Chris Bishop, Διευθύνων Σύμβουλος της BillingPlatform – Σειρά Συνεντεύξεων

Chris Bishop, Διευθύνων Σύμβουλος της BillingPlatform, είναι εκτελεστικός διευθυντής επιχειρηματικού λογισμικού με περισσότερα από δύο δεκαετίες εμπειρίας που καλύπτουν SaaS, λειτουργίες εσόδων, επιτυχία πελατών, επαγγελματικές υπηρεσίες και ηγεσία go-to-market. Πριν ενταχθεί στην BillingPlatform ως Διευθύνων Σύμβουλος το 2026, ο Bishop πέρασε σχεδόν επτά χρόνια στη Conga, όπου κατείχε ανώτερες θέσεις, συμπεριλαμβανομένων των Διευθυντής Εξυπηρέτησης Πελατών, Διευθυντής Εσόδων και Διευθυντής Μάρκετινγκ, βοηθώντας στην ηγεσία της εταιρείας μέσω μιας περιόδου μετασχηματισμού και ενσωμάτωσης. Πριν από αυτό, υπηρέτησε ως Group Vice President of Global Services στη Plex Systems και ίδρυσε την MIPRO Consulting, μια συμβουλευτική εταιρεία επιχειρηματικών εφαρμογών που ειδικεύεται στις τεχνολογίες PeopleSoft και Oracle. Η καριέρα του περιλαμβάνει επίσης ανώτερες ηγετικές θέσεις στη PeopleSoft και στην Oracle, όπου ηγήθηκε μιας πρακτικής διαχείρισης εφοδιαστικής αλυσίδας στη Βόρεια Αμερική με περισσότερους από 230 συμβούλους, καθώς και προηγούμενη εργασία επανασχεδιασμού διαδικασιών στη Ford Motor Company.

BillingPlatform είναι μια εταιρεία λογισμικού διαχείρισης κύκλου ζωής εσόδων και μονοποιήσεων, σχεδιασμένη να βοηθά τις επιχειρήσεις να διαχειρίζονται ολοένα και πιο σύνθετα μοντέλα τιμολόγησης και χρέωσης. Ιδρύθηκε το 2012, η εταιρεία παρέχει μια πλατφόρμα βασισμένη στο cloud που καλύπτει τη λήψη παραγγελιών, τη συνδρομητική και τη χρέωση βάσει χρήσης, τη δημιουργία τιμολογίων, τις πληρωμές, την αυτοματοποίηση των απαιτήσεων λογαριασμών, την αναγνώριση εσόδων και τη χρηματοοικονομική διαχείριση. Η τεχνολογία της υποστηρίζει επαναλαμβανόμενα, βασισμένα στην κατανάλωση, υβριδικά και άλλα διαμορφώσιμα μοντέλα τιμολόγησης, ενώ οι δυνατότητες διαμεσολάβησης χρήσης μπορούν να απορροφήσουν και να μετασχηματίσουν δεδομένα όπως κλήσεις API, συναλλαγές, θέσεις, εύρος ζώνης ή άλλα γεγονότα κατανάλωσης σε τιμολογητικές εγγραφές. Η BillingPlatform δηλώνει ότι τα συστήματά της επεξεργάζονται περισσότερα από 50,000 τιμολόγια την ημέρα και πάνω από $4 billion σε μηνιαίες χρεώσεις, τοποθετώντας την πλατφόρμα ως χρηματοοικονομική υποδομή για επιχειρήσεις που προχωρούν πέρα από τα παραδοσιακά μοντέλα σταθερής τιμής και συνδρομής.

Η καριέρα σας σας οδήγησε από τον επανασχεδιασμό διαδικασιών στη Ford και τις επιχειρηματικές εφαρμογές στη PeopleSoft και την Oracle, έως τη δημιουργία της MIPRO Consulting και την ηγεσία των λειτουργιών πελατών, εσόδων και μάρκετινγκ στη Plex Systems και την Conga. Πώς αυτές οι εμπειρίες διαμόρφωσαν τις προτεραιότητές σας ως Διευθύνων Σύμβουλος της BillingPlatform, ιδιαίτερα κατά την εισαγωγή της τεχνητής νοημοσύνης σε κρίσιμες οικονομικές λειτουργίες;

