Chris Bishop, الرئيس التنفيذي لشركة BillingPlatform – سلسلة مقابلات

Chris Bishop، الرئيس التنفيذي لشركة BillingPlatform، هو مدير تنفيذي لبرمجيات المؤسسات يمتلك أكثر من عقدين من الخبرة التي تشمل SaaS، عمليات الإيرادات، نجاح العملاء، الخدمات المهنية، وقيادة الذهاب إلى السوق. قبل انضمامه إلى BillingPlatform كرئيس تنفيذي في عام 2026، قضى Bishop ما يقرب من سبع سنوات في شركة Conga، حيث شغل مناصب عليا تشمل مدير العملاء الرئيسي (Chief Customer Officer)، مدير الإيرادات الرئيسي (Chief Revenue Officer)، ومدير التسويق الرئيسي (Chief Marketing Officer)، مساهماً في قيادة الشركة خلال فترة التحول والدمج. في السابق، شغل منصب نائب الرئيس مجموعة لخدمات العالمية في Plex Systems وأسّس شركة MIPRO Consulting، وهي شركة استشارية لتطبيقات المؤسسات متخصصة في تقنيات PeopleSoft وOracle. تشمل مسيرته أيضاً أدوار قيادية عليا في PeopleSoft وOracle، حيث قاد ممارسات إدارة سلسلة التوريد في أمريكا الشمالية التي تضم أكثر من 230 مستشاراً، بالإضافة إلى عمله السابق في إعادة هندسة العمليات في شركة Ford Motor Company.

BillingPlatform هي شركة برمجيات لإدارة دورة حياة الإيرادات وتحصيل الأرباح للمؤسسات صُممت لمساعدة الشركات على إدارة نماذج التسعير والفوترة المتزايدة التعقيد. تأسست في عام 2012، وتقدم الشركة منصة سحابية تشمل التقاط الطلبات، الفوترة بالاشتراك والاستخدام، الفوترة، المدفوعات، أتمتة الحسابات المستحقة، التعرف على الإيرادات، والإدارة المالية. تدعم تقنيتها نماذج التسعير المتكررة، القائمة على الاستهلاك، المختلطة، وغيرها من النماذج القابلة للتكوين، بينما تمكن قدرات وساطة الاستخدام من استيعاب وتحويل بيانات مثل مكالمات API، المعاملات، المقاعد، عرض النطاق الترددي، أو أي أحداث استهلاك أخرى إلى سجلات قابلة للفوترة. تقول BillingPlatform إن أنظمتها تعالج أكثر من 50,000 فاتورة يوميًا وأكثر من 4 مليارات دولار في الفوترة الشهرية، مما يضع المنصة كالبنية التحتية المالية للمؤسسات التي تتجاوز النماذج التقليدية ذات السعر الثابت والاشتراك.

قادتك مسيرتك المهنية من إعادة هندسة العمليات في شركة Ford وتطبيقات المؤسسات في PeopleSoft وOracle إلى تأسيس MIPRO Consulting وقيادة وظائف العملاء والإيرادات والتسويق في Plex Systems وConga. كيف شكلت هذه التجارب أولوياتك كرئيس تنفيذي لشركة BillingPlatform، خصوصًا عند إدخال الذكاء الاصطناعي في العمليات المالية ذات الأهمية الحيوية؟

أعتبر كل مرحلة في مسيرتي تجربة ذات أهمية حيوية. عملية التصنيع في Ford، الشؤون المالية وإدارة سلسلة التوريد في PeopleSoft وOracle، سنوات الاستشارة بينهما، نظام ERP في Plex، وإدارة دورة حياة الإيرادات في Conga. عندما تواجه الأنظمة مثل هذه الأخطاء أو يتوقف خط ما، لا يحصل أحد على أجره، أو لا تُغلق صفقة. هذا يعني وجود تحمل أقل للخطأ بكثير مما تتعامل معه معظم البرمجيات.

الخيط الآخر هو أن القيمة تُحدد بناءً على النتائج التي تحققها، وليس بناءً على ما تسوقه. امتلاك وظائف العملاء والإيرادات في Plex وConga هو ما جعل ذلك واضحًا لي، حيث أقف في الفجوة بين ما تم بيعه وما تلقاه العميل.

