Chris Bishop, administrerende direktør for BillingPlatform – Interviewserie

Chris Bishop, administrerende direktør for BillingPlatform, er en leder inden for virksomhedsoftware med mere end to årtiers erfaring, der spænder over SaaS, indtægtsoperationer, kundesucces, professionelle tjenester og go-to-market‑ledelse. Før han tiltrådte BillingPlatform som administrerende direktør i 2026, tilbragte Bishop næsten syv år hos Conga, hvor han havde seniorroller inklusive Chief Customer Officer, Chief Revenue Officer og Chief Marketing Officer og hjalp med at lede virksomheden gennem en transformations‑ og integrationsperiode. Tidligere var han Group Vice President for Global Services hos Plex Systems og grundlagde MIPRO Consulting, et rådgivningsfirma inden for virksomhedsapplikationer med speciale i PeopleSoft‑ og Oracle‑teknologier. Hans karriere omfatter også seniorlederroller hos PeopleSoft og Oracle, hvor han ledede en nordamerikansk supply‑chain‑styringspraksis med mere end 230 konsulenter, samt tidligere proces‑omstrukturering hos Ford Motor Company.

BillingPlatform er et virksomhedsssoftwarefirma inden for styring af indtægtslivscyklus og monetisering, designet til at hjælpe virksomheder med at håndtere stadig mere komplekse pris‑ og faktureringsmodeller. Grundlagt i 2012 leverer virksomheden en cloud‑baseret platform, der dækker ordreindfangning, abonnement‑ og forbrugsbaseret fakturering, fakturering, betalinger, automatisering af tilgodehavender, indtægtsgenkendelse og økonomistyring. Teknologien understøtter tilbagevendende, forbrugsbaserede, hybride og andre konfigurerbare pris‑modeller, mens dens brugsmålingsevner kan indlæse og omdanne data såsom API‑kald, transaktioner, licenser, båndbredde eller andre forbrugsbegivenheder til fakturerbare poster. BillingPlatform oplyser, at deres systemer behandler mere end 50.000 fakturaer om dagen og over 4 milliarder dollars i månedlige faktureringer, hvilket positionerer platformen som finansiel infrastruktur for virksomheder, der bevæger sig ud over traditionelle faste priser og abonnementer.

Dine karriere har taget dig fra procesomstrukturering hos Ford og virksomhedsapplikationer hos PeopleSoft og Oracle til at grundlægge MIPRO Consulting og lede kunde‑, indtægts‑ og marketingfunktioner hos Plex Systems og Conga. Hvordan har disse erfaringer formet dine prioriteter som administrerende direktør for BillingPlatform, især når du introducerer AI i mission‑kritiske finansielle operationer?

Jeg betragter hvert stop i min karriere som mission‑kritiske oplevelser. Fremstillingsprocessen hos Ford, økonomi‑ og supply‑chain‑styring hos PeopleSoft og Oracle, konsulentårene imellem, ERP hos Plex og indtægtslivscyklus‑styring hos Conga. Når systemer som disse støder på fejl eller en linje stopper, får nogen ikke løn, eller en aftale lukkes ikke. Det er en meget lavere fejltolerance end de fleste softwareprogrammer opererer med.

Den anden tråd er, at værdien bestemmes af de resultater, du frigør, ikke af hvad du markedsfører. At eje kunde‑ og indtægtsfunktionerne hos Plex og Conga var, hvor det blev tydeligt for mig, idet jeg befandt mig i hullet mellem det, der blev solgt, og det, kunden modtog.

Begge tråde ender på samme sted for AI i finansielle operationer. At have ret 99,5 % af tiden lyder godt i en demo, men det er stadig en fiasko. Vi håndterer fakturering for virksomheder med millioner af abonnenter. På den skala betyder en fejlrate på en halv procent titusinder af forkerte fakturaer i en enkelt måned, titusinder af kundesamtaler, ingen havde planlagt, og en kreditproces, der begraver teamet. Kunden forventede, at alle skulle være korrekte, så 99,5 % leverede ikke det resultat, de havde købt.

Derfor er vi konservative med, hvor AI berører penge, og aggressive med, hvor det berører arbejde. AI udfører konfiguration, analyse og undersøgelse. Beregningen forbliver deterministisk. Den test, jeg anvender på hver AI‑funktion, er, om en controller kan forklare outputtet til en revisor uden at sige, at modellen har besluttet det for ham eller hende.

