जूलियो मार्टिनेज, एबाकम के सह-संस्थापक और सीईओ – साक्षात्कार श्रृंखला

जूलियो मार्टिनेज, एबाकम के सह-संस्थापक और सीईओ, एक फिनटेक उद्यमी हैं जिनके पास लगभग दो दशकों का अनुभव है, जो निवेश बैंकिंग, कॉर्पोरेट विकास, वेंचर बिल्डिंग और प्रौद्योगिकी नेतृत्व में फैला हुआ है। उन्होंने अपने करियर की शुरुआत वित्त में भूमिकाओं से की जो पूंजी बाजार, एमएंडए, और निजी इक्विटी को कवर करती थी, इससे पहले कि वे फिनटेक में बदल गए, जहां उन्होंने कई डिजिटल वित्तीय उत्पादों और प्लेटफार्मों को लॉन्च और स्केल करने में मदद की। एबाकम से पहले, उन्होंने बैंको साबडेल की कॉर्पोरेट वेंचरिंग आर्म की सह-स्थापना की और स्केल की, जिसमें यूरोप, अमेरिका और एशिया में उत्पाद लॉन्च, रणनीतिक निवेश और अधिग्रहण का नेतृत्व किया। आज, एबाकम के सीईओ के रूप में, वह गहरी परिचालन वित्त विशेषज्ञता को लागू करते हैं ताकि वित्त टीमों को योजना, पूर्वानुमान और व्यवसाय प्रदर्शन को आधुनिक बनाने के लिए उपकरण बनाने में मदद मिल सके।

एबाकम एक एआई-मूल फाइनेंशियल प्लानिंग और विश्लेषण (एफपी एंड ए) प्लेटफ़ॉर्म है जो मध्य-बाजार वित्त टीमों को योजना, पूर्वानुमान, रिपोर्टिंग और बजटिंग को सरल और आधुनिक बनाने में मदद करने के लिए डिज़ाइन किया गया है, जो परिचालन और वित्तीय डेटा को सहयोगी कार्य प्रवाह और स्वचालित अंतर्दृष्टि से जोड़ता है। मैनुअल स्प्रेडशीट-चालित प्रक्रियाओं को बदलने के लिए निर्मित, प्लेटफ़ॉर्म वास्तविक समय डेटा को केंद्रीकृत करता है, उन्नत दृश्य मॉडलिंग और बहु-आयामी वित्तीय मॉडलिंग का समर्थन करता है, रिपोर्टिंग और पूर्वानुमान अपडेट जैसे दोहराए जाने वाले कार्यों को स्वचालित करता है, और सैकड़ों प्रणालियों के साथ एकल स्रोत की सच्चाई प्रदान करने के लिए एकीकृत करता है। एबाकम की विशेषताएं सटीकता, दक्षता और रणनीतिक निर्णय लेने को चलाती हैं, जो वित्त संगठनों को मैनुअल काम को कम करने, योजना चक्रों को तेज करने और विकास-उन्मुख अंतर्दृष्टि पर ध्यान केंद्रित करने को सक्षम बनाता है।

आप लगभग दो दशकों तक वित्त और फिनटेक में काम करने के बाद एबाकम की स्थापना की। वित्त टीमों की योजना, पूर्वानुमान और प्रदर्शन की रिपोर्टिंग के साथ जुड़े कौन से विशिष्ट निराशाएं आपको और जॉर्ज को यह एहसास दिलाने के लिए मजबूर किया कि आप जिन उपकरणों का उपयोग कर रहे थे वे उद्देश्य के लिए उपयुक्त नहीं थे और आपको स्वयं जिस उत्पाद की इच्छा थी उसे बनाने की आवश्यकता थी?

