Campfire के CEO, CFO और संस्थापक John Glasgow – साक्षात्कार शृंखला

John Glasgow Campfire के CEO, CFO और संस्थापक हैं। उन्हें वित्त, प्रौद्योगिकी क्षेत्र में विलय एवं अधिग्रहण और कॉर्पोरेट रणनीति का अनुभव है। कंपनी की स्थापना से पहले उन्होंने Adobe, Invoice2go और Bill.com में काम किया। इस दौरान उन्होंने Invoice2go के 625 मिलियन डॉलर के अधिग्रहण की प्रक्रिया को आगे बढ़ाने में भी मदद की। वित्तीय संगठनों में उनके काम ने उन्हें ऐसी लेखा प्रणालियों पर ध्यान केंद्रित करने के लिए प्रेरित किया, जो लेन-देन के स्तर का विवरण बनाए रखते हुए स्वचालन को सक्षम करती हैं और स्प्रेडशीट पर निर्भर प्रक्रियाओं की जगह लेती हैं।

Campfire वित्त और लेखा टीमों के लिए एआई-नेटिव एंटरप्राइज़ संसाधन नियोजन मंच विकसित करता है। यह सामान्य खाता-बही, राजस्व स्वचालन, रिपोर्टिंग और वित्तीय अवधि के समापन का प्रबंधन एक ही जगह उपलब्ध कराता है। इसके Ember एजेंट अंतर्निहित लेखा डेटा के साथ काम करते हैं और मिलान तथा लेन-देन के वर्गीकरण जैसे कामों में सहायता करते हैं। वहीं, Forecast दर्ज वास्तविक आँकड़ों, प्रतिबद्ध राशियों और एआई से तैयार अनुमानों को अलग-अलग रखता है। इस साक्षात्कार में Glasgow, एआई-नेटिव लेखांकन की संरचना, एजेंटों की स्वायत्तता और मानवीय अनुमोदन के बीच की सीमाओं तथा स्वचालन बढ़ने के साथ वित्त टीमों द्वारा पता लगाने की क्षमता बनाए रखने के तरीकों पर चर्चा करते हैं।

आपका करियर वित्त, प्रौद्योगिकी क्षेत्र में विलय एवं अधिग्रहण, Adobe में रणनीति और फिर Invoice2go तथा Bill.com तक फैला है—Campfire की स्थापना से पहले तक। वित्तीय संगठनों में आपने बार-बार ऐसी कौन-सी समस्या देखी, जिसने आपको यह विश्वास दिलाया कि किसी और सॉफ़्टवेयर परत से सुधार करने के बजाय ईआरपी की बुनियाद को फिर से बनाने की ज़रूरत है?

Invoice2go को Bill.com को 625 मिलियन डॉलर में बेचने के दौरान मैंने इस समस्या को करीब से देखा। अधिग्रहण की जाँच-पड़ताल के दौरान, मैंने स्प्रेडशीट से 500 से अधिक अनुरोधों का जवाब दिया, क्योंकि हमारा राजस्व लेखांकन, सास रिपोर्टिंग और समेकन किसी प्रणाली के बजाय उन्हीं में संभाले जाते थे। उस आकार की कंपनी भी वित्त के महत्वपूर्ण काम स्प्रेडशीट के ज़रिए कर रही थी।

Bill में, जहाँ मैंने रणनीतिक साझेदारियों का नेतृत्व किया और CFO के साथ मिलकर काम किया, मैंने ग्राहकों के बीच भी यही समस्या देखी। पेरोल, खर्च प्रबंधन और देय/प्राप्य खातों का आधुनिकीकरण हो चुका था, लेकिन वित्त टीमों को अब भी उस ईआरपी में लौटना पड़ता था, जिसे एक पुराने दौर के लिए बनाया गया था।

समस्या खुद खाता-बही में है। पुराने ईआरपी बिलिंग, भुगतान, पेरोल और अन्य प्रणालियों से संक्षिप्त प्रविष्टियाँ लेते हैं, इसलिए खाता-बही तक पहुँचते-पहुँचते लेन-देन का विवरण गायब हो जाता है। सॉफ़्टवेयर की एक और परत जोड़ने से लापता डेटा वापस नहीं आ सकता। मैं ऐसा खाता-बही चाहता था जो पूरा विवरण बनाए रखे और काम भी कर सके; इसके लिए ईआरपी को बिल्कुल शुरुआत से फिर से बनाना ज़रूरी था।