Θεωρώ κάθε στάση στην καριέρα μου ως κρίσιμη εμπειρία. Η διαδικασία παραγωγής στη Ford, τα οικονομικά και η διαχείριση εφοδιαστικής αλυσίδας στην PeopleSoft και την Oracle, τα έτη συμβουλευτικής μεταξύ τους, το ERP στη Plex και η διαχείριση κύκλου ζωής εσόδων στην Conga. Όταν συστήματα όπως αυτά αντιμετωπίζουν σφάλματα ή μια γραμμή σταματά, κάποιος δεν πληρώνεται ή μια συμφωνία δεν κλείνει. Αυτό αποτελεί πολύ χαμηλότερη ανοχή για σφάλματα από ό,τι η πλειονότητα του λογισμικού λειτουργεί.

Το άλλο νήμα είναι ότι η αξία καθορίζεται από τα αποτελέσματα που αποκαλύπτετε, όχι από ό,τι προωθείτε. Η ανάληψη των λειτουργιών πελατών και εσόδων στη Plex και την Conga ήταν το σημείο όπου αυτό έγινε προφανές για μένα, βρίσκοντας το κενό μεταξύ του τι πωλήθηκε και του τι έλαβε ο πελάτης.

Και τα δύο νήματα καταλήγουν στο ίδιο σημείο για την τεχνητή νοημοσύνη στις οικονομικές λειτουργίες. Το να είσαι σωστός το 99.5% του χρόνου ακούγεται εξαιρετικό σε μια παρουσίαση, αλλά παραμένει αποτυχία. Διαχειριζόμαστε τη χρέωση για εταιρείες με εκατομμύρια συνδρομητές. Σε αυτήν την κλίμακα, ένα ποσοστό σφάλματος μισού τοις εκατό αντιστοιχεί σε δεκάδες χιλιάδες λανθασμένα τιμολόγια σε ένα μόνο μήνα, δεκάδες χιλιάδες συνομιλίες με πελάτες που κανείς δεν είχε προγραμματίσει, και μια διαδικασία πιστώσεων που καταπνίγει την ομάδα. Ο πελάτης περίμενε όλα αυτά να είναι σωστά, οπότε το 99.5% δεν παρείχε το αποτέλεσμα που αγόρασε.

Γι’ αυτό είμαστε συντηρητικοί σχετικά με το πού η τεχνητή νοημοσύνη επηρεάζει τα χρήματα και επιθετικοί σχετικά με το πού επηρεάζει την εργασία. Η τεχνητή νοημοσύνη κάνει διαμόρφωση, ανάλυση και διερεύνηση. Ο υπολογισμός παραμένει ντετερμινιστικός. Η δοκιμή που εφαρμόζω σε κάθε λειτουργία τεχνητής νοημοσύνης είναι αν ένας ελεγκτής μπορεί να εξηγήσει το αποτέλεσμα σε έναν ελεγκτή χωρίς να πει ότι το μοντέλο το αποφάσισε για αυτόν ή αυτήν.

Πολλοί προμηθευτές επιχειρηματικού λογισμικού προσθέτουν βοηθούς τεχνητής νοημοσύνης σε υπάρχοντα προϊόντα. Η BillingPlatform περιγράφει την τεχνητή νοημοσύνη της ως εγγενή στον κύκλο ζωής εσόδων και βασισμένη σε ένα ενοποιημένο, αυτοπεριγραφικό μοντέλο μεταδεδομένων. Τι μπορεί να επιτύχει αυτή η αρχιτεκτονική που ένα συμβατικό επίπεδο τεχνητής νοημοσύνης προστιθέμενο σε παλαιό λογισμικό χρέωσης δεν μπορεί;

Η πλατφόρμα μας περιγράφει τον εαυτό της. Οντότητες, πεδία, κανόνες τιμολόγησης, ροές εργασίας και εγκρίσεις είναι όλα μεταδεδομένα που το σύστημα μπορεί να διαβάσει σε χρόνο εκτέλεσης. Αυτό σημαίνει ότι η τεχνητή νοημοσύνη μας διαβάζει τη δική σας πραγματική διαμόρφωση, όχι ένα γενικό σχήμα προϊόντος, και μπορεί να προτείνει αλλαγές σε αυτή τη διαμόρφωση επειδή η διαμόρφωση είναι δεδομένα και όχι κώδικας.

