Julio Martínez, spoluzakladatel a CEO Abacum – rozhovor

Julio Martínez, spoluzakladatel a CEO Abacum, je fintech podnikatel s téměř dvěma desetiletími zkušeností v oblasti investičního bankovnictví, firemního rozvoje, budování venture a leadershipu v oblasti technologií napříč hlavními globálními finančními centry. Začal svou kariéru ve finančních rolích pokrývajících kapitálové trhy, fúze a akvizice a private equity, než se přesunul do fintech, kde pomáhal spustit a škálovat několik digitálních finančních produktů a platforem. Před Abacum spoluzakládal a škáloval firemní venturingovou divizi Banco Sabadell, vedl produktové spuštění, strategické investice a akvizice napříč Evropou, Amerikou a Asií. Dnes, jako CEO Abacum, aplikuje hluboké provozní finanční odbornosti na budování nástrojů, které modernizují, jak finanční týmy plánují, předpovídají a řídí obchodní výkon.

Abacum je platforma pro finanční plánování a analýzu (FP&A) nativní pro umělou inteligenci, navržená pro pomoc středně velkým finančním týmům zjednodušit a modernizovat plánování, předpověď, reporting a rozpočet tím, že spojuje provozní a finanční data s colaborativními pracovními postupy a automatizovanými informacemi. Navržena jako náhrada manuálních procesů založených na tabulkách, platforma centralizuje data v reálném čase, podporuje pokročilé modelování scénářů a vícedimenzionální finanční modelování, automatizuje opakující se úkoly, jako je reporting a aktualizace předpovědí, a integruje stovky systémů, aby poskytla týmům jediný zdroj pravdy. Funkce Abacum pohání přesnost, efektivitu a strategické rozhodování, umožňující finančním organizacím snižovat manuální práci, urychlovat plánovací cykly a zaměřovat se na růstově orientované informace

Vy jste strávil téměř dvě desetiletí prací ve financích a fintechu, než jste založil Abacum. Jaké konkrétní frustrace s tím, jak finanční týmy plánovaly, předpovídaly a reportovaly výkon, vedly vás a Jorge k uvědomění, že nástroje, které jste používali, nebyly vhodné pro účel a že jste potřebovali postavit produkt, který byste sami chtěli mít?

Uvědomil jsem si, že finance ztrácí vliv ne proto, že analýza je špatná, ale protože přijde příliš pozdě. Napříč bankovnictvím, fintech a high-growth startupy jsem neustále narážel na stejnou situaci. Na výkonné schůzi někdo položil rozumnou otázku, jako: “Kolik měsíců runway opravdu máme, pokud zpomalíme nábor?” nebo “Co se stane, pokud výnos poklesne příští čtvrtletí?” A nebyl schopen odpovědět v reálném čase.

Nebýt toho, že jsem nerozuměl podnikání nebo že matematika byla obtížná. Problém byl strukturální. Hotovost žila v jednom systému, headcount v jiném, výnos někde jinde a náklady v tabulkách. Abych mohl odpovědět s jistotou, musel jsem vše spojit, přestavět model, sjednotit nesrovnalosti a doufat, že se nic nezhroutí.

Do doby, než jsem mohl vrátit s odpovědí, okno pro rozhodnutí se uzavřelo. To byl skutečný problém. Finance si zaslouží místo u stolu prostřednictvím přísnosti, ale udržují si ho prostřednictvím časování. Pokud nemůžete se objevit s jistou podporou rozhodnutí v minutách nebo hodinách, ztrácíte vliv, i když vaše analýza je dokonalá o týden později.

Co to zhoršilo, byla falešná volba, kterou měly finanční týmy. Buď používaly tabulky, které byly flexibilní a rychlé, ale křehké a neřízené. Nebo legacy platformy, které byly mocné, ale předpokládaly statický podnik a vyžadovaly těžkou administraci, aby fungovaly.

Zatímco moderní společnosti operují ve sprintech, i na úrovni vedení. Plány se mění neustále. Rozhodnutí se hromadí. Finance nemohou dovolit být tím týmem, který je vždy “návratem s odpovědí”.

