Romain Sestier (CEO) & Guillaume Lebedel (CTO), Co-Founder StackOne – Seri Wawancara

Romain Sestier, Co-Founder & CEO StackOne, telah membangun produk dari awal hingga valuasi $1 miliar di Google (GOOGL ) dan juga menjabat sebagai VP of Product & CS di Yieldify, di mana ia mengelola 70 orang secara global dan memimpin strategi integrasi SaaS. Romain juga membuka kantor UK sebagai Head of UK Services di ContentSquare dan memimpin integrasi dengan alat pengujian A/B. Ia juga telah mendirikan sebuah startup sebelumnya, Upper.ai, bersama Guillaume.

Guillaume Lebedel, Co-Founder & CTO StackOne, adalah VP of Engineering di Yieldify, sebuah perusahaan yang diakuisisi oleh Publicis. Guillaume telah memimpin tim integrasi dan membangun ratusan integrasi dengan alat SaaS yang digunakan oleh lebih dari 1000 produk SaaS. Ia juga telah membangun dan memelihara API dengan lebih dari 2 miliar hit per bulan.

StackOne adalah platform integrasi AI yang memprioritaskan privasi, membantu perusahaan SaaS B2B dan agen AI membangun integrasi dua arah secara real-time di seluruh ratusan sistem perusahaan melalui satu API yang terpadu. Dirancang untuk kecepatan dan keamanan, memungkinkan pengembang untuk mengirimkan integrasi dalam beberapa hari, bukan minggu, tanpa menyimpan data pelanggan.

Apa yang menginspirasi Anda untuk meninggalkan Google dan mendirikan StackOne, dan apa kesenjangan dalam ruang integrasi AI atau SaaS yang Anda lihat sehingga membuat kesempatan ini terasa mendesak?

Romain: “Rasa sakit integrasi adalah sesuatu yang saya rasakan di setiap tahap karir saya, baik saya berada di startup awal atau bekerja dengan sistem skala besar di Google. Ketika memimpin Produk di Google, saya membangun alat wawasan AI untuk ritel, dan bahkan di sana — di salah satu perusahaan teknis paling maju di dunia — kami menghadapi hambatan besar hanya untuk mendapatkan integrasi yang bersih antara sistem. Itulah saatnya saya menyadari bahwa ini adalah masalah sistemik yang luas. Dan dengan munculnya LLM, kami melihat jendela baru terbuka. Tiba-tiba, ada kesempatan untuk completely mereimaginasikan lapisan integrasi: satu yang tidak hanya dibuat, tetapi dibangun dari awal untuk AI. Guillaume dan saya melihatnya dengan jelas: waktu yang tepat, dan pasar yang lapar akan solusi.”

Bagaimana pengalaman Anda memimpin produk dan layanan di Yieldify dan pekerjaan Anda di Area 120 mempengaruhi pendekatan Anda terhadap strategi produk StackOne?

Romain: “Di Yieldify, saya memimpin baik sisi Produk dan Layanan bisnis, yang mengajari saya pentingnya mengikat roadmap ke hasil pendapatan yang sebenarnya; hal-hal seperti onboarding mitra yang lebih cepat, nilai pesanan rata-rata yang lebih tinggi, atau churn yang lebih rendah. Di Google, saya menskalakan produk wawasan data yang menghasilkan $1 miliar dalam pendapatan incremental, dan pengalaman itu memperkuat betapa pentingnya pengalaman pengguna dan metrik adopsi untuk kesuksesan. Area 120 adalah binatang yang sangat berbeda — itu semua tentang ide 10x dan kecepatan. Itu mengajari saya untuk bergerak cepat, bereksperimen terus-menerus, dan tidak takut untuk bertaruh besar. Semua itu telah sangat mempengaruhi bagaimana kami membangun di StackOne: sprint bi-mingguan, taruhan produk yang berani, dan fokus laser untuk membuat integrasi tidak hanya lebih mudah untuk diskalakan, tetapi juga menyenangkan untuk digunakan.”

StackOne tidak membangun model baru — Anda membangun jaringan antara model dan sistem SaaS. Mengapa lapisan infrastruktur ini sangat kritis untuk kesuksesan agen AI?

Guillaume: “Kenyataannya, agen AI tidak hanya membutuhkan otak, mereka juga membutuhkan tangan. Sebuah model mungkin dapat bernalar dengan brilian, tetapi kecuali jika dapat mengambil tindakan yang tepat, aman, dan cepat di dunia nyata, maka sangat terbatas. Tanpa lapisan infrastruktur yang terstruktur untuk mengatur autentikasi, batas tarif, dan izin akses, mereka akan Either mengalami halusinasi dan mengambil tindakan yang salah atau merusak sesuatu. Sebagian besar perusahaan menggunakan lebih dari 100 alat SaaS, sehingga tanpa platform seperti StackOne yang mengabstraksi pipa, Anda terjebak mencoba menghubungkan setiap satu secara individu. Tugas kami adalah memberikan agen akses yang aman dan dapat diskalakan ke alat yang mereka butuhkan, sehingga tim dapat fokus pada logika, bukan logistik.”

Bisakah Anda menjelaskan bagaimana StackOne’s Unified API dan platform Tindakan Agen AI bekerja di balik layar? Apa yang secara teknis menantang tentang hal itu?

