende direktør for Gravitee – Intervieuserie

Rory Blundell, administrerende direktør for Gravitee, bringer en sjælden kombination af teknisk dybde, kommerciel ledelse og grundervirksomhed til API-management-området. Før han overtog stillingen som administrerende direktør i september 2020, sluttede han sig til Gravitee som Chief Revenue Officer og hjalp med at forme virksomhedens vækststrategi efter tidligere roller som leder af EMEA-felttekniske operationer hos SnapLogic, hvor han arbejdede på tværs af forsalg, professionelle services, uddannelse og kundesucces. Hans baggrund omfatter også grundlæggelsen af Velinko, en britisk software- og konsulentvirksomhed, der betjener rets- og regnskabssektorerne, hvor han arbejdede hånd i hånd med APIs, ETL, AWS, Java, PHP, WordPress, databases, rapportering og dataomdannelse. Denne blanding af teknisk flerfaglighed, virksomhedsføringsoplevelse og startup-udførelse har positioneret ham til at lede Gravitee, da APIs, begivenhedsstrømme og AI-agenter bliver stadig mere centrale for virksomhedsinfrastruktur.

Gravitee er en API-management-virksomhed, der fokuserer på at hjælpe virksomheder med at styre, sikre, styre og skala de digitale forbindelser mellem applikationer, services, begivenhedsstrømme og AI-agenter. Deres platform kombinerer API-management, en begivenhedsnativ gateway, udviklerportal-kapaciteter, understøttelse af begivenhedsstrømning og fremvoksende AI-agentstyringsfunktioner, hvilket giver organisationer en samlet kontrolplane for synkroniserede APIs, asynkroniserede begivenheder, MCP/A2A-agentinteraktioner og styre på tværs af distribuerede miljøer. Virksomheden beskriver sin platform som open-source og skalerbar, og den er blevet anerkendt som en leder i 2025 Gartner Magic Quadrant for API-management, hvilket afspejler dens positionering ved skæringen af API-infrastruktur, realtids-begivenhedsdrevne systemer og den nye agente AI-stack.

I grundlagde Velinko, byggede softwareløsninger selv på tværs af teknologier som AWS og APIs til dataomdannelsesplatforme, og gik herefter videre til at lede tekniske teams hos SnapLogic, før jeg blev administrerende direktør for Gravitee. Hvordan har den rejse fra hånd-i-hånd-bygger til administrerende direktør formet din vision for fremtiden for AI-agenter og virksomhedsinfrastruktur?

Min baggrund gjorde det muligt for mig at se virksomhedsinfrastruktur fra mange vinkler, som bygger, operatør og nu som administrerende direktør. Hos Velinko løste vi et praktisk dataproblem, trak information fra forskellige steder, omdannede den, aggregerede den og gjorde den brugbar. Denne erfaring grundlagde min opfattelse af, hvad virksomhedsteknologi skal gøre: forbinde systemer, beskytte data og omdanne kompleksitet til noget, mennesker kan handle på.

Under min tid hos SnapLogic så jeg, hvor centralt API-management var på vej til at blive i virksomhedsstakken. APIs var mere end tekniske grænseflader. De blev måden, virksomheder eksponerede, kontrollerede og skalaerede adgang til kritiske systemer og data. Det var det, der først bragte mig til Gravitee, og det er stadig grundlaget for, hvordan jeg tænker om dette marked.

Virksomheder skal vide, hvem der kan få adgang til hvad, hvordan adgangspunkterne findes og bruges, og hvad der faktisk sker på tværs af miljøet. Disse principper var essentielle for APIs, og de er nu lige så essentielle for agenter. Virksomheder bevæger sig ind i en verden, hvor agenter kan handle på tværs af APIs, applikationer, data og arbejdsgange. De virksomheder, der lykkes, vil ikke kun bygge de fleste agenter. De vil være dem, der sætter den rigtige infrastruktur omkring dem: tydelige tilladelser, stærk styre og kontrol på tværs af systemerne, de berører.

Gravitee har bygget sin ry som API-management-virksomhed og har siden udvidet sin fokus til AI-agentstyring. Hvad overbeviste dig om, at AI-agenter repræsenterede den næste store teknologiske skift, og hvorfor var nu det rette tidspunkt at udvikle virksomheden i den retning?

