Julio Martínez, Συνιδρυτής και Διευθύνων Σύμβουλος της Abacum – Σειρά Συνεντεύξεων

Julio Martínez, Συνιδρυτής και Διευθύνων Σύμβουλος στην Abacum, είναι ένας επιχειρηματίας fintech με σχεδόν δύο δεκαετίες εμπειρίας σε επενδυτική τραπεζική, εταιρική ανάπτυξη, δημιουργία επιχειρήσεων και τεχνολογική ηγεσία σε μεγάλους παγκόσμιους χρηματοοικονομικούς κέντρους. Ξεκίνησε την καριέρα του σε χρηματοοικονομικούς ρόλους που καλύπτουν τις αγορές κεφαλαίου, τις συγχωνεύσεις και τις εξαγορές και το ιδιωτικό κεφάλαιο, πριν στραφεί στο fintech, όπου βοήθησε στην εκκίνηση και την κλιμάκωση πολλαπλών ψηφιακών χρηματοοικονομικών προϊόντων και πλατφορμών. Πριν από την Abacum, συνίδρυσε και ανέπτυξε το εταιρικό τμήμα επιχειρηματικής δραστηριότητας της Banco Sabadell, ηγώντας την εκκίνηση προϊόντων, τις στρατηγικές επενδύσεις και τις εξαγορές στην Ευρώπη, τις Αμερικές και την Ασία. Σήμερα, ως Διευθύνων Σύμβουλος της Abacum, εφαρμόζει βαθιά επιχειρηματική γνώση για την κατασκευή εργαλείων που moderneύν τον τρόπο με τον οποίο οι χρηματοοικονομικές ομάδες σχεδιάζουν, προβλέπουν και οδηγούν την επιχειρηματική απόδοση.

Abacum είναι μια πλατφόρμα χρηματοοικονομικής σχεδίασης και ανάλυσης (FP&A) που βασίζεται στο AI, σχεδιασμένη για να βοηθήσει τις χρηματοοικονομικές ομάδες μεσαίου μεγέθους να απλοποιήσουν και να moderneύν την σχεδίαση, την πρόβλεψη, την αναφορά και τον προϋπολογισμό, συνδέοντας τα επιχειρηματικά και χρηματοοικονομικά δεδομένα με συνεργατικές εργοτικές διαδικασίες και αυτοματοποιημένες επισημάνσεις. Κατασκευασμένη για να αντικαταστήσει τις χειροκίνητες διαδικασίες με έξοδο σε φύλλα εργασίας, η πλατφόρμα κεντρικοποιεί τα δεδομένα σε πραγματικό χρόνο, υποστηρίζει προηγμένα μοντέλα σεναρίων και πολυδιάστατη χρηματοοικονομική μοντελοποίηση, αυτοματοποιεί επαναλαμβανόμενες εργασίες όπως αναφορές και ενημερώσεις προβλέψεων και ενσωματώνεται με εκατοντάδες συστήματα για να δώσει στις ομάδες μια単η πηγή αλήθειας. Τα χαρακτηριστικά της Abacum οδηγούν στην ακρίβεια, την αποτελεσματικότητα και την στρατηγική λήψη αποφάσεων, επιτρέποντας στις χρηματοοικονομικές οργανώσεις να μειώσουν το χειροκίνητο έργο, να επιταχύνουν τους κύκλους σχεδίασης και να επικεντρωθούν στις προσανατολισμένες στην ανάπτυξη επισημάνσεις.

Πέρασα σχεδόν δύο δεκαετίες εργαζόμενος στις χρηματοοικονομίες και το fintech πριν ιδρύσω την Abacum. Ποια συγκεκριμένα προβλήματα με τον τρόπο που οι χρηματοοικονομικές ομάδες σχεδιάζουν, προβλέπουν και αναφέρουν την απόδοση τους σας έκαναν να συνειδητοποιήσετε ότι τα εργαλεία που χρησιμοποιούσατε δεν ήταν κατάλληλα για τον σκοπό και ότι χρειαζόσασταν να κατασκευάσετε το προϊόν που επιθυμούσατε να έχετε οι ίδιοι;

