โรม็อง เซสเทียร์ (CEO) และ กียม เลอเบเดล (CTO) ผู้ร่วมก่อตั้ง StackOne – ซีรีส์สัมภาษณ์

โรม็อง เซสเทียร์ ผู้ร่วมก่อตั้งและ CEO ของ StackOne ได้สร้างผลิตภัณฑ์จากศูนย์ถึงมูลค่า 1 พันล้านดอลลาร์ที่ Google (GOOGL ) และ曾ดำรงตำแหน่ง VP of Product & CS ที่ Yieldify โดยมีคนงานทั่วโลก 70 คน และนำกลยุทธ์การรวม SaaS เข้าด้วยกัน โรม็องยังเปิดสำนักงานในสหราชอาณาจักรในฐานะ Head of UK Services ที่ ContentSquare และนำการรวมกับเครื่องมือทดสอบ A/B เข้าด้วยกัน เขาเคยร่วมก่อตั้งสตาร์ทอัพก่อนหน้านี้ชื่อ Upper.ai กับกียม

กียม เลอเบเดล ผู้ร่วมก่อตั้งและ CTO ของ StackOne曾ดำรงตำแหน่ง VP of Engineering ที่ Yieldify ซึ่งถูกซื้อโดย Publicis กียม曾นำทีมรวมและสร้างการรวมกับเครื่องมือ SaaS มากกว่า 1,000 รายการ และสร้างและดูแล API ที่มีการเข้าถึงมากกว่า 2 พันล้านครั้งต่อเดือน

StackOne เป็นแพลตฟอร์มการรวมกันแบบ AI ที่ให้ความสำคัญกับความเป็นส่วนตัว ช่วยให้บริษัท SaaS B2B และเอเย่นต์ AI สร้างการรวมกันแบบเรียลไทม์ระหว่างระบบองค์กรหลายร้อยระบบผ่าน API ที่รวมกันเพียงตัวเดียว ได้รับการออกแบบสำหรับความเร็วและความปลอดภัย ทำให้นักพัฒนาสามารถส่งการรวมกันภายในไม่กี่วันแทนที่จะใช้เวลาหลายสัปดาห์โดยไม่ต้องเก็บข้อมูลลูกค้า

อะไรเป็นแรงบันดาลใจให้คุณออกจาก Google และร่วมก่อตั้ง StackOne และช่องว่างในพื้นที่การรวมกัน AI หรือ SaaS ที่คุณเห็นว่าทำให้โอกาสดูน่าเร่งด่วน?

โรม็อง: “ความเจ็บปวดของการรวมกันคือสิ่งที่ฉันรู้สึกทุกขั้นตอนของอาชีพการงานของฉัน ไม่ว่าจะเป็นในสตาร์ทอัพช่วงแรกหรือทำงานกับระบบขนาดใหญ่ภายใน Google ในขณะที่ฉันเป็นผู้นำผลิตภัณฑ์ที่ Google ฉันกำลังสร้างเครื่องมือการวิเคราะห์ AI สำหรับร้านค้าปลีก และแม้แต่ในบริษัทที่มีความก้าวหน้าทางเทคนิคมากที่สุดในโลก เราก็พบกับอุปสรรคขนาดใหญ่ในการรวมกันระหว่างระบบ นั่นคือเมื่อฉันรู้สึกจริงๆ ว่านี่เป็นปัญหาที่กว้างขวางและเป็นระบบ และด้วยการเพิ่มขึ้นของ LLMs เราเห็นโอกาสใหม่ที่จะ重新ออกแบบชั้นการรวมกันโดยสิ้นเชิง: ไม่ใช่แค่การบิดออกไป แต่สร้างขึ้นจากศูนย์สำหรับ AI กียมและฉันเห็นมันชัดเจน: โอกาสนี้ถูกต้อง และตลาดกำลังหาวิธีแก้ปัญหา”

ประสบการณ์ของคุณในการนำผลิตภัณฑ์และบริการที่ Yieldify และการทำงานที่ Area 120 มีอิทธิพลต่อกลยุทธ์ผลิตภัณฑ์ของ StackOne อย่างไร?

