Rory Blundell, CEO av Gravitee – Intervju-serie

Rory Blundell, CEO av Gravitee, bringer en sjelden blanding av teknisk dybde, kommersiell ledelse og gründererfaring til API-håndteringssporet. Før han overtok som CEO i september 2020, sluttet han seg til Gravitee som Chief Revenue Officer og hjalp til å forme selskapets vekststrategi etter tidligere roller som ledet EMEA-felttekniske operasjoner i SnapLogic, der han arbeidet med forsalg, profesjonell tjeneste, opplæring og kundesuksess. Hans bakgrunn inkluderer også å ha grunnlagt Velinko, et britisk programvare- og konsulentselskap som betjener advokat- og regnskapssektorene, der han arbeidet hånd i hånd med API-er, ETL, AWS, Java, PHP, WordPress, databaser, rapportering og dataomformingsprosjekter. Denne blandingen av teknisk flytighet, bedriftssalgserfaring og gründerutførelse har posisjonert ham til å lede Gravitee mens API-er, hendelsesstrømmer og AI-agenter blir stadig mer sentrale i bedriftsinfrastrukturen.

Gravitee er et selskap som spesialiserer seg på API-håndtering og hjelper bedrifter med å håndtere, sikre, styre og skalerer digitale forbindelser mellom applikasjoner, tjenester, hendelsesstrømmer og AI-agenter. Plattformen kombinerer API-håndtering, en hendelsesnativ portal, utviklerportal-kapasiteter, støtte for hendelsesstrømming og fremvoksende AI-agent-håndteringsegenskaper, og gir organisasjonene en samlet kontrollplan for synkroniserte API-er, asynkroniserte hendelser, MCP/A2A-agentinteraksjoner og styring over distribuerte miljøer. Selskapet beskriver sin plattform som åpen kildekode og skalerbar, og har blitt anerkjent som en leder i 2025 Gartner Magic Quadrant for API-håndtering, noe som reflekterer dens posisjoning i skjæringspunktet mellom API-infrastruktur, sanntids-hendelsesdrevne systemer og den nye agente AI-stakken.

Du grunnla Velinko, bygde programvareløsninger selv over teknologier som AWS og API-er til dataomformingsplattformer, og gikk deretter videre til å lede tekniske team i SnapLogic før du ble CEO i Gravitee. Hvordan har denne reisen fra hånd-i-hånd-bygger til CEO formet din visjon for fremtiden av AI-agenter og bedriftsinfrastruktur?

Min bakgrunn gjorde det mulig for meg å se bedriftsinfrastruktur fra flere vinkler, som bygger, operatør og nå som CEO. Hos Velinko løste vi et praktisk dataproblem, trakk informasjon fra forskjellige steder, omformet det, aggregerte det og gjorde det brukbart. Den erfaringen har grunnlagt min oppfatning av hva bedriftsteknologi må gjøre: koble systemer, beskytte data og omdanne kompleksitet til noe mennesker kan handle på.

I min tid i SnapLogic så jeg hvordan sentral API-håndtering kom til å bli en del av bedriftsstakken. API-er var mer enn tekniske grensesnitt. De ble måten bedrifter eksponerte, kontrollerte og skalerte tilgang til kritiske systemer og data. Det er hva som først førte meg til Gravitee, og det er fortsatt grunnlaget for hvordan jeg tenker om denne markedet.

Bedrifter må vite hvem som kan få tilgang til hva, hvordan tilgangspunktene blir funnet og brukt, og hva som faktisk skjer over hele miljøet. Disse prinsippene var essensielle for API-er, og de er nå like essensielle for agenter. Bedrifter går inn i en verden der agenter kan handle over API-er, applikasjoner, data og arbeidsflyter. De selskapene som lykkes, vil ikke bare bygge de fleste agenter. De vil være de som setter riktig infrastruktur rundt dem: tydelige tillatelser, sterk styring og kontroll over systemene de berører.