Jeg ser AI-agentstyring som den næste udvikling af det samme problem, vi altid har hjulpet virksomheder med at løse.

API-management var og er grundlæggende om tre ting: sikkerhed, opdagelighed og overvågning. Agenter er det næste sted, hvor disse principper skal anvendes.

I dag konfronterer virksomheder de samme spørgsmål med agenter, som de stod over for med APIs. Hvordan sikrer vi sikkerhed? Hvordan ved vi, hvilke agenter der kører, hvor de kører, og hvad de kan få adgang til? Hvordan forstår vi, hvad de gør, hvorfor de handler, og om de opererer inden for rimelige grænser?

Tidspunktet er vigtigt, fordi virksomheder er på vej fra at eksperimentere med AI til at spørge, hvordan de kan sætte agenter i rigtig arbejde. Det hårde spørgsmål er ikke længere, om en agent kan bygges, men om en virksomhed kan styre agenter på tværs af modeller, værktøjer, APIs og systemer, de berører.

Dét er, hvor Gravitees arv i API-management bliver meget relevant. Agenter vil kun skala i virksomheden, hvis organisationer kan bringe samme disciplin til dem, som de forventer fra resten af deres infrastruktur: tydelige tilladelser, synlige handlinger, revision, styre og kontrol.

Mange organisationer eksperimenterer med AI-agenter, men relativt få har implementeret dem i stor skala. Hvad adskiller succesfulde adoptere fra virksomheder, der stadig er fastlåst i pilotstadiet?

Forskellen ligger i, om en organisation behandler agenter som isolerede eksperimenter eller som en del af en ny driftsmodel. På et lille niveau kan en eller to agenter se ud til at være håndterbare. Udfordringen kommer, når en virksomhed begynder at bevæge sig mod multiple agenter på tværs af teams, systemer og arbejdsgange. På det tidspunkt er problemet ikke længere, om en agent kan udføre en opgave. Det er, om virksomheden kan kontrollere, hvordan agenter arbejder, hvad de berører og hvordan de passer ind i virksomhedens drift.

Organisationer, der bygger styringsdisciplin omkring agenter tidligt, forstår, hvor agenter passer ind i arbejdsgangen, hvilke beslutninger skal forblive hos mennesker og hvilke kontroller skal være på plads, før agenter tillades at udføre rigtigt arbejde.

Dét er ikke kun en teknologisk skift. Det er også en ændring i, hvordan organisationer arbejder. Succesfulde adoptere vil forstå denne skift og sætte den rigtige struktur omkring det fra starten.

AI-agenter interagerer stadig mere med APIs, databases, virksomhedsapplikationer og endda andre agenter. Hvordan ser du agent-koordination udvikle sig, og hvilke udfordringer skal organisationer løse, før disse systemer kan operere pålideligt i stor skala?

Udfordringen er ikke kun teknisk kompleksitet alene; det er ansvarskompleksitet. Når agenter kalder APIs, forespørger databases og kalder andre agenter, multipliceres myndighedskæden, og de fleste virksomheder har ingen måde at se det på.

Koordinering udvikler sig fra enkelt-agent-opgave-eksekvering til multi-agent-arbejdsgange, hvor en agents output bliver en anden agents input, ofte på tværs af modeller, leverandører og virksomhedsgrænser, og det er præcis, når styre bryder sammen.

Før disse systemer kan operere pålideligt i stor skala, skal organisationer løse fire ting: give hver agent en kendt, autentificeret identitet; afgrænse, hvad hver agent er tilladt at berøre (værktøjer, data, downstream-APIs); gennemtvinge disse tilladelser på kørseltidspunktet; og opretholde en fuldstændig afstamningsrekord fra det menneskelige prompt til systemet, agenten endelig berørte.

Virksomheder, der behandler koordinering som et rent ingeniørproblem og springer governance-laget over, vil finde sig selv med at håndtere incidenter i stedet for at skala operationer.