Ένας βοηθός που προστίθεται σε παλαιό λογισμικό χρέωσης αντιμετωπίζει διαφορετικό πρόβλημα. Η λογική ειδική για τον πελάτη σε αυτά τα συστήματα βρίσκεται σε προσαρμοσμένο κώδικα, αποθηκευμένες διαδικασίες και ενδιάμεσο λογισμικό ενσωμάτωσης. Ο βοηθός μπορεί να απαντήσει σε ερωτήσεις σχετικά με την τεκμηρίωση. Οποιοδήποτε στοιχείο σχετικά με το πώς η περίπτωσή σας συμπεριφέρεται στην πράξη πρέπει να διαβαστεί από αυτόν τον κώδικα, και η αλλαγή του σημαίνει κύκλο ανάπτυξης αντί για μια συνομιλία.

Το δεύτερο ζήτημα είναι ότι η μέτρηση, η χρέωση και η αναγνώριση εσόδων συνήθως βρίσκονται σε ξεχωριστά συστήματα με ξεχωριστές βάσεις δεδομένων. Οποιαδήποτε τεχνητή νοημοσύνη πάνω σε αυτές τις λειτουργίες λογίζεται μέσω μιας συμφιλίωσης, έτσι η απάντησή της είναι τόσο καλή όσο η εργασία παρτίδας της προηγούμενης νύχτας. Διαχειριζόμαστε και τις τρεις περιοχές σε ένα μοντέλο, ώστε να υπάρχει μια ενιαία αλυσίδα από το γεγονός χρήσης έως την εγγραφή στο λογιστικό βιβλίο. Η τεχνητή νοημοσύνη απαντά από την ίδια εγγραφή από την οποία δημιουργήθηκε το τιμολόγιο, κάτι που είναι εξαιρετικά σημαντικό.

Καθώς οι εταιρείες υιοθετούν μοντέλα επιχειρηματικότητας βασισμένα στη χρήση, στα αποτελέσματα και υβριδικά, πώς η AI αλλάζει τον τρόπο με τον οποίο τα προϊόντα και οι υπηρεσίες συσκευάζονται, τιμολογούνται και κερδοφορούν;

Δύο πράγματα μεταβάλλονται. Το πρώτο είναι ότι η μονάδα αξίας απομακρύνεται από τις θέσεις προς την ολοκληρωμένη εργασία, έτσι οι εταιρείες τιμολογούν λύσεις, επεξεργασμένα έγγραφα, ολοκληρωμένες εργασίες ή παραδοθέντα αποτελέσματα. Το δεύτερο είναι ότι η τιμολόγηση γίνεται κάτι που επανεξετάζετε τριμηνιαίως αντί ετησίως, επειδή η καμπύλη κόστους κάτω από ένα προϊόν AI κινείται τόσο γρήγορα.

Στην εμπειρία μας, η AI βοηθά περισσότερο στην πλευρά της ανάλυσης παρά στη δημιουργική. Εάν το ιστορικό συναλλαγών σας βρίσκεται σε ένα μέρος, μπορείτε να μοντελοποιήσετε μια προτεινόμενη αλλαγή τιμολόγησης σε σχέση με την πραγματική συμπεριφορά των πελατών πριν την υλοποιήσετε σε λίγα λεπτά, και να προβλέψετε πώς αυτό μπορεί να επηρεάσει το περιθώριο κέρδους ή την απώλεια πελατών, για παράδειγμα. Αυτό παλαιότερα ήταν μια άσκηση χρηματοοικονομικής διάρκειας πολλών εβδομάδων.

Θα πρόσθετα επίσης μια προειδοποίηση. Οι περισσότερες εταιρείες που μεταβαίνουν σε τιμολόγηση με βάση την κατανάλωση ή τα αποτελέσματα δεν μπορούν ακόμη να απαντήσουν πόσο κοστίζει η εξυπηρέτηση μιας μονάδας. Χωρίς αυτόν τον αριθμό, μια εταιρεία μαντεύει τα ελάχιστα και την εξουσία έκπτωσης. Γι’ αυτό οι περισσότερες επιχειρήσεις επιλέγουν μια υβριδική προσέγγιση: μια δεσμευμένη χρέωση πλατφόρμας για προβλεψιμότητα, κατανάλωση για ευθυγράμμιση και ένα στοιχείο αποτελέσματος όπου η αξία είναι πραγματικά μετρήσιμη.

