Sunil Padiyar, Chief Technology Officer bei Trintech – Interview-Serie

Sunil Padiyar ist ein erfahrener Chief Technology Officer (CTO) mit einer soliden Erfolgsbilanz bei der Architektur von cloud-basierten B2B-SaaS-Lösungen für schnell wachsende Software-Unternehmen. Als CTO von Corcentric hat er ein Umsatzwachstum von 25% pro Jahr vorangetrieben, indem er sich auf das CFO-Büro konzentrierte und die Kontenabwicklung, Automatisierung, Beschaffung und Zahlungstransaktionen rationalisierte. Sunil war auch CTO bei FacilitySource, wo er dessen bemerkenswerte Expansion von 40 Millionen auf 250 Millionen Dollar in nur fünf Jahren überwachte, die in einer erfolgreichen Übernahme durch CBRE endete.

Trintech ist ein globaler Anbieter von cloud-basierten Software-Lösungen, die den Finanzabschluss und die Kontenabstimmung für Finanz- und Rechnungswesen-Teams automatisieren. Mit über 35 Jahren Erfahrung unterstützt das Unternehmen Tausende von Kunden in mehr als 100 Ländern und verarbeitet jährlich Milliarden von Transaktionen. Das Unternehmen nutzt künstliche Intelligenz-gesteuerte Automatisierung und strategische Partnerschaften, um Finanzfachleuten zu helfen, von manuellen Aufgaben zu höherwertigen Tätigkeiten überzugehen.

Sie haben über zwei Jahrzehnte in technologischen Führungspositionen verbracht – was hat Sie ursprünglich dazu gebracht, Lösungen zu entwickeln, die Finanzteams ermöglichen, und wie hat sich diese Motivation im Laufe Ihrer Karriere entwickelt?

Früh in meiner Karriere sah ich, wie viel Zeit und Energie Finanzteams für repetitive, manuelle Arbeiten aufwenden mussten – und wie wenig Zeit ihnen für Analyse und Entscheidungsfindung blieb. Es wurde klar, dass Technologie dieses Gleichgewicht verschieben konnte, sodass Finanzfachleute sich auf höherwertige Tätigkeiten konzentrieren konnten. Im Laufe der Zeit hat sich meine Motivation von der bloßen Automatisierung von Aufgaben zu einer Neukonzeption von Arbeitsabläufen entwickelt, sodass künstliche Intelligenz und Automatisierung nicht nur Zeit sparen, sondern auch Genauigkeit, Einhaltung von Vorschriften und die Gesamtheit der finanziellen Erkenntnisse verbessern.

Wie nutzt Trintech derzeit künstliche Intelligenz in seinen internen Betrieben, um Effizienz oder Entscheidungsfindung zu verbessern?

Intern nutzen wir künstliche Intelligenz, um Prozesse über mehrere Teams hinweg zu rationalisieren. In den Betrieben hilft künstliche Intelligenz uns, Support-Tickets zu identifizieren und zu priorisieren, was eine schnellere Lösung für unsere Kunden ermöglicht. In der Produktentwicklung nutzen wir künstliche Intelligenz-gesteuerte Codierungstools, um die Funktionenlieferung zu beschleunigen und gleichzeitig die Qualitätsstandards einzuhalten. Wir experimentieren auch mit künstlicher Intelligenz für die Analyse von Kundenfeedback im großen Maßstab, um unseren Produkt- und Kundenerfolgsteams zu helfen, Trends und Chancen viel schneller als mit herkömmlichen Methoden zu erkennen.

Können Sie uns durch die Art und Weise führen, wie künstliche Intelligenz in Trintechs Produkten integriert ist, um Finanzteams zu helfen, den Abschluss schneller zu vollziehen, Risiken zu reduzieren oder Genauigkeit zu verbessern?

Künstliche Intelligenz ist nicht einfach an unsere Produkte angehängt – sie ist in die Kernarbeitsabläufe integriert. In unserer Cadency-Plattform arbeitet künstliche Intelligenz im Kontext, mit voller Kenntnis der Umgebung, der Daten und der Einhaltung von Vorschriften des Kunden. Dies ermöglicht Funktionen wie die automatisierte Erstellung von Journal-Einträgen, die Priorisierung von Ausnahmen und die dynamische Planung von Abstimmungen, die für jede Organisation maßgeschneidert sind. In unserer Adra-Plattform ist künstliche Intelligenz in die Benutzeroberfläche integriert, um schnelle Erfolge zu liefern: Empfehlung von Abgleichregeln, Zuordnung von Datenfeldern und Unterstützung bei der Journalerstellung – alles mit einem Klick. Dies macht künstliche Intelligenz für Benutzer zugänglich und wirksam, ohne dass eine komplexe Konfiguration erforderlich ist.

Gibt es spezifische künstliche Intelligenz-gesteuerte Funktionen in Cadency oder Adra, die Sie als Meilensteine für Ihre Kunden betrachten?

Für Cadency war Risiko-Intelligente Automatisierung transformierend – automatisierte Priorisierung und Weiterleitung von Ausnahmen basierend auf Risiken und Reduzierung der manuellen Überprüfung um bis zu 90%. Darüber hinaus kann unsere Journal-Eintrag-Automatisierung die Zeit, die zum Erstellen eines einzelnen Eintrags benötigt wird, von bis zu neun Minuten auf etwa eine Minute reduzieren. Bei Hunderten von Einträgen, die monatlich verarbeitet werden, sind die Effizienzgewinne für Finanzteams enorm.

Für Adra verbessert künstliche Intelligenz die Produktivität in jeder Phase des Abschlusses. Funktionen wie MatchAssist empfehlen Abgleichregeln, reduzieren den manuellen Aufwand für die Konfiguration der Abgleichlogik erheblich. Künstliche Intelligenz formatiert auch eingehende Daten und füllt Felder während des Imports automatisch aus, eliminiert repetitive Arbeiten und verbessert die Abgleichraten – all dies beschleunigt die Abstimmung und reduziert die Benutzerermüdung.

