Rory Blundell, CEO di Gravitee – Intervista

Rory Blundell, CEO di Gravitee, porta una rara combinazione di profondità tecnica, leadership commerciale e esperienza di fondatore nello spazio della gestione delle API. Prima di assumere il ruolo di CEO nel settembre 2020, si è unito a Gravitee come Chief Revenue Officer e ha aiutato a plasmare la strategia di crescita dell’azienda dopo aver ricoperto ruoli di leadership nelle operazioni tecniche di campo EMEA in SnapLogic, dove ha lavorato nel pre-vendita, servizi professionali, formazione e customer success. La sua esperienza include anche la fondazione di Velinko, un’azienda di software e consulenza del Regno Unito che serve i settori legale e contabile, dove ha lavorato a stretto contatto con API, ETL, AWS, Java, PHP, WordPress, database, reporting e progetti di trasformazione dei dati. Quella miscela di fluidità ingegneristica, esperienza di vendita aziendale e gestione di startup lo ha posizionato per guidare Gravitee mentre le API, i flussi di eventi e gli agenti di intelligenza artificiale diventano sempre più centrali nell’infrastruttura aziendale.

Gravitee è un’azienda di gestione delle API che si concentra sull’aiutare le imprese a gestire, proteggere, governare e scalare le connessioni digitali tra applicazioni, servizi, flussi di eventi e agenti di intelligenza artificiale. La sua piattaforma combina la gestione delle API, un gateway nativo per eventi, funzionalità di portale per sviluppatori, supporto per lo streaming di eventi e funzionalità di gestione degli agenti di intelligenza artificiale emergenti, fornendo alle organizzazioni un piano di controllo unificato per API sincrone, eventi asincroni, interazioni tra agenti MCP/A2A e governance in ambienti distribuiti. L’azienda descrive la sua piattaforma come open-source e scalabile, ed è stata riconosciuta come Leader nel Quadrante Magico di Gartner per la gestione delle API del 2025, riflettendo la sua posizione all’intersezione dell’infrastruttura delle API, dei sistemi a flusso di eventi in tempo reale e del nuovo stack di intelligenza artificiale agente.

Hai fondato Velinko, hai costruito soluzioni software personalmente attraverso tecnologie che vanno da AWS e API a piattaforme di trasformazione dei dati, poi sei passato a guidare team tecnici in SnapLogic prima di diventare CEO di Gravitee. Come ha plasmato il tuo percorso da costruttore manuale a CEO la tua visione per il futuro degli agenti di intelligenza artificiale e dell’infrastruttura aziendale?

Il mio background mi ha reso possibile vedere l’infrastruttura aziendale da molteplici angoli, come costruttore, operatore e ora come CEO. A Velinko, stavamo risolvendo un problema di dati pratico, estraendo informazioni da posti diversi, trasformandole, aggregandole e rendendole utilizzabili. Quell’esperienza ha radicato la mia visione di cosa deve fare la tecnologia aziendale: connettere sistemi, proteggere i dati e trasformare la complessità in qualcosa che le persone possano utilizzare.

Durante il mio tempo in SnapLogic, ho visto come la gestione delle API stava diventando centrale nello stack aziendale. Le API non erano solo interfacce tecniche. Erano diventate il modo in cui le aziende espongono, controllano e scalano l’accesso a sistemi e dati critici. È questo che mi ha portato a Gravitee, e rimane la base di come penso a questo mercato.

Le imprese devono sapere chi può accedere a cosa, come vengono trovati e utilizzati i punti di accesso e cosa sta realmente accadendo nell’ambiente. Quei principi erano essenziali per le API, e lo sono ora per gli agenti. Le imprese stanno entrando in un mondo in cui gli agenti possono agire attraverso API, applicazioni, dati e flussi di lavoro. Le aziende che avranno successo non saranno solo quelle che costruiranno il maggior numero di agenti. Saranno quelle che metteranno la giusta infrastruttura intorno a loro: permessi chiari, forte governance e controllo attraverso i sistemi che toccano.

Gravitee ha costruito la sua reputazione nella gestione delle API e ha poi esteso la sua attenzione alla gestione degli agenti di intelligenza artificiale. Cosa ti ha convinto che gli agenti di intelligenza artificiale rappresentavano il prossimo grande cambiamento tecnologico, e perché era il momento giusto per far evolvere l’azienda in quella direzione?