Guillaume: “Kami mendefinisikan satu spesifikasi OpenAPI yang dilengkapi per domain, yang dipetakan ke ratusan endpoint yang mendasarinya. Spesifikasi itu tetap mutakhir secara sentral, sehingga pelanggan tidak perlu mengelola perubahan versi. Skema alat kami datang dengan cakupan autentikasi yang tepat, yang berarti agen tidak menebak atau melampaui batas. Bagian yang paling sulit adalah menormalkan model data SaaS — alat seperti Workday memungkinkan pelanggan mendefinisikan objek dan hubungan kustom, yang memperkenalkan kompleksitas besar. Mesin kami menangani semua itu secara real-time, memberikan pengembang lapisan eksekusi yang dapat diandalkan dan deterministik yang ditenagai oleh pemetaan LLM-asisted.”

Apa yang membuat mesin pemanggil alat StackOne lebih cepat dan lebih akurat daripada kemampuan LLM terkemuka?

Guillaume: “Kunci adalah struktur. Mesin kami menyediakan tanda tangan fungsi yang dilengkapi dan dijelaskan, sehingga model tahu persis argumen apa yang harus digunakan. Di balik layar, StackOne dapat membatch dan memaralelisasi panggilan alat sambil menghormati batas tarif untuk melaksanakan permintaan secepat mungkin dengan retry otomatis. Dan karena kami mengelola kredensial secara sentral, tidak ada kebutuhan untuk re-autentikasi di dalam loop. Optimisasi ini membuat perbedaan besar ketika Anda mencoba menjalankan agen secara real-time.”

Bagaimana StackOne dioptimalkan khusus untuk kasus penggunaan AI, seperti Generasi yang Ditingkatkan dengan Pencarian (RAG), penggunaan alat, atau eksekusi agen secara real-time?

Guillaume: “Kami menawarkan endpoint delta-saja untuk pipa RAG, yang menjaga jendela konteks tetap pendek dan efisien. Untuk agen real-time, kami mendukung streaming webhook yang terpadu dengan menggunakan acara asli atau membuat acara sintetis ketika alat yang mendasarinya tidak menyediakan acara yang Anda butuhkan. Dan platform kami menerapkan kontrol akses yang halus pada tingkat penyewa dan proyek, yang sangat penting untuk mengatur beberapa agen di seluruh pengguna yang berbeda secara aman.”

Apa kesalahpahaman paling umum yang tim miliki tentang membangun integrasi secara internal versus menggunakan platform seperti StackOne?

Romain: “Satu mitos besar adalah bahwa integrasi hanya tentang membuat panggilan API. Pembangunan awal mungkin terlihat sederhana, tetapi pemeliharaan berkelanjutan sering mengonsumsi 20% waktu rekayasa. Tim juga meremehkan nilai konektor niche: yang Anda deprioritaskan dapat menjadi tempat risiko churn sebenarnya hidup. Dan keamanan sering menjadi pemikiran terakhir. Tim DIY jarang menutupi hal-hal seperti kepatuhan SOC-2 atau isolasi penyewa, yang tidak dapat dinegosiasikan untuk pelanggan perusahaan. Dan kemudian ada kustomisasi penyewa. Setiap pelanggan baru membawa set kasus ujung, keanehan konfigurasi, dan logika pemetaan yang unik, yang menambah kompleksitas berkelanjutan yang mudah diabaikan sebelumnya.”

Semua orang berbicara tentang agen AI, tetapi penerapan dunia nyata masih awal. Apa yang Anda percayai menghalangi adopsi perusahaan besar — dan bagaimana StackOne menangani hal itu?

Romain: “Keamanan dan kepatuhan masih menjadi penghalang terbesar. CIO khawatir tentang agen yang bertindak di luar cakupan atau menciptakan celah audit. StackOne memecahkan ini dengan menerapkan cakupan OAuth yang paling sedikit, memungkinkan tombol mati pada tingkat penyewa, dan menyediakan jejak audit yang lengkap. Ketika tim risiko melihat tingkat kontrol tersebut, mereka berpindah dari menjadi penjaga gerbang menjadi pendukung aktif.”

Apa tantangan teknis atau keamanan terbesar dalam membiarkan agen AI bertindak atas nama pengguna di seluruh platform SaaS — dan bagaimana Anda memitigasi hal itu?

Guillaume: “Anda harus mengelola hal-hal seperti token sprawl dan siklus refresh, yang kami selesaikan dengan vault terenkripsi sentral. Mencegah kebocoran data pada tingkat baris adalah tantangan lain, sehingga kami menerapkan pengidentifikasi akun yang deterministik dalam panggilan alat untuk memastikan agen hanya mengakses data yang tepat dan tidak bergantung pada LLM. Dan untuk menghindari drift atau penyalahgunaan agen, kami terus menjalankan pemeriksaan kebijakan dan pengujian red-team. Platform kami juga memungkinkan parameterisasi tindakan yang harus tersedia untuk sistem yang terhubung. Keamanan harus dibangun dari awal.”

Bagaimana Anda melihat masa depan alat sumber terbuka seperti LangChain dan CrewAI yang bergabung dengan platform proprietary seperti StackOne?

Guillaume: “Kami melihat sumber terbuka sebagai lapisan orkestrasi dan StackOne sebagai infrastruktur yang mendasarinya. Itulah mengapa kami telah membangun SDK untuk Python dan Typescript yang terhubung langsung ke alur kerja LangChain dan CrewAI. Anda akan melihat model hibrida muncul, dengan alat sumber terbuka untuk prototyping dan platform yang dikelola untuk keandalan produksi, mirip dengan cara tim menggunakan Terraform dengan AWS. Ini bukanlah salah satu atau yang lain, melainkan keduanya.”

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