Jan Arendtsz, grunnlegger og CEO av Celigo – Intervju-serie

Jan Arendtsz er grunnlegger og CEO av Celigo og en veteran i programvareindustrien med mer enn 25 års erfaring i produktutvikling, forretningsutvikling, salg, kundesuksess og markedsføring. Han grunnla Celigo med målet om å forenkle hvordan bedrifter integrerer, automatiserer og optimaliserer forretningsprosesser på tvers av hele bedriften. Han er ansvarlig for å overvåke alle selskapsoperasjoner.

Før Celigo var Jan direktør i NetSuite, det ledende skybaserte ERP-plattformen, der han lanserte deres integrasjonsplattform. Før det arbeidet Jan for Cambridge Technology Partners, der han implementerte komplekse forretningsløsninger for kunder som spente fra internett-startups til Fortune 500-selskaper.

Celigo er en skybasert intelligent automatiserings- og integrasjonsplattform (iPaaS) designet for å hjelpe organisasjoner å koble applikasjoner, automatisere forretningsprosesser og holde data synkronisert på tvers av deres teknologistakk uten tungt tilpasset utvikling. Plattformen kombinerer forhåndsbygde koblinger, gjenbrukbare integrasjonsskabeloner og AI-assisterte verktøy, så både tekniske og ikke-tekniske team kan designe, distribuere og håndtere integrasjoner i stor skala. Celigo brukes vanligvis til å strømlinje arbeidsflyter på områder som e-handel, finans, drift og IT, redusere manuelt arbeid, forbedre dataakkuratheit og muliggjøre raskere, mer motstandsdyktige forretningsprosesser.

Hva motiverte deg opprinnelig til å grunnlegge Celigo, og hvordan har din erfaring med å lede integrasjonstjenester og produktinitiativer i programvareselskaper som NetSuite påvirket det gapet du så i bedriftsintegrasjon på den tiden?

Den tidlige SaaS-erfaringen viste meg at selv om skyen løste et programvareleveringsproblem, skapte den også et massivt datakonnektivitetsproblem. Vi solgte visjonen om en samlet bedrift, men virkeligheten var fragmenterte datasiloer. Jeg startet Celigo for å løse disse utfordringene.

I dag ser jeg historien gjenta seg med AI. Vi går fra et “konnektivitetsgap” til et “operasjonelt gap”. Akkurat som bedrifter kjempet for å operationalisere SaaS for tyve år siden, kjemper de nå for å operationalisere AI. Bedrifter kjemper med å flytte AI fra eksperimenter til pålitelige forretningsresultater. Dette skaper den neste bølgen av utfordringer som Celigo er unikt posisjonert til å hjelpe IT-ledere å løse: hvordan å tilby en plattform som ikke bare kobler systemer, men også muliggjør bruk av AI på tvers av hele bedriften i stor skala.

Celigo har utviklet seg fra tradisjonell integrasjon mot AI-drevne arbeidsflyter. Hva signaler fortalte deg at plattformen måtte flytte i den retningen?

Det største signalet var den skiftende flaskenhalen. For ti år siden var flaskenhalen konnektivitet: bare å få System A til å snakke med System B. Vi løste det med iPaaS. Men da vi demokratiserte integrasjon og ga forretningsbrukere mulighet til å bygge sine egne arbeidsflyter, ble den nye flaskenhalen styring, styring og unntakshåndtering.

Vi så på våre data og så at selv om å bygge automatiseringsarbeidsflyter hadde blitt enklere, var det fremdeles menneskeintensivt å vedlikeholde dem i stor skala. Brukere tilbrakte timer med å feilsøke datafeil eller oppdatere koblinger.

Vi svarte ved å innbygge AI i kjernen av vår plattform, automatisere feilklassifisering og -håndtering for å fjerne den operative byrden av å vedlikeholde integrasjoner i stor skala. Denne plattformintelligensen setter nå scenen for kundeorienterte AI-drevne arbeidsflyter som kan operere med større autonomi og kontekst.

Mange organisasjoner investerer tungt i AI, men ser begrensede resultater. Hvorfor stanser så mange initiativer på data- og integrasjonsnivået?

Vi har alle sett undersøkelsene som viser at selv om de fleste selskaper eksperimenterer med AI, få oppnår målbare ROI. Årsaken er ikke teknologien. Det er tilnærmingen. For ofte behandler organisasjoner AI-tilpasning som målet i stedet for å starte med de forretningsprosessene som driver bedriften.

Vellykkede initiativer begynner med å identifisere prosessene der forbedring driver den største forretningsimpakten, i stedet for å bruke AI på isolerte oppgaver. Deretter må AI kobles til systemene der arbeid faktisk skjer, med retningslinjer som sikrer datakvalitet og politikkstyring. Uten denne styrede konnektiviteten, forblir AI løsrevet fra utførelse.

Fra din perspektiv, hva er de vanligste arkitektoniske feilene når selskaper prøver å legge AI på toppen av fragmenterte systemer?

Et voksende problem akkurat nå er AI-sprengning. Vi ser ofte selskaper som kjøper flere forskjellige SaaS-utvidelser: salgsverktøy med AI, kundeserviceverktøy med AI, markedsføringsverktøy med AI og så videre. Dette er alle bare omslag rundt samme underliggende LLM-er.

