Romain Sestier (CEO) i Guillaume Lebedel (CTO), założyciele StackOne – seria wywiadów

Romain Sestier, współzałożyciel i CEO StackOne, zbudował produkt od podstaw do wartości 1 miliarda dolarów w Google i pełnił funkcję wiceprezesa ds. produktu i usług w Yieldify, gdzie kierował 70 osobami na całym świecie i odpowiadał za strategię integracji SaaS. Romain również otworzył biuro w Wielkiej Brytanii jako dyrektor usług w ContentSquare i kierował integracją z narzędziami testowania A/B. Wspólnie z Guillaume założył poprzednią firmę, Upper.ai.

Guillaume Lebedel, współzałożyciel i CTO StackOne, pełnił funkcję wiceprezesa ds. inżynierii w Yieldify, firmie przejętej przez Publicis. Guillaume kierował zespołami integracji i zbudował setki integracji z narzędziami SaaS używanymi przez ponad 1000 produktów SaaS. Zbudował i utrzymywał również API z ponad 2 miliardami wejść miesięcznie.

StackOne to platforma integracji oparta na sztucznej inteligencji, która pomaga firmom SaaS i agentom AI budować integracje w czasie rzeczywistym, dwukierunkowe, na setki systemów przedsiębiorstw za pomocą jednego zunifikowanego API. Zaprojektowana z myślą o szybkości i bezpieczeństwie, umożliwia deweloperom wysyłanie integracji w ciągu kilku dni, a nie tygodni, bez przechowywania danych klientów.

Co skłoniło was do opuszczenia Google i założenia StackOne, i jaki był luk w dziedzinie integracji AI lub SaaS, który sprawił, że okazja wydawała się pilna?

Romain: „Ból integracji to coś, czego doświadczyłem na każdym etapie mojej kariery, czy to w firmie na wczesnym etapie rozwoju, czy pracując z dużymi systemami w Google. Kiedy kierowałem produktem w Google, budowałem narzędzie do analizy AI dla handlu detalicznego, i nawet tam — w jednej z najbardziej zaawansowanych technicznie firm na świecie — napotkaliśmy ogromne przeszkody tylko po to, aby uzyskać czystą integrację między systemami. To było wtedy, kiedy to naprawdę uderzyło mnie: jest to powszechny, systemowy problem. A ze wzrostem LLM zobaczyliśmy nowe okno możliwości. Nagle pojawiła się okazja, aby całkowicie przebudować warstwę integracji: jedną, która nie byłaby tylko dodana, ale zbudowana od podstaw dla AI. Guillaume i ja widzieliśmy to wyraźnie: timing był odpowiedni, a rynek był głodny rozwiązania.”

W jaki sposób wasze doświadczenie w kierowaniu produktem i usługami w Yieldify oraz praca w Area 120 wpłynęła na wasze podejście do strategii produktowej StackOne?

Romain: „W Yieldify kierowałem zarówno produktem, jak i usługami, co nauczyło mnie znaczenia powiązania mapy drogowej z rzeczywistymi wynikami finansowymi; rzeczami takimi jak szybsze wdrożenie partnerów, wyższa średnia wartość zamówienia lub niższa fluktuacja. W Google skalowałem produkt analityczny, który przyniósł 1 miliard dolarów przychodu, i to doświadczenie wzmocniło, jak krytyczne jest doświadczenie użytkownika i metryki adopcji dla sukcesu. Area 120 była zupełnie innym przypadkiem — wszystko kręciło się wokół pomysłów 10x i szybkości. To nauczyło mnie poruszać się szybko, eksperymentować ciągle i nie bać się postawić na duże ryzyko. Wszystko to głęboko wpłynęło na to, jak budujemy w StackOne: dwutygodniowe sprinty, odważne zakłady produktowe i laserowe skupienie na tym, aby integracje nie były tylko łatwiejsze do skalowania, ale również przyjemne w użyciu.”

StackOne nie buduje nowego modelu — budujecie tkankę łączącą modele i systemy SaaS. Dlaczego ta warstwa infrastruktury jest tak krytyczna dla sukcesu agentów AI?

Guillaume: „Rzeczywistość jest taka, że agenci AI nie potrzebują tylko mózgu, ale również rąk. Model może być w stanie powiedzieć coś genialnego, ale jeśli nie może podjąć precyzyjnych, bezpiecznych i szybkich działań w świecie rzeczywistym, jest bardzo ograniczony. Bez ustrukturyzowanej warstwy infrastruktury, która zarządza uwierzytelnianiem, limitami stawek i uprawnieniami dostępu, będą albo halucynować i podejmować złe działania, albo będą psuć rzeczy. Większość firm używa ponad 100 narzędzi SaaS, więc bez platformy takiej jak StackOne, która abstrahuje instalację, jesteście skazani na próby podłączenia każdego z nich indywidualnie. Naszym zadaniem jest dać agentom bezpieczny, skalowalny dostęp do narzędzi, których potrzebują, aby zespoły mogły skupić się na logice, a nie logistyce.”

Czy możecie nas zaprowadzić przez to, jak działa zunifikowane API i platforma StackOne do działań agentów AI? Co jest technicznie wymagające w tym?

