Rory Blundell, CEO Gravitee – Wywiad

Rory Blundell, CEO Gravitee, posiada rzadką kombinację głębi technicznej, przywództwa komercyjnego i doświadczenia założycielskiego w dziedzinie zarządzania API. Przed objęciem stanowiska CEO we wrześniu 2020 roku dołączył do Gravitee jako Chief Revenue Officer i pomógł ukształtować strategię wzrostu firmy po wcześniejszych rolach kierowniczych w EMEA field technical operations w SnapLogic, gdzie pracował nad sprzedażą przedwstępną, profesjonalnymi usługami, szkoleniami i sukcesem klienta. Jego doświadczenie obejmuje również założenie Velinko, brytyjskiej firmy oprogramowania i konsultingu, która obsługiwała sektory prawne i księgowe, gdzie pracował ręcznie nad API, ETL, AWS, Java, PHP, WordPress, bazami danych, raportowaniem i projektami transformacji danych. Ta kombinacja biegłości inżynieryjnej, doświadczenia w sprzedaży przedsiębiorstw i realizacji startupu pozwoliła mu stanąć na czele Gravitee, gdy API, strumienie zdarzeń i agenci AI stają się coraz bardziej centralnymi dla infrastruktury przedsiębiorstw.

Gravitee to firma zarządzania API, która koncentruje się na pomocy przedsiębiorstwom w zarządzaniu, zabezpieczaniu, zarządzaniu i skalowaniu cyfrowych połączeń między aplikacjami, usługami, strumieniami zdarzeń i agentami AI. Ich platforma łączy zarządzanie API, bramę zdarzeń, możliwości portalu deweloperskiego, obsługę strumieni zdarzeń i funkcje zarządzania agentami AI, dając organizacjom zunifikowaną kontrolę nad synchronicznymi API, asynchronicznymi zdarzeniami, interakcjami agentów MCP/A2A i zarządzaniem w rozproszonych środowiskach. Firma opisuje swoją platformę jako otwartoźródłową i skalowalną, a została uznana za Lidera w 2025 Gartner Magic Quadrant for API Management, co odzwierciedla jej pozycję na przecięciu infrastruktury API, systemów zdarzeń w czasie rzeczywistym i nowego stosu AI.

Założyłeś Velinko, zbudowałeś rozwiązania oprogramowania samodzielnie w różnych technologiach, od AWS i API po platformy transformacji danych, a następnie poprowadziłeś zespoły techniczne w SnapLogic, zanim zostałeś CEO Gravitee. Jak ta podróż od budowniczego do CEO ukształtowała twoją wizję przyszłości agentów AI i infrastruktury przedsiębiorstw?

Mój background pozwolił mi zobaczyć infrastrukturę przedsiębiorstw z wielu stron, jako budowniczy, operator i teraz jako CEO. W Velinko rozwiązywaliśmy praktyczny problem danych, ściągając informacje z różnych miejsc, transformując je, agregując i czyniąc je użytecznymi. To doświadczenie ugruntowało moje spojrzenie na to, co musi zrobić technologia przedsiębiorstw: łączyć systemy, chronić dane i zmieniać złożoność w coś, co ludzie mogą wykorzystać.

Podczas mojego pobytu w SnapLogic zobaczyłem, jak centralne zarządzanie API stawało się w stosie przedsiębiorstw. API były czymś więcej niż tylko interfejsami technicznymi. Stały się sposobem, w jaki firmy eksponowały, kontrolowały i skalowały dostęp do krytycznych systemów i danych. To właśnie spowodowało, że dołączyłem do Gravitee, i nadal stanowi podstawę, jak myślę o tym rynku.

Przedsiębiorstwa muszą wiedzieć, kto może uzyskać dostęp do czego, jak te punkty dostępu są znalezione i używane, oraz co tak naprawdę dzieje się w całym środowisku. Te zasady były niezbędne dla API, i są teraz równie niezbędne dla agentów. Przedsiębiorstwa przechodzą do świata, w którym agenci mogą działać przez API, aplikacje, dane i przepływy pracy. Firmy, które odniosą sukces, nie tylko zbudują najwięcej agentów. Będą to te, które umieścią odpowiednią infrastrukturę wokół nich: wyraźne uprawnienia, silne zarządzanie i kontrola w systemach, których dotykają.

Gravitee zbudowało swoją reputację w zarządzaniu API i od tego czasu rozszerzyło swoje podejście do zarządzania agentami AI. Co przekonało cię, że agenci AI reprezentują następną dużą zmianę technologiczną, i dlaczego teraz był odpowiedni czas, aby ewoluować firmę w tym kierunku?

