Rory Blundell, CEO de Gravitee – Serie de entrevistas

Rory Blundell, CEO de Gravitee, aporta una rara combinación de profundidad técnica, liderazgo comercial y experiencia como fundador al espacio de gestión de API. Antes de asumir el cargo de CEO en septiembre de 2020, se unió a Gravitee como Director de Ingresos y ayudó a dar forma a la estrategia de crecimiento de la empresa después de desempeñar roles anteriores como director de operaciones técnicas de campo de EMEA en SnapLogic, donde trabajó en pré-ventas, servicios profesionales, capacitación y éxito del cliente. Su experiencia también incluye la fundación de Velinko, una empresa de software y consultoría del Reino Unido que sirve a los sectores legal y contable, donde trabajó manualmente en proyectos de API, ETL, AWS, Java, PHP, WordPress, bases de datos, informes y transformación de datos. Esa mezcla de fluidez en ingeniería, experiencia en ventas empresariales y ejecución de startups lo ha posicionado para liderar a Gravitee mientras las API, las secuencias de eventos y los agentes de inteligencia artificial se vuelven cada vez más centrales en la infraestructura empresarial.

Gravitee es una empresa de gestión de API que se centra en ayudar a las empresas a gestionar, proteger, gobernar y escalar las conexiones digitales entre aplicaciones, servicios, secuencias de eventos y agentes de inteligencia artificial. Su plataforma combina la gestión de API, una pasarela de eventos nativa, capacidades de portal de desarrolladores, soporte para secuencias de eventos y características emergentes de gestión de agentes de inteligencia artificial, lo que da a las organizaciones un plano de control unificado para API sincrónicas, eventos asíncronos, interacciones de agentes MCP/A2A y gobernanza en entornos distribuidos. La empresa describe su plataforma como de código abierto y escalable, y ha sido reconocida como Líder en el Cuadrante Mágico de Gartner de 2025 para la Gestión de API, lo que refleja su posición en la intersección de la infraestructura de API, los sistemas en tiempo real impulsados por eventos y la nueva pila de inteligencia artificial agente.

Fundaste Velinko, construiste soluciones de software tú mismo a través de tecnologías que van desde AWS y API hasta plataformas de transformación de datos, y luego dirigiste equipos técnicos en SnapLogic antes de convertirte en CEO de Gravitee. ¿Cómo ha moldeado ese viaje desde constructor manual a CEO tu visión para el futuro de los agentes de inteligencia artificial y la infraestructura empresarial?

Mi experiencia me permitió ver la infraestructura empresarial desde múltiples ángulos, como constructor, operador y ahora como CEO. En Velinko, estábamos resolviendo un problema de datos práctico, extrayendo información de diferentes lugares, transformándola, agregándola y haciéndola usable. Esa experiencia fundamentó mi visión de lo que la tecnología empresarial tiene que hacer: conectar sistemas, proteger datos y convertir la complejidad en algo que las personas puedan actuar.

Durante mi tiempo en SnapLogic, vi cómo la gestión de API se estaba convirtiendo en una parte central de la pila empresarial. Las API eran más que interfaces técnicas. Se convirtieron en la forma en que las empresas exponían, controlaban y escalaban el acceso a sistemas y datos críticos. Eso es lo que me llevó a Gravitee, y sigue siendo la base de cómo pienso sobre este mercado.

Las empresas necesitan saber quién puede acceder a qué, cómo se encuentran y utilizan los puntos de acceso, y qué está sucediendo en todo el entorno. Esos principios fueron esenciales para las API, y ahora son igualmente esenciales para los agentes. Las empresas están moviéndose hacia un mundo donde los agentes pueden actuar a través de API, aplicaciones, datos y flujos de trabajo. Las empresas que tienen éxito no serán solo las que construyan el mayor número de agentes. Serán aquellas que pongan la infraestructura adecuada alrededor de ellos: permisos claros, gobernanza sólida y control en los sistemas que tocan.

Gravitee construyó su reputación en la gestión de API y ha expandido desde entonces su enfoque a la gestión de agentes de inteligencia artificial. ¿Qué te convenció de que los agentes de inteligencia artificial representaban el próximo gran cambio tecnológico, y por qué era el momento adecuado para evolucionar la empresa en esa dirección?