Συνειδητοποίησα ότι οι χρηματοοικονομίες χάνουν την επιρροή τους όχι επειδή η ανάλυση ήταν λανθασμένη, αλλά επειδή έφθανε слишком αργά. Σε τραπεζικές, fintech και startups υψηλής ανάπτυξης, συνέβη το ίδιο. Σε μια συνεδρίαση διευθυντών, κάποιος θα ρωτούσε ένα λογικό ερώτημα όπως: «Πόσους μήνες διαρκείας έχουμε πραγματικά αν επιβραδύνουμε τις προσλήψεις;» ή «Τι συμβαίνει αν η έσοδα μειωθούν το επόμενο τρίμηνο;» και δεν μπορούσα να απαντήσω στο δωμάτιο σε πραγματικό χρόνο.

Δεν ήταν επειδή δεν κατανοούσα την επιχείρηση ή επειδή τα μαθηματικά ήταν δύσκολα. Το πρόβλημα ήταν δομικό. Το μετρητό ζούσε σε ένα σύστημα, ο αριθμός του προσωπικού σε ένα άλλο, τα έσοδα κάπου αλλού και τα έξοδα σε φύλλα εργασίας. Για να απαντήσετε με εμπιστοσύνη, έπρεπε να συνδυάσετε όλα, να ξαναχτίσετε το μοντέλο, να συμφιλιώσετε τις διαφορές και να ελπίζετε ότι τίποτα δεν θα σπάσει.

Μόλις μπορούσα να επιστρέψω με μια απάντηση, το παράθυρο λήψης αποφάσεων είχε κλείσει. Αυτό ήταν το πραγματικό πρόβλημα. Οι χρηματοοικονομίες κερδίζουν την θέση τους στο τραπέζι μέσω της αυστηρότητας, αλλά τη διατηρούν μέσω του χρονισμού. Αν δεν μπορείτε να εμφανιστείτε με εμπιστευτικές αποφάσεις σε λεπτά ή ώρες, χάνετε την επιρροή, ακόμη και αν η ανάλυση σας είναι τέλεια μια εβδομάδα αργότερα.

Αυτό που το έκανε χειρότερο ήταν η ψευδής επιλογή που δόθηκε στις χρηματοοικονομικές ομάδες. Χρησιμοποιούσαν είτε φύλλα εργασίας που ήταν ευέλικτα και γρήγορα, αλλά εύθραυστα και μη διαχειρίσιμα. Ή legacy πλατφόρμες που ήταν ισχυρές αλλά υποτίθεταν μια στατική επιχείρηση και απαιτούσαν βαριά διοίκηση μόνο για να λειτουργήσουν.

Εν τω μεταξύ, οι σύγχρονες εταιρείες λειτουργούν σε σπριντ, ακόμη και στο επίπεδο των διευθυντών. Οι σχεδιασμοί αλλάζουν συνεχώς. Οι αποφάσεις σωρεύονται. Οι χρηματοοικονομικές ομάδες δεν μπορούν να είναι η ομάδα που είναι πάντα «επιστρέφοντας με την απάντηση».

Γι’ αυτό ιδρύσαμε την Abacum. Θέλαμε ένα σύστημα σχεδίασης που θα ήταν κατασκευασμένο για ταχύτητα και εμπιστοσύνη ταυτόχρονα, ώστε οι χρηματοοικονομικές ομάδες να μπορούν να εφαρμόσουν αυστηρότητα αρκετά νωρίς για να διαμορφώσουν την κατεύθυνση ενώ οι επιλογές είναι ακόμη διαπραγματεύσιμες.

Όταν ξεκινήσατε να κατασκευάζετε την Abacum το 2020, πώς επικυρώσατε ότι αυτό το πρόβλημα εκτείνεται πολύ πέρα από την δική σας εμπειρία και μοιράζεται από εταιρείες μεσαίου μεγέθους που αναπτύσσονται γρήγορα;

Η πρώτη επικύρωση ήρθε σε μια συνομιλία που περίμενα να διαψεύσει την άποψή μου. Καλέσατε τον συνιδρυτή μου Jorge επειδή ήταν ο πιο έξυπνος χρηματοοικονομικός που γνώριζα, και υποθέτησα ότι θα μου πει ότι υπήρχε ένα καλύτερο τρόπο που είχα κάπως χάσει.