Arkitektonisk kan dette skape betydelige kostnads- og styringsproblemer. IT-ledere finner ut at de trenger en integrasjonsplattform for å kunne konsolidere all data og innsikt på tvers av verktøy. Å bruke en samlet plattform kan bringe sammen kunnskapen som bor på tvers av bedriften og gi konteksten som trengs for AI-modeller til å skala og levere verdi.

Hvordan endrer intelligente arbeidsflyter måten applikasjoner, data og mennesker samhandler innen en organisasjon på, når AI blir mer autonom?

Når AI blir mer autonom, endrer intelligente arbeidsflyter måten applikasjoner, data og mennesker samhandler ved å skifte automatisering fra oppgaveutførelse til beslutningskoordinering. Applikasjoner er ikke lenger bare koblet for å utveksle data. De blir koordinerte deltakere i en arbeidsflyt der AI tolker kontekst på tvers av systemer og bestemmer neste beste handling.

Dette skiftet bringer endringsstyring til fronten. Du kan ha den beste modellen i verden, men hvis teamene ikke stoler på den, vil de ikke bruke den. Vellykket operationalisering av AI krever synlighet inn i hvorfor en AI-agent tok en bestemt beslutning og tillit til at den opererer innen en styrt ramme.

Celigo betjener både store bedrifter og raskt voksende merker. Hvordan forskjeller integrasjons-, datakvalitets- og orkestreringsutfordringer seg på tvers av disse skalaene?

For raskt voksende merker er målet ofte verdi til hastighet. De adopterer verktøy så raskt at de risikerer å bygge en sprøttet stakk som vil bryte sammen om ett eller to år. For dem tilbyr Celigo muligheten til å operationalisere raskt uten å skape teknisk gjeld.

For store bedrifter er utfordringene rundt kontekst og styring. De har verdifulle lagre av data, men det kan ikke være klart for AI-drevne arbeidsflyter. De må øke tilgangen og verdien av data på tvers av komplekse miljøer. De må sikre at når de operationaliserer AI på tvers av sine organisasjoner, lekker de ikke PII eller hallusinasjoner inn i kundesamhandlingene. Vi fungerer som en viktig styrings- og kontrolllag.

Hvordan bør organisasjoner designe sin integrasjonslag så den blir en aktiv del av AI-stakken i stedet for passiv infrastruktur?
Organisasjoner flytter seg bort fra integrasjon som enkel dataflytting mot intelligent automatisering som en styrt konnektivitetslag for forretningsprosesser. Automatisering eksisterer på en skala fra forutsigbar, regelbasert utførelse til mer autonom atferd, med den største bedriftsverdien skapt i midten.

En intelligent automatiseringsplattform kobler AI til riktig bedriftsdata med innebygd styring, synlighet og menneskelig tilsyn. Den orkestrerer konnektivitet på tvers av systemer, anvender intelligens selektivt og utfører resultater direkte innen operasjonelle applikasjoner der arbeid faktisk skjer. I stedet for å passivt flytte data mellom systemer, blir integrasjonslaget aktivt ved å vedlikeholde sanntidsstyrte konnektivitet og kontroll. Dette sikrer at intelligent automatisering forblir pålitelig, auditerbar og i linje med hvordan bedriften er designet til å fungere.

Hva rolle ser du for integrasjonsplattformer i å muliggjøre AI-systemer til å handle trygt og pålitelig på tvers av forretningsapplikasjoner, med tanke på agens AI?

Agens AI trenger retningslinjer. Celigo bygger en fremtid der integrasjoner vil økende styre seg selv ved å detektere skjemaeendringer, forutsi feil og selvhelbredelse før et menneske noen gang vet at noe er galt.

Rollen til vår plattform er ikke bare å tillate brukere på tvers av bedriften å bygge og kjøre arbeidsflyter raskt og effektivt, men også å tillate sentral IT å tilby disse retningslinjene. Hvis en agent ønsker å oppdatere en post, vil plattformen sikre at handlingen validerer mot bedriftsregler først. Vi muliggjør at agenter kan handle ved å tilby en deterministisk miljø der ikke-deterministisk AI kan operere trygt.

Ser vi frem til 2026, hva ser du som de virkelige konsekvensene for organisasjoner som ikke strømlinjer sin data spesifikt for AI?

Konsekvensen vil være en divergens i ROI. Selskaper som ikke klarer å innbygge AI i sine operasjoner, vil være begrensede til å måle “timer spart” på ad-hoc-oppgaver, mens deres konkurrenter vil måle “omsetningsvekst” fra fullstendig automatiserte forretningslinjer.

Uten å ta de nødvendige skrittene nå for å koble deres data og applikasjoner, vil organisasjoner treffen en vegg der AI-modellene hallucinerer på grunn av manglende kontekst, eller kostnadene spirer fordi de betaler for de siloede utgangene av AI-sprengning uten en samlet strategi. Selskaper kunne effektivt bli priset ut av smidighet.

Hva er de kjernecompetansene teknologiledere bør prioritere i en iPaaS for å sikre at deres AI-initiativer kan skala og levere virkelige resultater?

Søk etter en moderne iPaaS som ble bygget for en verden der alt må kobles til alt. Det betyr: en universell plattform som kan håndtere hele spekteret av automatisering: fra data- og applikasjonsintegrasjon, til B2B-tilførselskjeder, API-håndtering og autonome agenter. Dette setter en organisasjon opp for mindre kompleksitet, mindre overhead, mer empowerment av brukere og ultimate evnen for IT til å strategisk og trygt inkorporere AI og operationalisere alt på tvers av bedriften.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, kan besøke Celigo.