At this year’s Integrate conference, a clear theme emerged for anyone working with Azure Integration Services: security needs to be part of the platform design and not an afterthought

API Management – your hidden security layer

Several sessions showed how API Management can do more than just route traffic. Used right, it becomes a central part of your detection and prevention strategy. By analyzing traffic patterns and integrating with tools like Microsoft Fabric, you can uncover anomalies and spot fraud attempts early. That’s a powerful capability hiding in plain sight. 

Key Points:

• Monitoring traffic patterns

• Integration with Microsoft Fabric

• Early fraud detection

Enterprise-scale security patterns & the AI Gateway

We also saw how large organizations approach API security at scale, layering policies for access control, identity validation, and traffic protection. And as AI-powered workloads become more common, APIM’s new AI Gateway capabilities are stepping in to help control the chaos. 

Shortcuts, costs – and the real price of insecurity

One session reminded us just how complex integration solutions can become over time. With every design choice, especially around security, there’s a tradeoff. Strong isolation and advanced controls sound great – until they double your cost or cripple your agility. Finding the right balance between cost and security isn’t just smart, it’s essential if you want your platform to be both safe and sustainable.

And perhaps the most relatable point came from the discussion around real-world integration projects: as services multiply and deadlines loom, shortcuts happen. Those shortcuts, like shared keys, overly broad permissions, or “temporary” public endpoints tend to stick around and come back to bite you.

💬 Biggest takeaway?

Security isn’t something you sprinkle on later. It’s baked into the design, the automation, and the defaults.
Get it right early or spend a lot more fixing it later.

<>Vill du prata mer säkerhet? Kontakta mig!

Vad händer när AI-agenter flyttar in i Logic Apps och utmanar vårt sätt att tänka integration?
Håkan Åkerblom skriver sina insikter från Integrate 2025 med konkreta reflektioner om drag-and-drop, determinism – och varför framtiden kanske faktiskt är här nu.

Agentisk AI för dig som gillar drag-and-drop

I veckan var jag och några kollegor på ”Integrate 2025”, en integrationsmässa i London. Här kommer några insikter därifrån:

1. Det är utmattande att lyssna på föreläsningar hela dagen.
Fler mässor borde varva med workshops eller andra publikaktiverande aktiviteter. (Denna insikt får jag dock varje gång jag är på mässa).

2. AI-agenter är i ropet.
Alla vi som är det minsta intresserade av AI-agenter vet såklart redan detta, men det blir alltid lite tydligare när man får diskutera ämnet med andra tekniknördar under ett par intensiva dagar.

”Agent” är ett vitt begrepp som innefattar någon slags entitet som uppfattar sin omgivning och tar beslut därefter.

I den vidaste bemärkelsen kan en termostat sägas uppfylla beskrivningen, men när man pratar om AI-agenter brukar man oftast hänvisa till språkmodeller som har tillgång till olika verktyg och själv tar beslut för när och hur dessa ska användas.

En av mässans stora snackisar var att AI-agenter implementerats i low-code/no-code-verktyget Logic Apps, som används flitigt inom integration.

En av förtjänsterna med Logic Apps är att flöden man skapar blir väldigt visuella på ett sätt som inte kodblock blir. Om man föredrar att arbeta med kod framför drag-and-drop så kan man såklart göra det – men just när det gäller agenter tror jag det finns ett värde i att få koden presenterad visuellt.

Det blir tydligt:

• vilka verktyg din agent har i verktygslådan

• vilka flöden din agent kan trigga

• hur hierarkin ser ut i ett nätverk med flera olika agenter

3. Inom integration gillar man determinism. AI är dock till sin design icke-deterministisk.

Determinism betyder här att man förväntar sig att om inputen är densamma, så är outputen också densamma.

Den absoluta majoriteten av AI-modeller är dock till sin natur icke-deterministiska – så varför i hela fridens namn skulle man vilja blanda in AI i integration?

