Jan Arendtsz，Celigo 的创始人和 CEO – 采访系列

Jan Arendtsz 是 Celigo 的创始人和 CEO，也是一位软件行业的资深人士，拥有超过 25 年的产品开发、业务发展、销售、客户成功和营销经验。他创立 Celigo 的目标是简化公司在企业范围内集成、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。

在 Celigo 之前，Jan 是 NetSuite 的董事，该公司是领先的基于云的 ERP 平台，他在那里推出了他们的集成平台。在那之前，Jan 为 Cambridge Technology Partners 工作，他为从互联网初创公司到财富 500 强公司的客户实施了复杂的商业解决方案。

Celigo 是一个基于云的智能自动化和集成平台（iPaaS），旨在帮助组织连接应用程序、自动化业务流程，并在其技术栈中保持数据同步，而无需进行大量的自定义开发。其平台结合了预建的连接器、可重用的集成模板和 AI 辅助工具，以便技术和非技术团队可以在规模上设计、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，减少手动工作、提高数据准确性，并实现更快、更具弹性的业务流程。

最初是什么激发了您创立 Celigo 的想法，您在 NetSuite 等软件公司领导集成服务和产品计划的经验如何影响了您对企业集成的看法？

早期的 SaaS 经验告诉我，虽然云解决了软件交付问题，但也创建了一个巨大的数据连接问题。我们在出售统一业务的愿景，但现实是碎片化的数据孤岛。我创立 Celigo 来解决这些挑战。

今天，我看到历史在重演，随着 AI 的兴起。我们正在从“连接性差距”转变为“运营性差距”。就像公司二十年前难以运营 SaaS 一样，他们现在难以运营 AI。公司难以将 AI 从实验转变为可靠的业务成果。这为 Celigo 提供了帮助 IT 领导者解决的下一个挑战的机会：如何提供一个不仅连接系统，还能在整个企业范围内以可扩展的方式使用 AI 的平台。

Celigo 已经从传统的集成转向了 AI 驱动的工作流程。是什么信号告诉您该平台需要朝这个方向发展？

最大的信号是瓶颈的转变。十年前，瓶颈是连接性：仅仅是让系统 A 与系统 B 通信。我们通过 iPaaS 解决了这个问题。但是，当我们使集成民主化并赋予业务用户构建自己的工作流程的能力时，新的瓶颈成为管理、治理和异常处理。

我们查看了我们的数据，并发现虽然构建自动化工作流程变得更容易，但在规模上维护它们仍然是人工密集型的。用户花费数小时排除数据错误或更新映射。

我们通过将 AI 嵌入我们平台的核心来响应，自动化错误分类和补救以消除在规模上维护集成的运营负担。该平台的智能现在为客户端 AI 驱动的工作流程奠定了基础，这些工作流程可以在更大的自治性和上下文中运行。

许多组织正在大量投资 AI，但看到的成果却很有限。为什么这么多计划在数据和集成层面上停滞不前？

我们都看到调查显示，虽然大多数公司正在尝试 AI，但很少有公司实现了可衡量的 ROI。原因不是技术，而是方法。组织经常将 AI 采用视为目标，而不是从驱动企业的业务流程开始。

成功的计划从确定改进哪些流程可以带来最大业务影响开始，而不是将 AI 应用于孤立的任务。从那里，AI 必须连接到实际工作发生的系统，并具有确保数据质量和政策执行的防护措施。没有这种治理的连接性，AI 将与执行脱节。

最后，AI 需要一个协调的框架，平衡自治性与控制性。人工在循环中的工作流程和异常处理对于维持对 AI 的信任至关重要。当 AI 被嵌入到端到端的业务流程中时，它从新奇事物演变为运营使能器，能够带来真正的业务成果。

从您的角度来看，公司尝试在碎片化系统上叠加 AI 时，最常见的架构错误是什么？

目前面临的一个日益增长的问题是 AI 蔓延。我们经常看到公司购买多个不同的 SaaS 扩展：具有 AI 的销售工具，具有 AI 的客户服务工具，具有 AI 的营销工具等。这些都是对相同的底层 LLM 的包装器。

从架构上讲，这可能会产生重大的成本和治理问题。IT 领导者发现，他们需要一个集成平台来能够在工具之间整合所有数据和见解。利用统一的平台可以将企业范围内的知识聚集在一起，并为 AI 模型提供上下文，以便它们可以扩大规模并产生价值。