मुझे एहसास हुआ कि वित्त प्रभाव खो रहा था क्योंकि विश्लेषण देर से आया था, न कि इसलिए कि विश्लेषण गलत था। बैंकिंग, फिनटेक और उच्च विकास वाले स्टार्टअप्स में, मैं लगातार एक ही पल से गुजरता था। एक कार्यकारी बैठक में, कोई यह पूछने के लिए कहता था कि क्या हम वास्तव में कितने महीनों के रनवे पर हैं यदि हम भर्ती को धीमा कर देते हैं या क्या होता है अगर राजस्व अगली तिमाही में फिसल जाता है और मैं कमरे में उत्तर देने में सक्षम नहीं था।

यह इसलिए नहीं था कि मुझे व्यवसाय नहीं समझ आया था या गणित मुश्किल था। समस्या संरचनात्मक थी। नकदी एक प्रणाली में रहती थी, हेडकाउंट दूसरे में रहता था, राजस्व कहीं और रहता था, और व्यय स्प्रेडशीट में रहते थे। आत्मविश्वास से उत्तर देने के लिए, आपको सब कुछ एक साथ खींचना होगा, मॉडल का पुनर्निर्माण करना होगा, असंगतताओं को सुलझाना होगा और आशा करनी होगी कि कुछ भी टूट नहीं जाएगा।

जब तक कि मैं उत्तर देने के लिए वापस आ सकता था, निर्णय खिड़की बंद हो गई थी। यही वास्तविक समस्या थी। वित्त अपनी सीट का हकदार है लेकिन अपनी सीट बनाए रखने के लिए समय के माध्यम से। यदि आप निर्णय समर्थन के साथ मिनटों या घंटों में दिखाई नहीं दे सकते हैं, तो आप प्रभाव खो देते हैं, भले ही आपका विश्लेषण एक सप्ताह बाद सही हो।

जो बात इसे और खराब बनाती थी वह यह थी कि वित्त टीमों को जो झूठा विकल्प दिया गया था। वे या तो स्प्रेडशीट का उपयोग कर रहे थे जो लचीले और तेज थे लेकिन नाजुक और अव्यवस्थित थे, या विरासत वाले प्लेटफार्मों का उपयोग कर रहे थे जो शक्तिशाली थे लेकिन एक स्थिर व्यवसाय की मान्यता थी और केवल काम करने के लिए भारी प्रशासन की आवश्यकता थी।

इस बीच, आधुनिक कंपनियां कार्यकारी स्तर पर भी स्प्रिंट में काम करती हैं। योजनाएं लगातार बदलती रहती हैं। निर्णय ढेर हो जाते हैं। वित्त इस टीम के होने का जोखिम नहीं उठा सकता जो हमेशा “उत्तर के साथ वापस आ रहा है।”

यही कारण है कि हमने एबाकम की स्थापना की। हम एक योजना प्रणाली चाहते थे जो गति और विश्वास दोनों के लिए निर्मित हो, ताकि वित्त निर्णय को आकार देने के लिए पर्याप्त समय पर परिश्रम लागू कर सके, जबकि विकल्प अभी भी विचारशील हैं।

जब आप 2020 में एबाकम का निर्माण शुरू किया, तो आपने यह कैसे सत्यापित किया कि यह समस्या आपके अपने अनुभव से परे थी और तेजी से बढ़ते मध्य-बाजार कंपनियों द्वारा साझा की गई थी?

पहला सत्यापन एक बातचीत में आया जिसे मैं अपने थीसिस को खारिज करने की उम्मीद कर रहा था। मैंने अपने सह-संस्थापक जॉर्ज को बुलाया क्योंकि वह मुझे पता था कि वित्त का सबसे चतुर व्यक्ति था, और मैं मान रहा था कि वह मुझे बताएगा कि मैंने किसी बेहतर तरीके से चूक गया है।

इसके बजाय, हमने घंटों तक नोट्स की तुलना की और महसूस किया कि हमने विभिन्न वातावरणों में एक ही पैटर्न जिया था। वित्त टीमें पुनर्मिलन में डूबी हुई हैं, मॉडल का पुनर्निर्माण कर रही हैं और व्यवसाय से हमेशा एक कदम पीछे हैं। यह वह क्षण था जब यह हमारे लिए क्लिक हुआ। यह एक व्यक्तिगत विफलता या प्रक्रिया का मुद्दा नहीं था। यह एक संरचनात्मक समस्या थी जो कंपनियों में साझा की गई थी।

हमने तब विभिन्न उद्योगों, भौगोलिक क्षेत्रों और विकास चरणों में सीएफओ और वित्त नेताओं से बात की। भाषा बदल गई, लेकिन कहानी नहीं। “हम हमेशा पुनर्निर्माण कर रहे हैं न कि सलाह दे रहे हैं।”