Vedo la gestione degli agenti di intelligenza artificiale come l’evoluzione successiva del problema che abbiamo sempre aiutato le imprese a risolvere.

La gestione delle API era e rimane fondamentalmente basata su tre cose: sicurezza, scoperta e osservabilità. Gli agenti sono il prossimo posto in cui quei principi devono essere applicati.

Oggi, le imprese stanno iniziando a confrontarsi con le stesse domande sugli agenti che avevano affrontato con le API. Come possiamo assicurarci della sicurezza? Come possiamo sapere quali agenti sono in esecuzione, dove stanno girando e cosa possono accedere? Come possiamo capire cosa stanno facendo, perché stanno agendo e se stanno operando all’interno di confini adeguati?

Il timing è importante perché le aziende stanno passando dall’esperimento con l’intelligenza artificiale a chiedersi come possono mettere gli agenti nel lavoro reale. La domanda difficile non è più se un agente possa essere costruito, ma se un’impresa può governare gli agenti attraverso i modelli, gli strumenti, le API e i sistemi che toccano.

È lì che l’eredità di Gravitee nella gestione delle API diventa molto rilevante. Gli agenti scaleranno solo nell’impresa se le organizzazioni possono portare la stessa disciplina su di loro che si aspettano dal resto della loro infrastruttura: permessi chiari, azioni visibili, tracciabilità, governance e controllo.

Molte organizzazioni stanno sperimentando con gli agenti di intelligenza artificiale, ma relativamente poche li hanno distribuiti su larga scala. Cosa distingue gli adottanti di successo dalle aziende che rimangono bloccate nella fase di prova?

La differenza è se un’organizzazione tratta gli agenti come esperimenti isolati o come parte di un nuovo modello operativo. A piccola scala, uno o due agenti possono sembrare gestibili. La sfida arriva quando un’impresa inizia a muoversi verso più agenti attraverso team, sistemi e flussi di lavoro. A quel punto, il problema non è più se un agente possa completare un compito. È se l’organizzazione può controllare come gli agenti lavorano, cosa toccano e come si adattano al modo in cui l’azienda opera.

Le organizzazioni che costruiscono una disciplina di gestione intorno agli agenti fin dall’inizio capiscono dove gli agenti si adattano al flusso di lavoro, quali decisioni devono rimanere con le persone e quali controlli devono essere in atto prima che gli agenti siano affidabili per il lavoro reale.

Questo non è solo un cambiamento tecnologico. È anche un cambiamento in come le organizzazioni lavorano. Gli adottanti di successo capiranno quel cambiamento e metteranno la giusta struttura intorno ad esso fin dall’inizio.

Gli agenti di intelligenza artificiale stanno interagendo sempre più con API, database, applicazioni aziendali e anche altri agenti. Come vedi l’evoluzione dell’orchestrazione degli agenti, e quali sfide devono risolvere le organizzazioni prima che questi sistemi possano operare in modo affidabile su larga scala?

La sfida non è solo la complessità tecnica; è la complessità della responsabilità. Mentre gli agenti chiamano API, interrogano database e invocano altri agenti, la catena di autorità si moltiplica e la maggior parte delle imprese non ha modo di vederla.

L’orchestrazione evolve dall’esecuzione di compiti di singoli agenti verso flussi di lavoro multi-agente dove l’output di un agente diventa l’input di un altro agente, spesso attraverso modelli, vendor e confini aziendali, ed è proprio quando la governance si rompe.

Prima che questi sistemi possano operare in modo affidabile su larga scala, le organizzazioni devono risolvere quattro cose: dare a ogni agente un’identità nota e autenticata; definire cosa ogni agente è autorizzato a toccare (strumenti, dati, API a valle); applicare quei permessi durante l’esecuzione; e mantenere un registro di discendenza completo dal prompt umano al sistema che l’agente ha toccato alla fine.

Le aziende che trattano l’orchestrazione come un puro problema di ingegneria e saltano lo strato di governance troveranno se stesse a gestire incidenti invece di scalare le operazioni.

L’industria ha trascorso anni a gestire la “sprawl” delle API mentre le organizzazioni adottavano tecnologie cloud. Stiamo entrando ora in un’era di “sprawl” degli agenti, e quali lezioni possono applicare le imprese dai precedenti cambiamenti tecnologici?

