Chris Bishop, CEO of BillingPlatform – Série rozhovorů

Chris Bishop, CEO společnosti BillingPlatform, je výkonný ředitel v oblasti podnikového softwaru s více než dvacetiletou zkušeností v SaaS, řízení výnosů, úspěchu zákazníků, profesionálních službách a vedení go‑to‑market. Před tím, než se v roce 2026 stal CEO ve společnosti BillingPlatform, strávil Bishop téměř sedm let ve společnosti Conga, kde zastával vrcholové pozice, včetně vedoucího zákaznických služeb, vedoucího výnosů a vedoucího marketingu, a pomáhal vést firmu během období transformace a integrace. Dříve působil jako Group Vice President of Global Services ve společnosti Plex Systems a založil MIPRO Consulting, poradenskou firmu zaměřenou na podnikovou aplikaci se specializací na technologie PeopleSoft a Oracle. Jeho kariéra také zahrnuje vrcholové vedoucí pozice ve společnostech PeopleSoft a Oracle, kde řídil severoamerickou praxi řízení dodavatelského řetězce s více než 230 konzultanty, a také dřívější práci na přepracování procesů ve společnosti Ford Motor Company.

BillingPlatform je společnost vyvíjející software pro řízení životního cyklu výnosů a monetizaci, navržený tak, aby pomáhal firmám spravovat stále složitější cenové a fakturační modely. Společnost byla založena v roce 2012 a poskytuje cloudovou platformu zahrnující zachytávání objednávek, předplatné a fakturaci na základě využití, fakturaci, platby, automatizaci pohledávek, uznání výnosů a finanční řízení. Její technologie podporuje opakující se, spotřebou řízené, hybridní a další konfigurovatelné cenové modely, zatímco schopnosti mediace využití dokážou přijímat a transformovat data, jako jsou volání API, transakce, licence, šířka pásma nebo jiné události spotřeby, na fakturovatelné záznamy. BillingPlatform uvádí, že její systémy zpracovávají více než 50 000 faktur denně a přes $4 billion v měsíčních fakturacích, čímž platformu představuje jako finanční infrastrukturu pro podniky, které přecházejí mimo tradiční modely s pevnou cenou a předplatným.

Vaše kariéra vás zavedla od přepracování procesů ve společnosti Ford a podnikových aplikací ve společnostech PeopleSoft a Oracle až po založení MIPRO Consulting a vedení zákaznických, výnosových a marketingových funkcí ve společnostech Plex Systems a Conga. Jak tyto zkušenosti formovaly vaše priority jako CEO společnosti BillingPlatform, zejména při zavádění AI do kritických finančních operací?

Považuji každou zastávku v mé kariéře za zkušenost kritickou pro mise. Výrobní proces ve společnosti Ford, finance a řízení dodavatelského řetězce ve společnostech PeopleSoft a Oracle, konzultační roky mezi nimi, ERP ve společnosti Plex a řízení životního cyklu výnosů ve společnosti Conga. Když systémy jako tyto narazí na chyby nebo dojde k zastavení řádku, někdo nedostane plat, nebo se obchod neuzavře. To představuje mnohem nižší toleranci k chybám, než jakou většina softwaru má.

Dalším vláknem je, že hodnota je určována výsledky, které odemknete, nikoli tím, co propagujete. Vlastnictví zákaznických a výnosových funkcí ve společnostech Plex a Conga mi to jasně ukázalo, nacházející se v mezery mezi tím, co bylo prodáno, a tím, co zákazník obdržel.

Obě vlákna se setkávají na stejném místě u AI ve finančních operacích. Být správný 99,5 % času zní skvěle v demonstraci, ale stále je to selhání. Spravujeme fakturaci pro společnosti s miliony předplatitelů. V takovém měřítku je poloprocentní chybovost desetitisíce chybných faktur během jednoho měsíce, desetitisíce zákaznických konverzací, na které nikdo neplánoval, a proces úvěrů, který tým zatíží. Zákazník očekával, že všechny budou správné, takže 99,5 % nedodalo výsledek, který zakoupil.

Proto jsme konzervativní, pokud jde o to, kde AI zasahuje do peněz, a agresivní, kde zasahuje do práce. AI provádí konfiguraci, analýzu a vyšetřování. Výpočet zůstává deterministický. Test, který aplikuji na každou AI funkci, je, zda kontrolor dokáže výstup vysvětlit auditorovi, aniž by řekl, že model to rozhodl za něj nebo za ni.

