Julio Martínez, Co-Fundador y CEO de Abacum – Serie de Entrevistas

Julio Martínez, Co-fundador y CEO de Abacum, es un empresario fintech con casi dos décadas de experiencia en banca de inversión, desarrollo corporativo, creación de empresas y liderazgo tecnológico en los principales centros financieros globales. Comenzó su carrera en roles financieros que cubrían mercados de capital, fusiones y adquisiciones, y capital privado, antes de cambiar hacia el fintech, donde ayudó a lanzar y escalar múltiples productos y plataformas financieras digitales. Antes de Abacum, co-fundó y escaló el brazo de venturing corporativo de Banco Sabadell, liderando lanzamientos de productos, inversiones estratégicas y adquisiciones en Europa, las Américas y Asia. Hoy, como CEO de Abacum, aplica una profunda experiencia operativa en finanzas para construir herramientas que modernicen la forma en que los equipos de finanzas planifican, prevén y impulsan el rendimiento empresarial.

Abacum es una plataforma de planificación y análisis financiero (FP&A) nativa de IA diseñada para ayudar a los equipos de finanzas de mercado medio a simplificar y modernizar la planificación, previsión, informes y presupuestos conectando datos operativos y financieros con flujos de trabajo colaborativos y conocimientos automatizados. Construida para reemplazar procesos manuales basados en hojas de cálculo, la plataforma centraliza datos en tiempo real, admite modelado de escenarios avanzado y modelado financiero multidimensional, automatiza tareas repetitivas como informes y actualizaciones de previsión, e integra con cientos de sistemas para dar a los equipos una sola fuente de verdad. Las características de Abacum impulsan la precisión, la eficiencia y la toma de decisiones estratégicas, lo que permite a las organizaciones financieras reducir el trabajo manual, acelerar los ciclos de planificación y centrarse en conocimientos orientados al crecimiento

Pasaste casi dos décadas trabajando en finanzas y fintech antes de fundar Abacum. ¿Qué frustraciones específicas con la forma en que los equipos de finanzas planificaban, preveían y reportaban el rendimiento te hicieron a ti y a Jorge darse cuenta de que las herramientas que estaban utilizando no eran adecuadas para el propósito y que necesitaban construir el producto que deseaban tener?

Me di cuenta de que las finanzas estaban perdiendo influencia no porque el análisis estuviera mal, sino porque llegaba demasiado tarde. A lo largo de la banca, el fintech y las empresas de alto crecimiento, me encontré con el mismo momento una y otra vez. En una reunión de ejecutivos, alguien preguntaba una pregunta razonable como: “¿Cuántos meses de margen de maniobra tenemos realmente si ralentizamos la contratación?” o “¿Qué sucede si los ingresos disminuyen el próximo trimestre?” Y no podía responder a la sala en tiempo real.

No era porque no entendiera el negocio o porque las matemáticas fueran difíciles. El problema era estructural. El efectivo vivía en un sistema, la cantidad de empleados en otro, los ingresos en algún lugar más, y los gastos en hojas de cálculo. Para responder con confianza, había que juntar todo, reconstruir el modelo, reconciliar las discrepancias y esperar que nada se rompiera.

Para cuando podía regresar con una respuesta, la ventana de decisión había cerrado. Ese era el problema real. Las finanzas ganan su asiento en la mesa a través de la rigidez, pero mantienen su asiento a través del tiempo. Si no puedes presentarte con un apoyo de decisión confiable en minutos o horas, pierdes influencia, incluso si tu análisis es perfecto una semana después.

Lo que empeoraba las cosas era la falsa elección que se les daba a los equipos de finanzas. Estaban utilizando hojas de cálculo que eran flexibles y rápidas, pero frágiles y no gobernadas. O plataformas legadas que eran potentes pero asumían un negocio estático y requerían una administración pesada solo para funcionar.

Mientras tanto, las empresas modernas operan en sprints, incluso a nivel ejecutivo. Los planes cambian constantemente. Las decisiones se acumulan. Las finanzas no pueden permitirse ser el equipo que siempre está “regresando con la respuesta”.