हमारे लिए गहरा अंतर्दृष्टि यह थी कि यह विफलता चक्रों में दोहराई जाती है। हर कुछ वर्षों में, एक नया प्लेटफ़ॉर्म दावा करता है कि इसने एफपी एंड ए को हल कर दिया है। फिर व्यवसाय की गति फिर से तेज हो जाती है। नए उपकरण, नए मेट्रिक्स, नए हितधारक, नए योजना कैडेंस। प्रणाली परिवर्तन के तहत सूज जाती है और टूट जाती है।

यह ज्ञान हमारे दिशानिर्देशों को आकार देने में मदद करता है। हम एक स्थिर समाधान के लिए एक ही संचालन मॉडल नहीं बनाना चाहते थे। हम एक ऐसा प्लेटफ़ॉर्म बनाना चाहते थे जो व्यवसाय के विकसित होने के साथ प्रासंगिक बना रहेगा, जो एआई युग में और भी महत्वपूर्ण हो जाता है। बाद में वाईसी में भर्ती होना इस बात की पुष्टि करता है कि यह एक वैश्विक समस्या है, न कि एक निशे की।

एबाकम अब वास्तविक समय पूर्वानुमान, दृश्य मॉडलिंग और हेडकाउंट योजना का समर्थन करता है। किस बिंदु पर कृत्रिम बुद्धिमत्ता प्लेटफ़ॉर्म की वास्तुकला का एक आधारभूत हिस्सा बनने के लिए भविष्य की अवधारणा से आगे बढ़ी?

कृत्रिम बुद्धिमत्ता हमारे लिए कभी भी एक बाद का विचार नहीं था, लेकिन हम इसके अनुप्रयोग के समय और तरीके के बारे में बहुत विचारशील थे। वित्त एक विश्वास का व्यवसाय है। आप अव्यवस्था पर बुद्धिमत्ता नहीं रख सकते और विश्वसनीयता की अपेक्षा कर सकते हैं। यदि डेटा गंदा है, परिभाषाएं असंगत हैं और मॉडल नाजुक है, तो कृत्रिम बुद्धिमत्ता इसे ठीक नहीं करेगी। यह केवल भ्रम को तेजी से बढ़ाएगा।

इसलिए, हम मूल बातों से शुरू किए: एक मजबूत डेटा परत, विश्वसनीय एकीकरण, और मॉडलिंग प्रिमिटिव्स जो व्यवसायों के वास्तविक कार्यों को प्रतिबिंबित करते हैं। दिन एक से, कृत्रिम बुद्धिमत्ता रणनीति वास्तविक लीवरेज बनाने वाले बिंदुओं पर बुद्धिमत्ता को एम्बेड करना था।

इसका अर्थ था कि मानवों द्वारा कम मूल्य जोड़ने और अधिक त्रुटियों का कारण बनने वाले कार्यों में कृत्रिम बुद्धिमत्ता को लागू करना, जैसे कि डेटा की सफाई और सामान्यीकरण, प्रणालियों में असंगतताओं का सुलझाना, वर्गीकरण और टैगिंग, और असामान्यताओं का पता लगाना।

एक बार जब यह आधार स्थापित हो जाता है, तो कृत्रिम बुद्धिमत्ता योजना के अर्थशास्त्र को बदलती है। दृश्य अन्वेषण लागत प्रभावी हो जाता है। व्यापार-बंद परीक्षण को बाद की बैठक के लिए निर्धारित करने के बजाय समय में किया जा सकता है।

यह तब है जब कृत्रिम बुद्धिमत्ता मूलभूत हो जाती है। जब यह एक अच्छा चार्ट या सारांश उत्पन्न कर सकती है, नहीं, बल्कि जब यह वित्त को निर्णय लेने के लिए पर्याप्त समय पर परिश्रम लागू करने की अनुमति देती है।

तेजी से बढ़ती कंपनियों में, वित्त डेटा अक्सर कई प्रणालियों में रहता है और निरंतर अपडेट होता है। विश्वसनीय, वास्तविक समय योजना प्रणाली में इस टुकड़े-टुकड़े डेटा को बदलने में सबसे कठिन तकनीकी या संगठनात्मक चुनौतियां क्या थीं?

