John Glasgow, Διευθύνων Σύμβουλος, Οικονομικός Διευθυντής και ιδρυτής της Campfire – Σειρά συνεντεύξεων

Ο John Glasgow είναι Διευθύνων Σύμβουλος, Οικονομικός Διευθυντής και ιδρυτής της Campfire, με εμπειρία στον χρηματοοικονομικό τομέα, στις συγχωνεύσεις και εξαγορές τεχνολογικών εταιρειών και στην εταιρική στρατηγική. Πριν ιδρύσει την εταιρεία, εργάστηκε στις Adobe, Invoice2go και Bill.com και συνέβαλε, μεταξύ άλλων, στην εξαγορά της Invoice2go έναντι 625 εκατομμυρίων δολαρίων. Η εμπειρία του σε οικονομικές διευθύνσεις διαμόρφωσε την εστίασή του στην αντικατάσταση διαδικασιών που εξαρτώνται από υπολογιστικά φύλλα με λογιστικά συστήματα που διατηρούν τη λεπτομέρεια σε επίπεδο συναλλαγής και υποστηρίζουν την αυτοματοποίηση.

Η Campfire αναπτύσσει μια πλατφόρμα προγραμματισμού επιχειρησιακών πόρων (ERP), εγγενώς σχεδιασμένη για την ΤΝ, για ομάδες οικονομικών και λογιστηρίου, συγκεντρώνοντας το γενικό καθολικό, την αυτοματοποίηση εσόδων, τις αναφορές και τη διαχείριση του κλεισίματος των λογιστικών περιόδων. Οι πράκτορες Ember εργάζονται με τα υποκείμενα λογιστικά δεδομένα για να υποστηρίζουν εργασίες όπως η συμφωνία λογαριασμών και η κατηγοριοποίηση συναλλαγών, ενώ το Forecast διαχωρίζει τα καταχωρισμένα πραγματικά ποσά, τα δεσμευμένα ποσά και τις εκτιμήσεις που παράγονται από την ΤΝ. Σε αυτή τη συνέντευξη, ο Glasgow συζητά την αρχιτεκτονική της λογιστικής που έχει σχεδιαστεί εξαρχής για την ΤΝ, τα όρια μεταξύ της αυτονομίας των πρακτόρων και της ανθρώπινης έγκρισης, καθώς και τον τρόπο με τον οποίο οι οικονομικές ομάδες μπορούν να διατηρούν την ιχνηλασιμότητα καθώς διευρύνεται η αυτοματοποίηση.

Η σταδιοδρομία σας εκτείνεται στον χρηματοοικονομικό τομέα, στις συγχωνεύσεις και εξαγορές τεχνολογικών εταιρειών και στη στρατηγική στις Adobe, Invoice2go και Bill.com, προτού ιδρύσετε την Campfire. Τι διαπιστώνατε επανειλημμένα στις οικονομικές διευθύνσεις και σας έπεισε ότι το υποκείμενο σύστημα ERP έπρεπε να ανακατασκευαστεί, αντί απλώς να βελτιωθεί με την προσθήκη ενός ακόμη επιπέδου λογισμικού;

Η πώληση της Invoice2go στην Bill.com έναντι 625 εκατομμυρίων δολαρίων μού έδειξε το πρόβλημα από κοντά. Κατά τη διαδικασία του οικονομικού ελέγχου, διεκπεραίωσα περισσότερα από 500 αιτήματα μέσω υπολογιστικών φύλλων, επειδή εκεί βρίσκονταν η λογιστική εσόδων, οι αναφορές SaaS και οι ενοποιήσεις μας, αντί να βρίσκονται σε ένα σύστημα. Μια εταιρεία αυτού του μεγέθους εξακολουθούσε να διεκπεραιώνει κρίσιμες οικονομικές εργασίες μέσω υπολογιστικών φύλλων.