Sì, vedo un rischio reale di ricreare lo stesso pattern che abbiamo visto con le API: adozione ampia attraverso l’azienda prima che il giusto modello di gestione sia in atto.

La lezione dall’era delle API è che le organizzazioni non dovrebbero aspettare fino a quando l’ambiente non è già frammentato prima di mettere visibilità e controllo intorno ad esso.

Gli agenti creano una sfida simile, ma con uno strato attivo di rischio perché possono operare attraverso sistemi e flussi di lavoro. Le domande che le imprese devono rispondere sono semplici: quali agenti esistono, chi li possiede e cosa sono autorizzati a toccare?

Se le imprese applicano quella disciplina fin dall’inizio, possono evitare di finire con agenti che non possono vedere, proteggere o controllare.

Quali sono i più grandi malintesi che i leader aziendali hanno sugli agenti di intelligenza artificiale oggi, e dove pensi che le aspettative stanno superando la realtà?

Il malinteso dominante è che la capacità dell’agente è il collo di bottiglia. Non lo è. Il collo di bottiglia è se l’organizzazione può tenere gli agenti responsabili nel modo in cui già tiene le persone responsabili, con un ruolo definito, accesso limitato e un registro di audit.

Molti leader credono che il deploy di più agenti porti automaticamente a una maggiore velocità. In pratica, gli agenti non governati creano spese di intelligenza artificiale nascoste, accesso non controllato ai dati e fallimenti operativi che nessuno può diagnosticare perché non c’è una traccia di audit.

Gli esempi recenti di agenti di intelligenza artificiale ritirati dalla produzione dopo errori operativi sono istruttivi. Abbiamo visto un agente con ampie autorizzazioni di calendario e senza confini definiti cancellare un intero calendario aziendale in un’unica azione. Il modello non era il problema; nessuno aveva definito cosa poteva toccare. Questo non è un problema di iper-attesa sull’intelligenza artificiale. È un problema di governance. In molti casi, l’agente poteva essere capace di eseguire il compito, ma gli mancava un ruolo definito e un limite su cosa poteva accedere e un piano di escalation chiaro quando le cose andavano fuori strada.

Le aspettative stanno superando la realtà più di tutto sull’elaborazione decisionale autonoma. I leader vogliono agenti che agiscano, ma cosa hanno bisogno di avere per primo sono agenti le cui azioni siano visibili, reversibili e attribuibili.

La sicurezza e la governance sono diventate preoccupazioni maggiori man mano che gli agenti di intelligenza artificiale accedono a sistemi e dati sensibili. Quali sono i rischi più significativi che vedi, e come le organizzazioni dovrebbero affrontare la gestione di questi rischi?

Il rischio più grande è che gli agenti stanno entrando in produzione più velocemente di quanto le imprese possano governarli. Il rapporto di Gravitee sullo stato della sicurezza degli agenti di intelligenza artificiale ha trovato che i patrimoni di agenti di intelligenza artificiale aziendali sono quasi raddoppiati dal dicembre 2025, mentre la copertura di monitoraggio, le strutture di responsabilità e i controlli pre-distribuzione sono a malapena cambiati. La ricerca ha anche mostrato che quasi la metà (48%) degli agenti di intelligenza artificiale in produzione sta girando senza sicurezza o governance, e il 54% delle organizzazioni ha sperimentato o sospettato un incidente di sicurezza o di privacy dei dati degli agenti di intelligenza artificiale nei 12 mesi precedenti.

Quei dati enfatizzano perché la governance deve maturare insieme all’adozione. Mentre gli agenti accedono a dati, applicazioni e flussi di lavoro sensibili, la proprietà e la responsabilità devono essere altrettanto chiare quanto l’accesso stesso: chi è responsabile di questo agente, quali azioni ha intrapreso e come viene monitorato attivamente?

La risposta, però, non è rallentare gli agenti. È stabilire una visibilità chiara fin dall’inizio attraverso ogni agente, i modelli a cui si connette, gli strumenti che utilizza e gli altri agenti con cui interagisce.

Da lì, le organizzazioni possono distribuire il modello operativo giusto intorno agli agenti: proprietà chiara, permessi limitati, controlli pre-distribuzione, monitoraggio continuo, tracciabilità e un percorso di escalation chiaro quando le cose vanno male. È questo che dà alle imprese la fiducia per utilizzare gli agenti in modo sicuro su larga scala.