Mange leverandører af virksomhedsoftware tilføjer AI‑assistenter til eksisterende produkter. BillingPlatform beskriver sin AI som indfødt i indtægtslivscyklussen og bygget på en samlet, selvbeskrivende metadata‑model. Hvad kan denne arkitektur opnå, som et konventionelt AI‑lag tilføjet til ældre faktureringssoftware ikke kan?

Vores platform beskriver sig selv. Entiteter, felter, prisregler, arbejdsprocesser og godkendelser er al metadata, som systemet kan læse ved kørsel. Det betyder, at vores AI læser din faktiske konfiguration, ikke et generisk produktschema, og den kan foreslå ændringer i den konfiguration, fordi konfiguration er data frem for kode.

En assistent, der er fastgjort til ældre faktureringssoftware, har et andet problem. Den kundespecifikke logik i disse systemer findes i specialkode, lagrede procedurer og integrations‑middleware. Assistenten kan besvare spørgsmål om dokumentationen. Alt, der er specifikt for, hvordan din forekomst faktisk fungerer, skal læses ud af den kode, og at ændre den betyder en udviklingscyklus i stedet for en samtale.

Det andet problem er, at måling, fakturering og indtægtsgenkendelse normalt befinder sig i separate systemer med separate databaser. Enhver AI oven på disse funktioner resonerer på tværs af en afstemning, så dens svar kun er så gode som gårsdagens batch‑job. Vi kører alle tre områder på én model, så der er en enkelt kæde fra forbrugsbegivenhed til journalpost. AI’en svarer ud fra den samme post, som fakturaen blev bygget ud fra, hvilket er enormt vigtigt.

Efterhånden som virksomheder vedtager forbrugsbaserede, resultatbaserede og hybride forretningsmodeller, hvordan ændrer AI måden, hvorpå produkter og tjenester pakkes, prissættes og tjener penge?

To ting er i forandring. Den første er, at værdienheden bevæger sig væk fra licenser mod udført arbejde, så virksomheder prissætter løsninger, behandlede dokumenter, afsluttede opgaver eller leverede resultater. Den anden er, at prissætning bliver noget, du revurderer kvartalsvis i stedet for årligt, fordi omkostningskurven under et AI‑produkt bevæger sig så hurtigt.

Efter vores erfaring hjælper AI mere på analysesiden end på den kreative side. Hvis din transaktionshistorik er samlet ét sted, kan du modellere en foreslået prisændring mod reel kundeadfærd, før du implementerer den på få minutter, og forudsige, hvordan det eksempelvis kan påvirke margin eller churn. Det var tidligere en flere ugers finansøvelse.

Jeg vil også tilføje en advarsel. De fleste virksomheder, der skifter til forbrugs‑ eller resultatbaseret prissætning, kan endnu ikke svare på, hvad en enkelt enhed koster dem at levere. Uden dette tal gætter en virksomhed på bundpriser og rabatbeføjelser. Derfor vælger de fleste virksomheder en hybrid tilgang: et fast platformgebyr for forudsigelighed, forbrug for tilpasning og en resultatkomponent, hvor værdien er reelt målbar.

AI‑produkter kan generere stærkt variable omkostninger baseret på tokens, modeller, infrastruktur og kompleksiteten af hver forespørgsel. Hvilke nye måle‑ og faktureringsfunktioner har virksomheder brug for at kunne monetisere AI‑tjenester præcist uden at udsætte sig for uforudsigelige marginer?

Jeg vil foreslå at starte med måling på granulariteten af omkostningsdriveren og beholde hændelserne. Hvis du forud‑aggregerer til en daglig total pr. kunde, mister du muligheden for at se, at en bestemt arbejdsproces kører på en dyr model.

Derfra udfører fire funktioner det egentlige arbejde:

1. Tilknyt omkostningerne til den samme hændelse, som indtægten følger, så margin pr. kunde, funktion og model er synlig i løbet af perioden i stedet for ved periodens afslutning.
2. Understøt prisstrukturer, der kan ændres midt i perioden, fordi modeludskiftning og leverandørprissænkninger ikke venter på en virksomheds fornyelseskalender.
3. Giv kunder forpligtelser, forudbetalte saldi, loftgrænser og udtræk, da forudsigelighed er en produktfunktion og også beskytter virksomheden mod en uventet faktura.
4. Endelig skal du kunne omvurdere historikken, når en pris ændres eller formidlingen var forkert, uden en manuel kreditproces.