Στην Bill, όπου ηγήθηκα των στρατηγικών συνεργασιών και συνεργαζόμουν στενά με τον Οικονομικό Διευθυντή, είδα το ίδιο πρόβλημα σε πολλούς πελάτες. Η μισθοδοσία, η διαχείριση δαπανών και η διαχείριση πληρωτέων και εισπρακτέων λογαριασμών είχαν εκσυγχρονιστεί, αλλά οι οικονομικές ομάδες εξακολουθούσαν να πρέπει να επιστρέφουν σε ένα ERP σχεδιασμένο για μια παλαιότερη εποχή.

Το πρόβλημα βρίσκεται στο ίδιο το καθολικό. Τα παλαιού τύπου ERP λαμβάνουν συγκεντρωτικές εγγραφές από συστήματα τιμολόγησης, πληρωμών, μισθοδοσίας και άλλα συστήματα, με αποτέλεσμα να έχει χαθεί η λεπτομέρεια των συναλλαγών μέχρι να φτάσουν οι εγγραφές στο καθολικό. Η προσθήκη ενός ακόμη επιπέδου λογισμικού δεν μπορεί να αναπληρώσει τα δεδομένα που λείπουν. Ήθελα ένα καθολικό που να διατηρεί τη λεπτομέρεια και να μπορεί να εκτελεί τις εργασίες, πράγμα που σήμαινε ότι έπρεπε να ανακατασκευαστεί το ERP από την αρχή.

Ο όρος «εγγενώς σχεδιασμένο για την ΤΝ» χρησιμοποιείται όλο και συχνότερα για το εταιρικό λογισμικό. Από αρχιτεκτονική άποψη, τι διαφοροποιεί θεμελιωδώς ένα ERP εγγενώς σχεδιασμένο για την ΤΝ από ένα παραδοσιακό ERP στο οποίο προστίθεται ένα μεγάλο γλωσσικό μοντέλο ή ένας βοηθός ΤΝ πάνω σε ένα υπάρχον σύστημα;

Η θεμελιώδης διαφορά είναι ότι ένα ERP εγγενώς σχεδιασμένο για την ΤΝ βασίζεται στα δεδομένα που χρειάζονται οι ροές εργασίας της ΤΝ για να εκτελούν ενέργειες.

Ένας βοηθός μπορεί να διαβάσει μόνο όσα αποθηκεύει ένα παλαιού τύπου ERP. Αν το ERP περιέχει μηνιαία συγκεντρωτικά στοιχεία αντί για λεπτομέρειες σε επίπεδο συναλλαγής, η ΤΝ μπορεί να εντοπίσει έναν αριθμό ή να συντάξει μια εξήγηση, αλλά δεν μπορεί να αντιστοιχίσει αξιόπιστα συναλλαγές, να συμφωνήσει λογαριασμούς ή να εξηγήσει πώς δημιουργήθηκε μια εγγραφή. Η Campfire διατηρεί όλες τις λεπτομέρειες των συναλλαγών και διαχειρίζεται τόσο το γενικό καθολικό όσο και τα υποκαθολόγια, παρέχοντας στους πράκτορές της Ember τα δεδομένα που χρειάζονται για να εκτελούν πράγματι τις εργασίες.

Μια ακόμη διαφορά είναι η ιχνηλασιμότητα. Κάθε ενέργεια πράκτορα συνδέεται με τα υποκείμενα δεδομένα του καθολικού και μπορεί να ελεγχθεί πριν καταχωριστεί.

Η τρίτη διαφορά αφορά το ίδιο το μοντέλο: το Accounting Intelligence της Campfire εκπαιδεύεται με λογιστικά δεδομένα και συντάσσει κώδικα για την εκτέλεση οικονομικών εργασιών, καθιστώντας τα αποτελέσματα αναπαραγώγιμα. Αυτό επιτρέπει στους πράκτορες να ενεργούν και όχι απλώς να προτείνουν.