كلا الخيطين يلتقيان في نفس النقطة بالنسبة للذكاء الاصطناعي في العمليات المالية. أن تكون صحيحًا بنسبة 99.5٪ من الوقت يبدو رائعًا في عرض توضيحي، لكنه لا يزال فشلًا. نحن ندير الفوترة لشركات لديها ملايين المشتركين. على هذا النطاق، معدل خطأ نصف بالمئة يعني عشرات الآلاف من الفواتير الخاطئة في شهر واحد، وعشرات الآلاف من محادثات العملاء التي لم يُخطط لها، وعملية ائتمان تُثقل كاهل الفريق. العميل توقع أن تكون جميعها صحيحة، لذا فإن 99.5٪ لم تحقق النتيجة التي اشتراها.

لهذا السبب نحن متحفظون بشأن الأماكن التي يتعامل فيها الذكاء الاصطناعي مع المال ومتحمسون بشأن الأماكن التي يتعامل فيها مع العمل. يقوم الذكاء الاصطناعي بالتكوين والتحليل والتحقق. تظل العملية حسابية حتمية. الاختبار الذي أطبقه على كل ميزة للذكاء الاصطناعي هو ما إذا كان المتحكم قادرًا على شرح النتيجة لمُدقق دون القول إن النموذج قررها له أو لها.

العديد من مورّدي برمجيات المؤسسات يضيفون مساعدين بالذكاء الاصطناعي إلى المنتجات الحالية. تصف BillingPlatform ذكائها الاصطناعي بأنه أصيل لدورة حياة الإيرادات ومبني على نموذج بيانات وصفية موحد يصف نفسه. ما الذي يمكن لهذا الهندسة تحقيقه ولا يستطيع طبقة ذكاء اصطناعي تقليدية مضافة إلى برنامج الفوترة القديم تحقيقه؟

منصتنا تصف نفسها. الكيانات، الحقول، قواعد التسعير، سير العمل والموافقات كلها بيانات وصفية يمكن للنظام قراءتها أثناء التشغيل. هذا يعني أن الذكاء الاصطناعي الخاص بنا يقرأ تكوينك الفعلي، وليس مخطط منتج عام، ويمكنه اقتراح تغييرات على ذلك التكوين لأن التكوين هو بيانات وليس شفرة.

المساعد المضاف إلى برنامج الفوترة القديم يواجه مشكلة مختلفة. المنطق الخاص بالعميل في تلك الأنظمة يكمن في الشيفرة المخصصة، الإجراءات المخزنة، ووسيط التكامل. يمكن للمساعد الإجابة على أسئلة حول الوثائق. أي شيء يخص كيفية سلوك مثالك الفعلي يجب قراءته من تلك الشيفرة، وتغييره يعني دورة تطوير بدلاً من محادثة.

المشكلة الثانية هي أن القياس والفوترة والتعرف على الإيرادات عادةً ما تكون في أنظمة منفصلة مع قواعد بيانات منفصلة. أي ذكاء اصطناعي فوق هذه الوظائف يتعامل مع تسوية، لذا فإن إجابته جيدة بقدر جودة دفعة العمل الليلة السابقة. نحن ندير جميع المجالات الثلاثة على نموذج واحد، لذا هناك سلسلة واحدة من حدث الاستخدام إلى القيد المحاسبي. يجيب الذكاء الاصطناعي من نفس السجل الذي بُنيت منه الفاتورة، وهو أمر مهم للغاية.

مع تبني الشركات نماذج الأعمال القائمة على الاستخدام، أو النتائج، أو النماذج الهجينة، كيف يغيّر الذكاء الاصطناعي طريقة تجميع المنتجات والخدمات، وتحديد أسعارها، وتحقيق الدخل منها؟

هناك أمران يتغيران. الأول هو أن وحدة القيمة تنتقل من المقاعد إلى العمل المنجز، لذا تقوم الشركات بتسعير الحلول، والوثائق المعالجة، والمهام المكتملة أو النتائج المقدَّمة. الثاني هو أن التسعير أصبح شيئًا تعيد النظر فيه كل ربع سنة بدلاً من كل سنة، لأن منحنى التكلفة تحت منتج الذكاء الاصطناعي يتحرك بهذه السرعة.

في تجربتنا، يساعد الذكاء الاصطناعي أكثر في جانب التحليل مقارنةً بالجانب الإبداعي. إذا كان تاريخ معاملاتك مركّزًا في مكان واحد، يمكنك نمذجة تغيير تسعير مقترح مقابل سلوك العملاء الفعلي قبل إصداره في دقائق، وتوقع كيف قد يؤثر ذلك على الهامش أو معدل الفقدان، على سبيل المثال. كان ذلك في السابق تمرينًا ماليًا يستغرق أسابيع متعددة.