Τα προϊόντα AI μπορούν να δημιουργήσουν εξαιρετικά μεταβλητό κόστος βάσει tokens, μοντέλων, υποδομής και της πολυπλοκότητας κάθε αιτήματος. Τι νέες δυνατότητες μέτρησης και τιμολόγησης χρειάζονται οι εταιρείες για να κερδοφορούν τις υπηρεσίες AI με ακρίβεια χωρίς να εκτίθενται σε απρόβλεπτα περιθώρια;

Θα πρότεινα να ξεκινήσετε με μέτρηση στην ανάλυση του παράγοντα κόστους και να διατηρήσετε τα γεγονότα. Εάν προσυγκεντρώσετε σε ημερήσιο σύνολο ανά πελάτη, έχετε χαθεί τη δυνατότητα να δείτε ότι μια ροή εργασίας εκτελείται σε ένα ακριβό μοντέλο.

Από εκεί, τέσσερις δυνατότητες κάνουν την πραγματική δουλειά:

1. Συνδέστε το κόστος των αγαθών με το ίδιο γεγονός που φέρει τα έσοδα, ώστε το περιθώριο ανά πελάτη, χαρακτηριστικό και μοντέλο να είναι ορατό κατά τη διάρκεια της περιόδου αντί στο κλείσιμο.
2. Υποστηρίξτε δομές τιμών που αλλάζουν ενδιάμεσα στην περίοδο, επειδή η αντικατάσταση μοντέλων και οι μειώσεις τιμών από προμηθευτές δεν θα περιμένουν το ημερολόγιο ανανέωσης της εταιρείας.
3. Παρέχετε στους πελάτες δεσμεύσεις, προπληρωμένα υπόλοιπα, όρια και εκπτώσεις, καθώς η προβλεψιμότητα είναι χαρακτηριστικό προϊόντος και επίσης προστατεύει την εταιρεία από ένα απρόσμενο τιμολόγιο.
4. Και τέλος, να μπορείτε να επανατιμολογήσετε το ιστορικό όταν αλλάζει η τιμή ή η διαμεσολάβηση ήταν λανθασμένη, χωρίς χειροκίνητη διαδικασία πιστώσεων.

Η προστασία του περιθωρίου στα προϊόντα AI είναι πρόβλημα σχεδίασης μέτρησης και τιμολόγησης. Εάν το αντιμετωπίσετε ως πρόβλημα χρηματοοικονομικής αναφοράς, θα το μάθετε 40 ημέρες αργότερα.

Το BillingPlatform επιτρέπει στις ομάδες να διαμορφώνουν προϊόντα, κανόνες τιμολόγησης και ροές εργασίας τιμολόγησης με συνομιλιακό τρόπο. Ποιες αποφάσεις μπορούν με ασφάλεια να ανατεθούν στην AI, και πού πρέπει η ανθρώπινη ανασκόπηση και έγκριση να παραμείνει υποχρεωτική;

Θα έλεγα να αναθέσετε τη δουλειά, αλλά να διατηρήσετε τις αποφάσεις για τους ανθρώπους.

Η AI μπορεί με ασφάλεια να διαβάσει και να εξηγήσει υπάρχουσες ρυθμίσεις, να συντάξει νέες ρυθμίσεις σε ένα sandbox, να δημιουργήσει δοκιμαστικά δεδομένα και περιπτώσεις δοκιμών, να εντοπίσει ανωμαλίες στη χρήση ή στις εκτελέσεις τιμολόγησης, να διερευνήσει μια διαφωνία τιμολόγησης πίσω στο αρχικό γεγονός, και να δημιουργήσει έναν αρχικό χάρτη για μια μετάβαση. Αυτό αποτελεί μεγάλο μέρος των ωρών στην εβδομάδα μιας ομάδας τιμολόγησης και δεν φέρει σχεδόν κανέναν κίνδυνο.