Gravitee bygde sin rykte i API-håndtering og har siden utvidet fokus til AI-agent-håndtering. Hva overbeviste deg om at AI-agenter representerte den neste store teknologiske skiftet, og hvorfor var nå riktig tid å utvikle selskapet i den retningen?

Jeg ser AI-agent-håndtering som den neste utviklingen av det samme problemet vi alltid har hjulpet bedrifter med.

API-håndtering var og er grunnleggende om tre ting: sikkerhet, oppdagelighet og overvåkbarhet. Agenter er neste sted hvor disse prinsippene må bli anvendt.

I dag konfronterer bedrifter de samme spørsmålene med agenter som de gjorde med API-er. Hvordan sikrer vi sikkerhet? Hvordan vet vi hvilke agenter som kjører, hvor de kjører, og hva de kan få tilgang til? Hvordan forstår vi hva de gjør, hvorfor de handler og om de opererer innenfor rimelige grenser?

Tidspunktet er viktig fordi selskaper begynner å gå fra å eksperimentere med AI til å spørre hvordan de kan sette agenter i virkelig arbeid. Det harde spørsmålet er ikke lenger om en agent kan bygges, men om en bedrift kan styre agenter over modellene, verktøyene, API-ene og systemene de berører.

Dette er der Gravitees arv i API-håndtering blir veldig relevant. Agenter vil bare skalerer i bedriften hvis organisasjonene kan bringe samme disiplin til dem som de forventer fra resten av sin infrastruktur: tydelige tillatelser, synlige handlinger, overvåkbarhet, styring og kontroll.

Mange organisasjoner eksperimenterer med AI-agenter, men relativt få har deployert dem i skala. Hva skiller suksessfulle adoptører fra selskaper som fortsatt er fast i pilotstadiet?

Forskjellen er om en organisasjon behandler agenter som isolerte eksperimenter eller som en del av en ny driftsmodell. I et lite skala kan ett eller to agenter se ut til å være håndterbare. Utfordringen kommer når en bedrift begynner å gå mot flere agenter over team, systemer og arbeidsflyter. På det punktet er problemet ikke lenger om en agent kan fullføre en oppgave. Det er om organisasjonen kan kontrollere hvordan agenter arbeider, hva de berører og hvordan de passer inn i måten bedriften opererer.

Organisasjoner som bygger styringsdisiplin rundt agenter tidlig forstår hvor agenter passer inn i arbeidsflyten, hva beslutninger må forbli hos mennesker og hva kontroller som må være på plass før agenter blir betrodd med virkelig arbeid.

Dette er ikke bare en teknologisk skift. Det er også en endring i hvordan organisasjoner arbeider. Suksessfulle adoptører vil forstå denne skiftet og sette riktig struktur rundt det fra begynnelsen.

AI-agenter interagerer stadig mer med API-er, databaser, bedriftsapplikasjoner og selv andre agenter. Hvordan ser du på agent-koordinering utvikle seg, og hva må organisasjoner løse før disse systemene kan operere pålitelig i skala?

Utfordringen er ikke bare teknisk kompleksitet alene; det er ansvarskompleksitet. Når agenter kaller API-er, spør databaser og påkaller andre agenter, multipliserer autoritetskjeden og de fleste bedrifter har ingen måte å se det på.

Koordinering utvikler seg fra enkeltagent-oppgave-eksekvering til multi-agent-arbeidsflyter hvor en agents utgang blir en annen agents inngang, ofte over modeller, leverandører og bedriftsgrenser, og det er nettopp da styring bryter sammen.

Før disse systemene kan operere pålitelig i skala, må organisasjoner løse fire ting: gi hver agent en kjent, autentisert identitet; avgrense hva hver agent er tillatt å berøre (verktøy, data, nedstrøms API-er); tvinge frem disse tillatelsene på kjøretid; og vedlikeholde en fullstendig avstamningsrekord fra det menneskelige signal til systemet agenten til slutt berørte.

Bedrifter som behandler koordinering som et rent ingeniørproblem og hopper over styringslaget, vil finne seg selv med å håndtere hendelser i stedet for å skalerer drift.