Es por eso que fundamos Abacum. Queríamos un sistema de planificación construido para la velocidad y la confianza al mismo tiempo, para que las finanzas puedan aplicar la rigidez lo suficientemente temprano como para dar forma a la dirección mientras las opciones aún son negociables.

Cuando comenzaste a construir Abacum en 2020, ¿cómo validaste que este problema se extendía mucho más allá de tu propia experiencia y era compartido por empresas de mercado medio en crecimiento rápido?

La primera validación vino en una conversación que esperaba desaprobar mi tesis. Llamé a mi co-fundador Jorge porque era la persona de finanzas más inteligente que conocía, y asumí que me diría que había una mejor manera que de alguna manera había pasado por alto.

En su lugar, comparamos notas durante horas y nos dimos cuenta de que habíamos vivido el mismo patrón en diferentes entornos. Los equipos de finanzas se ahogaban en la reconciliación, constantemente reconstruyendo modelos y siempre un paso por detrás del negocio. Ese fue el momento en que se hizo clic para nosotros. Este no era un fracaso personal o un problema de proceso. Era un problema estructural compartido en las empresas.

Luego hablamos con directores financieros y líderes de finanzas en various industrias, geografías y etapas de crecimiento. El lenguaje cambió, pero la historia no. “Siempre estamos reconstruyendo en lugar de asesorar”.

La percepción más profunda para nosotros fue que este fracaso se repite en ciclos. Cada pocos años, una nueva plataforma afirma haber resuelto FP&A. Luego, el ritmo del negocio se acelera nuevamente. Nuevas herramientas, nuevas métricas, nuevos partes interesados, nuevos ritmos de planificación. El sistema se vuelve pesado y se rompe con el cambio.

Esa comprensión dio forma a nuestra dirección. No queríamos construir una solución estática para un solo modelo de operación. Queríamos una plataforma que permaneciera relevante a medida que la empresa evoluciona, lo que se vuelve aún más crítico en la era de la IA. Ser admitidos en YC más tarde reforzó que este era un problema global, no un nicho.

Abacum ahora admite previsión en tiempo real, modelado de escenarios y planificación de cantidad de empleados. ¿En qué punto la inteligencia artificial pasó de ser un concepto futuro a ser una parte fundamental de la arquitectura de la plataforma?

La IA nunca fue un pensamiento posterior para nosotros, pero fuimos muy deliberados sobre cuándo y cómo aplicarla. Las finanzas son un negocio de confianza. No puedes poner inteligencia sobre el caos y esperar credibilidad. Si los datos son desordenados, las definiciones son inconsistentes y el modelo es frágil, la IA no lo arreglará. Simplemente escalará la confusión más rápido.

Así que comenzamos con los fundamentos: una capa de datos sólida, integraciones confiables y primitivos de modelado que reflejan cómo funcionan las empresas en realidad. Desde el primer día, la estrategia de IA fue incrustar inteligencia donde crea un verdadero apalancamiento.

Eso significó aplicar IA a trabajo de alto volumen y bajo juicio que históricamente consume tiempo y crea errores. Limpieza y normalización de datos entrantes. Reconciliación de discrepancias entre sistemas. Clasificación y etiquetado a escala. Detección temprana de anomalías, no al final del mes.

Una vez que se establece esta base, la IA cambia la economía de la planificación. La exploración de escenarios se vuelve rentable. Los compromisos pueden probarse en el momento en lugar de programarse para una reunión de seguimiento días después.

Ese es el momento en que la IA se vuelve fundamental. No cuando puede generar un gráfico agradable o un resumen, sino cuando permite a las finanzas aplicar la rigidez lo suficientemente temprano como para influir en una decisión mientras aún está abierta.

En empresas en crecimiento rápido, los datos financieros a menudo viven en muchos sistemas y se actualizan constantemente. ¿Cuáles fueron los desafíos técnicos o organizacionales más difíciles para convertir esos datos fragmentados en un sistema de planificación confiable en tiempo real?