Η ανθρώπινη έγκριση είναι υποχρεωτική για οτιδήποτε αλλάζει το τι χρεώνεται ένας πελάτης ή το τι έσοδα αναγνωρίζονται στην παραγωγή. Αυτό περιλαμβάνει αλλαγές τιμών και τιμολογίων, όρους συμβολαίων, πιστώσεις και προσαρμογές, πολιτική αναγνώρισης εσόδων και εκτιμήσεις αυτόνομης τιμής πώλησης, αντιστοίχιση λογιστικού βιβλίου (GL), φορολογικές θέσεις και κλείσιμο περιόδου. Επίσης, οι άνθρωποι πρέπει να συμμετέχουν σε οτιδήποτε είναι ορατό στον πελάτη για πρώτη φορά.

Ο κανόνας λειτουργίας είναι ότι η AI προτείνει, ένα άτομο με πραγματική εξουσία εγκρίνει, και η έγκριση καταγράφεται ενάντια στην αλλαγή. Οι εγκρίσεις και τα δικαιώματα βάσει ρόλου ήταν ήδη στην πλατφόρμα, έτσι οι πράκτορες τα κληρονομούν αντί να τα παρακάμπτουν.

Τα χρηματοοικονομικά συστήματα αφήνουν πολύ λίγο χώρο για ψευδαισθήσεις ή ανεξήγητες αποφάσεις. Πώς το BillingPlatform συνδυάζει τη λογική AI με την ντετερμινιστική εκτέλεση για να διασφαλίσει ότι τα τιμολόγια, οι υπολογισμοί εσόδων και οι λογιστικές ενέργειες παραμένουν ακριβείς και αναπαραγώγιμες;

Διαχωρίζουμε την ερμηνεία από την εκτέλεση. Το μοντέλο ερμηνεύει την πρόθεση και παράγει ρυθμίσεις, ένα ερώτημα ή μια προτεινόμενη αλλαγή. Η μηχανή τιμολόγησης και λογιστικής εκτελεί στη συνέχεια. Η μηχανή αυτή ακολουθεί τον ίδιο κώδικα είτε το διαμόρφωσε ένα άτομο στη διεπαφή χρήστη είτε ένας πράκτορας μέσω της AI μας, έτσι οι ίδιες εισροές παράγουν το ίδιο τιμολόγιο κάθε φορά, και μπορείτε να επανεκτελέσετε μια κλειστή περίοδο και να λάβετε την ίδια απάντηση.

Κανένας αριθμός σε ένα τιμολόγιο δεν δημιουργείται από μοντέλο γλώσσας τη στιγμή της έκδοσης. Αυτό που παράγει η AI είναι μια αλλαγή ρυθμίσεων, και αυτή η αλλαγή περιλαμβάνει έκδοση, συγγραφέα και χρονική σήμανση όπως κάθε άλλη αλλαγή στο σύστημα. Εάν ένας ελεγκτής ρωτήσει γιατί μια χρέωση είναι όπως είναι, η απάντηση εντοπίζεται μέσω του αρχείου τιμολόγησης στο γεγονός χρήσης, όχι σε ένα prompt.

Το τελευταίο κομμάτι είναι ότι οι προτάσεις είναι ελέγξιμες πριν εφαρμοστούν. Βλέπετε τη συγκεκριμένη ρύθμιση που η AI θέλει να δημιουργήσει, με απλούς όρους, και μπορείτε να την εγκρίνετε ή να την απορρίψετε.

Το BillingPlatform υποστηρίζει το Model Context Protocol, το Agent-to-Agent protocol και συνδέσεις με εξωτερικά επιχειρηματικά εργαλεία AI. Πώς μπορούν οι εταιρείες να δώσουν σε αυτόνομους πράκτορες πρόσβαση σε λειτουργίες τιμολόγησης ενώ αποτρέπουν μη εξουσιοδοτημένες ενέργειες, έκθεση δεδομένων ή μη ανιχνεύσιμες αλλαγές;

Το MCP και το A2A είναι μεταφορές, και φέρνουν έναν πράκτορα στην πόρτα. Το επίπεδο ελέγχου είναι το μοντέλο δικαιωμάτων σας, και εκεί βρίσκεται η πραγματική εργασία.