Widzę zarządzanie agentami AI jako następną ewolucję tego samego problemu, który pomagaliśmy przedsiębiorstwom rozwiązać.

Zarządzanie API było i jest podstawowo trzema rzeczami: bezpieczeństwem, odkrywalnością i obserwowalnością. Agenci są następnym miejscem, w którym te zasady muszą być zastosowane.

Dziś przedsiębiorstwa zaczynają konfrontować się z tymi samymi pytaniami dotyczącymi agentów, które mieli w przypadku API. Jak zapewnić bezpieczeństwo? Jak wiedzieć, które agenci działają, gdzie działają i co mogą uzyskać dostęp? Jak zrozumieć, co robią, dlaczego działają i czy działają w ramach odpowiednich granic?

Czas ma znaczenie, ponieważ firmy przechodzą od eksperymentowania z AI do pytania, jak mogą wdrożyć agenci w prawdziwą pracę. Trudne pytanie nie jest już, czy agent może być zbudowany, ale czy przedsiębiorstwo może zarządzać agentami w całym modelu, narzędziach, API i systemach, których dotykają.

To właśnie tam dziedzictwo Gravitee w zarządzaniu API staje się bardzo istotne. Agenci będą tylko skalować w przedsiębiorstwie, jeśli organizacje mogą wprowadzić tę samą dyscyplinę do nich, jaką oczekują od reszty swojej infrastruktury: wyraźne uprawnienia, widoczne działania, audytowalność, zarządzanie i kontrola.

Wiele organizacji eksperymentuje z agentami AI, ale stosunkowo niewiele z nich wdrożyło ich na dużą skalę. Co odróżnia pomyślne adopterów od firm, które pozostają w fazie pilotażu?

Różnica polega na tym, czy organizacja traktuje agenci jako izolowane eksperymenty czy jako część nowego modelu operacyjnego. Na małą skalę jeden lub dwa agenci mogą wyglądać na zarządzalne. Wyzwanie pojawia się, gdy przedsiębiorstwo zaczyna przechodzić w kierunku wielu agentów w zespołach, systemach i przepływach pracy. W tym momencie problem nie jest już tym, czy agent może wykonać zadanie. Jest to, czy organizacja może kontrolować, jak agenci pracują, co dotykają i jak pasują do sposobu, w jaki firma działa.

Organizacje, które budują dyscyplinę zarządzania wokół agentów na wczesnym etapie, rozumieją, gdzie agenci pasują do przepływu pracy, jakie decyzje muszą pozostać z ludźmi i jakie kontrole muszą być w miejscu, zanim agenci będą mogli być zaufani z prawdziwą pracą.

To nie jest tylko zmiana technologiczna. To również zmiana w tym, jak organizacje pracują. Pomyślne adopterzy zrozumieją tę zmianę i umieścą odpowiednią strukturę wokół niej od samego początku.

Agenci AI coraz częściej wchodzą w interakcje z API, bazami danych, aplikacjami przedsiębiorstw i nawet innymi agentami. Jak widzisz ewolucję orkiestracji agentów, i jakie wyzwania muszą rozwiązać organizacje, zanim te systemy będą mogły działać niezawodnie na dużą skalę?

Wyzwanie nie jest tylko złożonością techniczną; jest to złożoność odpowiedzialności. Gdy agenci wywołują API, zapytują bazy danych i wywołują innych agentów, łańcuch autoryzacji się pomnoża, a większość przedsiębiorstw nie ma sposobu, aby to zobaczyć.

Orkiestracja ewoluuje od wykonywania zadań przez pojedynczych agentów w kierunku wieloagentowych przepływów pracy, gdzie dane wyjściowe jednego agenta stają się danymi wejściowymi dla innego agenta, często w różnych modelach, dostawcach i granicach przedsiębiorstw, i to jest dokładnie, kiedy zarządzanie ulega awarii.

Przedsiębiorstwa muszą rozwiązać cztery rzeczy, zanim te systemy będą mogły działać niezawodnie na dużą skalę: nadanie każdemu agentowi znanego, uwierzytelnionego tożsamości; określenie, co każdy agent jest uprawniony do dotknięcia (narzędzi, danych, API); egzekwowanie tych uprawnień w czasie wykonywania; oraz utrzymanie pełnej linii pochodzenia od ludzkiego sygnału do systemu, który agent ostatecznie dotknął.

Firmy, które traktują orkiestrację jako czysty problem inżynieryjny i pomijają warstwę zarządzania, będą zarządzać incydentami, zamiast skalować operacje.