Som jag ser det finns det tre tydliga tillfällen:

a. Agenten som startmotor:
Låt en agent starta ett specifikt deterministiskt flöde beroende på input. Lägg in vägräcken (direktöversättning av guardrails) för tillfällen då agenten skulle välja fel.

b. Agenten som räddningsplanka:
Aktivera endast agenten om ditt deterministiska flöde misslyckas. Istället för att flödet bara avbryts – ge agenten en chans att försöka lösa problemet, föreslå sin lösning till sin överordnade människa, och om denne godkänner (t.ex. via en knapptryckning i Teams – funktionaliteten finns inbyggd i Logic Apps) – låt agenten köra sin lösning.

c. Agenten som problemlösare:
Använd agenter när en deterministisk lösning är omöjlig eller opraktisk. Om ett problem är för komplext för att lösa inom rimlig tid – låt en agent prova att lösa det åt dig. Men: håll en människa “in the loop” som kan granska agentens lösningsförslag innan du sätter tilltro till den.

4. Föreläsares powerpoints har blivit snyggare – men mindre användbara.
Jag såg många AI-genererade presentationer. Jättesnygga! Men hjälpte de till att få fram budskapet? Nja.

Som gammal lärare kommer jag fortsätta göra mina fula presentationer själv – tack så mycket.

Hur som helst – AI-agenter har stor potential att radikalt förändra vårt IT-landskap och vår arbetsmarknad. (Jag vet att det har sagts länge – men den här gången kan det faktiskt vara på riktigt.)

👉 Vill du diskutera mer om AI-agenter och hur de kan implementeras i ditt affärsflöde? Hör av dig till mig på hakan.akerblom@contica.se

<>Vill du prata om hur AI kan förbättra era arbetsprocesser? Kontakta mig!

What happens when integrations are no longer hardcoded step by step—but instead guided by AI that understands goals, rules, and context?
In this article, I share my hands-on experience with Microsoft’s new Agentic Logic Apps—and why I believe we’re entering a new paradigm.

Agentic Logic Apps: A Potential Black Swan Moment in System Integration

What Is a Black Swan Event?

In history, a Black Swan event refers to something unexpected and highly impactful—an innovation that breaks away from conventional norms and forces a complete shift in thinking.

“We already have horses,” they said. “Let’s just focus on improving them.”

When automobiles were first introduced, many resisted. But over time, the car didn’t just replace the horse—it redefined how society moved, built infrastructure, and interacted with the world.

That kind of shift is what I believe is beginning to happen in the integration landscape.

What Does “Agentic” Mean?

To grasp agentic AI, it helps to contrast it with what we’re used to.

Traditional AI tools—like ChatGPT, GitHub Copilot, or other LLM-based apps—generate content, suggest code, and assist with documentation. But they rely on human input to act. They are passive.

We’ve improved workflows by embedding these models into pipelines. But they haven’t fundamentally changed how we build integrations.

That changes now.

Introducing Agentic Logic Apps

Agentic Logic Apps allow you to build workflows with built-in intelligence. Instead of following a strict, predefined script, they include an AI agent that:

• Understands your goals

• Decides how to achieve them

• Uses the tools you define

Think of it like adding a smart assistant to your integration team—someone who reads your business process, knows your rules, and acts independently based on your intent.

Smart orchestration replaces static workflows.

You don’t hardcode everything. You define goals and give the agent the right tools—it figures out the rest.

You’re still in control:

• You define available tools

• You decide when humans should step in

• You control how far the agent can go

As confidence grows, you can gradually hand over more responsibility.

Getting Started: Setting Up an Agentic Workflow

Important: Before diving into setup, let’s clarify one key term: tool. In this context, a tool is any predefined action the agent can use like calling an API, running a function, or triggering another workflow.

Step 1: Set up your Azure AI Foundry project

his is where you define your agent’s capabilities and access to models.

Follow the official instructions here: Create an Azure AI Foundry project in Azure AI Foundry portal – Microsoft Learn

Once the project is ready, open Azure AI Foundry Studio.

Step 2: Create model endpoints

Go to “My Assets” and create model endpoints. This is important, you’ll later connect these models to your Agentic Logic App to enable reasoning and decision-making.

Step 3: Create the Agentic Logic App

1. In Logic Apps Standard, select the new Agent option when creating your workflow.

2. Set up your trigger (as you would in a regular Logic App).

Define your goal using natural language. This is the most critical step. Be clear with your instructions and include any restrictions or steps the agent should follow.

3. Add your tools it can be any reusable logic blocks.

• • When creating a tool, describe its purpose so the agent can understand when to use it.
  • Define the tool’s parameters to indicate what kind of input it expects. This can include dynamic data or plain English instructions the model can interpret both.

When creating a tool its also critical to provide a description of its purpose so the agent can understand.

You should also provide a parameter to this tool, to define what kind of input data you will use.

