面试
Celigo创始人兼首席执行官Jan Arendtsz访谈系列
扬·阿伦茨 他是 Celigo 的创始人兼首席执行官，也是一位在软件行业拥有超过 25 年经验的资深人士，精通产品开发、业务拓展、销售、客户成功和市场营销。他创立 Celigo 的目标是简化企业整合、自动化和优化业务流程的方式。他负责监督公司的所有运营。
加入 Celigo 之前，Jan 曾担任领先的云端 ERP 平台 NetSuite 的总监，负责推出其集成平台。在此之前，Jan 曾在 Cambridge Technology Partners 工作，为从互联网初创公司到财富 500 强企业等各类客户实施复杂的业务解决方案。
Celigo Celigo 是一个基于云的智能自动化和集成平台 (iPaaS)，旨在帮助企业连接应用程序、自动化业务流程，并在无需大量定制开发的情况下保持整个技术栈的数据同步。其平台结合了预构建连接器、可重用的集成模板和 AI 辅助工具，使技术团队和非技术团队都能大规模地设计、部署和管理集成。Celigo 通常用于简化电子商务、财务、运营和 IT 等领域的工作流程，从而减少人工操作、提高数据准确性，并实现更快、更具弹性的业务流程。
最初是什么促使您创立 Celigo？您在 NetSuite 等软件公司领导集成服务和产品计划的经验，是如何影响您当时对企业集成领域差距的认识的？
早期的SaaS经验让我意识到，云计算虽然解决了软件交付问题，但也造成了巨大的数据连接难题。我们当时描绘的是统一业务的愿景，但现实却是数据孤岛林立，支离破碎。我创办Celigo就是为了解决这些难题。
如今，我看到人工智能领域正在重演历史。我们正从“连接鸿沟”转向“运营鸿沟”。正如二十年前企业努力实现SaaS运营一样，如今他们也正努力实现人工智能运营。企业正苦于如何将人工智能从实验阶段转化为可靠的业务成果。这带来了新一轮挑战，而Celigo凭借其独特的优势，能够帮助IT领导者应对这些挑战：如何提供一个不仅能连接系统，还能让企业大规模应用人工智能的平台。
Celigo 已经从传统的集成方式发展到人工智能驱动的工作流程。是什么信号表明该平台需要朝着这个方向发展？
最大的信号是瓶颈的转移。十年前，瓶颈是连接性：即如何让系统 A 与系统 B 通信。我们通过 iPaaS 解决了这个问题。但随着集成民主化，业务用户能够构建自己的工作流程，新的瓶颈变成了管理、治理和异常处理。
我们分析了数据，发现虽然构建自动化工作流程变得更加容易，但大规模维护仍然需要大量人工。用户需要花费数小时来排查数据错误或更新映射关系。
我们通过将人工智能嵌入平台核心来应对这一挑战，实现了错误分类和修复的自动化，从而减轻了大规模维护集成带来的运营负担。这种平台智能为面向客户的人工智能驱动型工作流程奠定了基础，这些工作流程能够以更高的自主性和上下文感知能力运行。
许多组织在人工智能领域投入巨资，但收效甚微。为什么这么多项目都停滞在数据和集成层面？
我们都看到过一些调查，结果显示，虽然大多数公司都在尝试人工智能，但很少有公司能够获得可衡量的投资回报率。原因不在于技术本身，而在于方法。很多时候，企业将采用人工智能视为最终目标，而不是从企业赖以运转的业务流程入手。
成功的举措始于识别那些能够带来最大业务影响的流程改进点，而不是将人工智能应用于孤立的任务。在此基础上，人工智能必须与实际开展工作的系统相连接，并辅以保障数据质量和策略执行的机制。如果没有这种受控的连接，人工智能就无法真正发挥作用。
最后，人工智能需要一个协调的框架来平衡自主性和控制力。随着人工智能承担更多责任，人机协作的工作流程和异常处理机制对于维护信任至关重要。当人工智能嵌入到端到端的业务流程中时，它将从一项新技术演变为能够带来实际业务成果的运营赋能工具。
从您的角度来看，当公司试图在碎片化的系统之上叠加人工智能时，最常见的架构错误是什么？
当前一个日益严重的问题是人工智能的过度扩张。我们经常看到企业购买多种不同的SaaS扩展程序：带有人工智能的销售工具、带有人工智能的客户服务工具、带有人工智能的营销工具等等。而这些都只是对同一底层LLM（生命周期管理）的封装而已。
从架构角度来看，这可能会带来显著的成本和治理问题。IT 领导者发现，他们需要一个集成平台来整合所有工具的数据和洞察。利用统一平台可以将企业内部的知识汇集起来，并为 AI 模型扩展和创造价值提供所需的上下文信息。