एंटरप्राइज़ सॉफ़्टवेयर में “एआई-नेटिव” अब आम तौर पर इस्तेमाल होने वाला वर्णन बन गया है। संरचना की दृष्टि से, एआई-नेटिव ईआरपी उस पारंपरिक ईआरपी से मूलतः किस तरह अलग है, जिसके मौजूदा सिस्टम के ऊपर कोई बड़ा भाषा मॉडल या एआई कोपायलट जोड़ दिया गया हो?

मूल अंतर यह है कि एआई-नेटिव ईआरपी उस डेटा को केंद्र में रखकर बनाया जाता है, जिस पर एआई कार्यप्रवाहों को काम करना होता है।

कोपायलट केवल वही पढ़ सकता है जो पुराने ईआरपी में संग्रहित हो। अगर ईआरपी में लेन-देन के स्तर के विवरण के बजाय मासिक सारांश हों, तो एआई कोई संख्या ढूँढ़ सकता है या उसका स्पष्टीकरण लिख सकता है, लेकिन वह लेन-देन का भरोसेमंद मिलान नहीं कर सकता, खातों का मिलान नहीं कर सकता और न ही यह बता सकता है कि कोई प्रविष्टि कैसे बनाई गई। Campfire लेन-देन का पूरा विवरण बनाए रखता है और सामान्य खाता-बही तथा सहायक बहीखातों—दोनों का प्रबंधन करता है। इससे उसके Ember एजेंटों को काम वास्तव में करने के लिए ज़रूरी डेटा मिलता है।

दूसरा अंतर यह है कि हर कार्रवाई का पता लगाया जा सकता है। एजेंट की हर कार्रवाई अंतर्निहित खाता-बही के डेटा से जुड़ी होती है और दर्ज होने से पहले उसकी समीक्षा की जा सकती है।

तीसरा अंतर स्वयं मॉडल है: Campfire का Accounting Intelligence लेखा डेटा पर प्रशिक्षित है और वित्तीय काम करने के लिए कोड लिखता है, जिससे नतीजों को दोहराया जा सकता है। इसी कारण एजेंट केवल सुझाव देने के बजाय काम कर पाते हैं।

Campfire ने हाल ही में Forecast लॉन्च किया है। यह एआई से पूरी अवधि का अनुमान लगाने को कहने के बजाय मौजूदा महीने के आँकड़ों को वास्तविक, प्रतिबद्ध और एआई-अनुमानित हिस्सों में बाँटता है। आपने इसे इस तरह बनाने का निर्णय क्यों लिया? वित्तीय पूर्वानुमान में एआई कहाँ सचमुच उपयोगी है, और कहाँ नियंत्रण निश्चित लेखा डेटा के हाथ में ही रहना चाहिए?

CFO के तौर पर, मैं महीने के समाप्त होने से पाँच या उससे अधिक दिन पहले ही पूछता हूँ कि अंत में कुल आँकड़ा कहाँ पहुँचेगा; तब तक महीने का बड़ा हिस्सा पहले से ज्ञात होता है। एआई से पूरी अवधि का अनुमान लगवाने का मतलब होगा कि ज्ञात संख्याओं की जगह अंदाज़े ले लें। इसलिए Forecast महीने को तीन हिस्सों में बाँटता है:

वास्तविक: वह राशि जो सामान्य खाता-बही में पहले ही दर्ज हो चुकी है।

प्रतिबद्ध: अनुबंधों, बिलों, परिसंपत्तियों और लीज़ से जुड़ी वे ज्ञात भावी राशियाँ, जो अभी तक दर्ज नहीं हुई हैं।

अनुमानित: उस हिस्से के लिए Ember का अनुमान, जिसका अभी वास्तव में पता नहीं चल सकता; यह कंपनी के पिछले आँकड़ों और मौसमी रुझानों पर आधारित होता है।

