Jan Arendtsz, Pendiri dan CEO Celigo – Seri Wawancara

Jan Arendtsz adalah Pendiri dan CEO Celigo dan veteran industri perangkat lunak dengan lebih dari 25 tahun pengalaman dalam pengembangan produk, pengembangan bisnis, penjualan, keberhasilan pelanggan, dan pemasaran. Ia mendirikan Celigo dengan tujuan untuk menyederhanakan cara perusahaan mengintegrasikan, mengotomatisasi, dan mengoptimalkan proses bisnis di seluruh perusahaan. Ia bertanggung jawab untuk mengawasi semua operasi perusahaan.

Sebelum Celigo, Jan adalah Direktur di NetSuite, platform ERP berbasis cloud terkemuka, di mana ia meluncurkan platform integrasi mereka. Sebelum itu, Jan bekerja untuk Cambridge Technology Partners, di mana ia mengimplementasikan solusi bisnis yang kompleks untuk pelanggan yang berkisar dari startup internet hingga perusahaan Fortune 500.

Celigo adalah platform integrasi dan otomatisasi cerdas berbasis cloud (iPaaS) yang dirancang untuk membantu organisasi menghubungkan aplikasi, mengotomatisasi proses bisnis, dan menyinkronkan data di seluruh tumpukan teknologi mereka tanpa pengembangan kustom yang berat. Platformnya menggabungkan konektor pra-bangun, templat integrasi yang dapat digunakan kembali, dan alat bantu AI sehingga tim teknis dan non-teknis dapat merancang, mengirim, dan mengelola integrasi dengan skala. Celigo umumnya digunakan untuk menyederhanakan alur kerja di area seperti eceran, keuangan, operasi, dan IT, mengurangi pekerjaan manual, meningkatkan akurasi data, dan memungkinkan proses bisnis yang lebih cepat dan lebih tangguh.

Apa yang awalnya memotivasi Anda untuk mendirikan Celigo, dan bagaimana pengalaman Anda sebagai pemimpin layanan integrasi dan inisiatif produk di perusahaan perangkat lunak seperti NetSuite membentuk kesenjangan yang Anda lihat dalam integrasi perusahaan pada saat itu?

Pengalaman SaaS awal itu menunjukkan kepada saya bahwa meskipun cloud memecahkan masalah pengiriman perangkat lunak, itu juga menciptakan masalah koneksi data yang masif. Kami menjual visi bisnis yang terintegrasi, tetapi kenyataannya adalah silo data yang terfragmentasi. Saya mendirikan Celigo untuk memperbaiki tantangan tersebut.

Hari ini, saya melihat sejarah berulang dengan AI. Kami beralih dari “kesenjangan koneksi” ke “kesenjangan operasional.” Sama seperti perusahaan berjuang untuk mengoperasikan SaaS dua puluh tahun yang lalu, mereka sekarang berjuang untuk mengoperasikan AI. Perusahaan berjuang untuk memindahkan AI dari eksperimen ke hasil bisnis yang dapat diandalkan. Ini menciptakan gelombang tantangan berikutnya yang Celigo siap untuk membantu pemimpin IT untuk mengatasi: bagaimana menyediakan platform yang tidak hanya menghubungkan sistem tetapi memungkinkan penggunaan AI di seluruh perusahaan dengan skala.

Celigo telah berkembang dari integrasi tradisional ke alur kerja yang didorong AI. Apa sinyal yang menunjukkan platform perlu bergerak dalam arah itu?

Sinyal terbesar adalah perubahan bottleneck. Sepuluh tahun yang lalu, bottleneck adalah koneksi: hanya mendapatkan Sistem A untuk berbicara dengan Sistem B. Kami memecahkan itu dengan iPaaS. Tetapi ketika kami mendemokratisasi integrasi dan memberdayakan pengguna bisnis untuk membangun alur kerja mereka sendiri, bottleneck baru menjadi manajemen, tata kelola, dan penanganan eksepsi.

Kami melihat data kami dan melihat bahwa meskipun membangun alur kerja otomatis telah menjadi lebih mudah, memeliharanya dengan skala masih memerlukan campur tangan manusia. Pengguna menghabiskan berjam-jam untuk memecahkan kesalahan data atau memperbarui pemetaan.

Kami merespons dengan menyematkan AI ke inti platform kami, mengotomatisasi klasifikasi kesalahan dan perbaikan untuk menghilangkan beban operasional memelihara integrasi dengan skala. Kecerdasan platform itu sekarang menetapkan panggung untuk alur kerja yang didorong AI yang dapat beroperasi dengan lebih otonom dan konteks.