Αντίθετα, συγκρίναμε σημειώσεις για ώρες και συνειδητοποιήσαμε ότι ζήσαμε το ίδιο μοτίβο σε διαφορετικά περιβάλλοντα. Οι χρηματοοικονομικές ομάδες πνίγονται στη συμφιλίωση, συνεχώς ξαναχτίζοντας μοντέλα και πάντα ένα βήμα πίσω από την επιχείρηση. Αυτή ήταν η στιγμή που συνειδητοποιήσαμε. Αυτό δεν ήταν μια προσωπική αποτυχία ή ένα ζήτημα διαδικασίας. Ήταν ένα δομικό πρόβλημα που μοιράζονται οι εταιρείες.

Στη συνέχεια, μιλήσαμε σε CFOs και χρηματοοικονομικούς ηγέτες σε διάφορους κλάδους, γεωγραφικές περιοχές και στάδια ανάπτυξης. Η γλώσσα άλλαξε, αλλά η ιστορία δεν. «Είμαστε πάντα ξαναχτίζοντας αντί να συμβουλεύουμε».

Η βαθύτερη εντύπωση για εμάς ήταν ότι αυτή η αποτυχία επαναλαμβάνεται σε κύκλους. Κάθε λίγα χρόνια, μια νέα πλατφόρμα ισχυρίζεται ότι έχει λύσει το FP&A. Στη συνέχεια, ο ρυθμός της επιχείρησης επιταχύνεται ξανά. Νέα εργαλεία, νέα μετρικά, νέοι ενδιαφερόμενοι, νέοι ρυθμοί σχεδίασης. Το σύστημα φουσκώνει και σπάει υπό την αλλαγή.

Αυτή η συνειδητοποίηση διαμόρφωσε την κατεύθυνσή μας. Δεν θέλαμε να κατασκευάσουμε μια στατική λύση για ένα単η επιχειρηματικό μοντέλο. Θέλαμε μια πλατφόρμα που θα παρέμενε σχετική καθώς η επιχείρηση εξελίσσεται, το οποίο γίνεται ακόμη πιο κρίσιμο στην εποχή του AI. Η εισαγωγή μας στο YC αργότερα ενίσχυσε ότι αυτό ήταν ένα παγκόσμιο πρόβλημα, όχι ένα νіш.

Η Abacum υποστηρίζει τώρα προβλέψεις σε πραγματικό χρόνο, μοντέλα σεναρίων και σχεδιασμό προσωπικού. Σε ποιο σημείο το AI μετατράπηκε από μια μελλοντική έννοια σε einen θεμελιώδη μέρος της αρχιτεκτονικής της πλατφόρμας;

Το AI δεν ήταν ποτέ μια μετάνοια για εμάς, αλλά ήμασταν πολύ προσεκτικοί σχετικά με το πότε και πώς να το εφαρμόσουμε. Οι χρηματοοικονομίες είναι ένα ζήτημα εμπιστοσύνης. Δεν можете να βάλετε νοημοσύνη πάνω σε χάος και να περιμένετε αξιοπιστία. Αν τα δεδομένα είναι ακατάστατα, οι ορισμοί είναι ασυνεπείς και το μοντέλο είναι εύθραυστο, το AI δεν θα το διορθώσει. Θα σκαλίσει μόνο την σύγχυση γρηγορότερα.

Έτσι, ξεκινήσαμε με τα βασικά: ένα ισχυρό επίπεδο δεδομένων, αξιόπιστες ενσωματώσεις και μοντέλα που αντανακλούν τον τρόπο με τον οποίο λειτουργούν οι επιχειρήσεις στην πραγματικότητα. Από την πρώτη μέρα, η στρατηγική AI ήταν να ενσωματώσουμε την νοημοσύνη εκεί όπου δημιουργεί πραγματική επίδραση.