Η Campfire λάνσαρε πρόσφατα το Forecast, το οποίο διαχωρίζει τα στοιχεία του τρέχοντος μήνα σε πραγματικά, δεσμευμένα και εκτιμώμενα από την ΤΝ ποσά, αντί να ζητά από την ΤΝ να προβλέψει ολόκληρη την περίοδο. Γιατί το σχεδιάσατε με αυτόν τον τρόπο και σε ποιους τομείς θεωρείτε ότι η ΤΝ είναι πραγματικά χρήσιμη στις οικονομικές προβλέψεις, σε αντίθεση με τα ντετερμινιστικά λογιστικά δεδομένα που πρέπει να παραμένουν καθοριστικά;

Ως Οικονομικός Διευθυντής, θέλω να ξέρω πού θα κλείσει ο μήνας πέντε ή περισσότερες ημέρες πριν από τη λήξη του, και μέχρι τότε μεγάλο μέρος του είναι ήδη γνωστό. Αν ζητούσαμε από την ΤΝ να προβλέψει ολόκληρη την περίοδο, θα αντικαθιστούσαμε γνωστά ποσά με εικασίες. Γι’ αυτό το Forecast χωρίζει τον μήνα σε τρία επίπεδα:

Πραγματικά: όσα έχουν ήδη καταχωριστεί στο γενικό καθολικό.

Δεσμευμένα: γνωστά μελλοντικά ποσά από συμβάσεις, λογαριασμούς, περιουσιακά στοιχεία και μισθώσεις, τα οποία δεν έχουν καταχωριστεί ακόμη.

Εκτιμώμενα: η πρόβλεψη της Ember για το πραγματικά άγνωστο μέρος, με βάση το ιστορικό και την εποχικότητα της εταιρείας.

Εκεί θεωρώ ότι έχει θέση η ΤΝ στις προβλέψεις: στο κομμάτι που δεν μπορεί να γνωρίζει κανείς ακόμη. Τα ντετερμινιστικά λογιστικά δεδομένα πρέπει να καθορίζουν όλα όσα είναι ήδη γνωστά. Αν τα δύο συνδυαστούν, γίνεται δυσκολότερο να ξεχωρίσει κανείς τα γεγονότα από τις εκτιμήσεις. Αν αναμειχθούν, δεν μπορείς να ξέρεις ποια ποσά μπορείς να υποστηρίξεις όταν παρουσιάζεις την πρόβλεψη στο διοικητικό συμβούλιο.

Όταν κάποιος ρωτά πώς προέκυψε το ποσό, μπορώ να ανοίξω οποιοδήποτε στοιχείο και να δείξω τα πραγματικά, δεσμευμένα και εκτιμώμενα μέρη του, μαζί με τις παραδοχές της Ember. Το Forecast είναι συμβουλευτικό· τίποτα από όσα παράγει δεν καταχωρίζεται αυτόματα στο καθολικό, αλλά προσφέρει στην οικονομική ομάδα έγκαιρη εικόνα για την πορεία του μήνα, ώστε να μπορεί να λάβει επιχειρηματικές αποφάσεις πριν από το κλείσιμό του.

Το Forecast επιτρέπει στο Ember να υπολογίζει το άγνωστο μέρος του μήνα με βάση ιστορικές τάσεις και εποχικότητα, εξηγώντας παράλληλα τις παραδοχές στις οποίες βασίζονται οι εκτιμήσεις. Πώς αντιμετωπίζετε περιπτώσεις στις οποίες τα ιστορικά μοτίβα παύουν ξαφνικά να είναι χρήσιμα, όπως η ταχεία ανάπτυξη, η απώλεια ενός σημαντικού πελάτη, μια εξαγορά ή κάποιο άλλο ασυνήθιστο γεγονός;

Αυτοί είναι οι μήνες κατά τους οποίους ένας CFO χρειάζεται περισσότερο μια πρόβλεψη, γι’ αυτό και χωρίζεται σε επίπεδα. Μόνο το εκτιμώμενο μέρος του Forecast βασίζεται σε ιστορικές τάσεις και εποχικότητα. Το δεσμευμένο επίπεδο προκύπτει από συμβάσεις, λογαριασμούς, περιουσιακά στοιχεία και μισθώσεις που έχουν ήδη καταχωριστεί στο καθολικό του Campfire, επομένως μια εξαγορά, η απώλεια ενός πελάτη ή η ταχεία ανάπτυξη δεν αλλάζει όσα είναι ήδη γνωστά.