Mnoho dodavatelů podnikového softwaru přidává AI asistenty do stávajících produktů. BillingPlatform popisuje svou AI jako nativní k životnímu cyklu výnosů a postavenou na jednotném, samopopisném modelu metadat. Co může tato architektura dosáhnout, co konvenční vrstva AI přidaná k legacy fakturačnímu softwaru nedokáže?

Naše platforma se popisuje sama. Entity, pole, cenová pravidla, pracovní postupy a schválení jsou všechna metadata, která systém může číst za běhu. To znamená, že naše AI čte vaši skutečnou konfiguraci, nikoli obecné schéma produktu, a může navrhovat změny této konfigurace, protože konfigurace je data, nikoli kód.

Asistent připojený k legacy fakturačnímu softwaru má jiný problém. Zákaznická specifická logika v těchto systémech žije v vlastním kódu, uložených procedurách a integračním middleware. Asistent může odpovídat na otázky týkající se dokumentace. Všechno, co je specifické pro to, jak vaše instance skutečně funguje, musí být přečteno z tohoto kódu, a jeho změna znamená vývojový cyklus místo konverzace.

Druhým problémem je, že měření, fakturace a uznávání výnosů jsou obvykle umístěny v samostatných systémech s oddělenými databázemi. Jakákoli AI nad těmito funkcemi provádí úvahy napříč smířením, takže její odpověď je jen tak dobrá, jako včerejší dávkový úkol. My provozujeme všechny tři oblasti na jednom modelu, takže existuje jediný řetězec od události využití po účetní zápis. AI odpovídá ze stejného záznamu, ze kterého byla faktura vytvořena, což je nesmírně důležité.

Jak AI mění způsob, jakým jsou produkty a služby baleny, oceňovány a monetizovány, když firmy přijímají modely založené na využití, na výsledcích a hybridní obchodní modely?

Dvě věci se mění. První je, že jednotka hodnoty se odklání od počtu licencí směrem k dokončené práci, takže firmy oceňují řešení, zpracované dokumenty, dokončené úkoly nebo dodané výsledky. Druhá je, že cenotvorba se stává něčím, co přehodnocujete čtvrtletně místo ročně, protože nákladová křivka pod AI produktem se tak rychle mění.

Podle našich zkušeností AI pomáhá spíše na analytické straně než na kreativní. Pokud je vaše transakční historie uložena na jednom místě, můžete během několika minut modelovat navrhovanou změnu cen vůči skutečnému chování zákazníků a předpovědět, jaký to může mít dopad na marži nebo odchod zákazníků. Dříve to byl vícedílný finanční úkol trvající několik týdnů.

Rád bych také upozornil na opatrnost. Většina firem přecházejících na spotřební nebo výkonnostní cenotvorbu ještě nedokáže odpovědět, kolik jim stojí jedna jednotka služby. Bez tohoto čísla firma jen hádá spodní limity a pravomoci slev. Proto většina podniků volí hybridní přístup: závazný poplatek za platformu pro předvídatelnost, spotřeba pro sladění a výkonnostní složku, kde je hodnota skutečně měřitelná.

Produkty AI mohou generovat vysoce proměnlivé náklady na základě tokenů, modelů, infrastruktury a složitosti každého požadavku. Jaké nové možnosti měření a fakturace potřebují firmy k přesnému monetizování AI služeb, aniž by se vystavily nepředvídatelným maržím?

Navrhuji začít měřením na úrovni nákladového faktoru a zachovat události. Pokud předem agregujete na denní součet podle zákazníka, ztratíte možnost vidět, že jeden pracovní postup běží na drahém modelu.

Odtud čtyři schopnosti vykonávají skutečnou práci:

1. Přiřaďte náklady na zboží ke stejné události, která nese příjem, aby byla marže podle zákazníka, funkce a modelu viditelná během období, nikoli až při uzavření.
2. Podporujte cenové struktury, které se mění během období, protože výměna modelu a slevy dodavatelů nepočkají na obnovovací kalendář firmy.
3. Poskytněte zákazníkům závazky, předplacené zůstatky, limity a čerpání, protože předvídatelnost je vlastností produktu a zároveň chrání firmu před neočekávanou fakturou.
4. A nakonec umožněte přepočítat historii, když se cena změní nebo došlo k nesprávné mediaci, bez ručního procesu kreditování.