随着人工智能变得越来越自主，智能工作流程将如何改变组织内部应用程序、数据和人员的交互方式？
随着人工智能变得更加自主，智能工作流改变了应用程序、数据和人员之间的交互方式，将自动化从任务执行转向决策协调。应用程序不再仅仅是数据交换的连接，它们成为工作流中的协调参与者，人工智能能够跨系统解读上下文，并确定下一步的最佳行动。
这种转变将变革管理推到了风口浪尖。即使拥有世界上最好的模型，如果团队不信任它，他们也不会使用它。人工智能的成功应用需要了解人工智能代理做出特定决策的原因，并确信它是在受控框架内运行的。
随着工作流程从执行任务演变为评估结果，人们的角色也从操作者转变为监督者。用户可以选择赋予人工智能的自主程度，而人机交互则提供治理、问责和适应性，使人工智能能够随着时间推移不断改进。最终形成一个动态的混合环境：应用程序执行操作，人工智能做出决策，而人则提供指导。
Celigo 同时服务于大型企业和快速增长的品牌。在不同的规模阶段，集成、数据质量和编排方面面临的挑战有何不同？
对于快速增长的品牌而言，目标往往是尽快实现价值。他们采用工具的速度如此之快，以至于有可能构建出一个支离破碎的技术栈，而这个技术栈可能在一两年内就会崩溃。Celigo 为他们提供了一种快速部署且不会产生技术债务的解决方案。
对于大型企业而言，挑战在于情境和治理。它们拥有大量宝贵的数据，但这些数据可能尚未准备好用于人工智能驱动的工作流程。它们需要在复杂的环境中提升数据的可访问性和价值。它们需要确保在组织内部部署人工智能的过程中，不会将个人身份信息 (PII) 或虚假信息泄露到客户互动中。我们扮演着重要的管理和控制角色。
Celigo 融合了 iPaaS、工作流编排和人工智能三大领域。企业应该如何设计其集成层，才能使其成为人工智能技术栈的积极组成部分，而不是被动的基础设施？
企业正在超越简单的数据传输，转向将智能自动化作为业务流程的受控连接层。自动化存在于一个连续谱上，从可预测的、基于规则的执行到更加自主的行为，而企业价值最大的部分则介于两者之间。
智能自动化平台将人工智能与合适的企业数据连接起来，并内置治理、可视性和人工监督功能。它协调跨系统连接，有选择地应用智能，并将结果直接在实际运行的应用程序中执行。集成层不再被动地在系统间传输数据，而是通过维护实时、受控的连接和控制来实现主动。这确保了智能自动化的可靠性、可审计性，并与企业的运营模式保持一致。
随着智能人工智能的兴起，您认为集成平台在使人工智能系统能够在业务应用程序中安全可靠地采取行动方面发挥什么作用？
智能体人工智能需要防护措施。Celigo 正在构建一个未来，在这个未来中，集成将越来越多地通过检测模式变化、预测故障和自我修复来实现自主管理，甚至在人类察觉到问题之前就能做到这一点。
我们的平台不仅旨在帮助企业用户快速高效地构建和运行工作流程，还旨在为中央 IT 部门提供必要的安全保障。例如，如果客服人员想要更新记录，平台会首先确保该操作符合业务规则。我们通过提供一个确定性的环境，使非确定性 AI 能够在其中安全运行，从而保障客服人员的行动。
展望 2026 年，您认为那些未能专门针对人工智能简化数据的企业，在现实世界中会面临哪些后果？
这将导致投资回报率出现分化。未能将人工智能融入运营的公司将只能衡量临时任务“节省的时间”，而它们的竞争对手则会衡量完全自动化业务带来的“收入增长”。
如果企业现在不采取措施连接数据和应用程序，就会遇到瓶颈：人工智能模型会因为缺乏上下文信息而出现错误预测，或者由于缺乏统一战略，企业为各自为政的人工智能输出买单，导致成本飙升。最终，企业可能因此失去敏捷性。
对于当今正在对其技术栈进行现代化改造的技术领导者而言，为了确保其人工智能计划能够扩展并取得实际成果，他们应该优先考虑 iPaaS 中的哪些核心功能？
寻找一款现代化的集成平台即服务 (iPaaS)，它专为万物互联的世界而打造。这意味着：一个能够处理全方位自动化的通用平台，涵盖数据和应用集成、B2B 供应链流程、API 管理以及自主代理等各个方面。这将帮助企业降低复杂性、减少运营成本、增强用户自主性，并最终使 IT 部门能够战略性且安全地将 AI 集成到企业各个层面，实现全面运营。
感谢您的精彩采访，想要了解更多信息的读者可以访问 Celigo.