Στην περίπτωσή μας, ένας πράκτορας πιστοποιείται ως χρήστης και κληρονομεί τον ίδιο ρόλο, τα δικαιώματα σε επίπεδο πεδίου και εγγραφής που θα είχε οποιοσδήποτε υπάλληλος. Δεν υπάρχει παράκαμψη πράκτορα. Πέρα από αυτό, μερικές πρακτικές παραμένουν έγκυρες. Δώστε σε κάθε πράκτορα τον δικό του λογαριασμό υπηρεσίας με περιορισμένα δικαιώματα, μόνο ανάγνωση μέχρι να αποδειχθεί το αντίθετο, ώστε το αρχείο ελέγχου να σας δείχνει ποιος πράκτορας έκανε τι. Περιορίστε τις εγγραφές μέσω ροής έγκρισης με όρια σε δολάρια και όγκο. Θα πρέπει επίσης να περιορίζετε το ρυθμό τους, επειδή ένας πράκτορας σε βρόχο είναι διαφορετική αποτυχία από ένα άτομο που κάνει λάθος. Είναι επίσης κρίσιμο να καταγράφετε κάθε κλήση, όχι μόνο αυτές που άλλαξαν κάτι. Και να επιστρέφετε μόνο τα πεδία που χρειάζεται η εργασία, καθώς ο πιο γρήγορος τρόπος διαρροής δεδομένων πελατών είναι μια υπερβολικά ευρεία ανάγνωση.

Το λάθος που αναμένω να δούμε στην αγορά φέτος είναι ότι οι εταιρείες θα δώσουν σε έναν πράκτορα διαπιστευτήριο διαχειριστή ανθρώπου επειδή ήταν πιο εύκολο από το να το περιορίσουν σωστά.

Το BillingPlatform λέει ότι η AI μπορεί να μειώσει τις υλοποιήσεις από τρίμηνα σε εβδομάδες. Ποια μέρη της συλλογής απαιτήσεων, της διαμόρφωσης, των δοκιμών και της μετανάστευσης μπορεί η AI να αυτοματοποιήσει σήμερα, και ποια μέρη απαιτούν ακόμη έμπειρους επαγγελματίες τιμολόγησης και χρηματοοικονομικών;

Η AI είναι πραγματικά καλή στη μετάφραση τεκμηριωμένων τιμών σε διαμόρφωση, στην εκτέλεση ανάλυσης κενών έναντι βιβλιοθήκης γνωστών προτύπων, στη δημιουργία δοκιμαστικών περιπτώσεων και στην εκτέλεση παλινδρομικής δοκιμής, στην αντιστοίχιση και καθαρισμό παλαιών δεδομένων για μετανάστευση, και στην παραγωγή τεκμηρίωσης. Αυτοί είναι οι τομείς όπου η εργασία μειώνεται από τρίμηνα σε εβδομάδες.

Ωστόσο, η λήψη αποφάσεων εξακολουθεί να απαιτεί έμπειρους επαγγελματίες τιμολόγησης και χρηματοοικονομικών. Μερικά παραδείγματα που εξακολουθούν να απαιτούν έμπειρους ανθρώπους περιλαμβάνουν: την επίτευξη συμφωνίας με έναν πελάτη για τους δικούς του κανόνες τιμολόγησης και πολιτική εσόδων, την ανακατασκευή όρων από συμβάσεις, την ενσωμάτωση σε σύστημα με ατεκμηριωμένη συμπεριφορά, και την εκτίμηση της μεταχείρισης εσόδων σε πολυ-στοιχειακή συμφωνία. Συνοπτικά, η διαχείριση αλλαγών δεν ανταποκρίνεται στο λογισμικό.

Πώς μπορεί ένα ενοποιημένο μοντέλο που καλύπτει μέτρηση, τιμολόγηση και αναγνώριση εσόδων να βελτιώσει τη συμμόρφωση, την επαληθευσιμότητα και την οικονομική αναφορά, ιδιαίτερα για οργανισμούς που λειτουργούν υπό σύνθετες απαιτήσεις αναγνώρισης εσόδων;

Οι ελεγκτές πάντα ρωτούν για δύο πράγματα: Δείξτε μου πώς φτάσατε σε αυτόν τον αριθμό και δείξτε μου ότι εφαρμόσατε την ίδια μεταχείριση σταθερά. Αν τα συστήματα μέτρησης, τιμολόγησης και αναγνώρισης εσόδων λειτουργούν ξεχωριστά, η απάντηση σημαίνει ότι πρέπει να σκάψετε μέσα από τρεις βάσεις δεδομένων συν ένα ανθρώπινα δημιουργημένο λογιστικό φύλλο για να τα συμφιλιώσετε όλα.