Ochrana marže u AI produktů je problém návrhu měření a cenotvorby. Pokud ji řešíte jako problém finančního reportingu, zjistíte to až po 40 dnech.

BillingPlatform umožňuje týmům konverzačně konfigurovat produkty, cenová pravidla a fakturační workflow. Která rozhodnutí lze bezpečně delegovat na AI a kde by mělo lidské přezkoumání a schválení zůstat povinné?

Řekl bych, že práci delegujte, ale rozhodnutí nechte na lidech.

AI může bezpečně číst a vysvětlovat existující konfiguraci, navrhovat novou konfiguraci v sandboxu, generovat testovací data a testovací případy, detekovat anomálie v používání nebo fakturačních bězích, vyšetřit sporné ocenění až k původní události a vytvořit první mapování pro migraci. To představuje velkou část hodin v týdnu fakturačního týmu a téměř žádné riziko.

Lidské schválení je povinné u všeho, co mění, co je zákazníkovi fakturováno nebo jaký příjem je v produkci uznán. Patří sem změny cen a sazeb, smluvní podmínky, kredity a úpravy, politika uznávání výnosů a posouzení samostatné prodejní ceny, mapování hlavní knihy, daňové pozice a uzavření období. Také lidé musí být zapojeni do všeho, co je poprvé viditelné pro zákazníka.

Provozní pravidlo je, že AI navrhuje, osoba s oprávněním schvaluje a schválení je zaznamenáno k změně. Schválení a oprávnění založená na rolích již v platformě existovala, takže agenti je dědí místo aby je obcházel.

Finanční systémy ponechávají málo prostoru pro halucinace nebo nevysvětlená rozhodnutí. Jak BillingPlatform kombinuje AI uvažování s deterministickým provedením, aby faktury, výpočty výnosů a účetní akce zůstaly přesné a reprodukovatelné?

Oddělujeme interpretaci od provedení. Model interpretuje záměr a vytváří konfiguraci, dotaz nebo navrhovanou změnu. Poté provádí ratingový a účetní engine. Tento engine používá stejnou cestu kódu, ať už jej osoba nakonfigurovala v uživatelském rozhraní, nebo agent prostřednictvím naší AI, takže stejné vstupy vždy vytvoří stejnou fakturu a můžete znovu spustit uzavřené období a získat identickou odpověď.

Žádné číslo na faktuře není generováno jazykovým modelem v okamžiku fakturace. AI vytváří změnu konfigurace, která nese verzi, autora a časové razítko jako každá jiná změna v systému. Pokud auditor požádá, proč je poplatek takový, jaký je, odpověď vede přes záznam o ceně k události využití, nikoli k promptu.

Poslední částí je, že návrhy lze přezkoumat před jejich aplikací. Vidíte konkrétní konfiguraci, kterou AI chce vytvořit, v jednoduchých termínech, a můžete ji schválit nebo odmítnout.

BillingPlatform podporuje Model Context Protocol, protokol Agent-to-Agent a spojení s externími podnikovými AI nástroji. Jak mohou společnosti umožnit autonomním agentům přístup k fakturačním operacím a zároveň zabránit neautorizovaným akcím, úniku dat nebo nevyhledatelným změnám?

MCP a A2A jsou transportní vrstvy a dostanou agenta ke dveřím. Řídící rovina je vaším modelem oprávnění a právě tam se nachází skutečná práce.

V našem případě se agent autentizuje jako uživatel a dědí stejnou roli, oprávnění na úrovni polí i záznamů, jaká získá kterýkoli zaměstnanec. Neexistuje žádné obcházení agenta. Dále je třeba dodržovat několik osvědčených postupů. Každému agentovi přidělte vlastní omezený servisní účet s nejmenšími oprávněními, jen pro čtení, dokud se neprokáže opak, aby auditní log ukazoval, který agent co udělal. Zapisovací operace směrujte přes schvalovací workflow s prahy v dolarech a objemu. Měli byste je také omezovat rychlostí, protože agent v cyklu představuje jiný typ selhání než člověk, který udělá chybu. Je také zásadní zaznamenávat každý hovor, nejen ty, které něco změnily. A vracejte pouze pole, která úloha potřebuje, protože nejrychlejší způsob úniku zákaznických dat je příliš široké čtení.

Chyba, kterou očekávám, že se letos na trhu objeví, je, že společnosti dávají agentovi lidské administrátorské pověření, protože je to jednodušší než správně nastavit jeho rozsah.