Ve la gestión de agentes de inteligencia artificial como la próxima evolución del mismo problema que siempre hemos ayudado a las empresas a resolver.

La gestión de API fue y es fundamentalmente sobre tres cosas: seguridad, descubrimiento y observabilidad. Los agentes son el próximo lugar donde esos principios necesitan aplicarse.

Hoy en día, las empresas están comenzando a enfrentar las mismas preguntas con los agentes que enfrentaron con las API. ¿Cómo aseguramos la seguridad? ¿Cómo sabemos qué agentes están ejecutándose, dónde se están ejecutando y a qué pueden acceder? ¿Cómo entendemos qué están haciendo, por qué están actuando y si están operando dentro de límites adecuados?

El momento es importante porque las empresas están pasando de experimentar con inteligencia artificial a preguntarse cómo pueden poner a los agentes en trabajo real. La pregunta difícil ya no es si se puede construir un agente, es si una empresa puede gobernar a los agentes en los modelos, herramientas, API y sistemas que tocan.

Eso es donde la herencia de Gravitee en la gestión de API se vuelve muy relevante. Los agentes solo escalarán en la empresa si las organizaciones pueden aplicar la misma disciplina que esperan del resto de su infraestructura: permisos claros, acciones visibles, auditoría, gobernanza y control.

Muchas organizaciones están experimentando con agentes de inteligencia artificial, pero relativamente pocas han desplegado a gran escala. ¿Qué separa a los adoptantes exitosos de las empresas que siguen atascadas en la etapa de prueba?

La diferencia está en si una organización trata a los agentes como experimentos aislados o como parte de un nuevo modelo operativo. A pequeña escala, uno o dos agentes pueden parecer manejables. El desafío llega cuando una empresa comienza a moverse hacia múltiples agentes a través de equipos, sistemas y flujos de trabajo. En ese punto, el problema ya no es si un agente puede completar una tarea. Es si la organización puede controlar cómo trabajan los agentes, qué tocan y cómo encajan en la forma en que opera el negocio.

Las organizaciones que construyen disciplina de gestión alrededor de los agentes desde el principio entienden dónde encajan los agentes en el flujo de trabajo, qué decisiones deben permanecer con las personas y qué controles necesitan estar en su lugar antes de que los agentes sean confiados con trabajo real.

Esto no es solo un cambio tecnológico. Es también un cambio en la forma en que las organizaciones trabajan. Los adoptantes exitosos entenderán ese cambio y pondrán la estructura adecuada alrededor desde el principio.

Los agentes de inteligencia artificial están interactuando cada vez más con API, bases de datos, aplicaciones empresariales y incluso otros agentes. ¿Cómo ves la evolución de la orquestación de agentes, y qué desafíos deben resolver las organizaciones antes de que estos sistemas puedan operar de manera confiable a gran escala?

El desafío no es solo la complejidad técnica; es la complejidad de la responsabilidad. A medida que los agentes llaman a las API, consultan bases de datos y invocan a otros agentes, la cadena de autoridad se multiplica y la mayoría de las empresas no tienen forma de verla.

La orquestación evoluciona desde la ejecución de tareas de un solo agente hacia flujos de trabajo de múltiples agentes donde la salida de un agente se convierte en la entrada de otro agente, a menudo a través de modelos, proveedores y límites empresariales, y es precisamente cuando la gobernanza se rompe.

Antes de que estos sistemas puedan operar de manera confiable a gran escala, las organizaciones deben resolver cuatro cosas: dar a cada agente una identidad conocida y autenticada; definir qué puede tocar cada agente (herramientas, datos, API downstream); hacer cumplir esos permisos en tiempo de ejecución; y mantener un registro de linaje completo desde el prompt humano hasta el sistema que el agente finalmente tocó.

Las empresas que tratan la orquestación como un problema de ingeniería pura y saltan la capa de gobernanza encontrarán que están gestionando incidentes en lugar de escalar operaciones.

La industria pasó años lidiando con la expansión de API a medida que las organizaciones adoptaban tecnologías en la nube. ¿Estamos ahora entrando en una era de “expansión de agentes”, y qué lecciones pueden aplicar las empresas de las transformaciones tecnológicas anteriores?