Αυτό σήμαινε την εφαρμογή του AI σε υψηλό όγκο, χαμηλή κρίση εργασία που ιστορικά καταναλώνει χρόνο και δημιουργεί λάθη, όπως η καθαρισμός και η τυποποίηση εισερχόμενων δεδομένων. Η συμφιλίωση των διαφορών μεταξύ συστημάτων. Η ταξινόμηση και η ετικέτα σε κλίμακα. Η επιφάνεια ανωμαλιών νωρίς, όχι στο τέλος του μήνα.

Μόλις τοποθετηθεί αυτή η βάση, το AI αλλάζει την οικονομία της σχεδίασης. Η εξερεύνηση σεναρίων γίνεται οικονομική. Οι ανταλλαγές μπορούν να δοκιμαστούν στη στιγμή αντί να προγραμματιστούν για μια συνεδρίαση που θα γίνει ημέρες αργότερα.

Αυτό είναι όταν το AI γίνεται θεμελιώδες. Όχι όταν μπορεί να παράγει ένα ωραίο γράφημα ή μια περίληψη, αλλά όταν επιτρέπει στις χρηματοοικονομικές ομάδες να εφαρμόσουν αυστηρότητα αρκετά γρήγορα για να επηρεάσουν μια απόφαση ενώ είναι ακόμη ανοιχτή.

Σε εταιρείες που αναπτύσσονται γρήγορα, τα χρηματοοικονομικά δεδομένα συχνά ζουν σε πολλά συστήματα και ενημερώνονται συνεχώς. Ποια ήταν τα πιο δύσκολα τεχνικά ή οργανωτικά προκλήματα στη μετατροπή αυτών των θραυσμάτων δεδομένων σε ένα αξιόπιστο, πραγματικό χρόνο σύστημα σχεδίασης;

Η μετακίνηση δεδομένων δεν είναι το πιο δύσκολο πρόβλημα. Τα περισσότερα σύγχρονα συστήματα είναι API-κίνητα και η εργαλειοθήκη ενσωμάτωσης υπάρχει. Η πραγματική πρόκληση αρχίζει μετά την άφιξη των δεδομένων. Τα ακατέργαστα δεδομένα είναι ασυνεπή. Τα έσοδα στο CRM δεν ταιριάζουν με τα έσοδα στο ERP. Ο αριθμός του προσωπικού στα συστήματα HR δεν ταιριάζει με τον μισθό. Ακόμη και βασικά μετρικά όπως το ARR ή η διάρκεια ζωής σημαίνουν διαφορετικά πράγματα σε διαφορετικές ομάδες.

Αν οι ορισμοί δεν είναι σαφείς και συμφωνημένοι, κάθε πρόβλεψη μετατρέπεται σε μια συζήτηση. Η πρόκληση είναι τριπλή. Πρώτον, μια βάση δεδομένων που ενημερώνεται συνεχώς καθώς τα συστήματα πηγής αλλάζουν. Δεύτερον, ένα διαχειριζόμενο επιχειρηματικό μοντέλο όπου οι υπολογισμοί είναι σαφείς και συνεπείς. Τρίτον, οργανωτική ευθυγράμμιση, επειδή η σχεδίαση σε πραγματικό χρόνο απαιτεί κοινές ορισμοί και einen κοινό ρυθμό λειτουργίας.

Η διακυβέρνηση είναι αυτό που κάνει την ταχύτητα ασφαλή. Η σχεδίαση σε πραγματικό χρόνο λειτουργεί μόνο όταν η εμπιστοσύνη είναι χτισμένη στη ροή εργασίας, όχι ως μια πολιτική ή ένα έλεγχο φύλλου εργασίας.

Από ό,τι βλέπετε σε εκατοντάδες πελάτες, πώς η συνεχής, σχεδίαση σε πραγματικό χρόνο αλλάζει τον τρόπο που οι CFOs λαμβάνουν αποφάσεις εβδομάδα προς εβδομάδα, όχι μόνο σε επίπεδο διοικητικού συμβουλίου ή προϋπολογισμού;

Ο ρόλος των χρηματοοικονομικών έχει μετατοπιστεί από περιοδική ανασκόπηση σε συνεχής υποστήριξη αποφάσεων.