Bransjen har brukt år på å håndtere API-sprengning mens organisasjoner adopterte skyteknologier. Går vi nå inn i en æra med “agent-sprengning”, og hva lærdommer kan bedrifter anvende fra tidligere teknologiske transformasjoner?

Ja, jeg ser en reel risiko for å gjenta samme mønster vi så med API-er: bredt aksept i hele bedriften før riktig styringsmodell er på plass. Lærdommen fra API-æraen er at organisasjoner ikke skal vente til miljøet allerede er fragmentert før de setter synlighet og kontroll rundt det.

Agenter skaper en lignende utfordring, men med en mer aktivt lag av risiko fordi de kan operere over systemer og arbeidsflyter. Spørsmålene bedrifter må ha svar på, er enkle: hva agenter finnes, hvem eier dem, og hva de er tillatt å berøre.

Hvis bedrifter anvender denne disiplinen fra starten, kan de unngå å ende opp med agenter de ikke kan se, sikre eller kontrollere.

Hva er de største misforståelsene bedriftsledere har om AI-agenter i dag, og hvor tror du forventningene løper foran virkeligheten?

Den dominerende misforståelsen er at agent-kapasitet er flaskenhalen. Det er ikke. Flaskenhalen er om organisasjonen kan holde agenter ansvarlige på samme måte de allerede holder mennesker ansvarlige, med en definert rolle, avgrensede tillatelser og en auditerbar rekord.

Mange ledere tror at deployering av flere agenter fører til automatisk å gå raskere. I praksis skaper ustyrt agenter skygge-AI-utgifter, ukontrollert data-tilgang og operasjonelle feil ingen kan diagnostisere fordi det ikke finnes noen auditerbar spor.

De nylige eksemplene på AI-agenter som ble trukket tilbake fra produksjon etter operasjonelle feil, er instruktive. Vi har sett en agent med bred kalender-tillatelse og ingen definert grense slette hele en korporativ kalender i én enkelt handling. Modellen var ikke problemet; ingen hadde avgrenset hva den var tillatt å berøre. Dette er ikke et AI-hype-problem. Det er et styringsproblem. I mange tilfeller kan agenten ha vært i stand til å utføre oppgaven, men manglet en definert rolle og en grense på hva den kunne få tilgang til og en tydelig eskalasjonsplan når noe gikk galt.

Forventningene løper lengst foran virkeligheten på autonomt beslutningstagning. Ledere ønsker agenter som handler, men hva de først trenger, er agenter hvis handlinger er synlige, reversible og tilregnelige.

Sikkerhet og styring er blitt store bekymringer mens AI-agenter får tilgang til sensitive systemer og data. Hva ser du som de største risikoen, og hvordan bør organisasjoner nærme seg å håndtere dem?

Den største risikoen er at agenter går inn i produksjon raskere enn bedrifter kan styre dem. Gravitees State of AI Agent Security-rapport fant at bedriftens AI-agent-estater hadde omtrent doblet seg siden desember 2025, mens overvåkingsdekning, ansvarlige strukturer og for-utviklingskontroller bare hadde beveget seg litt. Forskningen viste også at nesten halvparten (48%) av produksjons-AI-agenter kjører uten sikkerhet eller styring, og 54% av organisasjonene hadde opplevd eller mistenkt en AI-agent-sikkerhets- eller data-privatheitshendelse i løpet av de siste 12 månedene.

Denne dataen understreker hvorfor styring må modnes sammen med aksept. Når agenter får tilgang til sensitive data, applikasjoner og arbeidsflyter, må eierskap og ansvar være like klart som tilgangen selv: hvem er ansvarlig for denne agenten, hva handlinger har den utført, og hvordan overvåkes det aktivt?

SVaret er ikke å slowe agenter ned. Det er å etablere tydelig synlighet fra starten over hver enkelt agent, modellene den kobler til, verktøyene den bruker og andre agenter den samhandler med.

Derfra kan organisasjoner deployere riktig driftsmodell rundt agenter: tydelig eierskap, avgrensede tillatelser, for-utviklingskontroller, kontinuerlig overvåking, auditerbarhet og en tydelig eskalasjonsvei når noe går galt. Det er hva som gir bedrifter tillit til å bruke agenter trygt i skala.