Sí, veo un riesgo real de recrear el mismo patrón que vimos con las API: adopción generalizada en todo el negocio antes de que el modelo de gestión adecuado esté en su lugar. La lección de la era de las API es que las organizaciones no deben esperar hasta que el entorno esté ya fragmentado antes de poner visibilidad y control alrededor.

Los agentes crean un desafío similar, pero con una capa de riesgo más activa porque pueden operar a través de sistemas y flujos de trabajo. Las preguntas que las empresas necesitan responder son simples: ¿qué agentes existen, quién los posee y qué están permitidos para tocar?

Si las empresas aplican esa disciplina desde el principio, pueden evitar terminar con agentes que no pueden ver, proteger o controlar.

¿Cuáles son los mayores malentendidos que los líderes empresariales tienen sobre los agentes de inteligencia artificial hoy en día, y dónde crees que las expectativas están adelantándose a la realidad?

El malentendido dominante es que la capacidad del agente es el cuello de botella. No lo es. El cuello de botella es si la organización puede hacer que los agentes rindan cuentas de la misma manera que ya hace con las personas, con un rol definido, acceso limitado y un registro auditado.

Muchos líderes creen que desplegar más agentes conduce a moverse automáticamente más rápido. En la práctica, los agentes no gobernados crean gastos de sombra de inteligencia artificial, acceso a datos no controlado y fallos operativos que nadie puede diagnosticar porque no hay un registro de auditoría.

Ejemplos recientes de agentes de inteligencia artificial que se retiraron de la producción después de errores operativos son instructivos. Hemos visto a un agente con permisos de calendario amplios y sin límites definidos borrar todo un calendario corporativo en una sola acción. El modelo no fue el problema; nadie había definido qué podía tocar. Esto no es un problema de hiperbolización de la inteligencia artificial. Es un problema de gobernanza. En muchos casos, el agente puede haber sido capaz de realizar la tarea pero carecía de un rol definido y un límite en lo que podía acceder y un plan de escalación claro cuando algo saliera mal.

Las expectativas están adelantándose a la realidad en la toma de decisiones autónomas. Los líderes quieren agentes que actúen, pero lo que necesitan primero son agentes cuyas acciones sean visibles, reversibles y atribuibles.

La seguridad y la gobernanza se han convertido en preocupaciones importantes a medida que los agentes de inteligencia artificial acceden a sistemas y datos sensibles. ¿Qué ves como los riesgos más significativos, y cómo deberían abordar las organizaciones la gestión de estos riesgos?

El mayor riesgo es que los agentes se están moviendo hacia la producción más rápido de lo que las empresas pueden gobernarlos. El informe de Gravitee sobre el Estado de la seguridad de los agentes de inteligencia artificial encontró que los activos de agentes de inteligencia artificial de las empresas han duplicado aproximadamente desde diciembre de 2025, mientras que la cobertura de monitoreo, las estructuras de responsabilidad y los controles previos a la implementación apenas han cambiado. La investigación también mostró que casi la mitad (48%) de los agentes de inteligencia artificial en producción se ejecutan sin seguridad ni gobernanza, y el 54% de las organizaciones han experimentado o sospechan un incidente de seguridad o privacidad de datos de agentes de inteligencia artificial en los últimos 12 meses.

Esos datos enfatizan por qué la gobernanza debe madurar junto con la adopción. A medida que los agentes acceden a datos, aplicaciones y flujos de trabajo sensibles, la propiedad y la responsabilidad deben ser tan claras como el acceso en sí: ¿quién es responsable de este agente, qué acciones ha tomado y cómo se monitorea activamente?

La respuesta, sin embargo, no es frenar a los agentes. Es establecer visibilidad clara desde el principio a través de cada agente, los modelos a los que se conectan, las herramientas que utilizan y los otros agentes con los que interactúan.

Desde allí, las organizaciones pueden desplegar el modelo operativo adecuado alrededor de los agentes: propiedad clara, permisos limitados, controles previos a la implementación, monitoreo continuo, auditoría y un camino de escalación claro cuando algo salga mal. Eso es lo que da a las empresas la confianza para usar agentes de manera segura a gran escala.