BillingPlatform tvrdí, že AI může zkrátit implementace z kvartálů na týdny. Které části sběru požadavků, konfigurace, testování a migrace může AI dnes automatizovat a které části stále vyžadují zkušené odborníky na fakturaci a finance?

AI je skutečně dobrá v převodu zdokumentovaného cenění do konfigurace, provádění gap analýzy vůči knihovně známých vzorů, generování testovacích případů a provádění regresních testů, mapování a čištění starých dat pro migraci a vytváření dokumentace. To jsou oblasti, kde se práce zkrátí z kvartálů na týdny.

Nicméně rozhodování stále vyžaduje zkušené odborníky na fakturaci a finance. Některé příklady, které stále vyžadují zkušené lidi, zahrnují získání souhlasu zákazníka s jeho vlastními pravidly cen a politikou výnosů, rekonstrukci podmínek z kontraktů, integraci do systému s nedomluveným chováním a posouzení zacházení s výnosy u víceprvkových uspořádání. Stručně řečeno, řízení změn neodpovídá na software.

Jak může jednotný model zahrnující měření, fakturaci a uznávání výnosů zlepšit shodu, auditovatelnost a finanční výkaznictví, zejména pro organizace působícípod složitými požadavky na uznávání výnosů?

Auditoři se vždy ptají na dvě věci: ukažte mi, jak jste dospěli k tomuto číslu, a ukažte mi, že jste aplikovali stejný postup konzistentně. Pokud vaše systémy měření, fakturace a uznávání výnosů fungují odděleně, odpověď na to znamená prohledávat tři databáze plus ručně vytvořený tabulkový list, abyste je všechny sladili.

Když je vše v jednom modelu, celá tato činnost zmizí. Událost využití, poplatek, řádek faktury a účetní zápis jsou všechny stejný záznam, jen pokračují do dalšího kroku. Můžete jej sledovat dopředu i dozadu bez mezikroku smíření, protože není co smířit. Když se smlouva změní, hodnotíte stejná transakční data, která vygenerovala fakturu od začátku. Vaše samostatná prodejní cena a alokace budou vycházet z toho, co se stalo.

To je nejdůležitější pro společnosti zabývající se proměnným ohodnocením podle ASC 606 nebo IFRS 15, kde musíte prokázat svou práci a být schopni ji znovu ukázat o rok později.

BillingPlatform nedávno oznámil přidání nového finančního ředitele, ředitele produktů a ředitele zákaznických vztahů, jak rozšiřuje svou AI‑nativní strategii. Jak budou tito lídři spolupracovat na převodu technické inovace do finančně udržitelného růstu a měřitelných výsledků pro podnikového zákazníky?

Jako ředitel produktů, Rob Zwiebach zajišťuje, že náš produkt je odlišný a dodávaný. V Workday řídil produktovou roadmapu pro finance a strávil 17 let v Oracle, takže zná systémy, které naši zákazníci již používají, a co je potřeba k tomu, aby s nimi mohli konkurovat. Jako ředitel zákaznických vztahů, Chris King zodpovídá, zda zákazníci získají hodnotu, což zahrnuje čas k hodnotě, konzistenci dodávek, udržení a rozšíření. Vedl služby a úspěch ve firmách Medidata a Salesforce a začal v tomto odvětví v Zuora, takže viděl jak dobré, tak špatné podnikové dodávky ve velkém měřítku. Steven Springsteel, náš finanční ředitel, zodpovídá ekonomiku a přichází k nám z pozice CFO ve společnosti Recurly, takže má přímou zkušenost s řízením finanční funkce fakturační společnosti.

Kde opravdu musí spolupracovat jako jedna skupina, je číslo, na kterém mi nejvíce záleží. Tedy kolik to stojí a jak dlouho trvá, než se podnikovému zákazníkovi umožní být aktivní a produktivní, a jaká je marže na této práci. Jedná se o rozhodnutí o produktu, o dodání a o měření a historicky to byl bod, kde projekty podnikového fakturování selhávají. Prohlášení, že jste AI‑nativní, je tvrzení o vaší architektuře. Stane se to podnikáním teprve tehdy, když se projeví v nákladech na implementaci, míře růstu a hrubé marži. To jsou tři čísla, na nichž Rob, Chris a Steven mají každý svůj podíl.

Děkujeme za skvělý rozhovor, čtenáři, kteří se chtějí dozvědět více, by měli navštívit BillingPlatform.