Branchen har brugt år på at tackle API-sprawl, da organisationer adopterede cloud-teknologier. Er vi nu på vej ind i en æra med “agent-sprawl”, og hvilke erfaringer kan virksomheder anvende fra tidligere teknologiske transformationer?

Ja, jeg ser en reel risiko for at genskabe samme mønster, vi så med APIs: bred adoption på tværs af forretningsområdet, før den rigtige management-model er på plads. Erfaringen fra API-æraen er, at organisationer ikke skal vente, til miljøet allerede er fragmenteret, før de sætter synlighed og kontrol omkring det.

Agenter skaber en lignende udfordring, men med en mere aktivt lag af risiko, fordi de kan operere på tværs af systemer og arbejdsgange. Spørgsmålene, virksomheder skal have svar på, er simple: hvilke agenter findes der, hvem ejer dem, og hvad de er tilladt at berøre?

Hvis virksomheder anvender denne disciplin fra starten, kan de undgå at ende med agenter, de ikke kan se, sikre eller kontrollere.

Hvad er de største misforståelser, forretningsledere har om AI-agenter i dag, og hvor løber forventningerne af med virkeligheden?

Den dominerende misforståelse er, at agent-kapacitet er flaskenhalen. Det er det ikke. Flaskenhalen er, om organisationen kan holde agenter ansvarlige på samme måde, som de allerede holder mennesker ansvarlige, med en defineret rolle, afgrænsede tilladelser og en revisionssikker rekord.

Mange ledere tror, at implementering af flere agenter fører til automatisk at flytte hurtigere. I praksis skaber ugovernable agenter skygge-AI-udgifter, ukontrolleret dataadgang og operationelle fejl, som ingen kan diagnosticere, fordi der ikke er nogen revisionsrekord.

Seneste eksempler på AI-agenter, der er blevet trukket tilbage fra produktion efter operationelle fejl, er instruktive. Vi har set en agent med bred kalenderadgang og ingen defineret grænse slette en hel virksomhedskalender i en enkelt handling. Modellen var ikke problemet; ingen havde afgrænset, hvad den var tilladt at berøre. Dette er ikke et AI-hype-problem. Det er et styre-problem. I mange tilfælde kan agenten have været i stand til at udføre opgaven, men manglede en defineret rolle og en grænse for, hvad den kunne få adgang til, samt en klar eskalationsplan, når noget gik galt.

Forventninger løber længst af med virkeligheden, når det kommer til autonom beslutningstagning. Ledere ønsker agenter, der handler, men hvad de først behøver, er agenter, hvis handlinger er synlige, omvendelige og tillægbare.

Sikkerhed og styre er blevet store bekymringer, da AI-agenter får adgang til følsomme systemer og data. Hvad ser du som de største risici, og hvordan skal organisationer nærme sig at håndtere dem?

Den største risiko er, at agenter bevæger sig ind i produktion hurtigere, end virksomheder kan styre dem. Gravitees State of AI Agent Security-rapport fandt, at virksomhedens AI-agent-estater havde omtrent dobbelt så mange siden december 2025, mens overvågningsdækning, ansvarlige strukturer og forudgående kontroller kun havde flyttet sig lidt. Forskningen viste også, at næsten halvdelen (48%) af produktions-AI-agenter kører uden sikkerhed eller styre, og 54% af organisationer havde oplevet eller formodet en AI-agent-sikkerheds- eller dataprimærsærlighed i de sidste 12 måneder.

Denne data understreger, hvorfor styre må modnes sammen med adoption. Når agenter får adgang til følsomme data, applikationer og arbejdsgange, skal ejerskab og ansvar være lige så klart som adgangen selv: hvem er ansvarlig for denne agent, hvilke handlinger har den foretaget, og hvordan overvåges det aktivt?

Svaret er dog ikke at slowe agenter ned. Det er at etablere klar synlighed fra starten på tværs af hver agent, de modeller, de forbinder til, de værktøjer, de bruger, og de andre agenter, de interagerer med.

Herefter kan organisationer implementere den rigtige driftsmodel omkring agenter: klar ejerskab, afgrænsede tilladelser, forudgående kontroller, kontinuerlig overvågning, revisionssikkerhed og en klar eskalationssti, når noget går galt. Det er, hvad giver virksomhederne tillid til at bruge agenter sikkert i stor skala.