أود أيضًا إضافة تحذير. معظم الشركات التي تنتقل إلى تسعير الاستهلاك أو النتائج لا تستطيع بعد أن تحدد تكلفة الوحدة الواحدة لتقديم الخدمة. بدون هذا الرقم، تخمن الشركة حدود الأسعار وسلطة الخصم. لهذا السبب تتجه معظم المؤسسات إلى نهج هجين، حيث تكون هناك رسوم منصة ثابتة للتنبؤ، واستهلاك للتوافق، ومكوّن نتيجة حيث تكون القيمة قابلة للقياس فعليًا.

يمكن لمنتجات الذكاء الاصطناعي أن تولد تكاليف متقلبة بناءً على الرموز، والنماذج، والبنية التحتية، وتعقيد كل طلب. ما هي قدرات القياس والفوترة الجديدة التي تحتاجها الشركات لتجنيب خدمات الذكاء الاصطناعي بدقة دون تعريض نفسها لهوامش غير متوقعة؟

أقترح البدء بالقياس على مستوى محرك تكلفة السلع والاحتفاظ بالأحداث. إذا قمت بالتجميع المسبق إلى إجمالي يومي حسب العميل، فإنك تفقد القدرة على رؤية أن أحد سير العمل يعمل على نموذج مكلف.

من هناك، أربعة قدرات تقوم بالعمل الفعلي:

1. إرفاق تكلفة السلع بنفس الحدث الذي يحمل الإيراد، بحيث يكون الهامش حسب العميل، والميزة، والنموذج مرئيًا خلال الفترة بدلاً من عند الإغلاق.
2. دعم هياكل الأسعار التي تتغير وسط الفترة، لأن استبدال النموذج وتخفيضات أسعار البائع لن تنتظر جدول تجديد الشركة.
3. منح العملاء التزامات، أرصدة مدفوعة مسبقًا، حدود وسحب، حيث إن التنبؤية هي ميزة منتج وتُحمي الشركة أيضًا من فاتورة غير متوقعة.
4. وأخيرًا، القدرة على إعادة تسعير التاريخ عندما يتغير السعر أو كان هناك خطأ في الوساطة، دون عملية ائتمان يدوية.

حماية الهامش على منتجات الذكاء الاصطناعي هي مشكلة تصميم القياس والتسعير. إذا اعتبرتها مشكلة تقارير مالية، ستكتشفها بعد 40 يومًا.

يتيح BillingPlatform للفرق تكوين المنتجات، وقواعد التسعير، وتدفقات الفوترة عبر محادثة. ما هي القرارات التي يمكن تفويضها بأمان إلى الذكاء الاصطناعي، وأين يجب أن يبقى المراجعة والموافقة البشرية إلزامية؟

أقول: فوض العمل لكن احتفظ بالقرارات للبشر.

يمكن للذكاء الاصطناعي قراءة وتفسير التكوين الحالي بأمان، وصياغة تكوين جديد في بيئة اختبار، وتوليد بيانات اختبار وحالات اختبار، واكتشاف الشذوذ في الاستخدام أو عمليات الفوترة، والتحقق من نزاع التسعير حتى أصل الحدث، وبناء خريطة أولية للهجرة. هذا يشكل حصة كبيرة من ساعات فريق الفوترة أسبوعيًا ولا يحمل تقريبًا أي مخاطر.

الموافقة البشرية إلزامية على أي شيء يغيّر ما يُفوتر للعميل أو ما يُعترف به كإيراد في الإنتاج. تشمل ذلك تغييرات الأسعار والرسوم، وشروط العقود، والاعتمادات والتعديلات، وسياسة الاعتراف بالإيرادات، وأحكام السعر المستقل للبيع، وربط دفتر الأستاذ العام، ومواقف الضرائب، وإغلاق الفترة. كما يجب أن يشارك البشر في أي شيء يُظهر للعميل للمرة الأولى.

القاعدة التشغيلية هي أن الذكاء الاصطناعي يقترح، وشخص ذو سلطة فعلية يوافق، وتُسجل الموافقة مقابل التغيير. كانت الموافقات وأذونات الدور موجودة بالفعل في المنصة، لذا يرثها الوكلاء بدلاً من التحايل عليها.