मेरे विचार से पूर्वानुमान में एआई की सही भूमिका यही है: उस हिस्से का अनुमान लगाना जिसे अभी कोई नहीं जान सकता। जो पहले से ज्ञात है, उस पर निश्चित लेखा डेटा का नियंत्रण होना चाहिए। दोनों को मिलाने से तथ्यों और अनुमानों में फर्क करना कठिन हो जाता है। अगर दोनों मिले हुए हों, तो बोर्ड के सामने पूर्वानुमान रखते समय आप यह नहीं जान सकते कि किन संख्याओं की ज़िम्मेदारी ले सकते हैं।

जब कोई पूछता है कि मैंने यह संख्या कैसे निकाली, तो मैं कोई भी आँकड़ा खोलकर वास्तविक, प्रतिबद्ध और अनुमानित हिस्से दिखा सकता हूँ, साथ ही Ember की धारणाएँ भी। Forecast केवल सुझाव देता है; इससे तैयार कोई भी चीज़ अपने-आप खाता-बही में दर्ज नहीं होती। लेकिन यह वित्त टीम को पहले ही बता देता है कि महीना किस दिशा में जा रहा है, ताकि महीना समाप्त होने से पहले कारोबारी निर्णय लिए जा सकें।

Forecast, ऐतिहासिक रुझानों और मौसमी प्रभावों का उपयोग करके महीने के अज्ञात हिस्से का अनुमान लगाने के साथ-साथ उन अनुमानों के पीछे की मान्यताओं को भी स्पष्ट करता है। जब ऐतिहासिक पैटर्न अचानक उपयोगी नहीं रह जाते—जैसे तेज़ी से वृद्धि होने, किसी बड़े ग्राहक के चले जाने, अधिग्रहण होने या कोई दूसरी असामान्य घटना घटने पर—तो आप ऐसी स्थितियों से कैसे निपटते हैं?

ऐसे महीनों में CFO को पूर्वानुमान की सबसे ज़्यादा ज़रूरत होती है, इसीलिए इसे अलग-अलग परतों में बाँटा गया है। Forecast का केवल अनुमानित हिस्सा ही ऐतिहासिक रुझानों और मौसमी प्रभावों पर निर्भर करता है। प्रतिबद्ध परत Campfire की लेखा-बही में पहले से दर्ज अनुबंधों, बिलों, परिसंपत्तियों और पट्टों पर आधारित होती है। इसलिए अधिग्रहण, ग्राहक का छूटना या तेज़ी से वृद्धि होना पहले से ज्ञात जानकारी को नहीं बदलता।

पैटर्न बदलने पर आम तौर पर वित्त टीम को डेटा में बदलाव दिखने से पहले ही पता होता है कि ऐसा क्यों हुआ, इसलिए वह संदर्भ दे सकती है। वह बदलाव के बारे में एक टिप्पणी जोड़ सकती है, कर्मचारियों की संख्या की योजना जैसा कोई दस्तावेज़ संलग्न कर सकती है, या हमारे MCP एकीकरण के ज़रिए CRM या HRIS जैसे स्रोत से जुड़ सकती है। Ember इस संदर्भ का उपयोग अज्ञात हिस्से का फिर से अनुमान लगाने के लिए करता है।

हर अनुमान के साथ उसकी मान्यताओं की एक वाक्य में व्याख्या भी दी जाती है। इसलिए जब मैं पूर्वानुमान प्रस्तुत करता हूँ, तो बता सकता हूँ कि क्या तथ्य है, किस बात की प्रतिबद्धता है और किसका अनुमान लगाया जा रहा है।

Campfire ने पूरी तरह सामान्य प्रयोजन वाले मॉडलों पर निर्भर रहने के बजाय अपना Large Accounting Model, यानी LAM, विकसित किया है। आपने लेखांकन के लिए सामान्य प्रयोजन वाले AI की सीमाओं के बारे में क्या सीखा है, और एक विशेषीकृत मॉडल को ऐसी कौन-सी बातें समझनी चाहिए जो पारंपरिक LLM आम तौर पर नहीं समझता?