To je důvod, proč jsme založili Abacum. Chtěli jsme systém plánování, který je postaven pro rychlost a důvěru současně, aby finance mohly aplikovat přísnost dostatečně brzy, aby ovlivnily směr, zatímco volby jsou ještě vyjednatelné.

Když jste začal budovat Abacum v roce 2020, jak jste ověřil, že tento problém sahá daleko za vaši vlastní zkušenost a je sdílen fast-growing mid-market společnostmi?

První ověření přišlo v rozhovoru, který jsem očekával, že vyvrátí mou tezi. Zavolal jsem svému spoluzakladateli Jorge, protože byl nejchytřejším finančním člověkem, kterého jsem znal, a předpokládal jsem, že mi řekne, že existuje lepší způsob, který jsem nějakým způsobem přehlédl.

Místo toho jsme porovnali poznámky po hodiny a uvědomili jsme si, že jsme žili stejný vzorec v různých prostředích. Finanční týmy se topí v sjednocování, neustále přestavují modely a jsou vždy o krok pozadu za podnikem. To byl moment, kdy to došlo pro nás. To nebyl osobní selhání nebo procesní problém. To byl strukturální problém sdílený napříč společnostmi.

Poté jsme hovořili s CFO a finančními lídry napříč odvětvími, geografickými oblastmi a růstovými fázemi. Jazyk se měnil, ale příběh ne. “Jsme vždy přestavujeme místo poradit.”

Hlubší poznání pro nás bylo, že toto selhání se opakuje v cyklech. Každých několik let nová platforma tvrdí, že vyřešila FP&A. Pak se tempo podnikání opět zrychluje. Nové nástroje, nové metriky, noví stakeholdeři, nové plánovací kadence. Systém se rozšiřuje a láme se pod změnou.

To utvořilo náš směr. Nechtěli jsme postavit statické řešení pro jeden provozní model. Chtěli jsme platformu, která zůstane relevantní, jak se podnik vyvíjí, což se stává ještě kritičtějším v éře AI. Byt přijat do YC později potvrdil, že toto je globální problém, ne niklový.

Abacum nyní podporuje předpověď v reálném čase, modelování scénářů a plánování headcount. V jaké fázi se umělá inteligence stala základem architektury platformy?

Umělá inteligence nebyla nikdy dopothought pro nás, ale byli jsme velmi úmyslní o tom, kdy a jak ji aplikovat. Finance je podnikání založené na důvěře. Nemůžete umístit inteligenci na vrchol chaosu a očekávat kredibilitu. Pokud jsou data špinavá, definice jsou nekonzistentní a model je křehký, AI to nevyřeší. Jenom urychlí zmatení.

Takže jsme začali se základy: silnou datovou vrstvou, spolehlivými integracemi a modelovacími primitivy, které odrážejí, jak podniky skutečně fungují. Od prvního dne byla naše AI strategie vložit inteligenci tam, kde vytváří skutečnou páku.

To znamenalo aplikovat AI na vysoké objemy, nízkou úsudek práce, která historicky spotřebuje čas a vytváří chyby. Čištění a normalizace příchozích dat. Sjednocování nesrovnalostí napříč systémy. Klasifikace a označování ve velkém měřítku. Odhalování anomálií brzy, ne na konci měsíce.

Jakmile je tato základna na místě, AI mění ekonomiku plánování. Prozkoumání scénáře se stává ekonomicky výhodným. Obchodování lze testovat v okamžiku, místo aby se naplánovalo na následnou schůzi dny později.

To je okamžik, kdy se AI stává základem. Ne když může vygenerovat hezký graf nebo souhrn, ale když umožňuje financím aplikovat přísnost dostatečně brzy, aby ovlivnily rozhodnutí, zatímco je ještě otevřené.

V fast-growing společnostech finanční data často žijí napříč mnoha systémy a aktualizují se neustále. Jaké byly nejtěžší technické nebo organizační výzvy při přeměně tohoto fragmentovaného data na spolehlivý, reálný plánovací systém?