โรม็อง: “ที่ Yieldify ฉันเป็นผู้นำทั้งด้านผลิตภัณฑ์และบริการ ซึ่งสอนฉันถึงความสำคัญของการผูกมัดแผนการดำเนินงานกับผลลัพธ์รายได้จริง เช่น การรวมพันธมิตรที่รวดเร็วขึ้น มูลค่าเฉลี่ยของคำสั่งซื้อที่สูงขึ้น หรืออัตราการลาออกที่ลดลง ที่ Google ฉันขยายผลิตภัณฑ์ข้อมูลเชิงลึกที่สร้างรายได้เพิ่มขึ้น 1 พันล้านดอลลาร์ และประสบการณ์นั้นย้ำถึงความสำคัญของเมตริกการรับใช้ลูกค้าและความสำเร็จ Area 120 เป็นสิ่งที่แตกต่างมาก – มันคือเรื่องของความคิด 10 เท่าและความเร็ว สิ่งนั้นสอนฉันว่าให้เคลื่อนไหวอย่างรวดเร็ว ทดลองอย่างต่อเนื่อง และไม่ต้องกลัวที่จะเดิมพันใหญ่ ทุกสิ่งนี้มีอิทธิพลต่อวิธีการสร้างที่ StackOne: สปรินต์ทุกสองสัปดาห์ การเดิมพันผลิตภัณฑ์ที่กล้า และการมุ่งเน้นไปที่การทำให้การรวมกันไม่เพียงแต่易于ใช้ แต่ยังเป็นประสบการณ์ที่น่าพึงพอใจ”

StackOne ไม่ได้สร้างโมเดลใหม่ – คุณกำลังสร้างเนื้อเยื่อเชื่อมต่อระหว่างโมเดลและระบบ SaaS ซึ่งชั้นโครงสร้างนี้มีความสำคัญต่อความสำเร็จของเอเย่นต์ AI อย่างไร?

กียม: “ความเป็นจริงคือ เอเย่นต์ AI ไม่เพียงแต่ต้องการสมอง แต่ยังต้องการมืออีกด้วย โมเดลอาจสามารถให้เหตุผลได้อย่างยอดเยี่ยม แต่ถ้าไม่สามารถดำเนินการอย่างแม่นยำ รวดเร็ว และปลอดภัยในโลกแห่งความเป็นจริง มันก็ถูกจำกัดอย่างมาก โดยไม่มีชั้นโครงสร้างที่มีโครงสร้างเพื่อกำกับ การรับรองความถูกต้อง อัตราการเข้าถึง และสิทธิ์การเข้าถึง พวกมันจะหลอกลวงและดำเนินการผิดหรือทำให้ระบบล่ม บริษัทส่วนใหญ่ใช้เครื่องมือ SaaS มากกว่า 100 รายการ ดังนั้นโดยไม่มีแพลตฟอร์มเช่น StackOne ที่ทำให้การเชื่อมต่อเป็นเรื่องง่าย คุณจะติดอยู่ในการเชื่อมต่อแต่ละรายการโดยส่วนตัว งานของเราคือการให้เอเย่นต์เข้าถึงเครื่องมือที่ต้องการได้อย่างปลอดภัยและสามารถขยายได้ เพื่อให้ทีมสามารถมุ่งเน้นไปที่ตรรกะ ไม่ใช่ลอจิสติกส์”

คุณสามารถอธิบายว่าแพลตฟอร์ม Unified API และ AI Agent Actions ของ StackOne ทำงานอย่างไรภายใต้พื้นผิว – และสิ่งใดที่ท้าทายจากด้านเทคนิค?