लेखांकन में विश्वसनीय लगने वाले नहीं, बल्कि हर बार दोहराए जा सकने वाले जवाब चाहिए। सामान्य प्रयोजन वाले मॉडल भाषा तैयार करने में अच्छे होते हैं, लेकिन संख्यात्मक तर्क और लेखांकन वर्गीकरण में उन्हें कठिनाई हो सकती है—खासकर वहाँ, जहाँ समान इनपुट से हर बार समान जवाब मिलना ज़रूरी होता है।

वित्तीय डेटा पर सीधे तर्क करने के लिए मॉडल से कहने के बजाय, हम उससे ऐसा SQL या Python कोड लिखवाते हैं जो काम करता है। कोड का परिणाम दोहराया जा सकता है, जो लेखा-परीक्षा के लिए अहम है और कंपनियों को हर समान परिणाम के लिए किसी व्यक्ति की मंज़ूरी लिए बिना कार्रवाइयाँ स्वचालित करने देता है।

हमारी Accounting Intelligence को लेखांकन डेटा पर प्रशिक्षित किया गया है। यह खातों के चार्ट की संरचना, विक्रेताओं के पैटर्न और सुव्यवस्थित लेखा-बही कैसी दिखती है, जैसी बातें समझती है। यह हर ग्राहक के लेन-देन के इतिहास से भी सीखती है। सटीकता मॉडल से जितनी आती है, उतनी ही उसके आसपास की प्रणाली से भी आती है।

वित्त टीमों में AI की गलतियों को लेकर असामान्य रूप से कम सहनशीलता होती है। जैसे-जैसे एजेंट मिलान करने, लेन-देन का वर्गीकरण करने, प्रविष्टियाँ तैयार करने और लेखा-बही के साथ काम करने लगें, स्वायत्त रूप से काम करने और मानवीय मंज़ूरी लेने के बीच की सीमा कहाँ होनी चाहिए?

यह सीमा इस बात पर निर्भर होनी चाहिए कि किसी कार्रवाई की जाँच की जा सकती है या नहीं। अगर किसी प्रविष्टि का परिणाम दोहराया जा सकता है और उसका स्रोत लेखा-बही का मूल डेटा है, तो हर बार किसी व्यक्ति से मंज़ूरी लेना ज़रूरी नहीं होना चाहिए। अगर उसकी व्याख्या नहीं की जा सकती या उसे दोहराया नहीं जा सकता, तो लेखा-बही में दर्ज होने से पहले किसी व्यक्ति को उसकी समीक्षा करनी चाहिए।

हमने Ember को इसी तरह बनाया है। एजेंट की हर कार्रवाई दर्ज की जाती है, उसका स्रोत मूल GL डेटा होता है और उसकी समीक्षा की जा सकती है। टीमें विश्वास-स्तर की सीमाएँ तय करती हैं, जिनसे निर्धारित होता है कि Ember कौन-से काम स्वायत्त रूप से करेगा और कौन-से किसी व्यक्ति को भेजेगा। नतीजों से भरोसा बढ़ने पर वे स्वायत्तता का दायरा बढ़ा सकती हैं।

निर्णय की ज़िम्मेदारी अब भी लोगों की है। लेखाकार तय करते हैं कि Ember को कितना काम सौंपना है, अपवादों की समीक्षा करते हैं और समझाते हैं कि आँकड़ों में बदलाव क्यों आया। एजेंट बार-बार किए जाने वाले मिलान, लेबल लगाने और सामंजस्य बैठाने के काम सँभालते हैं। TwelveLabs इसका अच्छा उदाहरण है: अमेरिका और कोरिया का काम सँभालने वाले तीन लेखाकारों के साथ, उसने वित्तीय समापन में लगने वाला समय आधा कर दिया और $300,000 से अधिक की बचत की।

Campfire ने एक MCP स्टोर भी शुरू किया है, जो Ember को भुगतान, CRM, खरीद और मानव संसाधन प्लेटफ़ॉर्म जैसी बाहरी प्रणालियों के साथ काम करने देता है। क्या आपको लगता है कि अंततः ERP एक निष्क्रिय अभिलेख प्रणाली से बदलकर ऐसी समन्वय परत बन जाएगा, जहाँ AI एजेंट पूरे वित्तीय तंत्र में काम कर सकेंगे?

