Workato AIRO: fra å bygge integrasjoner til å beskrive resultatet

På konferansen World of Workato i Las Vegas (22.–24. september 2026) gjorde Workato mer enn å legge til funksjoner. Selskapet endret hvordan det vil at kundene skal tenke om plattformen. AIRO, et system med flere samarbeidende agenter, er nå hovedgrensesnittet for å bygge, rulle ut og styre automatiseringer og AI i Workato.

Hva ble lansert

AIRO skal hjelpe brukeren med å analysere en prosess, foreslå forbedringer, designe løsningen, teste den og rette feil. Rundt AIRO kom flere nye lag:

• Live Process Graph gir AI kontekst om hvordan virksomheten faktisk fungerer: dokumenterte retningslinjer, prosessene slik de er designet, og hva som faktisk skjer når de kjører.
• Enterprise AI control plane er et lag for styring, sikkerhet og kostnader for AI, også for det som er bygget utenfor Workato.
• AI Gateway håndterer trafikk til modeller, MCP-servere, agenter og API-er. Delen Model Gateway velger mellom OpenAI, Anthropic, Gemini, åpne modeller eller egne modeller ut fra kostnad, svartid, geografi og hvor sensitive dataene er.
• AI Registry er en felles katalog over godkjente AI-ressurser.
• Agent Evals vurderer agenter i drift på korrekthet, valg av verktøy, etterlevelse av regler, sikkerhet og kvalitet på resultatet.
• Workato XChange er en intern markedsplass for gjenbruk av MCP-servere, agenter, API-er, koblinger og arbeidsflyter.

Hvorfor det betyr noe

Det interessante er skiftet i tankegang. Tradisjonell iPaaS ber deg beskrive hvordan: hvilken trigger, hvilken mapping, hvilken feilhåndtering. Workato mener nå at brukeren skal beskrive resultatet og la plattformen finne ut hvordan det skal gjøres. diginomica kaller det et skifte fra implementasjon til intensjon.

For kjøpere endrer dette evalueringen. Spørsmålet er ikke lenger bare «hvor mange koblinger har dere?», men «hvor mye vet plattformen om prosessene våre, og kan vi stole på det den bestemmer?». Live Process Graph er Workatos svar på det siste: agenter trenger forretningskontekst, ikke bare tilgang til API-er.

Workato posisjonerer seg også som et nøytralt kontrollag på tvers av AI-leverandører. Det svarer på en reell bekymring i mange virksomheter: agenter bygges mange steder samtidig, med lite felles styring.

Hvordan det står seg mot andre

Workato er ikke alene. MuleSoft lanserte Agent Fabric på Dreamforce uka før, med register, styring og kostnadskontroll for agenter uansett hvor de er bygget. Boomi har Agent Control Tower og et MCP-register i API-styringen sin. Ordene er forskjellige, men retningen er den samme: integrasjonsplattformen vil være stedet der AI-agenter registreres, styres og kobles til forretningssystemene.

Det som skiller Workato denne gangen, er ambisjonen i brukeropplevelsen: én samtalebasert inngang for alle, fra forretningsbrukere til integrasjonsspesialister.

Hva du bør følge med på

diginomica påpeker at den intensjonsbaserte modellen fortsatt er tidlig. Tre ting er verdt å følge:

1. Innsyn. Når plattformen velger hvordan noe skal utføres, kan arkitektene fortsatt se og styre det som skjer? Det er viktig for revisjon og feilsøking.
2. Model Gateway i praksis. Ruting mellom modeller basert på kostnad og sensitivitet er attraktivt, men reglene må settes av dere, ikke av leverandøren.
3. Innlåsing. Et nøytralt kontrollag er bare nøytralt hvis ressursene kan flyttes. Spør hvordan agenter, evalueringer og registeroppføringer kan eksporteres.

Bruker dere allerede Workato, er de nye funksjonene verdt å teste på en avgrenset prosess med tydelige suksesskriterier. Vurderer dere plattformer, still alle leverandørene de samme spørsmålene om agentstyring. Det er der konkurransen står nå.