Όταν όλα είναι σε ένα μοντέλο, αυτή η διαδικασία εξαφανίζεται. Το γεγονός χρήσης, η χρέωση, η γραμμή τιμολογίου και η εγγραφή στο λογιστικό βιβλίο είναι όλα το ίδιο αρχείο, απλώς ακολουθούμενο στο επόμενο βήμα του. Μπορείτε να το παρακολουθήσετε μπροστά ή πίσω χωρίς ενδιάμεσο βήμα συμφωνίας, επειδή δεν υπάρχει τίποτα προς συμφωνία. Όταν αλλάζει μια σύμβαση, αξιολογείτε τα ίδια δεδομένα συναλλαγής που παρήγαγαν το τιμολόγιο αρχικά. Η αυτόνομη τιμή πώλησης και η κατανομή θα προέρχονται από ό,τι συνέβη.

Αυτό είναι ιδιαίτερα σημαντικό για εταιρείες που αντιμετωπίζουν μεταβλητή αποζημίωση σύμφωνα με ASC 606 ή IFRS 15, όπου πρέπει να δείξετε τη δουλειά σας και να μπορείτε να την επαναλάβετε ένα χρόνο αργότερα.

Το BillingPlatform ανακοίνωσε πρόσφατα την προσθήκη νέου Chief Financial Officer, Chief Product Officer και Chief Customer Officer καθώς επεκτείνει τη στρατηγική AI‑native. Πώς θα συνεργαστούν αυτοί οι ηγέτες για να μετατρέψουν την τεχνική καινοτομία σε οικονομικά βιώσιμη ανάπτυξη και μετρήσιμα αποτελέσματα για επιχειρηματικούς πελάτες;

Ως Chief Product Officer, ο Rob Zwiebach διασφαλίζει ότι το προϊόν μας είναι διαφοροποιημένο και παραδίδεται. Έχει διαχειριστεί το χάρτη προϊόντος για τα χρηματοοικονομικά στο Workday και πέρασε 17 χρόνια στην Oracle, οπότε γνωρίζει τα συστήματα που ήδη χρησιμοποιούν οι πελάτες μας και τι απαιτείται για να ανταγωνιστούμε. Ως Chief Customer Officer, ο Chris King είναι υπεύθυνος για το αν οι πελάτες αντιλαμβάνονται την αξία, δηλαδή το χρόνο μέχρι την αξία, τη συνέπεια στην παράδοση, τη διατήρηση και την επέκταση. Ηγήθηκε των υπηρεσιών και της επιτυχίας στη Medidata και τη Salesforce και ξεκίνησε σε αυτή τη βιομηχανία στη Zuora, οπότε έχει δει τόσο καλές όσο και κακές επιχειρησιακές παραδόσεις σε κλίμακα. Ο Steven Springsteel, ο Chief Financial Officer μας, είναι υπεύθυνος για την οικονομική πλευρά, και προέρχεται από τη θέση CFO στη Recurly, οπότε έχει άμεση εμπειρία στη λειτουργία του οικονομικού τμήματος μιας εταιρείας τιμολόγησης.

Το σημείο όπου πρέπει πραγματικά να συνεργαστούν ως μία ομάδα είναι ο αριθμός που μετράει περισσότερο για μένα. Δηλαδή, το κόστος και ο χρόνος που απαιτούνται για να γίνει ένας επιχειρηματικός πελάτης ενεργός και παραγωγικός, καθώς και το περιθώριο κέρδους σε αυτή τη δουλειά. Αυτό είναι μια απόφαση προϊόντος, μια απόφαση παράδοσης και μια απόφαση μέτρησης, και ιστορικά είναι το σημείο όπου τα έργα επιχειρηματικού τιμολογίου αποτυγχάνουν. Το να λέτε ότι είστε AI‑native είναι μια αξίωση για την αρχιτεκτονική σας. Γίνεται επιχειρηματικό μόνο όταν αντικατοπτρίζεται στο κόστος υλοποίησης, το ρυθμό επέκτασης και το μικτό περιθώριο. Αυτοί είναι οι τρεις αριθμοί που ο Rob, ο Chris και ο Steven κατέχουν καθένας με το δικό του κομμάτι.

Σας ευχαριστούμε για τη σπουδαία συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα θα πρέπει να επισκεφθούν BillingPlatform.