Πρώτον, ο όγκος των αποφάσεων έχει εκρηκτική αύξηση. Οι χρηματοοικονομικές ομάδες είναι πλέον εμπλεγμένες στις προσλήψεις, τις τιμές, τις επενδύσεις GTM, τις ανανεώσεις, τις αποφάσεις προϊόντων και τις λειτουργικές ανταλλαγές σε συνεχής βάση.

Δεύτερον, τα δεδομένα δεν είναι ποτέ «τελικά». Νέα εργαλεία, νέα μετρικά και νέοι ενδιαφερόμενοι σημαίνουν ότι το σύνολο δεδομένων είναι πάντα σε κίνηση. Η επιχείρηση δεν μπορεί να περιμένει μια τέλεια κλείσιμο για να προχωρήσει.

Σε αυτό το контέκστ, η σχεδίαση σε πραγματικό χρόνο αλλάζει τις χρηματοοικονομικές ομάδες από αναφορά και εξήγηση σε ενεργό διαμόρφωση κατεύθυνσης. Η διάρκεια ζωής γίνεται ένας ζωντανός περιορισμός, όχι ένα μετρικό τριμήνου. Η σχεδίαση σεναρίων γίνεται μια συχνή συζήτηση ανταλλαγής αντί για μια ετήσια άσκηση.

Οι καλύτερες χρηματοοικονομικές ομάδες δεν γίνονται λιγότερο αυστηρές. Γίνονται πιο αυστηρές νωρίτερα. Αυτή είναι η μετατόπιση.

Πώς η Abacum εφαρμόζει το AI διαφορετικά από την παραδοσιακή αυτοματοποίηση βασισμένη σε κανόνες και ποια χρηματοοικονομικά προβλήματα εξακολουθούν να απαιτούν ισχυρή ανθρώπινη κρίση;

Το περισσότερο AI στις χρηματοοικονομικές υπηρεσίες σήμερα αρχίζει στο τέλος της ροής εργασίας. Υποθέτει ότι τα δεδομένα σας είναι ήδη καθαρά και διαχειριζόμενα, και στη συνέχεια προσθέτει ένα chatbot για να αναζητήσετε ή να συνοψίσετε επισημάνσεις. Αυτό μπορεί να είναι χρήσιμο, αλλά παραλείπει το πιο δύσκολο μέρος του FP&A.

Εμείς αρχίζουμε από την αρχή. Εφαρμόζουμε το AI εκεί όπου οι άνθρωποι προσθέτουν την ελάχιστη αξία και κάνουν τα περισσότερα λάθη, όπως η καθαρισμός, η συμφιλίωση, η ταξινόμηση, η ανίχνευση ανωμαλιών και η βοήθεια με τη λογική του μοντέλου. Η νοημοσύνη ζει μέσα στη ροή εργασίας, όχι σε ένα ξεχωριστό περιβάλλον chat.

Το AI μειώνει επίσης τον φόρο πολυπλοκότητας που κρατάει τις ομάδες πίσω. Πολλά συστήματα απαιτούν εξειδικευμένους συμβούλους ή εμπειρογνώμονες, δημιουργώντας μια εξάρτηση από «ιδιοκτήτες συστήματος». Το AI πρέπει να μειώσει αυτό το εμπόδιο. Οι χρηματοοικονομικές ομάδες πρέπει να μπορούν να εκφράσουν την πρόθεση τους και να έχουν το σύστημα να βοηθήσει στην κατασκευή της λογικής σωστά.

Αυτή είναι επίσης η θέση μας για το μεσαίο δρόμο. Ιστορικά, οι χρηματοοικονομικές ομάδες έπρεπε να επιλέξουν μεταξύ εργαλείων που ήταν ευέλικτα αλλά εύθραυστα ή πλατφορμών που ήταν ισχυρές αλλά βαρείς να διαχειριστούν. Το AI επιβάλλει τώρα την ίδια ψευδή ανταλλαγή: copilots που είναι εύκολοι αλλά ρηχά, ή συστήματα ορχήστρας που είναι ισχυρά αλλά απαιτούν να μάθετε einen νέο τρόπο εργασίας. Ενώ πιστεύουμε ότι η σωστή απάντηση είναι το AI που εξαφανίζεται στη ροή εργασίας, βελτιώνοντας την σχεδίαση χωρίς να αλλάζει τον τρόπο με τον οποίο λειτουργούν οι ομάδες.

