Romain Sestier (CEO) & Guillaume Lebedel (CTO), medeoprichters van StackOne – Interviewreeks

Romain Sestier, de medeoprichter en CEO van StackOne, heeft een product van scratch gebouwd tot een waarde van 1 miljard dollar bij Google (GOOGL ) en heeft ook gediend als VP van Product en CS bij Yieldify, waar hij 70 mensen wereldwijd leidde en de SaaS-integratiestrategie beheerde. Romain heeft ook het UK-kantoor geopend als hoofd van UK Services bij ContentSquare en leidde de integratie met A/B-testtools. Hij heeft ook een eerder startup opgericht, Upper.ai, met Guillaume.

Guillaume Lebedel, de medeoprichter en CTO van StackOne, was VP van Engineering bij Yieldify, een bedrijf dat is overgenomen door Publicis. Guillaume heeft integratieteams geleid en honderden integraties gebouwd met SaaS-tools die worden gebruikt door meer dan 1000 SaaS-producten. Hij heeft ook API’s gebouwd en onderhouden met meer dan 2 miljard hits per maand.

StackOne is een privacy-first, AI-gepowered integratieplatform dat B2B SaaS-bedrijven en AI-agents helpt om real-time, bi-directionele integraties te bouwen over honderden enterprise-systemen via een enkele unified API. Ontworpen voor snelheid en beveiliging, maakt het ontwikkelaars mogelijk om integraties te verzenden in dagen in plaats van weken zonder klantgegevens op te slaan.

Wat inspireerde je om Google te verlaten en StackOne mede op te richten, en welke lacune in de AI- of SaaS-integratieruimte zag je dat de kans urgent maakte?

Romain: “De pijn van integratie is iets dat ik op elk niveau van mijn carrière heb gevoeld, of ik nu bij een vroeg stadium startup was of werkte met grote schaal systemen binnen Google. Terwijl ik Product leidde bij Google, bouwde ik een AI-inzichttool voor retail, en zelfs daar — bij een van de meest technisch geavanceerde bedrijven ter wereld — liepen we tegen enorme hindernissen aan om alleen maar schone integratie tussen systemen te krijgen. Dat is wanneer het me echt duidelijk werd: dit is een wijdverspreid, systemisch probleem. En met de opkomst van LLM’s, zagen we een nieuw venster open. Plotseling was er een kans om de integratielaag volledig opnieuw te bedenken: een die niet alleen werd aangebracht, maar vanaf de grond af aan werd gebouwd voor AI. Guillaume en ik zagen het duidelijk: de timing was goed, en de markt was hongerig naar een oplossing.”

Hoe heeft je ervaring met het leiden van product en diensten bij Yieldify en je werk bij Area 120 je aanpak voor StackOne’s productstrategie beïnvloed?

Romain: “Bij Yieldify leidde ik zowel de Product- als de dienstenzijde van het bedrijf, wat me het belang van het koppelen van de roadmap aan daadwerkelijke omzetresultaten leerde: dingen zoals snellere partneronboarding, hogere gemiddelde bestelwaarde of lagere churn. Bij Google schaalde ik een data-inzichtproduct dat 1 miljard dollar aan incrementele omzet opleverde, en die ervaring versterkte hoe kritisch gebruikerservaring en adoptiemetrics zijn voor succes. Area 120 was een heel ander beest — het ging allemaal over 10x-ideeën en snelheid. Dat leerde me om snel te bewegen, constant te experimenteren en niet bang te zijn om groot in te zetten. Alles heeft diep invloed gehad op hoe we bij StackOne bouwen: bi-wekelijkse sprints, moedige productweddenschappen en een laserfocus op het maken van integraties niet alleen gemakkelijker om te schalen, maar ook leuk om te gebruiken.”

StackOne bouwt geen nieuw model — je bouwt de verbinding tussen modellen en SaaS-systemen. Waarom is deze infrastructuurlaag zo kritiek voor het succes van AI-agents?

Guillaume: “De realiteit is dat AI-agents niet alleen hersenen nodig hebben, maar ook handen. Een model kan briljant redeneren, maar tenzij het precieze, beveiligde en snelle acties in de echte wereld kan uitvoeren, is het sterk beperkt. Zonder een gestructureerde infrastructuurlaag om authenticatie, limieten en toegangsrechten te regelen, zullen ze ofwel hallucineren en de verkeerde acties uitvoeren of dingen breken. De meeste bedrijven gebruiken meer dan 100 SaaS-tools, dus zonder een platform zoals StackOne om de leiding te nemen, zit je vast met het aansluiten van elk afzonderlijk. Onze taak is om de agenten veilige, schaalbare toegang te geven tot de tools die ze nodig hebben, zodat teams zich kunnen concentreren op logica, niet op logistiek.”

Kun je ons door het Unified API en AI Agent Actions-platform van StackOne heen loodsen? Wat is er technisch uitdagend aan?