Όταν αλλάζει το μοτίβο, η οικονομική ομάδα συνήθως γνωρίζει τον λόγο προτού αυτός φανεί στα δεδομένα, οπότε μπορεί να δώσει το σχετικό πλαίσιο. Μπορεί να προσθέσει μια σημείωση για το τι άλλαξε, να επισυνάψει κάτι όπως ένα σχέδιο στελέχωσης ή να συνδέσει μια πηγή, όπως ένα CRM ή HRIS, μέσω της ενσωμάτωσης MCP. Το Ember αξιοποιεί αυτό το πλαίσιο για να υπολογίσει εκ νέου το άγνωστο μέρος.

Κάθε εκτίμηση συνοδεύεται επίσης από μια μονοπρότατη εξήγηση των παραδοχών της, ώστε, όταν παρουσιάζω την πρόβλεψη, να μπορώ να δείξω τι είναι δεδομένο, τι έχει δεσμευτεί και τι αποτελεί προβολή.

Το Campfire ανέπτυξε το δικό του Μεγάλο Λογιστικό Μοντέλο (LAM), αντί να βασίζεται εξ ολοκλήρου σε μοντέλα γενικής χρήσης. Τι έχετε μάθει για τους περιορισμούς της τεχνητής νοημοσύνης γενικής χρήσης στη λογιστική και τι πρέπει να κατανοεί ένα εξειδικευμένο μοντέλο, το οποίο συνήθως δεν κατανοεί ένα συμβατικό μεγάλο γλωσσικό μοντέλο (LLM);

Η λογιστική χρειάζεται αναπαραγώγιμες απαντήσεις, όχι απλώς εύλογες. Τα μοντέλα γενικής χρήσης είναι καλά στη δημιουργία κειμένου, αλλά μπορεί να δυσκολεύονται με τον αριθμητικό συλλογισμό και τις λογιστικές ταξινομήσεις, όπου τα ίδια δεδομένα πρέπει να δίνουν κάθε φορά την ίδια απάντηση.

Αντί να ζητάμε από ένα μοντέλο να συλλογιστεί απευθείας πάνω σε οικονομικά δεδομένα, του ζητάμε να γράψει SQL ή Python που εκτελεί την εργασία. Ο κώδικας διασφαλίζει αναπαραγώγιμα αποτελέσματα, κάτι σημαντικό για τον έλεγχο και για να μπορούν οι εταιρείες να αυτοματοποιούν ενέργειες χωρίς να απαιτείται έγκριση από κάποιον για κάθε πανομοιότυπο αποτέλεσμα.

Το Accounting Intelligence εκπαιδεύεται σε λογιστικά δεδομένα και κατανοεί στοιχεία όπως η δομή του λογιστικού σχεδίου, τα μοτίβα των προμηθευτών και τα χαρακτηριστικά ενός σωστά τηρούμενου λογιστικού βιβλίου. Μαθαίνει επίσης από το ιστορικό συναλλαγών κάθε πελάτη. Η ακρίβεια εξαρτάται τόσο από το σύστημα που περιβάλλει το μοντέλο όσο και από το ίδιο το μοντέλο.

Οι οικονομικές ομάδες έχουν εξαιρετικά μικρή ανοχή στα σφάλματα της τεχνητής νοημοσύνης. Καθώς οι πράκτορες αρχίζουν να εκτελούν συμφωνίες, να κατηγοριοποιούν συναλλαγές, να προετοιμάζουν εγγραφές και να αλληλεπιδρούν με το καθολικό, πού θα πρέπει να τίθεται το όριο ανάμεσα στην αυτόνομη εκτέλεση και την ανθρώπινη έγκριση;

Το όριο θα πρέπει να εξαρτάται από το αν μια ενέργεια μπορεί να ελεγχθεί. Αν μια εγγραφή είναι αναπαραγώγιμη και μπορεί να επαληθευτεί με βάση τα υποκείμενα δεδομένα του καθολικού, δεν θα πρέπει να απαιτείται έγκριση από κάποιον για κάθε επιμέρους περίπτωση. Αν δεν μπορεί να εξηγηθεί ή να αναπαραχθεί, κάποιος θα πρέπει να την ελέγξει προτού καταχωριστεί.