随着 AI 变得更加自治，智能工作流程如何改变应用程序、数据和人员在组织内部的交互方式？

随着 AI 变得更加自治，智能工作流程通过将自动化从任务执行转变为决策编排来改变应用程序、数据和人员之间的交互方式。应用程序不再只是为了交换数据而连接；它们成为工作流程中的协调参与者，在那里 AI 解释系统之间的上下文并确定下一个最佳操作。

这种转变使变革管理成为焦点。您可以拥有世界上最好的模型，但如果团队不信任它，他们就不会使用它。AI 的成功运营需要对 AI 代理做出特定决定的原因有可见性，并且有信心它正在受控的框架内运行。

随着工作流程从执行任务转变为审查结果，人们从操作员转变为监督者。用户可以选择他们信任 AI 的自治级别，具有人工在循环中的控制、问责制和适应性，当代理随时间改进时。结果是一个动态的混合环境，应用程序执行操作，AI 决策，人员指导。

Celigo 为大型企业和快速增长的品牌提供服务。集成、数据质量和编排挑战如何在这些规模阶段之间有所不同？

对于快速增长的品牌，目标往往是快速实现价值。他们采用工具的速度如此之快，以至于他们冒着打造一个将在一年或两年内崩溃的分裂的技术栈的风险。对于他们，Celigo 提供了快速运营的能力，而无需产生技术债务。

对于大型企业，挑战在于上下文和治理。他们拥有宝贵的数据，但可能尚未准备好用于 AI 驱动的工作流程。他们需要增加数据的可访问性和价值，在复杂的环境中。他们需要确保，当他们在整个组织中运营 AI 时，他们不会将个人身份信息或幻觉泄露到客户交互中。我们作为一个重要的管理和控制层。

Celigo 位于 iPaaS、工作流编排和 AI 的交叉点。组织应该如何设计其集成层，以使其成为 AI 堆栈的主动部分，而不是被动的基础设施？

组织正在超越将集成视为简单的数据移动，转向将智能自动化视为业务流程的受控连接层。自动化存在于可预测的、基于规则的执行和更自治的行为之间的光谱中，最大企业价值出现在中间。

智能自动化平台连接 AI 与正确的企业数据，具有内置的治理、可见性和人工监督。它在系统之间编排连接性、选择性地应用智能并在实际工作发生的运营应用程序中直接执行结果。集成层不仅仅是被动地在系统之间移动数据，而是通过维护实时的、受治理的连接性和控制来主动地保持智能自动化的可靠性、可审计性和与业务设计一致性。

随着代理 AI 的兴起，您认为集成平台在使 AI 系统能够安全可靠地在业务应用程序中采取行动方面将发挥什么作用？

代理 AI 需要防护栏。Celigo 正在构建一个未来，集成将越来越多地自行管理，检测模式更改、预测故障并在人类甚至知道有什么问题之前自行修复。

我们平台的作用不仅是允许业务用户快速高效地构建和运行工作流程，还要让中央 IT 提供防护栏。如果代理想要更新记录，平台将确保该操作首先验证业务规则。我们通过提供一个确定性环境使代理能够采取行动，在该环境中非确定性 AI 可以安全运行。

展望 2026 年，您认为组织未能为 AI 特别优化数据的现实后果是什么？

后果将是 ROI 的分歧。未能将 AI 嵌入运营的公司将仅限于衡量“节省的小时”在一次性任务上，而他们的竞争对手将衡量“收入增长”来自完全自动化的业务线。

如果组织现在不采取措施连接其数据和应用程序，他们将面临一个障碍，即 AI 模型由于缺乏上下文而产生幻觉，或者由于没有统一的战略而导致成本螺旋上升。公司可能会有效地被排除在敏捷性之外。

对于今天正在现代化技术栈的技术领导者来说，iPaaS 中应该优先考虑哪些核心能力，以确保他们的 AI 计划可以扩大规模并产生真正的成果？

寻找一个现代的 iPaaS，它是为一个所有东西都需要相互连接的世界而构建的。这意味着：一个通用的平台，可以处理自动化的全部范围：从数据和应用程序集成到 B2B 供应链流、API 管理和自治代理。这样可以使组织为更少的复杂性、更少的开销、更多的用户赋权和最终的 IT 策略和安全地在整个企业范围内整合 AI 和运营化一切做好准备。

感谢您接受这次精彩的采访，希望了解更多的读者可以访问 Celigo。