हाँ, बशर्ते लेखा-बही अभिलेख की आधिकारिक प्रणाली बनी रहे। पहले ERP उन कामों को दर्ज करता था जो कहीं और किए जाते थे, इसलिए ज़्यादातर जवाब लेखा-बही के बाहर होते हैं: CRM में नवीनीकरण, HRIS में नई नियुक्ति या खरीद प्रणाली में खरीद आदेश। अगर एजेंटों से काम करवाना है, तो उन्हें यह संदर्भ भी चाहिए। इसलिए ERP को उन प्रणालियों से सीधे जुड़ना होगा।

वित्त टीमें वर्षों से इसी तरह पूर्वानुमान लगाती आई हैं—CRM से संभावित बिक्री के आँकड़े और HRIS से कर्मचारियों की संख्या लेकर। Forecast के साथ, टीम के इन प्रणालियों को जोड़ते ही Ember यह काम कर देता है, और पहले से ज्ञात सभी बातों के लिए लेखा-बही ही सत्य का स्रोत बनी रहती है। लेखा-बही सत्य का स्रोत बनी रहती है, जबकि एजेंट उससे जुड़ी अन्य प्रणालियों में काम कर सकते हैं।

AI क्षेत्र की अर्थव्यवस्था को लेकर आपका नज़रिया खास तौर पर दिलचस्प है, क्योंकि आप अन्य वित्त टीमों को सेवाएँ देने वाली AI कंपनी के CEO और CFO, दोनों हैं। आज कंपनियाँ AI के लिए बजट कैसे तय कर रही हैं, और क्या आपको लगता है कि उद्यमों के लिए AI की कीमत प्रति-उपयोगकर्ता सदस्यता से हटकर उपयोग, नतीजों या किसी अन्य मॉडल पर आधारित होगी?

हम देख रहे हैं कि बजट तयशुदा प्रति-उपयोगकर्ता खर्च से हटकर AI के परिवर्तनीय उपयोग-खर्च की ओर जा रहे हैं, और कई वित्त टीमें अभी इसके लिए तैयार नहीं हैं। जैसे-जैसे एजेंट लोगों के पहले किए जाने वाले काम सँभालेंगे, कंपनियों को मानव उपयोगकर्ताओं के लिए कम सीटों की ज़रूरत पड़ सकती है, जबकि AI का उपयोग बढ़ सकता है। विक्रेता प्रति-सीट शुल्क के ऊपर क्रेडिट और अतिरिक्त उपयोग के शुल्क भी जोड़ रहे हैं, इसलिए वित्त टीमों को अनुबंध पर हस्ताक्षर करने से पहले संभावित उपयोग-लागत का अनुमान लगाना होगा।

मुझे लगता है कि शुद्ध परिणाम-आधारित मूल्य निर्धारण की तुलना में हाइब्रिड मॉडल अधिक आम होंगे। मेरे भीतर का सीएफ़ओ एक पूर्वानुमेय आधार चाहता है, जबकि मेरे भीतर के सीईओ को ऐसा मूल्य निर्धारण चाहिए जो वास्तविक उपयोग को दर्शाए।

Campfire ने 35 मिलियन डॉलर की सीरीज़ A फ़ंडिंग जुटाई और कुछ ही हफ़्तों बाद 65 मिलियन डॉलर की सीरीज़ B फ़ंडिंग जुटाई। इस दौरान बाज़ार या ग्राहकों की माँग में ऐसा क्या बदला कि आपने कंपनी में इतनी आक्रामकता से पूंजी लगाने का फ़ैसला किया, और आपको कहाँ लगता है कि इस पूंजी से उत्पाद को आगे बढ़ाने का सबसे बड़ा अवसर है?