Here there a magic can also happened as you can just define parameters not only from your data but also as instruction in plain English and the agent will understand and do the rest.

Now you are all set. This is just the beginning but it’s a promising one!

Next Steps for Success: Change your mindset

1. Identify human bottlenecks: Look for manual steps in your processes that could benefit from AI assistance.
2. Practice prompt engineering: Write clear, concise prompts to guide the AI effectively.
3. Get feedback and improve: Test your integrations, gather feedback, and refine your workflows.

This is a legitimate Black Swan event for system integration. Why?

1. Engineers will stop writing code: Endless logic code will be replaced. The agents handles translation and orchestration. Developers must shift focus from code to process. Business logic becomes the new core skill.
2. Conversation replaces documentation: In near furure Instead of reading through hours of documentation, you’ll simply instruct the AI “Connect to my Azure SQL database and extract the sales data from last quarter.”
3. Integration becomes composable: Once your tools and services are exposed, combining them becomes effortless. The whole becomes greater than the sum of its parts.

What This Means For Developers

Your focus must change, focus on business logic: We need to fully focus on what matters (solving business problems) instead of fighting with incompatible APIs

The Future Is Already Here

Agentic integration might sound like the distant future, but they’re happening right now.

Welcome to the black swan event. The water’s fine.  jump in!

Want to know more?

Contant me, Ahmed, CTO of Contica and Azure MVP.

<>Ahmed Bayoumy

Hur bygger man AI-kunskap som verkligen fastnar – och samtidigt blickar framåt? På Contica har vi testat ett nytt upplägg med föreläsningar, quiz och intern nyfikenhet som drivkraft. Vi har djupdykt i prompt engineering, språkförståelse och Azure – men kanske mest spännande just nu är vår fascination för AI-agenter. 

Ett steg närmare att förstå AI:s svarta låda

“Tre föreläsningar och tre quiz – sex tillfällen att få AI att fastna i vardagen.”

I ett försök att öka transparensen i den svarta lådan som är AI har vi på Contica genomfört en intern utbildning i tre delar. Varje föreläsning följdes av ett kort quiz för att stärka lärandet.

Syftet? Att skapa kontinuitet, nyfikenhet och en vana att integrera AI-tänk i det dagliga arbetet.

📌 Ps. Missade du vårt tidigare inlägg om AI som svart låda? Läs det här: www.contica.se/blogg/ai-svart-lada

Del 1: Prompt Engineering – instruktioner som gör skillnad

“Det är lätt att fnysa åt titeln ‘prompt engineer’ – men grunden är viktigare än man tror.”

Att skriva effektiva prompter till en LLM (Large Language Model) kan vara både en konst och en vetenskap. Vi utforskade allt från enkla tekniker till mer avancerade koncept som RAG (Retrieval Augmented Generation).

Oavsett ambitionsnivå är prompt engineering ett grundläggande verktyg för dig som vill förstå och använda AI i praktiken.

Del 2: Word Embeddings – vad händer egentligen under huven?

“Word Embeddings är bryggan mellan mänskligt språk och matematik.”

Vi valde att fördjupa oss i tekniken bakom hur AI-modeller tolkar språk – och kom fram till att Word Embeddings är centrala för att förstå hur AI “tänker”.

Genom att koppla ord till vektorer i ett flerdimensionellt rum kan en AI-modell, trots att den bara räknar med siffror, faktiskt förstå mänskligt språk.

Del 3: AI i Azure – verktyg med potential och variation

“Azure är en föränderlig värld – förståelse för verktygen gör skillnad.”

Eftersom vi på Contica arbetar i Azure, fördjupade vi oss i vad Microsofts plattform erbjuder inom AI – från enkla API:er till mer kraftfulla modeller i samarbete med OpenAI.

Vi diskuterade:

• Vilka verktyg som är mest användbara just nu

• Hur mycket man själv behöver förstå bakom kulisserna

• När det är läge att välja vilken lösning

Vill du veta mer – eller utforska framtiden tillsammans med oss?

Är du också nyfiken på AI – vare sig det handlar om prompt engineering, modellförståelse eller hur tekniken fungerar i Azure?

Just nu är vi särskilt fascinerade av AI-agenter – intelligenta system som inte bara förstår vad du vill, utan också tar reda på hur det ska göras. Vi tror att de kan spela en avgörande roll i nästa generations integrationer.

<>Håkan Åkerblom