Marginbeskyttelse på AI‑produkter er et problem med måling og prisdesign. Hvis du behandler det som et finansrapporteringsproblem, får du først besked 40 dage senere.

BillingPlatform giver teams mulighed for at konfigurere produkter, prisregler og faktureringsarbejdsgange samtalebaseret. Hvilke beslutninger kan sikkert delegeres til AI, og hvor skal menneskelig gennemgang og godkendelse forblive obligatorisk?

Jeg vil sige, at arbejdet kan delegeres, men beslutningerne skal træffes af mennesker.

AI kan sikkert læse og forklare eksisterende konfiguration, udarbejde ny konfiguration i en sandkasse, generere testdata og testcases, opdage afvigelser i forbrugs‑ eller faktureringskørsler, undersøge en prisdispute tilbage til kilde‑hændelsen og opbygge en første‑pass mapping til en migration. Det udgør en stor del af timerne i en faktureringsteams uge og bærer næsten ingen risiko.

Menneskelig godkendelse er obligatorisk på alt, der ændrer, hvad en kunde faktureres for, eller hvilken indtægt der anerkendes i produktion. Dette omfatter pris‑ og takstændringer, kontraktvilkår, kreditter og justeringer, politik for indtægtsanerkendelse og vurderinger af enkeltstående salgspriser, GL‑mapping, skattepositioner og periodens afslutning. Derudover skal mennesker være involveret i alt, der er synligt for kunden for første gang.

Den operationelle regel er, at AI foreslår, en person med reel myndighed godkender, og godkendelsen registreres på ændringen. Godkendelser og rollebaserede tilladelser var allerede i platformen, så agenter arver dem i stedet for at omgå dem.

Finanssystemer giver kun lidt plads til hallucinationer eller uforklarlige beslutninger. Hvordan kombinerer BillingPlatform AI‑resonering med deterministisk udførelse for at sikre, at fakturaer, indtægtsberegninger og regnskabshandlinger forbliver nøjagtige og reproducerbare?

Vi adskiller fortolkning fra udførelse. Modellen fortolker intentionen og producerer en konfiguration, en forespørgsel eller et foreslået ændring. Rating‑ og regnskabs‑motoren udfører derefter. Denne motor bruger den samme kodevej, uanset om en person konfigurerede den i brugergrænsefladen eller en agent konfigurerede den via vores AI, så de samme input giver den samme faktura hver gang, og du kan køre en lukket periode igen og få det identiske svar.

Intet tal på en faktura genereres af en sprogmodel på faktureringstidspunktet. Det AI producerer er en konfigurationsændring, og den ændring indeholder en version, en forfatter og et tidsstempel ligesom enhver anden ændring i systemet. Hvis en revisor spørger, hvorfor en post er som den er, sporer svaret tilbage gennem prisoptegnelsen til forbrugs‑hændelsen, ikke til en prompt.

Den sidste del er, at forslag kan gennemgås, før de anvendes. Du ser den specifikke konfiguration, som AI ønsker at oprette, i klare termer, og du kan godkende eller afvise den.

BillingPlatform understøtter Model Context Protocol, Agent-to-Agent-protokollen og forbindelser til eksterne enterprise AI‑værktøjer. Hvordan kan virksomheder give autonome agenter adgang til faktureringsoperationer, mens de forhindrer uautoriserede handlinger, datalækage eller ufølgte ændringer?

MCP og A2A er transport, og får en agent til døren. Kontrolplanet er din tilladelsesmodel, og det er der, det egentlige arbejde ligger.

I vores tilfælde autentificerer en agent sig som en bruger og arver de samme rolle‑, felt‑ og post‑niveau tilladelser, som enhver medarbejder ville få. Der er ingen agent‑omgåelse. Ud over det holder nogle få praksisser stand. Giv hver agent sin egen afgrænsede servicekonto med mindst mulige rettigheder, skrivebeskyttet indtil andet bevises, så revisionsloggen viser, hvilken agent der gjorde hvad. Gate‑skrivningsoperationer gennem godkendelses‑workflow med dollar‑ og volumen‑grænser. Du bør også begrænse deres hastighed, fordi en agent i en løkke er en anden type fejl end en person, der begår en fejl. Det er også kritisk at logge hvert opkald, ikke kun dem der ændrede noget. Og returner kun de felter, opgaven har brug for, da den hurtigste måde at lække kundedata på er en alt for bred læsning.