Έτσι κατασκευάσαμε το Ember. Κάθε ενέργεια του πράκτορα καταγράφεται, τεκμηριώνεται με βάση τα υποκείμενα δεδομένα του γενικού καθολικού (GL) και μπορεί να ελεγχθεί. Οι ομάδες ορίζουν όρια εμπιστοσύνης που καθορίζουν ποιες εργασίες αναλαμβάνει αυτόνομα το Ember και ποιες παραπέμπονται σε άνθρωπο, ενώ μπορούν να διευρύνουν την αυτονομία του καθώς τα αποτελέσματα κερδίζουν την εμπιστοσύνη τους.

Οι άνθρωποι εξακολουθούν να έχουν την ευθύνη της κρίσης. Οι λογιστές αποφασίζουν πόσα θα αναλάβει το Ember, εξετάζουν τις εξαιρέσεις και εξηγούν τις μεταβολές των αριθμών. Οι πράκτορες αναλαμβάνουν τις επαναλαμβανόμενες εργασίες αντιστοίχισης, επισήμανσης και συμφωνίας. Το TwelveLabs είναι χαρακτηριστικό παράδειγμα: με τρεις λογιστές που καλύπτουν τις ΗΠΑ και την Κορέα, μείωσε στο μισό τον χρόνο κλεισίματος των βιβλίων και εξοικονόμησε πάνω από 300.000 δολάρια.

Το Campfire παρουσίασε επίσης ένα κατάστημα MCP, το οποίο επιτρέπει στο Ember να αλληλεπιδρά με εξωτερικά συστήματα, όπως πλατφόρμες πληρωμών, CRM, προμηθειών και ανθρώπινου δυναμικού. Θεωρείτε ότι, τελικά, το ERP θα πάψει να είναι ένα παθητικό σύστημα καταγραφής και θα εξελιχθεί σε επίπεδο ενορχήστρωσης, όπου οι πράκτορες τεχνητής νοημοσύνης θα μπορούν να λειτουργούν σε όλο το χρηματοοικονομικό οικοσύστημα;

Ναι, αρκεί το καθολικό να παραμείνει το επίσημο σύστημα καταγραφής. Ιστορικά, το ERP κατέγραφε εργασίες που εκτελούνταν αλλού, οπότε οι περισσότερες σχετικές πληροφορίες βρίσκονται εκτός καθολικού: μια ανανέωση στο CRM, μια νέα πρόσληψη στο HRIS, μια εντολή αγοράς στο σύστημα προμηθειών. Αν οι πράκτορες πρόκειται να εκτελούν τις εργασίες, χρειάζονται και αυτό το πλαίσιο, επομένως το ERP πρέπει να συνδέεται απευθείας με αυτά τα συστήματα.

Οι οικονομικές ομάδες κάνουν προβλέψεις με αυτόν τον τρόπο εδώ και χρόνια, αντλώντας στοιχεία για τις ευκαιρίες πωλήσεων από το CRM και για το προσωπικό από το HRIS. Με το Forecast, το Ember το κάνει αυτό μόλις μια ομάδα συνδέσει αυτά τα συστήματα, ενώ το καθολικό παραμένει η πηγή αλήθειας για όλα όσα είναι ήδη γνωστά. Το καθολικό εξακολουθεί να αποτελεί την πηγή αλήθειας, ενώ οι πράκτορες μπορούν να λειτουργούν στα συστήματα που το περιβάλλουν.