Przemysł spędził lata radząc sobie z rozproszeniem API, gdy organizacje przyjmowały technologie chmurowe. Czy teraz wkraczamy w erę “rozproszenia agentów”, i jakie lekcje mogą przedsiębiorstwa wyciągnąć z poprzednich transformacji technologicznych?

Tak, widzę realne ryzyko odtworzenia tego samego wzorca, jaki widzieliśmy z API: szerokie przyjęcie w całej firmie przed wprowadzeniem odpowiedniego modelu zarządzania. Lekcja z ery API jest taka, że organizacje nie powinny czekać, aż środowisko stanie się już fragmentowane, zanim wprowadzą widoczność i kontrolę wokół niego.

Agenci tworzą podobne wyzwanie, ale z bardziej aktywną warstwą ryzyka, ponieważ mogą działać w systemach i przepływach pracy. Pytania, na które przedsiębiorstwa muszą odpowiedzieć, są proste: jakie agenci istnieją, kto ich włada, i co są uprawnieni do dotknięcia?

Jeśli przedsiębiorstwa zastosują tę dyscyplinę od samego początku, mogą uniknąć końcowego wyniku, w którym będą mieli agenci, których nie mogą zobaczyć, zabezpieczyć ani kontrolować.

Jakie są największe nieporozumienia, jakie mają przywódcy biznesu na temat agentów AI dzisiaj, i gdzie oczekiwania wyprzedzają rzeczywistość?

Dominujące nieporozumienie polega na tym, że możliwości agenta są wąskim gardłem. Nie jest. Wąskim gardłem jest to, czy organizacja może uznać agenci za odpowiedzialnych w taki sam sposób, w jaki uznaje ludzi, z określoną rolą, zakreślonym dostępem i audytowalnym rekordem.

Wiele liderów wierzy, że wdrożenie większej liczby agentów prowadzi do automatycznego przyspieszenia. W praktyce niezarządzani agenci tworzą ukryte wydatki na AI, niekontrolowany dostęp do danych i awarie operacyjne, których nikt nie może zdiagnozować, ponieważ nie ma śladu audytowego.

Niedawne przykłady agentów AI wycofanych z produkcji po błędach operacyjnych są pouczające. Widzieliśmy agenta z szerokimi uprawnieniami do kalendarza i bez określonej granicy, który skasował cały firmowy kalendarz w jednej akcji. Model nie był problemem; nikt nie określił, co mógł dotknąć. To nie jest problem z hiperbolą AI. To jest problem z zarządzaniem.

Oczekiwania są najbardziej wyprzedzające rzeczywistość w odniesieniu do podejmowania autonomicznych decyzji. Liderzy chcą agentów, które działają, ale to, czego potrzebują najpierw, to agenci, których działania są widoczne, odwracalne i przypisane.

Bezpieczeństwo i zarządzanie stały się głównymi problemami, gdy agenci AI zyskują dostęp do wrażliwych systemów i danych. Co widzisz jako największe ryzyka, i jak organizacje powinny podejść do zarządzania nimi?

Największe ryzyko polega na tym, że agenci przechodzą do produkcji szybciej, niż przedsiębiorstwa mogą ich zarządzać. Raport Gravitee Stan bezpieczeństwa agentów AI wykazał, że majątek agentów AI w przedsiębiorstwach prawie podwoił się od grudnia 2025 roku, podczas gdy pokrycie monitorowania, struktury odpowiedzialności i kontroli przed wdrożeniem ledwo się poruszyły. Badanie wykazało również, że prawie połowa (48%) agentów AI w produkcji działa bez zabezpieczeń lub zarządzania, a 54% organizacji doświadczyło lub podejrzewa incydent związany z bezpieczeństwem lub prywatnością danych w ciągu ostatnich 12 miesięcy.

Te dane podkreślają, dlaczego zarządzanie musi dojrzać wraz z adopcją. Gdy agenci zyskują dostęp do wrażliwych danych, aplikacji i przepływów pracy, własność i odpowiedzialność muszą być równie wyraźne, jak sam dostęp: kto jest odpowiedzialny za tego agenta, jakie działania wykonał, i jak jest to aktywnie monitorowane?

Odpowiedź nie polega na spowolnieniu agentów. Polega na ustanowieniu jasnej widoczności od samego początku w całym agencie, modelach, których dotykają, narzędziach, których używają, i innych agentach, z którymi wchodzą w interakcje.

Od tego momentu organizacje mogą wdrożyć odpowiedni model operacyjny wokół agentów: wyraźną własność, określone uprawnienia, kontrole przed wdrożeniem, ciągłe monitorowanie, audytowalność i wyraźną ścieżkę eskalacji, gdy coś pójdzie nie tak. To daje przedsiębiorstwom pewność, że mogą bezpiecznie używać agentów na dużą skalę.