Přesunutí dat není největším problémem. Většina moderních systémů je API-driven, a integrační nástroje existují. Skutečný problém začíná poté, co data přijde. Surová data jsou nekonzistentní. Výnos v CRM nesouhlasí s výnosem v ERP. Headcount v HR systémech nesouhlasí s mzdou. I základní metriky, jako ARR nebo runway, znamenají různé věci pro různé týmy.

Pokud definice nejsou explicitní a dohodnuté, každá předpověď se stává debatou. Výzva je trojí. První, datová základna, která se aktualizuje neustále, jak se mění zdrojové systémy. Druhá, řízený obchodní model, kde výpočty jsou explicitní a konzistentní. Třetí, organizační zarovnání, protože reálné plánování vyžaduje sdílené definice a sdílený provozní rytmus.

Řízení je to, co dělá rychlost bezpečnou. Reálné plánování funguje pouze tehdy, když je důvěra vestavěna do pracovního postupu, ne přišroubována jako politika nebo kontrolní seznam tabulek.

Z toho, co vidíte napříč stovkami zákazníků, jak kontinuální, reálné plánování mění, jak CFO dělají rozhodnutí týden od týdne, ne jen na úrovni boardu nebo rozpočtu?

Role financí se posunula z периодického přezkumu na kontinuální podporu rozhodnutí.

První, objem rozhodnutí explodoval. Finance jsou nyní zapojeny do náboru, cen, investic do GTM, obnov a operačních obchodních rozhodnutí nangoing.

Druhá, data jsou nikdy “hotová”. Nové nástroje, nové metriky a noví stakeholdeři znamenají, že dataset je vždy v pohybu. Podnik nemůže čekat na dokonalé uzavření, aby se posunul vpřed.

V tomto kontextu reálné plánování mění finance z reportování a vysvětlování na aktivní tvarování směru. Runway se stává živou omezením, ne čtvrtletní metrikou. Plánování scénářů se stává častou obchodní konverzací, spíše než roční cvičení.

Nejlepší finanční týmy nejsou méně přísné. Stávají se více přísnými dříve. To je posun.

Jak Abacum aplikuje AI jinak než tradiční pravidla-založená automatizace, a které finanční rozhodnutí stále vyžadují silný lidský úsudek?

Většina AI v financích dnes začíná na konci pracovního postupu. Předpokládá, že vaše data jsou již čistá a řízená, a pak přidá chatbota pro dotaz nebo souhrn informacích. To může být užitečné, ale to přeskočí nejtvrdší část FP&A.

My začínáme na začátku. Aplikujeme AI tam, kde lidé přidávají nejméně hodnoty a dělají nejvíce chyb, jako je čištění, sjednocování, klasifikace, odhalování anomálií a pomoc s modelovou logikou. Inteligence žije uvnitř pracovního postupu, ne v samostatném chatovacím rozhraní.

AI také snižuje komplexní daň, která brání týmům. Mnoho platforem vyžaduje specializované konzultanty nebo odborníky, vytvářející závislost na “vlastnících systému” AI by mělo snížit tuto bariéru. Finanční týmy by měly být schopny vyjádřit záměr a mít systém, který jim pomůže konstruovat logiku správně.

To je také místo, kde naše střední stanovisko záleží. Historicky, finanční týmy musely zvolit mezi nástroji, které byly flexibilní, ale křehké, nebo platformami, které byly mocné, ale těžké na správu. AI nyní nutí stejnou falešnou volbu: copiloti, kteří jsou snadní, ale mělký, nebo orchestrace systémů, které jsou mocné, ale také vyžadují, abyste se naučili nový způsob práce. Zatímco my věříme, že správná odpověď je AI, která mizí do pracovního postupu, zlepšuje plánování, aniž by měnila, jak týmy operují.

Pokud jde o úsudek, hranice je jasná. AI může urychlit analýzu a prozkoumání, ale rozhodnutí, která zahrnují alokaci kapitálu, obchodní rozhodnutí, cenové rozhodnutí a strategické priority, stále vyžadují lidský kontext a odpovědnost. CFO vlastní volání.

Jak budete myslet na důvěru a vysvětlitelnost pro finanční lídry, kteří potřebují stát za čísly?