Mover datos no es el problema más difícil. La mayoría de los sistemas modernos son impulsados por API y existen herramientas de integración. El desafío real comienza después de que los datos llegan. Los datos brutos son inconsistentes. Los ingresos en CRM no coinciden con los ingresos en ERP. La cantidad de empleados en los sistemas de RRHH no coincide con la nómina. Incluso las métricas básicas como ARR o margen de maniobra significan cosas diferentes para diferentes equipos.

Si las definiciones no son explícitas y acordadas, cada previsión se convierte en un debate. El desafío es triple. Primero, una base de datos que se actualice continuamente a medida que cambian los sistemas de origen. Segundo, un modelo de negocio gobernado donde los cálculos son explícitos y consistentes. Tercero, alineación organizacional, porque la planificación en tiempo real requiere definiciones compartidas y un ritmo operativo compartido.

La gobernanza es lo que hace que la velocidad sea segura. La planificación en tiempo real solo funciona cuando la confianza se construye en el flujo de trabajo, no se agrega como un documento de política o una lista de verificación de hoja de cálculo.

Desde lo que estás viendo en cientos de clientes, ¿cómo está cambiando la planificación continua y en tiempo real la forma en que los directores financieros toman decisiones semana a semana, no solo en el momento de la junta o del presupuesto?

El papel de las finanzas ha cambiado de revisión periódica a apoyo de decisión continuo.

Primero, el volumen de decisiones ha explotado. Las finanzas ahora están involucradas en la contratación, las inversiones en GTM, las renovaciones, las apuestas de productos y los compromisos operativos de manera continua.

Segundo, los datos nunca están “terminados”. Nuevas herramientas, nuevas métricas y nuevos partes interesados significan que el conjunto de datos siempre está en movimiento. El negocio no puede esperar a que cierre perfectamente para avanzar.

En este contexto, la planificación en tiempo real cambia las finanzas de informar y explicar a dar forma activa a la dirección. El margen de maniobra se convierte en una restricción viva, no en una métrica trimestral. La planificación de escenarios se convierte en una conversación de compromiso frecuente en lugar de un ejercicio anual.

Los mejores equipos de finanzas no se están volviendo menos rigurosos. Están volviéndose más rigurosos antes. Ese es el cambio.

¿Cómo aplica Abacum la IA de manera diferente a la automatización basada en reglas tradicional, y qué decisiones financieras aún requieren un juicio humano fuerte?

La mayoría de la IA en finanzas hoy comienza al final del flujo de trabajo. Asume que tus datos ya están limpios y gobernados, y luego agrega un chatbot para consultarlos o resumir conocimientos. Eso puede ser útil, pero salta la parte más difícil de FP&A.

Nosotros comenzamos al principio. Aplicamos IA donde los humanos agregan el menor valor y cometen la mayoría de los errores, como limpieza, reconciliación, clasificación, detección de anomalías y asistencia con la lógica del modelo. La inteligencia vive dentro del flujo de trabajo, no en una interfaz de chat separada.

La IA también reduce el impuesto de complejidad que mantiene a los equipos atrás. Muchas plataformas requieren consultores especializados o expertos, creando una dependencia de “propietarios del sistema”. La IA debería bajar esa barrera. Los equipos de finanzas deberían poder expresar su intención y tener que el sistema les ayude a construir la lógica correctamente.

Este también es el punto de vista de nuestra postura intermedia. Históricamente, los equipos de finanzas tenían que elegir entre herramientas que eran flexibles pero frágiles o plataformas que eran potentes pero pesadas de administrar. La IA ahora está forzando el mismo falso intercambio: copilotos que son fáciles pero superficiales, o sistemas de orquestación que son potentes pero también requieren que aprendas una nueva forma de trabajar. Mientras que creemos que la respuesta correcta es la IA que desaparece en el flujo de trabajo, mejorando la planificación sin cambiar la forma en que operan los equipos.

En cuanto al juicio, el límite es claro. La IA puede acelerar el análisis y la exploración, pero las decisiones que involucran la asignación de capital, los compromisos de contratación, los precios y la priorización estratégica aún requieren contexto humano y responsabilidad. El director financiero es el dueño de la llamada.

¿Cómo piensas que la confianza y la explicabilidad para los líderes financieros que necesitan respaldar los números cambiarán a medida que los modelos se vuelvan más predictivos?