A medida que los gobiernos y los reguladores comienzan a prestar más atención a los sistemas de inteligencia artificial, ¿cómo deberían equilibrar las empresas la innovación con el cumplimiento, la transparencia y la gestión de riesgos?

La atención reguladora debería ser un catalizador, no una razón para esperar.

El cumplimiento comienza con la linaje: el registro completo y auditado desde el prompt humano hasta la llamada a la API que el agente realizó downstream. Sin eso, las empresas no pueden responder a la pregunta regulatoria básica de qué hizo su agente y por qué. Esto no es un problema futuro. El plazo de cumplimiento de la Ley de Inteligencia Artificial de la UE en agosto de 2026 ya está en el calendario, y las organizaciones que tengan linaje y aplicación de políticas en su lugar hoy cumplirán con él sin prisas.

La política como código y la aplicación de políticas centralizada son la implementación práctica de ese modelo. Las empresas necesitan un solo motor de políticas, un solo registro de auditoría, aplicación consistente en todos los agentes independientemente del modelo o proveedor.

La postura de gestión de riesgos que gana no es la implementación lenta; es la implementación audaz con la responsabilidad integrada desde el día uno. Aquellos que traten la responsabilidad del agente como una ventaja en lugar de un obstáculo de cumplimiento no serán frenados por la regulación. Estarán listos para ella.

Los estándares abiertos como el Protocolo de Contexto de Modelo (MCP) y la comunicación de Agente a Agente (A2A) están ganando impulso. ¿Qué tan importante será la interoperabilidad para el futuro de la inteligencia artificial empresarial, y crees que la industria se está moviendo lo suficientemente rápido hacia estándares comunes?

La interoperabilidad no es opcional. Las empresas no están ejecutando un modelo o un proveedor; están ejecutando ecosistemas. Estándares como MCP y A2A son lo que permiten a los agentes llamar a herramientas, acceder a contexto y comunicarse a través de ese ecosistema sin integraciones personalizadas para cada par de sistemas.

El impulso es real, pero la pregunta de velocidad pasa por alto la más importante: los estándares que permiten a los agentes actuar deben acompañarse de estándares que gobiernen cómo actúan. La conectividad sin responsabilidad a nivel de protocolo solo mueve el problema de gobernanza alrededor.

Las empresas que se beneficiarán más de MCP y A2A son aquellas que emparejan la interoperabilidad a nivel de protocolo con un plano de control centralizado, de modo que las interacciones entre agentes y entre sistemas sean observables, aplicadas por políticas y auditables desde un solo lugar.

Es aquí donde el enfoque de Gravitee se vuelve importante. La gestión de API, la gestión de agentes y la identidad en una sola plataforma significan que un solo motor de políticas gobierna cada interacción de agente independientemente del protocolo que viaja.

Mirando hacia los próximos cinco años, ¿qué se parece el éxito para los agentes de inteligencia artificial en la empresa, y qué consejo le darías a las organizaciones que desean construir una estrategia de inteligencia artificial escalable y a prueba de futuro hoy en día?

El éxito en los próximos cinco años se medirá por si los agentes pueden hacer un trabajo significativo de manera segura, confiable y a gran escala. Los agentes de inteligencia artificial pueden ayudar a las empresas a ser más ágiles y dar a las personas mucha más influencia. Pero eso solo sucede si las organizaciones son intencionadas sobre cómo los despliegan. Las organizaciones que simplemente van “full agente” y se preocupan por la gobernanza más tarde verán victorias tempranas, pero esas victorias no sobrevivirán a la complejidad que sigue. Un curso de acción mejor es tratar a los agentes como infraestructura de producción desde el principio.

Mi consejo es construir el modelo de gestión temprano. Defina la propiedad, los permisos, el monitoreo, la auditoría y los caminos de escalación antes de que los agentes operen a través de flujos de trabajo críticos. El futuro no es solo que los humanos construyan cada tarea ellos mismos. Es que los humanos se conviertan en los arquitectos del proceso, con los agentes ayudándolos a moverse más rápido, escalar el impacto y hacer más de lo que podrían antes.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Gravitee.