Mentre i governi e i regolatori iniziano a prestare maggiore attenzione ai sistemi di intelligenza artificiale, come le imprese dovrebbero bilanciare l’innovazione con la conformità, la trasparenza e la gestione del rischio?

L’attenzione regolamentare dovrebbe essere un catalizzatore, non un motivo per aspettare.

La conformità inizia con la discendenza: il registro completo e tracciabile dal prompt umano alla chiamata API che l’agente ha fatto a valle. Senza di essa, le imprese non possono rispondere alla domanda regolamentare di base di cosa abbia fatto il loro agente e perché. Questo non è un problema futuro. La scadenza di conformità dell’Atto sull’intelligenza artificiale dell’UE dell’agosto 2026 è già nel calendario, e le organizzazioni che hanno la discendenza e l’applicazione delle politiche in atto oggi soddisferanno la scadenza senza affanno.

Le politiche come codice e l’applicazione delle politiche centralizzata sono l’implementazione pratica di quel modello. Le imprese hanno bisogno di un solo motore di politiche, una sola traccia di audit, applicazione coerente attraverso ogni agente indipendentemente dal modello o dal fornitore.

La postura di gestione del rischio che vince non è il deploy lento; è il deploy audace con la responsabilità costruita fin dal primo giorno. Quelli che trattano la responsabilità degli agenti come un vantaggio invece che come un ostacolo alla conformità non saranno rallentati dalla regolamentazione. Saranno pronti per essa.

Le norme aperte come il Protocollo di Contesto del Modello (MCP) e la comunicazione Agente-Agente (A2A) stanno guadagnando slancio. Quanto sarà importante l’interoperabilità per il futuro dell’intelligenza artificiale aziendale, e pensi che l’industria stia muovendosi abbastanza velocemente verso standard comuni?

L’interoperabilità non è opzionale. Le imprese non eseguono un solo modello o un solo fornitore; eseguono ecosistemi. Standard come MCP e A2A sono ciò che consente agli agenti di chiamare strumenti, accedere al contesto e comunicare attraverso quell’ecosistema senza integrazioni personalizzate per ogni coppia di sistemi.

Lo slancio è reale, ma la domanda sulla velocità perde la questione più importante: gli standard che consentono agli agenti di agire devono essere accompagnati da standard che governano come agiscono. La connettività senza responsabilità a livello di protocollo sposta solo il problema di governance.

Le imprese che trarranno il maggior beneficio da MCP e A2A saranno quelle che abbinano l’interoperabilità a livello di protocollo con un piano di controllo centralizzato, in modo che le interazioni tra agenti e tra sistemi siano osservabili, applicate alle politiche e tracciabili da un unico posto.

È qui che l’approccio di Gravitee diventa importante. La gestione delle API, la gestione degli agenti e l’identità in una sola piattaforma significano che un solo motore di politiche governa ogni interazione degli agenti indipendentemente dal protocollo che utilizzano.

Guardando avanti ai prossimi cinque anni, cosa rappresenta il successo per gli agenti di intelligenza artificiale nell’impresa, e quale consiglio daresti alle organizzazioni che vogliono costruire una strategia di intelligenza artificiale scalabile e a prova di futuro oggi?

Il successo nei prossimi cinque anni sarà misurato dal fatto che gli agenti possano fare lavori significativi in modo sicuro, affidabile e su larga scala. Gli agenti di intelligenza artificiale possono aiutare le aziende a diventare più agili e dare alle persone una maggiore influenza. Ma ciò accade solo se le organizzazioni sono intenzionali su come li distribuiscono. Le aziende che semplicemente vanno “full agent” e si preoccupano della governance dopo vedranno vincite precoci, ma quelle vincite non sopravvivranno alla complessità che segue. Un percorso migliore è trattare gli agenti come infrastruttura di produzione fin dall’inizio.

Il mio consiglio è costruire il modello di gestione presto. Definisci la proprietà, i permessi, il monitoraggio, la tracciabilità e i percorsi di escalation prima che gli agenti operino attraverso flussi di lavoro critici. Il futuro non è solo gli esseri umani che costruiscono ogni compito da soli. È gli esseri umani che diventano gli architetti del processo, con gli agenti che li aiutano a muoversi più velocemente, a scalare l’impatto e a fare più di quanto potessero fare prima.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Gravitee.