Έχετε μια ιδιαίτερα ενδιαφέρουσα οπτική για τα οικονομικά της τεχνητής νοημοσύνης, καθώς είστε CEO και CFO μιας εταιρείας τεχνητής νοημοσύνης που εξυπηρετεί άλλες οικονομικές ομάδες. Τι παρατηρείτε σήμερα σχετικά με τον τρόπο με τον οποίο οι εταιρείες προϋπολογίζουν τις δαπάνες τους για την τεχνητή νοημοσύνη και πιστεύετε ότι η τιμολόγηση της τεχνητής νοημοσύνης για επιχειρήσεις θα απομακρυνθεί από τις συνδρομές ανά θέση χρήστη και θα στραφεί στη χρήση, στα αποτελέσματα ή σε κάποιο άλλο μοντέλο;

Βλέπουμε τους προϋπολογισμούς να μετατοπίζονται από τις σταθερές δαπάνες ανά θέση χρήστη στη μεταβλητή κατανάλωση τεχνητής νοημοσύνης, και πολλές οικονομικές ομάδες δεν είναι ακόμη προετοιμασμένες γι’ αυτό. Καθώς οι πράκτορες αναλαμβάνουν εργασίες που έκαναν προηγουμένως άνθρωποι, οι εταιρείες μπορεί να χρειάζονται λιγότερες θέσεις χρηστών, ενώ η χρήση τεχνητής νοημοσύνης αυξάνεται. Οι πάροχοι προσθέτουν επίσης χρεώσεις για πιστώσεις και υπερβάσεις πάνω στις χρεώσεις ανά θέση χρήστη, επομένως οι οικονομικές ομάδες πρέπει να υπολογίζουν το πιθανό κόστος χρήσης πριν υπογράψουν.

Πιστεύω ότι τα υβριδικά μοντέλα θα γίνουν πιο συνηθισμένα από την καθαρά βάσει αποτελεσμάτων τιμολόγηση. Ως οικονομικός διευθυντής, θέλω μια προβλέψιμη βασική χρέωση, ενώ ως διευθύνων σύμβουλος χρειάζομαι τιμολόγηση που να αντανακλά την πραγματική χρήση.

Η Campfire συγκέντρωσε 35 εκατομμύρια δολάρια σε έναν γύρο χρηματοδότησης Series A και, λίγες μόλις εβδομάδες αργότερα, άλλα 65 εκατομμύρια δολάρια σε έναν γύρο Series B. Τι άλλαξε στην αγορά ή στη ζήτηση των πελατών εκείνη την περίοδο και σας έκανε να αποφασίσετε να αναπτύξετε την εταιρεία τόσο επιθετικά; Και πού βλέπετε τη μεγαλύτερη ευκαιρία να αξιοποιήσετε αυτά τα κεφάλαια για να επιταχύνετε την ανάπτυξη του προϊόντος;

Είχαμε ισχυρή ζήτηση πριν από τον γύρο Series A, αλλά αμέσως μετά την ολοκλήρωσή του η ανταπόκριση επιταχύνθηκε. Εταιρείες επικοινώνησαν μαζί μας ζητώντας παρουσιάσεις, πολλές από τις οποίες δεν γνώριζαν μέχρι τότε την Campfire, και έγινε σαφές ότι η ζήτηση ξεπερνούσε τις προβλέψεις μας.

Αυτό μας έδωσε την ευκαιρία να επενδύσουμε πιο επιθετικά για να ανταποκριθούμε σε αυτή τη ζήτηση, ιδίως καθώς οι εταιρείες άρχισαν να είναι πρόθυμες να εγκαταλείψουν παλαιότερες πλατφόρμες, όπως το NetSuite και το Sage Intacct. Η Replit είναι ένα χαρακτηριστικό παράδειγμα: τα ετήσια επαναλαμβανόμενα έσοδά της αυξήθηκαν από 10 εκατομμύρια δολάρια σε περισσότερα από 200 εκατομμύρια δολάρια, χωρίς να αυξηθεί η τετραμελής λογιστική της ομάδα, ενώ το κλείσιμο των εσόδων της μειώθηκε από οκτώ ώρες σε 30 λεπτά.