Όσον αφορά την κρίση, το όριο είναι σαφές. Το AI μπορεί να επιταχύνει την ανάλυση και την εξερεύνηση, αλλά οι αποφάσεις που αφορούν την κατανομή κεφαλαίου, τις ανταλλαγές προσλήψεων, τις αποφάσεις τιμών και τις στρατηγικές προτεραιότητες εξακολουθούν να απαιτούν ανθρώπινη контέκστ και ευθύνη. Ο CFO είναι υπεύθυνος για την κλήση.

Όπως το AI γίνεται πιο προβλεπτικό, πώς σκέφτεστε την εμπιστοσύνη και την ερμηνευσιμότητα για τους χρηματοοικονομικούς ηγέτες που πρέπει να στηρίξουν τους αριθμούς;

Στις χρηματοοικονομίες, «κατευθυνόμενα σωστά» δεν είναι αρκετό. Οι χρηματοοικονομικοί ηγέτες είναι υπεύθυνοι για τους αριθμούς που παρουσιάζουν. Αν δεν μπορείτε να εξηγήσετε μια πρόβλεψη, δεν μπορείτε να τη χρησιμοποιήσετε σε μια συζήτηση αποφάσεων.

Η εμπιστοσύνη αρχίζει με μια θεμελιώδη βάση. Συνεπείς ορισμοί. Συμφιλιωμένα δεδομένα. Διαφανής λογική. Η προβλεπτική νοημοσύνη λειτουργεί μόνο όταν είναι χτισμένη σε κάτι στερεό.

Η ερμηνευσιμότητα είναι αυτό που μετατρέπει την εντύπωση σε δράση. Οι CFOs πρέπει να απαντήσουν γρήγορα τι άλλαξε, γιατί άλλαξε, ποιοι οδηγοί κινήθηκαν και ποίες υποθέσεις είναι υπεύθυνες για διαφορετικά αποτελέσματα.

Η διακυβέρνηση δεν μπορεί να ζήσει σε στατικές ελέγχους πλέον. Πρέπει να είναι ενσωματωμένη στη ροή εργασίας, ώστε οι υποθέσεις να είναι ορατές, η λογική να είναι ιχνηλατή και κάθε σενάριο να αφήνει einen σαφές αρχείο. Το στόχος δεν είναι να αφαιρέσουμε τους ανθρώπους από το λουρί, αλλά να τους βοηθήσουμε να ασκήσουν κρίση νωρίτερα, με περισσότερη εμπιστοσύνη.

Πέρασα από την πρώιμη επιτάχυνση και την αργότερη φάση χρηματοδότησης. Πώς επηρέασαν αυτές οι φάσεις τον τρόπο που επενδύσατε στο AI έναντι των βασικών προϊόντων;

Η πρώιμη χρηματοδότηση μας ανάγκασε να είμαστε πειθαρχημένοι. Δεν μπορούσαμε να κυνηγήσουμε λαμπερά αντικείμενα. Έπρεπε να κερδίσουμε την εμπιστοσύνη κατασκευάζοντας τα βασικά: αξιόπιστες ενσωματώσεις, ισχυρά μοντέλα δεδομένων και einen μηχανισμό σχεδίασης που δεν σπάει όταν η επιχείρηση αλλάζει.

Το AI ήταν πάντα μέρος της στρατηγικής μας, αλλά αρνήθηκα να το αντιμετωπίσω σαν ένα маркетινговό επίστρωμα. Αν το AI δεν δημιουργούσε πραγματική επίδραση μέσα στη ροή εργασίας, δεν το εξέδιδα.