Da regeringer og tilsynsmyndigheder begynder at være mere opmærksomme på AI-systemer, hvordan skal virksomheder balancere innovation med overholdelse, gennemsigtighed og risikostyring?

Regulatorisk opmærksomhed skal være en katalysator, ikke en grund til at vente.

Overholdelse begynder med afstamning: den fulde, revisionssikre rekord fra det menneskelige prompt til API-kaldet, agenten foretog downstream. Uden det kan virksomheder ikke besvare det grundlæggende regulatoriske spørgsmål om, hvad din agent gjorde, og hvorfor. Dette er ikke et fremtidigt problem. EU’s AI-lovs overholdelsesfrist i august 2026 er allerede på kalenderen, og organisationerne, der har afstamning og politik-gennemførelse på plads i dag, vil møde det uden panik.

Policy-as-code og central politik-gennemførelse er den praktiske implementering af denne model. Virksomheder skal have en politik-motor, en revisionsrekord, konsekvent gennemførelse på tværs af hver agent, uanset model eller leverandør.

Risikostyringsholdningen, der vinder, er ikke langsom implementering; det er dristig implementering med ansvar bygget ind fra dag én. De, der behandler agent-ansvar som en forhåndsgavn i stedet for en overholdelseshindring, vil ikke blive langsommere af regulering. De vil være klar til det.

Åbne standarder som Model Context Protocol (MCP) og Agent-to-Agent (A2A)-kommunikation vinder frem. Hvordan vigtig vil interoperabilitet være for fremtiden for virksomheds-AI, og tror du, branchen bevæger sig hurtigt nok mod fælles standarder?

Interoperabilitet er ikke valgfri. Virksomheder kører ikke en model eller en leverandør; de kører økosystemer. Standarder som MCP og A2A er, hvad der tillader agenter at kalde værktøjer, få adgang til kontekst og kommunikere på tværs af dette økosystem uden tilpassede integrationer til hver par systemer.

Momentum er virkeligt, men spørgsmålet om hastighed mangler det vigtigere spørgsmål: standarder, der aktiverer agenter til at handle, skal være ledsaget af standarder, der styrer, hvordan de handler. Forbindelse uden ansvar på protokollaget niveau flytter blot styre-problemet rundt.

Virksomhederne, der vil have størst udbytte af MCP og A2A, er dem, der parre protokollaget interoperabilitet med en central kontrolplane, således at tværs-agent- og tværs-system-interaktioner er synlige, politik-gennemført og revisionssikre fra ét sted.

Dette er, hvor Gravitees tilgang bliver vigtig. API-management, agent-management og identitet på én platform betyder, at en politik-motor styrer hver agent-interaktion, uanset hvilket protokol det rejser over.

Settende frem til de næste fem år, hvad ligner succes for AI-agenter i virksomheden, og hvilken råd ville du give til organisationer, der ønsker at bygge en skalerbar og fremtidssikker AI-strategi i dag?

Succes de næste fem år vil blive målt på, om agenter kan udføre meningsfuldt arbejde sikkert, pålideligt og i stor skala. AI-agenter kan hjælpe virksomheder med at blive mere agile og give mennesker langt større gennemslagskraft. Men det sker kun, hvis organisationer er intentionelle om, hvordan de implementerer dem. Virksomheder, der blot går “fuld agent” og bekymrer sig om styre senere, vil se tidlige sejre, men disse sejre vil ikke overleve den kompleksitet, der følger. En bedre kurs er at behandle agenter som produktionsinfrastruktur fra begyndelsen.

Min råd er at bygge styringsmodellen tidligt. Definer ejerskab, tilladelser, overvågning, revisionssikkerhed og eskalationsstier, før agenter opererer på tværs af kritiske arbejdsgange. Fremtiden er ikke kun mennesker, der bygger hver opgave selv. Det er mennesker, der bliver arkitekterne af processen, med agenter, der hjælper dem med at flytte hurtigere, skala påvirkning og gøre mere, end de kunne før.

Tak for det store interview. Læsere, der ønsker at lære mere, skal besøge Gravitee.