تترك الأنظمة المالية مساحة قليلة للخيالات أو القرارات غير المبررة. كيف يجمع BillingPlatform بين استدلال الذكاء الاصطناعي والتنفيذ الحتمي لضمان أن الفواتير، وحسابات الإيرادات، وإجراءات المحاسبة تظل دقيقة وقابلة لإعادة الإنتاج؟

نفصل التفسير عن التنفيذ. النموذج يفسّر النية وينتج تكوينًا أو استعلامًا أو تغييرًا مقترحًا. ثم يقوم محرك التسعير والمحاسبة بالتنفيذ. هذا المحرك يستخدم نفس مسار الشيفرة سواءً قام شخص بتكوينه عبر واجهة المستخدم أو وكيل عبر الذكاء الاصطناعي، لذا تُنتج المدخلات نفسها الفاتورة نفسها في كل مرة، ويمكنك إعادة تشغيل فترة مغلقة والحصول على النتيجة المتطابقة.

لا يُولد أي رقم على الفاتورة بواسطة نموذج لغوي في وقت الفوترة. ما ينتجه الذكاء الاصطناعي هو تغيير تكوين، وهذا التغيير يحمل نسخة، ومؤلف، وطابع زمني مثل أي تغيير آخر في النظام. إذا سأل مدقق لماذا تكون الرسوم كما هي، فإن الإجابة تتبع سجل التسعير إلى حدث الاستخدام، وليس إلى موجه.

الجزء الأخير هو أن المقترحات قابلة للمراجعة قبل تطبيقها. ترى التكوين المحدد الذي يرغب الذكاء الاصطناعي في إنشائه، بصياغة واضحة، ويمكنك الموافقة عليه أو رفضه.

يدعم BillingPlatform بروتوكول Model Context Protocol، وبروتوكول Agent-to-Agent، والاتصالات مع أدوات الذكاء الاصطناعي المؤسسية الخارجية. كيف يمكن للشركات منح الوكلاء المستقلين الوصول إلى عمليات الفوترة مع منع الإجراءات غير المصرح بها، أو كشف البيانات، أو التغييرات غير القابلة للتتبع؟

MCP وA2A هما وسيلة نقل، ويجعلان الوكيل يصل إلى الباب. طبقة التحكم هي نموذج الأذونات الخاص بك، وهنا يكمن العمل الفعلي.

في حالتنا، يُوثّق الوكيل كالمستخدم ويورث نفس الدور، وأذونات مستوى الحقل والسجل التي يحصل عليها أي موظف. لا يوجد تجاوز للوكيل. بخلاف ذلك، هناك بعض الممارسات التي تظل صالحة. امنح كل وكيل حساب خدمة مخصص بحدود صلاحية ضئيلة، قراءة فقط حتى يثبت العكس، حتى يخبرك سجل التدقيق أي وكيل فعل ماذا. قُم بتقييد عمليات الكتابة عبر سير عمل موافقة مع حدود مالية وحجمية. يجب أيضًا تحديد معدل الاستخدام لهم، لأن الوكيل داخل حلقة يمثل فشلًا مختلفًا عن شخص يرتكب خطأ. من الضروري أيضًا تسجيل كل استدعاء، وليس فقط تلك التي غيرت شيئًا. وعُد فقط بالحقول التي تحتاجها المهمة، لأن أسرع طريقة لتسريب بيانات العملاء هي القراءة الواسعة النطاق.

الخطأ الذي أتوقع رؤيته في السوق هذا العام هو أن الشركات تعطي الوكيل بيانات اعتماد مسؤول بشري لأنها أسهل من تحديد نطاق مناسب لها.

يقول BillingPlatform إن الذكاء الاصطناعي يمكنه تقليل مدة التنفيذ من أرباع سنة إلى أسابيع. أي أجزاء من جمع المتطلبات، التكوين، الاختبار والهجرة يمكن للذكاء الاصطناعي أتمتتها اليوم، وأي أجزاء لا تزال تتطلب محترفي الفوترة والمالية ذوي الخبرة؟

الذكاء الاصطناعي جيد حقًا في تحويل الأسعار الموثقة إلى تكوين، وإجراء تحليل الفجوات مقابل مكتبة من الأنماط المعروفة، وإنشاء حالات اختبار وتنفيذ اختبارات الانحدار، وربط وتنقية البيانات القديمة للهجرة، وإنتاج الوثائق. هذه هي المجالات التي يقل فيها العمل من أرباع سنة إلى أسابيع.