सीरीज़ A से पहले भी हमारे उत्पाद की माँग मज़बूत थी, लेकिन फ़ंडिंग पूरी होते ही प्रतिक्रिया तेज़ हो गई। कंपनियाँ डेमो के लिए हमसे संपर्क करने लगीं; उनमें से कई ने पहले Campfire का इस्तेमाल नहीं किया था। यह साफ़ हो गया कि माँग हमारी योजना से कहीं आगे थी।

इससे हमें उस माँग को पूरा करने के लिए और अधिक आक्रामक ढंग से निवेश करने का अवसर मिला, ख़ास तौर पर तब, जब कंपनियाँ NetSuite और Sage Intacct जैसे पुराने प्लेटफ़ॉर्म छोड़ने को तैयार होने लगीं। Replit जैसे ग्राहक इसकी वजह दिखाते हैं: उसकी सालाना आवर्ती आय 10 मिलियन डॉलर से बढ़कर 200 मिलियन डॉलर से अधिक हो गई, जबकि उसकी चार सदस्यों वाली लेखा टीम में कोई बढ़ोतरी नहीं हुई; साथ ही, राजस्व का हिसाब बंद करने में लगने वाला समय आठ घंटे से घटकर 30 मिनट रह गया।

हमने Accel के नेतृत्व में अपनी सीरीज़ A में 35 मिलियन डॉलर जुटाए। इसके बाद Accel और Ribbit की सह-नेतृत्व वाली सीरीज़ B में 65 मिलियन डॉलर जुटाए, जिससे 12 हफ़्तों में कुल राशि 100 मिलियन डॉलर हो गई। इस पूंजी का इस्तेमाल हमने बढ़ती माँग को पूरा करने के लिए किया है। हमारी टीम 10 लोगों से बढ़कर 150 से अधिक लोगों की हो गई है, जो सैन फ़्रांसिस्को, न्यूयॉर्क और लंदन में काम करते हैं।

AI-नेटिव लेखांकन तेज़ी से प्रतिस्पर्धी क्षेत्र बन गया है। Campfire और Rillet जैसी कंपनियाँ QuickBooks, NetSuite और Sage Intacct जैसे स्थापित प्लेटफ़ॉर्म को चुनौती दे रही हैं। अगर हम पाँच साल आगे की बात करें, तो लेखांकन और ERP के किन कामों को AI एजेंट लगभग पूरी तरह संभालते होंगे, और कौन-सी ज़िम्मेदारियाँ मानव वित्त विशेषज्ञों के पास ही रहेंगी?

मुझे लगता है कि एजेंट ज़्यादातर नियमित काम संभालेंगे: लेन-देन का भुगतान से मिलान करना, लेन-देन पर श्रेणी का लेबल लगाना, मिलान करना, उपार्जन दर्ज करना और लेखा अवधि बंद करने तथा रिपोर्टिंग के यांत्रिक काम। ये दोहराए जाने वाले, नियम-आधारित काम हैं जिन्हें सॉफ़्टवेयर सीख सकता है।

निर्णय लेना और जवाबदेही लोगों के पास ही रहेगी। लेखाकार तय करेंगे कि एजेंट कितने काम स्वायत्त रूप से कर सकते हैं, अपवादों की समीक्षा करेंगे, समझाएँगे कि आँकड़ों में बदलाव क्यों आया और कारोबार को आगे क्या करना चाहिए, इस पर सलाह देंगे। खातों के लिए जवाबदेह तो किसी को होना ही होगा।

समय के साथ, वित्तीय सॉफ़्टवेयर से “AI-नेटिव” होना एक बुनियादी अपेक्षा बन जाएगा। फ़र्क इस बात से पड़ेगा कि वित्त टीमें अपने बहीखाते का काम सिस्टम को सौंपने पर कितना भरोसा करती हैं और क्या वे ठीक-ठीक देख सकती हैं कि सिस्टम इस नतीजे तक कैसे पहुँचा। Campfire को हमने इसी कसौटी पर खरा उतरने के लिए बनाया है, और Cursor, Clay, Polymarket तथा PostHog समेत 400 से अधिक कंपनियाँ पहले से ही अपने खाते इसके ज़रिए संभालती हैं।

इस शानदार साक्षात्कार के लिए धन्यवाद। AI-नेटिव लेखांकन और एंटरप्राइज़ रिसोर्स प्लानिंग के बारे में अधिक जानने के इच्छुक पाठक Campfire की वेबसाइट पर जाएँ।