Guillaume: „Definiujemy pojedynczy, wyczerpująco opisany specyfikację OpenAPI dla każdej domeny, który mapuje setki podstawowych punktów końcowych. Ta specyfikacja pozostaje aktualna centralnie, więc klienci nie muszą zarządzać zmianami wersji. Nasze schematy narzędzi są predefiniowane z odpowiednimi zakresami uwierzytelniania, co oznacza, że agent nie zgaduje ani nie przekracza. Najtrudniejszą częścią jest normalizacja modeli danych SaaS — narzędzia takie jak Workday pozwalają klientom definiować niestandardowe obiekty i relacje, co wprowadza ogromną złożoność. Nasz silnik obsługuje to w czasie rzeczywistym, dając deweloperom niezawodną, deterministyczną warstwę wykonawczą napędzaną przez LLM z pomocą mapowania.”

Co sprawia, że silnik wywoływania narzędzi StackOne jest szybszy i bardziej dokładny niż możliwości nawet wiodących LLM?

Guillaume: „Kluczem jest struktura. Nasz silnik zapewnia typowane i wyczerpująco opisane sygnatury funkcji, więc modele wiedzą dokładnie, jakie argumenty użyć. Pod spodem StackOne jest w stanie partionować i równolegle wywoływać narzędzia, szanując limity stawek, aby wykonać żądania jak najszybciej z automatycznymi powtórzeniami. A ponieważ zarządzamy poświadczeniami centralnie, nie ma potrzeby ponownego uwierzytelniania wewnątrz pętli. Te optymalizacje robią ogromną różnicę, gdy próbujesz uruchomić agenty w czasie rzeczywistym.”

Jak StackOne jest zoptymalizowany specjalnie dla przypadków użycia AI, takich jak generacja z uzupełnieniem (RAG), użycie narzędzi lub wykonywanie agentów w czasie rzeczywistym?

Guillaume: „Oferujemy punkty końcowe delta-only dla potoków RAG, co utrzymuje krótkie i wydajne okna kontekstowe. Dla agentów w czasie rzeczywistym obsługujemy strumieniowe, zunifikowane webhuki, wykorzystując natywne zdarzenia lub tworząc syntetyczne zdarzenia, gdy podstawowe narzędzia nie zapewniają potrzebnych zdarzeń. A nasza platforma egzekwuje drobnoziarniste kontrolę dostępu na poziomie najemcy i projektu, co jest niezbędne do orchestracji wielu agentów na różnych użytkownikach w sposób bezpieczny.”

Jakie są najczęstsze mity, jakie zespoły mają na temat budowania integracji wewnętrznie w porównaniu z użyciem platformy takiej jak StackOne?

Romain: „Jednym z wielkich mitów jest to, że integracje są tylko po to, aby wykonać wywołanie API. Początkowa budowa może wyglądać prosto, ale utrzymanie często pochłania 20% czasu inżynierów. Zespoły również zaniżają wartość łączników niszowych: te, które deprioritizują, mogą być tam, gdzie ryzyko churnu naprawdę żyje. A bezpieczeństwo jest często myślą jako ostatnią. Zespoły DIY rzadko obejmują rzeczy takie jak zgodność z SOC-2 lub izolację najemców, które są niezbywalne dla klientów przedsiębiorstw. I jest jeszcze dostosowanie do najemców. Każdy nowy klient przychodzi ze swoim własnym zestawem przypadków brzegowych, pikuśnych konfiguracji i logiki mapowania, co dodaje trwałą złożoność, która jest łatwa do zignorowania na początku.”

Wszyscy mówią o agentach AI, ale wdrożenie w świecie rzeczywistym jest jeszcze wczesne. Co, według was, powstrzymuje masowe wdrożenie przedsiębiorstw — i jak StackOne rozwiązuje ten problem?

Romain: „Bezpieczeństwo i zgodność są nadal największymi blokerami. CIO martwią się o agenty, które działają poza zakresem lub tworzą luki audytowe. StackOne rozwiązuje to, egzekwując najmniejsze możliwe zakresy OAuth, umożliwiając wyłączniki na poziomie najemcy i zapewniając pełną ścieżkę audytu. Kiedy zespoły ryzyka widzą ten poziom kontroli, przechodzą od bycia strażnikami do aktywnych zwolenników.”

Jakie są największe wyzwania techniczne lub bezpieczeństwa w pozwalaniu agentom AI działać w imieniu użytkowników na platformach SaaS — i jak je łagodzicie?

Guillaume: „Trzeba zarządzać rzeczami takimi jak rozpraszanie tokenów i cykle odświeżania, co rozwiązujemy za pomocą centralnego, zaszyfrowanego skarbca. Innym wyzwaniem jest zapobieganie wyciekowi danych na poziomie wiersza, więc egzekwujemy identyfikatory kont deterministycznych w wywołaniach narzędzi, aby upewnić się, że agenci mają dostęp tylko do odpowiednich danych i nie zależy to od LLM. A aby uniknąć dryfu agenta lub nadużycia, ciągle uruchamiamy kontrole polityki i testy czerwonej drużyny. Nasza platforma również pozwala na parametryzację, jakie działanie powinno być dostępne dla którego połączonego systemu. Bezpieczeństwo musi być wbudowane od samego początku.”

Jak widzicie przyszłość narzędzi open-source, takich jak LangChain i CrewAI, łączących się z platformami własnościowymi, takimi jak StackOne?

Guillaume: „Widzimy open-source jako warstwę orchestracji i StackOne jako podstawową infrastrukturę. Dlatego zbudowaliśmy SDK dla Pythona i Typescript, które łączą się bezpośrednio z LangChain i CrewAI. Zobaczycie model hybrydowy, z narzędziami open-source do prototypowania i zarządzanymi platformami dla niezawodności produkcji, podobnie jak zespoły używają Terraform z AWS. To nie jest albo-albo, to jest i-to.”

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić StackOne.