مع ذلك، لا يزال اتخاذ القرار يتطلب محترفي الفوترة والمالية ذوي الخبرة. بعض الأمثلة التي لا تزال تتطلب أشخاصًا متمرسين تشمل إقناع العميل بالموافقة على قواعد التسعير وسياسة الإيرادات الخاصة به، وإعادة بناء الشروط من العقود، والتكامل مع نظام سلوك غير موثق، وتقييم معالجة الإيرادات في ترتيب متعدد العناصر. باختصار، إدارة التغيير لا تستجيب للبرمجيات.

كيف يمكن لنموذج موحد يغطي القياس، الفوترة والاعتراف بالإيرادات تحسين الامتثال، القابلية للتدقيق والتقارير المالية، خصوصًا للمنظمات التي تعملتحت متطلبات معقدة للاعتراف بالإيرادات؟

دائمًا ما يسأل المدققون عن أمرين: أرني كيف وصلت إلى هذا الرقم وأرني أنك طبّقت نفس المعالجة باستمرار. إذا كانت أنظمة القياس، الفوترة والاعتراف بالإيرادات تعيش منفصلة، فإن الإجابة تعني الحفر عبر ثلاث قواعد بيانات بالإضافة إلى جدول بيانات من إعداد بشري لتسويتها جميعًا.

عندما يكون كل ذلك نموذجًا واحدًا، يختفي هذا التمرين بأكمله. حدث الاستخدام، والرسوم، وسطر الفاتورة، وقيد اليومية كلها سجل واحد، يُتابع إلى الخطوة التالية. يمكنك تتبعه إلى الأمام أو الخلف دون خطوة تسوية في الوسط لأنه لا شيء يحتاج إلى تسوية. عندما يتغير العقد، فإنك تقيم نفس بيانات المعاملة التي أنشأت الفاتورة في الأصل. سيأتي سعر البيع المستقل وتخصيصه من ما حدث.

هذا مهم بشكل خاص للشركات التي تتعامل مع الاعتبار المتغير وفقًا لـ ASC 606 أو IFRS 15، حيث يجب عليك إظهار عملك والقدرة على إظهاره مرة أخرى بعد عام.

أعلن BillingPlatform مؤخرًا عن إضافة مدير مالي جديد، ومدير منتج جديد، ومدير عملاء جديد مع توسعه في استراتيجيته القائمة على الذكاء الاصطناعي. كيف سيعمل هؤلاء القادة معًا لتحويل الابتكار التقني إلى نمو مالي مستدام ونتائج قابلة للقياس للعملاء المؤسسيين؟

بصفته مدير المنتج، يضمن روب زويباخ أن منتجنا مميز ويتم إصداره. كان يدير خارطة طريق المنتج للمالية في Workday وقضى 17 عامًا في Oracle، لذا فهو يعرف الأنظمة التي يستخدمها عملاؤنا وما يلزم للتنافس معها. بصفته مدير العملاء، يتحمل كريس كينغ مسؤولية تحقيق العملاء للقيمة، أي وقت الوصول إلى القيمة، اتساق التسليم، الاحتفاظ والتوسع. قاد الخدمات والنجاح في Medidata وSalesforce وبدأ في هذه الصناعة في Zuora، لذا فقد شهد كلًا من التسليم المؤسسي الجيد والسيء على نطاق واسع. ستيفن سبرينغستيل، مديرنا المالي، يتحمل مسؤولية الاقتصاديات، وقد جاء إلينا من منصب المدير المالي في Recurly، لذا فهو يمتلك خبرة مباشرة في تشغيل وظيفة المالية لشركة فوترة.

المجال الذي يجب أن يعملوا فيه معًا كفريق واحد هو الرقم الذي يهمني أكثر. وهو ما يكلفه وما يستغرقه من وقت لجعل عميل مؤسسي يعمل ويصبح منتجًا، والهامش على ذلك العمل. هذا قرار منتج، قرار تسليم، وقرار قياس، وقد كان تاريخيًا هو المكان الذي تخطئ فيه مشاريع الفوترة المؤسسية. القول إنك “قائم على الذكاء الاصطناعي” هو ادعاء حول بنية نظامك. يصبح عملًا فقط عندما ينعكس ذلك في تكلفة التنفيذ، معدل التوسع، والهامش الإجمالي. هذه هي الأرقام الثلاثة التي يمتلك كل من روب، كريس، وستيفن جزءًا منها.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا BillingPlatform.