V financích “směrově správné” nestačí. Finanční lídři jsou odpovědní za čísla, která prezentují. Pokud nemůžete vysvětlit předpověď, nemůžete ji použít v rozhodovací konverzaci.

Důvěra začíná s deterministickou základnou. Konsistentní definice. Sjednocená data. Transparentní logika. Předpovědní inteligence funguje pouze tehdy, když je postavena na něčem pevném.

Vysvětlitelnost je to, co mění informaci na akci. CFO potřebují odpovědět rychle, co se změnilo, proč se změnilo, které ovladače se posunuly, a které předpoklady jsou odpovědné za různé výsledky.

Řízení nemůže žít ve statických kontrolách již. Musí být vestavěno do pracovního postupu, aby předpoklady byly viditelné, logika byla stopovatelná a každá scénařová situace zanechala jasný záznam. Cílem není odstranit lidi ze smyčky, ale pomoci jim cvičit úsudek dříve, s větší jistotou.

Jste prošli jak ranou akceleraci, tak pozdní fázi růstového financování. Jak tyto fáze ovlivnily, jak agresivně jste investovali do AI versus core produktových základů?

Raná fáze financování nás donutila k disciplíně. Nemohli jsme honit lesklé objekty. Museli jsme získat důvěru budováním základů: spolehlivými integracemi, silnými datovými modely a plánovacím motorem, který se nezhroutí, když se podnik změní.

AI byla vždy součástí strategie, ale odmítli jsme ji zacházet jako marketingovou vrstvu. Pokud AI nevytvořila skutečnou páku uvnitř pracovního postupu, neodeslali jsme ji.

Jak jsme rostli, trh se posunul. AI se stala standardem. Každý dodavatel mohl demonstrovat chatbota a být “AI-powered”. Takže, laťka se posunula z optiky na výsledky. Pomáhá AI financím dělat lepší rozhodnutí rychleji, s stopovatelností, nebo pouze produkuje působivé výstupy?

Pozdní fáze růstu zvýšila standard efektivity. Týmy byly očekávány, aby dělaly více s méně. To posílilo náš focus na AI, která dodává měřitelnou páku, ne vyprávěcí atraktivitu.

Jste se soustředili na expanzi do USA. Jak se trh USA liší ve své připravenosti přijmout AI-nativní finanční platformy ve srovnání s jinými regiony?

Americké společnosti se pohybují rychle a očekávání investorů jsou vysoká. CFO jsou očekáváni, aby byli hluboce operační, ne pouze přesní. Kontinuálně řídí plány náboru, investice do GTM, rozhodnutí o výdajích a priorizace.

To dělá bolest pomalého plánování více akutní. Když rozhodnutí se dějí týdně nebo denně, finance nemohou dovolit operovat na měsíčním rytmu. Vestavěná inteligence se stává méně “hezkou věcí” a více požadavkem.

Trh USA je také více otevřený myšlence, že finanční systémy by měly být dynamické, ne statické. Očekávání není pouze reportovací přesnost, ale rozhodnutí podpory v tempu, které podnik potřebuje.

Pohledem na rok 2026, které části finančního plánování budete věřit, že se stanou převážně automatizovanými AI, a kde lidský úsudek zůstane nezbytný?

Vrstvy, které se stanou převážně automatizovanými, jsou opakující se, nízkou úsudek úkoly, které spotřebují nepřiměřený čas dnes. Konsolidace dat, čištění, normalizace, sjednocování, odhalování anomálií a základní reporting by měly běžet kontinuálně.

Předpověď a generování scénářů bude dramaticky urychleno, ale nebude plně delegováno. AI udělá to levné a prozkoumá možnosti a otestuje předpoklady, ale kontextový riziko a odpovědnost stále záleží.

Lidský úsudek zůstane nezbytný, kde jsou vsázky vysoké. Alokace kapitálu. Náborová strategie. Cenová rozhodnutí. Vyprávění boardu. AI mění, zda finance mohou držet krok s tempem rozhodnutí. To nemění, kdo je odpovědný za výsledek.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Abacum.