กียม: “เรากำหนด OpenAPI สเปคที่อธิบายอย่างครอบคลุมสำหรับโดเมนแต่ละตัว ซึ่งเชื่อมโยงกับจุดสิ้นสุดหลายร้อยจุด สเปคนั้นจะอัปเดตที่ศูนย์กลาง ดังนั้นลูกค้าจึงไม่ต้องจัดการการเปลี่ยนแปลงรุ่น สกีมาของเครื่องมือของเรามีการกำหนดขอบเขตการรับรองความถูกต้องที่ถูกต้อง ซึ่งหมายความว่าเอเย่นต์ไม่ต้องเดาหรือเข้าถึงเกินขอบเขต สิ่งที่ท้าทายที่สุดคือการทำให้โมเดลข้อมูล SaaS มาตรฐาน – เครื่องมือเช่น Workday ให้ลูกค้ากำหนดวัตถุและความสัมพันธ์ที่กำหนดเอง ซึ่งทำให้เกิดความซับซ้อนอย่างมาก เครื่องยนต์ของเราจัดการสิ่งนี้ในเวลาจริง โดยให้ชั้นการดำเนินการที่เชื่อถือได้และไม่เปลี่ยนแปลง โดยใช้การแมปที่ช่วยเหลือโดย LLM”

อะไรที่ทำให้เครื่องยนต์ในการเรียกเครื่องมือของ StackOne เร็วกว่าและแม่นยำกว่าความสามารถของ LLMs ที่นำหน้า?

กียม: “กุญแจสำคัญคือโครงสร้าง เครื่องยนต์ของเรามีฟังก์ชันการเรียกที่มีการอธิบายอย่างครอบคลุมและแบบข้อมูล ซึ่งโมเดลรู้ว่าจะใช้ข้อโต้แย้งอะไร ภายใต้พื้นผิว StackOne สามารถรวมและขนานการเรียกเครื่องมือได้ในขณะที่เคารพอัตราการเข้าถึงเพื่อดำเนินการคำขอได้เร็วที่สุด และเนื่องจากเราจัดการข้อมูลรับรองความถูกต้องที่ศูนย์กลาง จึงไม่มีความจำเป็นต้องรับรองความถูกต้องใหม่ภายในวงจร การเพิ่มประสิทธิภาพเหล่านี้มีผลกระทบอย่างมากเมื่อคุณพยายามดำเนินการเอเย่นต์แบบเรียลไทม์”

กียม: “เรามีจุดสิ้นสุดสำหรับ RAG pipelines ที่ให้การรักษาความต่อเนื่องของบริบทสั้นและ効率 และสำหรับเอเย่นต์แบบเรียลไทม์ เราสนับสนุนการเชื่อมต่อแบบสตรีมมิ่งโดยใช้เหตุการณ์เว็บหรือการสร้างเหตุการณ์แบบสังเคราะห์เมื่อเครื่องมือพื้นฐานไม่ได้ให้เหตุการณ์ที่คุณต้องการ และแพลตฟอร์มของเราบังคับควบคุมการเข้าถึงที่ละเอียดอ่อนที่ระดับผู้เช่าและโครงการ ซึ่งจำเป็นสำหรับการจัดการเอเย่นต์หลายตัวสำหรับผู้ใช้หลายคนอย่างปลอดภัย”

ความเข้าใจผิดที่พบบ่อยที่สุดของทีมเกี่ยวกับการสร้างการรวมกันภายในเทียบกับการใช้แพลตฟอร์มเช่น StackOne คืออะไร?

โรม็อง: “ความเข้าใจผิดที่ยิ่งใหญ่ประการหนึ่งคือการรวมกันคือเพียงการเรียก API เท่านั้น การสร้างครั้งแรกอาจดูเรียบง่าย แต่การบำรุงรักษาต่อเนื่องมักจะกินเวลา 20% ของเวลาในการพัฒนา ทีมยังประเมินคุณค่าของตัวเชื่อมต่อเฉพาะจุดต่ำเกินไป: ตัวเชื่อมต่อที่คุณให้ความสำคัญต่ำอาจเป็นที่ที่ความเสี่ยงในการลาออกอยู่จริงๆ และความปลอดภัยมักเป็นเรื่องที่พิจารณาในภายหลัง ทีมที่ทำเองมักไม่ครอบคลุมสิ่งเช่น การปฏิบัติตาม SOC-2 หรือการแยกผู้เช่า ซึ่งเป็นสิ่งที่ไม่สามารถต่อรองได้สำหรับลูกค้าองค์กร และจากนั้นก็มีการปรับแต่งผู้เช่า การปรับแต่งผู้เช่าแต่ละรายนำมาซึ่งกรณีเฉพาะ การกำหนดค่าที่แปลกประหลาด และตรรกะการแมป ซึ่งเพิ่มความซับซ้อนอย่างต่อเนื่องซึ่งง่ายต่อการมองข้ามในตอนแรก”

ทุกคนพูดถึงเอเย่นต์ AI แต่การนำไปใช้จริงยังคงอยู่ในช่วงแรก คุณเชื่อว่าอะไรเป็นสิ่งที่ยับยั้งการนำรับในระดับองค์กรจำนวนมาก – และ StackOne จัดการกับเรื่องนี้อย่างไร?