Banyak organisasi berinvestasi besar dalam AI tetapi melihat hasil yang terbatas. Mengapa banyak inisiatif macet di lapisan data dan integrasi?

Kami semua telah melihat survei yang menunjukkan bahwa meskipun sebagian besar perusahaan bereksperimen dengan AI, hanya sedikit yang menghasilkan ROI yang terukur. Alasannya bukanlah teknologi. Ini adalah pendekatan. Terlalu sering, organisasi memperlakukan adopsi AI sebagai tujuan daripada memulai dengan proses bisnis yang menjalankan perusahaan.

Inisiatif yang sukses dimulai dengan mengidentifikasi proses di mana perbaikan menghasilkan dampak bisnis terbesar, bukan menerapkan AI pada tugas yang terisolasi. Dari sana, AI harus dihubungkan dengan sistem di mana pekerjaan sebenarnya terjadi, dengan penjaga yang memastikan kualitas data dan penegakan kebijakan. Tanpa koneksi yang dikelola ini, AI tetap terpisah dari eksekusi.

Akhirnya, AI memerlukan kerangka kerja yang diorkestrasi yang menyeimbangkan otonomi dengan kontrol. Alur kerja manusia-dalam-layanan dan penanganan eksepsi sangat penting untuk mempertahankan kepercayaan ketika AI mengambil lebih banyak tanggung jawab. Ketika AI disematkan ke dalam proses bisnis ujung-ke-ujung, itu berkembang dari kejutan menjadi enabler operasional yang menghasilkan hasil bisnis nyata.

Dari perspektif Anda, apa kesalahan arsitektur yang paling umum ketika perusahaan mencoba melapisi AI di atas sistem yang terfragmentasi?

Sebuah masalah yang tumbuh sekarang adalah AI sprawl. Kami sering melihat perusahaan membeli berbagai ekstensi SaaS yang berbeda: alat penjualan dengan AI, alat layanan pelanggan dengan AI, alat pemasaran dengan AI, dan sebagainya. Ini semua hanya pembungkus di sekitar LLM yang sama.

Secara arsitektur, ini dapat menciptakan masalah biaya dan tata kelola yang signifikan. Pemimpin IT menemukan bahwa mereka memerlukan platform integrasi untuk dapat mengkonsolidasikan semua data dan wawasan di seluruh alat. Menggunakan platform yang terunifikasi dapat membawa bersama pengetahuan yang berada di seluruh perusahaan dan menyediakan konteks yang diperlukan untuk model AI untuk menskala dan menghasilkan nilai.

Bagaimana alur kerja cerdas berubah cara aplikasi, data, dan orang berinteraksi di dalam sebuah organisasi ketika AI menjadi lebih otonom?

Ketika AI menjadi lebih otonom, alur kerja cerdas berubah cara aplikasi, data, dan orang berinteraksi dengan menggeser otomatisasi dari eksekusi tugas ke orkestrasi keputusan. Aplikasi tidak lagi hanya terhubung untuk bertukar data. Mereka menjadi peserta yang terkoordinasi dalam alur kerja di mana AI menafsirkan konteks di seluruh sistem dan menentukan tindakan berikutnya.

Perubahan ini membawa manajemen perubahan ke garis depan. Anda dapat memiliki model terbaik di dunia, tetapi jika tim tidak mempercayainya, mereka tidak akan menggunakannya. Pengoperasian AI yang sukses memerlukan visibilitas ke dalam mengapa agen AI membuat keputusan tertentu dan kepercayaan bahwa itu beroperasi dalam kerangka yang dikelola.

Ketika alur kerja berkembang dari melakukan tugas ke meninjau hasil, orang berubah dari operator menjadi pengawas. Pengguna dapat memilih tingkat otonomi yang mereka percayakan kepada AI, dengan kontrol manusia-dalam-layanan yang menyediakan tata kelola, akuntabilitas, dan adaptabilitas ketika agen meningkatkan seiring waktu. Hasilnya adalah lingkungan dinamis dan hibrida di mana aplikasi bertindak, AI memutuskan, dan orang mengarahkan.

Celigo melayani baik perusahaan besar maupun merek yang tumbuh cepat. Bagaimana tantangan integrasi, kualitas data, dan orkestrasi berbeda di seluruh tahap skala?

Untuk merek yang tumbuh cepat, tujuannya seringkali kecepatan untuk nilai. Mereka mengadopsi alat dengan sangat cepat sehingga mereka berisiko membangun tumpukan yang rapuh yang akan rusak dalam setahun atau dua tahun. Untuk mereka, Celigo menawarkan kemampuan untuk mengoperasikan dengan cepat tanpa menciptakan utang teknis.