En finanzas, “dirección correcta” no es suficiente. Los líderes financieros son responsables de los números que presentan. Si no puedes explicar una previsión, no puedes usarla en una conversación de decisión.

La confianza comienza con una base determinista. Definiciones consistentes. Datos reconciliados. Lógica transparente. La inteligencia predictiva solo funciona cuando se construye sobre algo sólido.

La explicabilidad es lo que convierte la perspicacia en acción. Los directores financieros necesitan responder rápidamente qué cambió, por qué cambió, qué impulsores se movieron y qué suposiciones son responsables de diferentes resultados.

La gobernanza no puede vivir en controles estáticos. Debe estar incrustada en el flujo de trabajo, para que las suposiciones sean visibles, la lógica sea rastreable y cada escenario deje un registro claro. El objetivo no es eliminar a los humanos del bucle, sino ayudarlos a ejercer su juicio antes, con más confianza.

Has pasado por la aceleración temprana y la financiación de crecimiento posterior. ¿Cómo influyeron esas fases en cómo invertiste en IA versus los fundamentos del producto?

La financiación temprana forzó la disciplina. No podíamos perseguir objetos brillantes. Teníamos que ganar la confianza construyendo los fundamentos: integraciones confiables, modelos de datos sólidos y un motor de planificación que no se rompiera cuando el negocio cambiaba.

La IA siempre fue parte de la estrategia, pero nos negamos a tratarla como una capa de marketing. Si la IA no creaba un apalancamiento real dentro del flujo de trabajo, no la enviamos.

A medida que crecimos, el mercado cambió. La IA se convirtió en un estándar. Cada proveedor podía demostrar un chatbot y ser “potenciado por IA”. Entonces, la barra se había movido de la apariencia a los resultados. ¿La IA ayuda a las finanzas a tomar mejores decisiones más rápido, con trazabilidad, o solo produce salidas atractivas?

La financiación de crecimiento posterior elevó el estándar de eficiencia también. Los equipos se esperaba que hicieran más con menos. Eso reforzó nuestro enfoque en la IA que entrega un apalancamiento medible, no un atractivo narrativo.

Has estado duplicando la expansión en EE. UU. ¿Cómo difiere el mercado de EE. UU. en su disposición a adoptar plataformas de finanzas nativas de IA en comparación con otras regiones?

Las empresas de EE. UU. se mueven rápido, y las expectativas de los inversores son altas. Los directores financieros se esperan que sean profundamente operativos, no solo precisos. Están guiando constantemente los planes de contratación, las inversiones en GTM, las decisiones de gasto y la priorización.

Eso hace que el dolor de la planificación lenta sea más agudo. Cuando las decisiones ocurren semanal o diariamente, las finanzas no pueden permitirse operar en un ritmo mensual. La inteligencia integrada se convierte en una necesidad, no en un lujo.

El mercado de EE. UU. también es más receptivo a la idea de que los sistemas financieros deben ser dinámicos, no estáticos. La expectativa no es solo la precisión de los informes, sino el apoyo a la decisión al ritmo que el negocio necesita moverse.

Mirando hacia adelante hacia 2026, ¿qué partes de la planificación financiera crees que se volverán en gran medida automatizadas por la IA, y dónde permanecerá esencial el juicio humano?

Las capas que se volverán en gran medida automatizadas son las tareas repetitivas y de bajo juicio que consumen tiempo desproporcionado hoy en día. La consolidación de datos, la limpieza, la normalización, la reconciliación, la detección de anomalías y la informes básicos deberían ejecutarse continuamente.

La previsión y la generación de escenarios se acelerarán dramáticamente, pero no se delegarán por completo. La IA hará que sea barato explorar opciones y probar suposiciones, pero el contexto, el riesgo y la responsabilidad aún importan.

El juicio humano permanecerá esencial donde las apuestas sean altas. Asignación de capital. Estrategia de contratación. Decisiones de precios. Narrativas de la junta. La IA cambia si las finanzas pueden seguir el ritmo de las decisiones. No cambia quién es responsable del resultado.

Gracias por la gran entrevista, los lectores que desean aprender más pueden visitar Abacum.