Den fejl, jeg forventer at se på markedet i år, er, at virksomheder giver en agent en menneskelig administrator‑legitimation, fordi det var lettere end at afgrænse en korrekt.

BillingPlatform siger, at AI kan reducere implementeringer fra kvartaler til uger. Hvilke dele af kravindsamling, konfiguration, test og migration kan AI automatisere i dag, og hvilke dele kræver stadig erfarne fakturerings‑ og finansprofessionelle?

AI er virkelig god til at oversætte dokumenterede priser til konfiguration, udføre gap‑analyse mod et bibliotek af kendte mønstre, generere testcases og udføre regression, kortlægge og rense legacy‑data til migration, og producere dokumentation. Det er de områder, hvor arbejdet reduceres fra kvartaler til uger.

Dog kræver beslutningstagning stadig erfarne fakturerings‑ og finansprofessionelle. Nogle eksempler, der stadig kræver erfarne personer, inkluderer at få en kunde til at acceptere sine egne prisregler og indtægts‑politik, rekonstruere vilkår fra kontrakter, integrere til et system med udocumenteret adfærd, og vurdere indtægtsbehandling på en multi‑element‑aftale. Kort sagt reagerer change management ikke på software.

Hvordan kan en samlet model, der spænder over måling, fakturering og indtægtsanerkendelse, forbedre overholdelse, auditabilitet og finansiel rapportering, især for organisationer der operererunder komplekse indtægtsanerkendelseskrav?

Revisorer spørger altid om to ting: Vis mig, hvordan du kom frem til dette tal, og vis mig, at du anvendte den samme behandling konsekvent. Hvis dine målings‑, fakturerings‑ og indtægtsanerkendelsessystemer alle lever separat, betyder besvarelsen, at du skal grave gennem tre databaser plus et menneskeskabt regneark for at afstemme dem alle.

Når det er én model, forsvinder hele denne øvelse. Brugs‑begivenheden, gebyret, fakturalinjen og journalposten er alle den samme post, blot videreført til næste trin. Du kan spore den fremad eller bagud uden et afstemningstrin imellem, fordi der ikke er noget at afstemme. Når en kontrakt ændres, evaluerer du de samme transaktionsdata, der oprindeligt genererede fakturaen. Din separate salgspris og allokering vil komme fra, hvad der skete.

Dette er mest relevant for virksomheder, der håndterer variabel vederlag under ASC 606 eller IFRS 15, hvor du skal kunne vise dit arbejde og kunne vise det igen et år senere.

BillingPlatform har for nylig annonceret tilføjelsen af en ny Chief Financial Officer, Chief Product Officer og Chief Customer Officer, efterhånden som de skalerer deres AI‑native strategi. Hvordan vil disse ledere samarbejde om at omsætte teknisk innovation til økonomisk bæredygtig vækst og målbare resultater for enterprise‑kunder?

Som Chief Product Officer sikrer Rob Zwiebach, at vores produkt er differentieret og leveres. Han styrede produktroadmap’en for finansielle løsninger hos Workday og tilbragte 17 år hos Oracle, så han kender de systemer, vores købere allerede bruger, og hvad der kræves for at konkurrere med dem. Som Chief Customer Officer har Chris King ansvaret for, om kunderne realiserer værdien, dvs. time‑to‑value, leveringskonsistens, fastholdelse og udvidelse. Han ledede services og success hos Medidata og Salesforce og startede i branchen hos Zuora, så han har set både god og dårlig enterprise‑leverance i stor skala. Steven Springsteel, vores Chief Financial Officer, har ansvaret for økonomien, og han kommer fra CFO‑rollen hos Recurly, så han har førstehåndserfaring med at drive finansfunktionen i en faktureringsvirksomhed.

Hvor de virkelig skal arbejde sammen som én gruppe, er på det tal, jeg bekymrer mig mest om. Det er, hvad det koster, og hvor lang tid det tager at få en enterprise‑kunde i drift og produktiv, samt marginen på det arbejde. Det er en produktbeslutning, en leveringsbeslutning og en målebeslutning, og det har historisk set været det punkt, hvor enterprise‑faktureringsprojekter går galt. At sige, at du er AI‑native, er et krav om din arkitektur. Det bliver kun en forretning, når det viser sig i implementeringsomkostninger, ekspansionsrate og brutto‑margin. Det er de tre tal, som Rob, Chris og Steven hver ejer en del af.

Tak for det gode interview, læsere der ønsker at lære mere, bør besøge BillingPlatform.