Untuk perusahaan besar, tantangannya adalah sekitar konteks dan tata kelola. Mereka memiliki toko data yang berharga, tetapi mungkin tidak siap untuk alur kerja yang didorong AI. Mereka perlu meningkatkan akses dan nilai data di seluruh lingkungan yang kompleks. Mereka perlu memastikan bahwa ketika mereka mengoperasikan AI di seluruh organisasi, mereka tidak bocor PII atau halusinasi ke dalam interaksi pelanggan. Kami berfungsi sebagai lapisan manajemen dan kontrol yang penting.

Celigo berada di persimpangan iPaaS, orkestrasi alur kerja, dan AI. Bagaimana organisasi harus merancang lapisan integrasi mereka sehingga menjadi bagian aktif dari tumpukan AI bukan infrastruktur pasif?
Organisasi bergerak melampaui integrasi sebagai gerakan data sederhana menuju otomatisasi cerdas sebagai lapisan koneksi yang dikendalikan untuk proses bisnis. Otomatisasi ada pada spektrum dari eksekusi berbasis aturan yang dapat diprediksi hingga perilaku yang lebih otonom, dengan nilai perusahaan terbesar yang dibuat di tengah.

Sebuah platform otomatisasi cerdas menghubungkan AI dengan data perusahaan yang tepat dengan tata kelola, visibilitas, dan pengawasan manusia yang terintegrasi. Ini mengatur koneksi di seluruh sistem, menerapkan kecerdasan secara selektif, dan mengeksekusi hasil langsung di dalam aplikasi operasional di mana pekerjaan sebenarnya terjadi. Daripada memindahkan data secara pasif di antara sistem, lapisan integrasi menjadi aktif dengan mempertahankan koneksi yang dikendalikan dan dikendalikan secara real-time. Ini memastikan otomatisasi cerdas tetap dapat diandalkan, auditable, dan sejalan dengan cara bisnis dirancang untuk berjalan.

Dengan munculnya AI agen, apa peran yang Anda lihat platform integrasi memainkan dalam memungkinkan sistem AI untuk mengambil tindakan dengan aman dan dapat diandalkan di seluruh aplikasi bisnis?

AI agen memerlukan penjaga. Celigo sedang membangun masa depan di mana integrasi akan semakin mengelola diri mereka sendiri dengan mendeteksi perubahan skema, memprediksi kegagalan, dan menyembuhkan diri sebelum manusia bahkan tahu bahwa ada sesuatu yang salah.

Peran platform kami bukan hanya untuk memungkinkan pengguna di seluruh bisnis untuk membangun dan menjalankan alur kerja dengan cepat dan efisien, tetapi juga untuk memungkinkan IT pusat untuk menyediakan penjaga tersebut. Jika agen ingin memperbarui catatan, platform akan memastikan bahwa tindakan itu memvalidasi terhadap aturan bisnis terlebih dahulu. Kami memungkinkan agen untuk mengambil tindakan dengan menyediakan lingkungan yang deterministik di mana AI non-deterministik dapat beroperasi dengan aman.

Menghadap ke tahun 2026, apa yang Anda lihat sebagai konsekuensi dunia nyata bagi organisasi yang gagal untuk menyederhanakan data mereka khusus untuk AI?

Konsekuensinya akan menjadi divergensi ROI. Perusahaan yang gagal untuk menyematkan AI ke dalam operasi mereka akan terbatas pada mengukur “jam yang diselamatkan” pada tugas ad-hoc, sementara pesaing mereka akan mengukur “pertumbuhan pendapatan” dari garis bisnis yang sepenuhnya otomatis.

Tanpa mengambil langkah-langkah sekarang untuk menghubungkan data dan aplikasi mereka, organisasi akan menabrak dinding di mana model AI mengalami halusinasi karena kekurangan konteks, atau biaya melonjak karena mereka membayar untuk output silo AI tanpa strategi terunifikasi. Perusahaan bisa secara efektif dikeluarkan dari kegesitan.

Untuk pemimpin teknologi yang memodernisasi tumpukan mereka hari ini, apa kemampuan inti yang harus mereka prioritaskan dalam iPaaS untuk memastikan inisiatif AI mereka dapat menskala dan menghasilkan hasil nyata?

Cari iPaaS modern yang dibangun untuk dunia di mana semua harus terhubung dengan semua. Itu berarti: platform universal yang dapat menangani spektrum otomatisasi penuh: dari integrasi data dan aplikasi, aliran rantai pasokan B2B, manajemen API, dan agen otonom. Itu menetapkan organisasi untuk kurang kompleks, kurang overhead, lebih memberdayakan pengguna, dan akhirnya kemampuan IT untuk strategis dan aman mengintegrasikan AI dan mengoperasikan semua di seluruh perusahaan.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Celigo.