Wie entscheidet Ihr Team, welche künstlichen Intelligenz-Fähigkeiten als Nächstes zu entwickeln sind – was ist der Prozess von der Idee zur Umsetzung?

Wir beginnen mit den Schmerzpunkten der Kunden. Unsere Produktmanager, Kundenerfolgsteams und künstliche Intelligenz-Spezialisten arbeiten zusammen, um zu identifizieren, wo künstliche Intelligenz den größten Einfluss haben kann. Von dort aus priorisieren wir Chancen basierend auf Wert, Machbarkeit und Übereinstimmung mit unserer Produktvision. Prototypen werden schnell entwickelt und mit einer kleinen Gruppe von Kunden getestet, um den Einfluss zu validieren. Erst nachdem wir messbare Ergebnisse nachgewiesen haben, rollen wir sie breiter aus.

Welche Rolle spielt künstliche Intelligenz bei der Erkennung von Anomalien, der Verhinderung von Fehlern oder der Verbesserung der Einhaltung von Vorschriften in Finanzworkflows?

Unsere künstliche Intelligenz analysiert sowohl die von den Benutzern eingegebenen Daten als auch die zugrunde liegenden Transaktionsdaten auf Anomalien, potenzielle Fehler und Verstöße gegen Vorschriften. Da unsere künstliche Intelligenz kontextbewusst ist und die Intelligenz besitzt, den spezifischen Kunden, den sie bedient, zu erkennen, kann sie Einhaltungsvorschriften durchsetzen, die auf den Regulierungs- und Governance-Rahmen dieses Kunden zugeschnitten sind. Dies bedeutet, dass das System nicht einfach generisch Probleme flaggt – es wendet die richtigen Kontrollen für diesen Kunden an, um Genauigkeit und Einhaltung von Vorschriften ohne Verzögerung des Prozesses sicherzustellen.

Wie stellen Sie sicher, dass die Ausgaben der künstlichen Intelligenz in Ihren Lösungen für Finanzteams, die sich darauf verlassen, erklärbar und vertrauenswürdig sind?

Wir entwerfen künstliche Intelligenz-Ausgaben, um vollständig transparent zu sein. Jede Empfehlung wird von der Begründung oder dem Datenmuster begleitet, das dahinter steckt, sodass Benutzer warum das System diese Empfehlung abgegeben hat, verstehen können. In Cadency beispielsweise zeigen die Risikobewertungen für Ausnahmen die Faktoren, die zu dieser Bewertung beigetragen haben, sodass Finanzteams die Logik vor der Entscheidung überprüfen können. Diese Transparenz schafft Vertrauen und stellt sicher, dass künstliche Intelligenz ein Assistent und kein schwarzer Kasten bleibt.

Können Sie eine Erfolgsgeschichte teilen, in der ein Kunde messbare Ergebnisse durch die künstliche Intelligenz-gesteuerte Automatisierung in Ihrer Plattform erzielt hat?

Einer unserer Großkunden testet derzeit unsere künstliche Intelligenz-gesteuerte Journal-Eintrag-Automatisierung in Cadency. Vor der künstlichen Intelligenz konnte die Erstellung eines einzelnen Journal-Eintrags bis zu neun Minuten manuelle Arbeit in Anspruch nehmen. Mit unserer Automatisierung dauert derselbe Prozess nun etwa eine Minute. Bei Tausenden von Journal-Einträgen, die monatlich verarbeitet werden, sind die erwarteten Effizienzgewinne enorm – was zu erheblichen Kosteneinsparungen und einer Freigabe von Finanzteams für strategischere Arbeiten führt. Der Test ist bereits stark und wird in naher Zukunft live gehen.

Wie balanciert Trintech die künstliche Intelligenz-Innovation mit der Aufrechterhaltung der Sicherheit und Integrität sensibler Finanzdaten?

Sicherheit ist nicht verhandelbar.

Alle unsere künstlichen Intelligenz-Dienste arbeiten in einer stateless-Konfiguration, was bedeutet, dass Kundendaten nicht gespeichert oder für die Schulung von Modellen verwendet werden. Proprietary ML-Modelle werden in privaten Cloud-Umgebungen gehostet, und generative künstliche Intelligenz wird über Unternehmens-Grade-APIs von Microsoft Azure’s OpenAI-Service abgerufen. Daten sind während der Übertragung und in Ruhe verschlüsselt, und unsere Systeme sind SOC 2 und ISO 27001 zertifiziert. Dies stellt sicher, dass Innovation nie auf Kosten der Datenintegrität geht.

Wie stellen Sie sich vor, dass künstliche Intelligenz in den nächsten fünf Jahren sowohl die internen Betriebe von Trintech als auch die Art und Weise, wie Kunden Ihre Produkte erleben, verändern wird?

In den nächsten fünf Jahren wird künstliche Intelligenz von einer Funktion innerhalb unserer Lösungen zu einem Orchester des gesamten Finanzabschlusses. Für Kunden bedeutet dies, dass künstliche Intelligenz nicht nur einzelne Aufgaben automatisiert, sondern auch vorhersieht, was als Nächstes geschehen muss, Arbeitsabläufe über Systeme hinweg orchestriert und Erkenntnisse vor dem Auftreten von Problemen bereitstellt. Intern werden wir künstliche Intelligenz weiterhin nutzen, um die Effizienz in Forschung und Entwicklung, Kundensupport und Betrieben zu verbessern, um sicherzustellen, dass wir unseren Kunden mehr Wert schneller liefern können.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Trintech besuchen.