Gdy rządy i organy regulacyjne zaczynają przyglądać się systemom AI, jak przedsiębiorstwa powinny balansować innowacje z zgodnością, przejrzystością i zarządzaniem ryzykiem?

Uwaga regulacyjna powinna być katalizatorem, a nie powodem do oczekiwania.

Zgodność zaczyna się od linii pochodzenia: pełnego, audytowalnego rekordu od ludzkiego sygnału do wywołania API przez agenta. Bez niego przedsiębiorstwa nie mogą odpowiedzieć na podstawowe pytanie regulacyjne, co zrobił agent i dlaczego. To nie jest przyszły problem. Termin zgodności z ustawą AI UE w sierpniu 2026 roku jest już w kalendarzu, a organizacje, które mają linię pochodzenia i egzekwowanie polityki dzisiaj, spełnią ten wymóg bez pośpiechu.

Polityka jako kod i scentralizowane egzekwowanie polityki są praktyczną implementacją tego modelu. Przedsiębiorstwa potrzebują jednego silnika polityki, jednego śladu audytowego, spójnego egzekwowania we wszystkich agentach, niezależnie od modelu lub dostawcy.

Postawa zarządzania ryzykiem, która wygrywa, nie polega na powolnym wdrożeniu; jest to śmiałe wdrożenie z odpowiedzialnością wbudowaną od samego początku. Te, które traktują odpowiedzialność agenta jako przewagę, a nie przeszkodę w zgodności, nie będą spowalniane przez regulację. Będą gotowe do niej.

Standardy otwarte, takie jak Model Context Protocol (MCP) i Agent-to-Agent (A2A) komunikacja, zyskują na popularności. Jak ważna będzie interoperacyjność dla przyszłości AI w przedsiębiorstwach, i czy przemysł porusza się wystarczająco szybko w kierunku wspólnych standardów?

Interoperacyjność nie jest opcjonalna. Przedsiębiorstwa nie uruchamiają jednego modelu lub jednego dostawcy; uruchamiają ekosystemy. Standardy takie jak MCP i A2A pozwalają agentom wywoływać narzędzia, uzyskiwać dostęp do kontekstu i komunikować się w tym ekosystemie bez specjalistycznych integracji dla każdej pary systemów.

Impet jest realny, ale pytanie o szybkość pomija ważniejsze: standardy, które umożliwiają agentom działać, muszą być połączone ze standardami, które zarządzają, jak agenci działają. Łączność bez odpowiedzialności na poziomie protokołu przenosi problem zarządzania wokół.

Przedsiębiorstwa, które najbardziej skorzystają na MCP i A2A, to te, które łączą interoperacyjność na poziomie protokołu z scentralizowaną kontrolą, tak aby interakcje między agentami i systemami były obserwowalne, egzekwowalne politycznie i audytowalne z jednego miejsca.

To właśnie tam podejście Gravitee staje się istotne. Zarządzanie API, zarządzanie agentami i tożsamość w jednej platformie oznacza, że jeden silnik polityki zarządza każdą interakcją agenta, niezależnie od protokołu, którym się porusza.

Spójrzając w przyszłość na najbliższe pięć lat, co oznacza sukces dla agentów AI w przedsiębiorstwach, i jakie porady dałbyś organizacjom, które chcą zbudować skalowalną i przyszłościową strategię AI dzisiaj?

Sukces w ciągu najbliższych pięciu lat zostanie zmierzony tym, czy agenci mogą wykonywać użyteczną pracę bezpiecznie, niezawodnie i na dużą skalę. Agenci AI mogą pomóc firmom stać się bardziej giętkimi i dać ludziom znacznie większą siłę. Ale to się dzieje tylko wtedy, gdy organizacje są intencjonalne w tym, jak je wdrożą. Firmy, które po prostu “idą pełną parą” i martwią się o zarządzanie później, zobaczą wczesne zwycięstwa, ale te zwycięstwa nie przetrwają złożoności, która następuje. Lepszy kurs to zbudowanie modelu zarządzania wcześnie.

Moja rada jest taka, aby zbudować model zarządzania wcześnie. Zdefiniuj własność, uprawnienia, monitorowanie, audytowalność i ścieżkę eskalacji przed wdrożeniem agentów w krytyczne przepływy pracy. Przyszłość nie jest tylko tym, że ludzie budują każde zadanie sami. To ludzie stają się architektami procesu, z agentami pomagającymi im poruszać się szybciej, skalować wpływ i robić więcej, niż mogliby wcześniej.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Gravitee.