โรม็อง: “ความปลอดภัยและความปฏิบัติตามกฎระเบียบยังคงเป็นอุปสรรคที่ใหญ่ที่สุด CIO กังวลเกี่ยวกับเอเย่นต์ที่ดำเนินการนอกขอบเขตหรือสร้างช่องว่างในการตรวจสอบ StackOne แก้ปัญหานี้โดยการบังคับใช้ขอบเขตการรับรองความถูกต้องที่น้อยที่สุด OAuth การปิดใช้งานระดับผู้เช่า และการให้ประวัติการตรวจสอบที่สมบูรณ์ เมื่อทีมความเสี่ยงเห็นระดับการควบคุมนั้น พวกเขาจะเปลี่ยนจากผู้ยับยั้งไปเป็นผู้สนับสนุนอย่างแข็งขัน”

ความท้าทายด้านเทคนิคหรือความปลอดภัยที่ใหญ่ที่สุดในการให้เอเย่นต์ AI ดำเนินการแทนผู้ใช้บนแพลตฟอร์ม SaaS คืออะไร – และคุณบรรเทาผลกระทบเหล่านี้ได้อย่างไร?

กียม: “คุณต้องจัดการสิ่งเช่น การกระจายโทเค็นและรอบการอัปเดต ซึ่งเราจะแก้ไขด้วยคลังที่เข้ารหัสลับอย่างกลาง การป้องกันการรั่วไหลของข้อมูลที่ระดับแถวเป็นอีกความท้าทายหนึ่ง ดังนั้นเราจึงบังคับใช้ระบุประจำบัญชีที่แน่นอนในคำเรียกเครื่องมือเพื่อให้แน่ใจว่าเอเย่นต์เข้าถึงข้อมูลที่ถูกต้องเท่านั้น และไม่ขึ้นอยู่กับ LLM เพื่อป้องกันการหลุดออกจากเอเย่นต์หรือการใช้ในทางที่ผิด เราจะดำเนินการตรวจสอบนโยบายอย่างต่อเนื่องและทดสอบการแฮกอย่างต่อเนื่อง แพลตฟอร์มของเรายังช่วยให้คุณสามารถกำหนดพารามิเตอร์สำหรับการกระทำที่ควรพร้อมใช้งานสำหรับระบบที่เชื่อมโยงใดๆ ความปลอดภัยต้องถูกสร้างขึ้นตั้งแต่เริ่มต้น”

คุณมองเห็นอนาคตของเครื่องมือโอเพ่นซอร์ส เช่น LangChain และ CrewAI รวมกับแพลตฟอร์มที่เป็นเจ้าของ เช่น StackOne อย่างไร?

กียม: “เรามองเห็นโอเพ่นซอร์สเป็นชั้นการออร์เคสตร้าและ StackOne เป็นโครงสร้างพื้นฐานที่อยู่ด้านล่าง นั่นเป็นเหตุผลที่เราสร้าง SDK สำหรับ Python และ Typescript ที่เชื่อมต่อกับ LangChain และ CrewAI workflows โดยตรง คุณจะเห็นแบบจำลองไฮบริดที่เกิดขึ้น โดยมีเครื่องมือโอเพ่นซอร์สสำหรับการสร้างต้นแบบและแพลตฟอร์มที่จัดการสำหรับการทำงานที่เชื่อถือได้แบบการผลิต เช่นเดียวกับที่ทีมใช้ Terraform กับ AWS ไม่ใช่แบบหรือแบบอื่น แต่เป็นทั้งสองแบบ”

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ StackOne.