Guillaume: “We definiëren een enkele uitputtend beschreven OpenAPI-spec per domein, die in kaart brengt naar honderden onderliggende endpoints. Die spec blijft centraal up-to-date, dus klanten hoeven geen versiechanges te beheren. Onze toolschemas komen vooraf gedefinieerd met de juiste authenticatiescopes, wat betekent dat de agent niet hoeft te raden of te overreiken. Het moeilijkste deel is het normaliseren van SaaS-gegevensmodellen — tools zoals Workday laten klanten aangepaste objecten en relaties definiëren, wat een enorme complexiteit introduceert. Onze engine behandelt al dit in real-time, waardoor ontwikkelaars een betrouwbaar, deterministisch uitvoeringslaag krijgen die wordt aangedreven door LLM-assisted mapping.”

Wat maakt de tool-calling engine van StackOne sneller en nauwkeuriger dan de mogelijkheden van zelfs de toonaangevende LLM’s?

Guillaume: “De sleutel is structuur. Onze engine biedt getypeerde en uitputtend beschreven functiesignaturen, zodat modellen exact weten welke argumenten te gebruiken. Onder de motorkap is StackOne in staat om toolcalls te batchen en paralleliseren terwijl rekening wordt gehouden met limieten om de verzoeken zo snel mogelijk uit te voeren met geautomatiseerde retries. En aangezien we referenties centraal beheren, is er geen behoefte aan herauthenticatie binnen de lus. Deze optimalisaties maken een enorm verschil wanneer je agents in real-time probeert te draaien.”

Hoe is StackOne specifiek geoptimaliseerd voor AI-use cases, zoals Retrieval-Augmented Generation (RAG), toolgebruik of real-time agentuitvoering?

Guillaume: “We bieden delta-only endpoints voor RAG-pijpleidingen, die contextwindows kort en efficiënt houden. Voor real-time agents ondersteunen we streaming unified webhooks die native events of synthetische events creëren wanneer onderliggende tools geen events bieden die je nodig hebt. En ons platform dwingt fijne toegangscontrole af op tenant- en projectniveau, wat essentieel is voor het orkestreren van meerdere agents over verschillende gebruikers op een beveiligde manier.”

Wat zijn de meest voorkomende misvattingen die teams hebben over het intern bouwen van integraties versus het gebruik van een platform zoals StackOne?

Romain: “Een groot misverstand is dat integraties alleen maar gaan over het maken van een API-aanroep. De initiële build kan eenvoudig lijken, maar het onderhoud verbruikt vaak 20% van de ontwikkelingstijd. Teams onderschatten ook de waarde van niche-connectors: degenen die je deprioriteert, kunnen waar de daadwerkelijke churnrisico’s leven. En beveiliging is vaak een afterthought. DIY-teams dekken zelden dingen zoals SOC-2-compliantie of tenant-isolatie, die niet onderhandelbaar zijn voor enterprise-klanten. En dan is er tenant-aanpassing. Elke nieuwe klant brengt zijn eigen set edge cases, configuratie-eccentriciteiten en mappinglogica, die een continue complexiteit toevoegt die gemakkelijk over het hoofd wordt gezien in de voorbereiding.”

Iedereen praat over AI-agents, maar de daadwerkelijke implementatie is nog steeds in een vroeg stadium. Wat denk je dat de massale ondernemingsadoptie tegenhoudt — en hoe adresseert StackOne dit?

Romain: “Beveiliging en compliantie zijn nog steeds de grootste blokkades. CIO’s maken zich zorgen over agents die buiten hun scope handelen of auditgaten creëren. StackOne lost dit op door minst-privilege OAuth-scopes af te dwingen, tenant-level kill switches in te schakelen en een volledig audittrail te bieden. Wanneer risicoteams dat niveau van controle zien, veranderen ze van poortwachters in actieve ondersteuners.”

Wat zijn de grootste technische of beveiligingsuitdagingen bij het toelaten van AI-agents om namens gebruikers te handelen over SaaS-platforms — en hoe mitigeert u deze?

Guillaume: “Je moet dingen zoals token-sprawl en refresh-cycles beheren, die we oplossen met een centraal versleuteld vault. Het voorkomen van datalekken op rij niveau is een andere uitdaging, dus we dwingen deterministische accountidentificatoren af in de toolaanroep om ervoor te zorgen dat agents alleen toegang hebben tot de juiste gegevens en dat het niet afhankelijk is van de LLM. En om agent-drift of misbruik te voorkomen, voeren we continue beleidscontroles en red-teamtesting uit. Ons platform laat ook het parameteriseren van welke actie beschikbaar moet zijn voor welk gelinkt systeem toe. Beveiliging moet vanaf de grond af aan worden ingebakken.”

Hoe zie je de toekomst van open-source tools zoals LangChain en CrewAI samensmelten met propriëtaire platforms zoals StackOne?

Guillaume: “We zien open-source als de orkestratielaag en StackOne als de onderliggende infrastructuur. Daarom hebben we SDK’s voor Python en Typescript gebouwd die rechtstreeks in LangChain- en CrewAI-workflows worden geplugged. Je zult een hybride model zien ontstaan, met open-source tools voor prototyping en beheerde platforms voor productieklasse betrouwbaarheid, vergelijkbaar met hoe teams Terraform met AWS gebruiken. Het is niet of-of, het is en-en.”

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten StackOne bezoeken.