Όσο μεγαλώναμε, η αγορά μετατοπίστηκε. Το AI έγινε ένα απαραίτητο. Κάθε προμηθευτής μπορούσε να κάνει ένα demo ενός chatbot και να είναι «AI-ενδυναμωμένο». Έτσι, ο στόχος είχε μετατοπιστεί από την οπτική στην αποτελέσματα. Βοηθά το AI τις χρηματοοικονομικές ομάδες να λαμβάνουν καλύτερες αποφάσεις γρηγορότερα, με ιχνηλασιμότητα, ή παράγει απλά εντυπωσιακά αποτελέσματα;

Η αργότερη φάση της ανάπτυξης ανέβασε επίσης τον стандарт αποτελεσματικότητας. Οι ομάδες αναμενόταν να κάνουν περισσότερα με λιγότερα. Αυτό ενίσχυσε την εστίασή μας στο AI που παρέχει μετρήσιμη επίδραση, όχι αφηρημένη έφεση.

Έχετε διπλασιάσει την επέκταση στις ΗΠΑ. Πώς η αγορά των ΗΠΑ διαφέρει στην ετοιμότητά της να υιοθετήσει πλατφόρμες χρηματοοικονομικής που βασίζονται στο AI σε σύγκριση με άλλες περιοχές;

Οι εταιρείες στις ΗΠΑ κινητοποιούνται γρήγορα και οι προσδοκίες των επενδυτών είναι υψηλές. Οι CFOs αναμένεται να είναι βαθιά επιχειρηματικοί, όχι μόνο ακριβείς. Οδηγούν συνεχώς σχέδια προσλήψεων, επενδύσεις GTM, αποφάσεις δαπανών και προτεραιότητες.

Αυτό κάνει το πρόβλημα της αργής σχεδίασης πιο οξύ. Όταν οι αποφάσεις λαμβάνονται εβδομαδιαία ή ημερησίως, οι χρηματοοικονομικές ομάδες δεν μπορούν να λειτουργούν σε μηνιαίο ρυθμό. Η ενσωματωμένη νοημοσύνη γίνεται λιγότερο ένα «θα ήταν καλό να είχε» και περισσότερο ένα απαραίτητο.

Η αγορά των ΗΠΑ είναι επίσης πιο υποδοχή στην ιδέα ότι τα χρηματοοικονομικά συστήματα πρέπει να είναι δυναμικά, όχι στατικά. Η προσδοκία δεν είναι μόνο η ακρίβεια της αναφοράς, αλλά και η υποστήριξη αποφάσεων στο ρυθμό που η επιχείρηση χρειάζεται να κινηθεί.

Κοιτάζοντας μπροστά στο 2026, ποια μέρη της χρηματοοικονομικής σχεδίασης πιστεύετε ότι θα γίνουν σε μεγάλο βαθμό αυτοματοποιημένα από το AI και όπου θα παραμείνει η ανθρώπινη κρίση απαραίτητη;

Τα στρώματα που θα γίνουν σε μεγάλο βαθμό αυτοματοποιημένα είναι οι επαναλαμβανόμενες, χαμηλής κρίσης εργασίες που καταναλώνουν αναλογικά πολύ χρόνο σήμερα. Η ενοποίηση δεδομένων, η καθαρισμός, η τυποποίηση, η συμφιλίωση, η ανίχνευση ανωμαλιών και η βασική αναφορά πρέπει να τρέχουν συνεχώς.

Η πρόβλεψη και η γεννήτρια σεναρίων θα επιταχυνθούν δραματικά, αλλά δεν θα είναι πλήρως ανατεθειμένες. Το AI θα κάνει φθηνή την εξερεύνηση και θα εξετάσει τις επιλογές και τις στρες δοκιμές και τις υποθέσεις, αλλά ο κίνδυνος, η ευθύνη και η κρίση εξακολουθούν να μετράνε.

Η ανθρώπινη κρίση θα παραμείνει απαραίτητη όπου οι στοίχοι είναι υψηλοί. Κατανομή κεφαλαίου. Στρατηγική προσλήψεων. Αποφάσεις τιμών. Αφηγήσεις του διοικητικού συμβουλίου. Το AI αλλάζει αν οι χρηματοοικονομικές ομάδες μπορούν να跟πουν τον ρυθμό των αποφάσεων. Δεν αλλάζει ποιος είναι υπεύθυνος για το αποτέλεσμα.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Abacum.