Når myndigheter og regulatorene begynner å se nærmere på AI-systemer, hvordan bør bedrifter balansere innovasjon med overholdelse, transparens og risikostyring?

Regulatorisk oppmerksomhet bør være en katalysator, ikke en grunn til å vente.

Overholdelse begynner med avstamning: den fullstendige, auditerbare rekorden fra det menneskelige signal til API-kallet agenten gjorde nedstrøms. Uten det, kan bedrifter ikke svare på det grunnleggende regulatoriske spørsmålet om hva din agent gjorde og hvorfor. Dette er ikke et fremtidig problem. EU AI-akten august 2026-overholdelsesfristen er allerede på kalenderen, og organisasjonene som har avstamning og politikk-gjennomføring på plass i dag, vil møte det uten å haste.

Politikk-kode og sentral politikk-gjennomføring er den praktiske implementeringen av denne modellen. Bedrifter trenger en politikk-motor, en auditerbar spor, konsekvent gjennomføring over hver enkelt agent uavhengig av modell eller leverandør.

Risikostyringsholdningen som vinner er ikke langsommere deployering; det er modig deployering med ansvar bygget inn fra dag én. De som behandler agent-ansvar som en forhåndsvarsel i stedet for en overholdelseshindring, vil ikke bli bremset av regulering. De vil være klare for det.

Åpne standarder som Model Context Protocol (MCP) og Agent-til-Agent (A2A)-kommunikasjon vinner frem. Hvor viktig vil interoperabilitet være for fremtiden av bedrifts-AI, og tror du industrien beveger seg raskt nok mot felles standarder?

Interoperabilitet er ikke valgfritt. Bedrifter kjører ikke én modell eller én leverandør; de kjører økosystemer. Standarder som MCP og A2A er hva som lar agenter kalle verktøy, få tilgang til kontekst og kommunisere over økosystemet uten skreddersydde integrasjoner for hver systempar.

Momentum er reelt, men hastighets-spørsmålet glør over det viktigere spørsmålet: standarder som muliggjør agenter å handle, må følges av standarder som styrer hvordan de handler. Kobling uten ansvar på protokollnivå flytter bare styringsproblemet rundt.

Bedrifter som vil dra nytte av MCP og A2A, er de som parer protokollnivå-interoperabilitet med en sentral kontrollplan, så at kryss-agent- og kryss-system-interaksjoner er overvåkbare, politikk-gjennomførte og auditerbare fra ett sted.

Dette er der Gravitees tilnærming blir viktig. API-håndtering, agent-håndtering og identitet på én plattform betyr én politikk-motor som styrer hver agent-interaksjon uavhengig av hvilket protokoll det reiser over.

Ser fremover til de neste fem årene, hva ser suksess ut som for AI-agenter i bedriften, og hva råd ville du gi til organisasjoner som ønsker å bygge en skalerbar og fremtidssikker AI-strategi i dag?

Suksess over de neste fem årene vil bli målt på om agenter kan gjøre meningsfullt arbeid trygt, pålitelig og i skala. AI-agenter kan hjelpe selskaper bli mer agile og gi mennesker mye større mulighet. Men det skjer bare hvis organisasjoner er bevisste på hvordan de deployer dem. Selskapene som bare går “fullt agent” og bekymrer seg om styring senere, vil se tidlige seirer, men disse seirene vil ikke overleve kompleksiteten som følger. En bedre kurs er å behandle agenter som produksjons-infrastruktur fra starten.

Mitt råd er å bygge styringsmodellen tidlig. Definer eierskap, tillatelser, overvåking, auditerbarhet og eskalasjonsveier før agenter opererer over kritiske arbeidsflyter. Fremtiden er ikke bare mennesker som bygger hver oppgave selv. Det er mennesker som blir arkitektene av prosessen, med agenter som hjelper dem å gå raskere, skalerer innvirkning og gjør mer enn de kunne før.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, bør besøke Gravitee.