Συγκεντρώσαμε 35 εκατομμύρια δολάρια στον γύρο χρηματοδότησης Series A, με επικεφαλής την Accel, και ακολούθησε γύρος Series B ύψους 65 εκατομμυρίων δολαρίων, με συνεπικεφαλής την Accel και τη Ribbit. Έτσι, συγκεντρώσαμε συνολικά 100 εκατομμύρια δολάρια μέσα σε 12 εβδομάδες. Χρησιμοποιήσαμε τα κεφάλαια για να ανταποκριθούμε σε αυτή τη ζήτηση, αυξάνοντας την ομάδα μας από 10 σε περισσότερα από 150 άτομα, με παρουσία στο Σαν Φρανσίσκο, τη Νέα Υόρκη και το Λονδίνο.

Η λογιστική που βασίζεται εξαρχής στην τεχνητή νοημοσύνη έχει εξελιχθεί γρήγορα σε ανταγωνιστικό κλάδο, με εταιρείες όπως η Campfire και η Rillet να αμφισβητούν την κυριαρχία καθιερωμένων πλατφορμών, όπως τα QuickBooks, NetSuite και Sage Intacct. Αν κοιτάξουμε πέντε χρόνια μπροστά, ποια μέρη της λογιστικής και των συστημάτων ERP πιστεύετε ότι θα αναλάβουν σχεδόν εξ ολοκλήρου οι πράκτορες τεχνητής νοημοσύνης και ποιες αρμοδιότητες θα παραμείνουν σαφώς στα χέρια των επαγγελματιών του χρηματοοικονομικού τομέα;

Πιστεύω ότι οι πράκτορες θα αναλάβουν το μεγαλύτερο μέρος των συνήθων εργασιών: την αντιστοίχιση συναλλαγών με πληρωμές, την επισήμανση συναλλαγών, τις συμφωνίες λογαριασμών, τις δεδουλευμένες δαπάνες και τα μηχανικά μέρη του κλεισίματος και της σύνταξης αναφορών. Πρόκειται για επαναλαμβανόμενες εργασίες που βασίζονται σε κανόνες και τις οποίες μπορεί να μάθει το λογισμικό.

Η κρίση και η λογοδοσία παραμένουν ευθύνη των ανθρώπων. Οι λογιστές θα αποφασίζουν πόσες εργασίες μπορούν να αναλαμβάνουν αυτόνομα οι πράκτορες, θα εξετάζουν τις εξαιρέσεις, θα εξηγούν γιατί μεταβλήθηκαν τα μεγέθη και θα συμβουλεύουν την επιχείρηση για τα επόμενα βήματα. Κάποιος πρέπει πάντα να αναλαμβάνει την ευθύνη για τα λογιστικά βιβλία.

Με τον καιρό, η λογιστική που βασίζεται εξαρχής στην τεχνητή νοημοσύνη θα αποτελεί βασική προσδοκία για τα χρηματοοικονομικά λογισμικά. Αυτό που θα ξεχωρίζει τις λύσεις θα είναι το κατά πόσο οι οικονομικές ομάδες εμπιστεύονται το σύστημα με το γενικό καθολικό τους και μπορούν να δουν ακριβώς πώς κατέληξε στα συμπεράσματά του. Αυτό είναι το επίπεδο που σχεδιάσαμε την Campfire να ανταποκρίνεται, και ήδη περισσότερες από 400 εταιρείες, μεταξύ των οποίων οι Cursor, Clay, Polymarket και PostHog, τη χρησιμοποιούν για τα λογιστικά τους βιβλία.

Σας ευχαριστούμε για την εξαιρετική συνέντευξη. Οι αναγνώστες που θέλουν να μάθουν περισσότερα για τη λογιστική και τον σχεδιασμό επιχειρησιακών πόρων που βασίζονται εξαρχής στην τεχνητή νοημοσύνη μπορούν να επισκεφθούν την Campfire.