डेटा को स्थानांतरित करना सबसे कठिन समस्या नहीं है। अधिकांश आधुनिक प्रणालियां एपीआई-चालित हैं, और एकीकरण टूलिंग मौजूद है। वास्तविक चुनौती डेटा के आगमन के बाद शुरू होती है। कच्चा डेटा असंगत है। सीआरएम में राजस्व ईआरपी में राजस्व से मेल नहीं खाता है। एचआर सिस्टम में हेडकाउंट पेरोल में हेडकाउंट से मेल नहीं खाता है। यहां तक कि मूल मेट्रिक्स जैसे एआरआर या रनवे विभिन्न टीमों के लिए अलग-अलग चीजें意味 करते हैं।

यदि परिभाषाएं स्पष्ट और सहमत नहीं हैं, तो प्रत्येक पूर्वानुमान एक बहस में बदल जाता है। समस्या तीन गुना है। पहला, एक डेटा फाउंडेशन जो स्रोत प्रणालियों में परिवर्तन के रूप में निरंतर अद्यतन होता है। दूसरा, एक शासित व्यवसाय मॉडल जहां गणनाएं स्पष्ट और सुसंगत हैं। तीसरा, संगठनात्मक संरेखण, क्योंकि वास्तविक समय योजना साझा परिभाषाओं और साझा संचालन लय की मांग करती है।

शासन यह है कि क्या गति सुरक्षित है। वास्तविक समय योजना केवल तभी काम करती है जब विश्वास कार्यप्रवाह में निर्मित होता है, न कि एक नीति दस्तावेज या स्प्रेडशीट चेकलिस्ट के रूप में जोड़ा जाता है।

सैकड़ों ग्राहकों के माध्यम से जो आप देख रहे हैं, वास्तविक समय, निरंतर योजना सीएफओ को सप्ताह-दर-सप्ताह निर्णय लेने के तरीके को कैसे बदल रही है, न कि केवल बोर्ड या बजट समय पर?

वित्त की भूमिका आवर्ती समीक्षा से निरंतर निर्णय समर्थन में बदल गई है।

पहले, निर्णयों की मात्रा बढ़ गई है। वित्त अब निरंतर आधार पर भर्ती, जीटीएम निवेश, नवीनीकरण, उत्पाद दांव और परिचालन व्यापार-बंद पर शामिल है।

दूसरा, डेटा कभी “पूरा” नहीं होता है। नए उपकरण, नए मेट्रिक्स और नए हितधारकों का अर्थ है कि डेटासेट हमेशा गति में है। व्यवसाय एक完美 बंद के लिए प्रतीक्षा नहीं कर सकता है।

इस संदर्भ में, वास्तविक समय योजना वित्त को रिपोर्टिंग और व्याख्या करने से सक्रिय रूप से दिशा को आकार देने में बदल देती है। रनवे एक जीवित प्रतिबंध बन जाता है, न कि त्रैमासिक मेट्रिक। दृश्य योजना एक बार-बार व्यापार-बंद बातचीत बन जाती है, न कि एक वार्षिक अभ्यास।

सर्वश्रेष्ठ वित्त टीमें कम परिश्रमी नहीं हो रही हैं। वे पहले अधिक परिश्रमी हो रही हैं। यह बदलाव है।

एबाकम कृत्रिम बुद्धिमत्ता को पारंपरिक नियम-आधारित स्वचालन से अलग कैसे लागू करता है, और कौन से वित्तीय निर्णय अभी भी मजबूत मानव निर्णय की आवश्यकता ह?

आज वित्त में अधिकांश कृत्रिम बुद्धिमत्ता कार्यप्रवाह के अंत में शुरू होती है। यह मान लेती है कि आपका डेटा पहले से ही साफ और शासित है, फिर एक चैटबॉट जोड़ती है जो इसे पूछताछ कर सकती है या अंतर्दृष्टि को सारांशित कर सकती है। यह मददगार हो सकता है, लेकिन यह कठिन हिस्से को छोड़ देता है।

हम शुरू से ही शुरू करते हैं। हम कृत्रिम बुद्धिमत्ता को लागू करते हैं जहां मानव कम से कम मूल्य जोड़ते हैं और सबसे अधिक त्रुटियां करते हैं, जैसे कि सफाई, पुनर्मिलन, वर्गीकरण, असामान्यता का पता लगाना और मॉडल तर्क में सहायता करना। बुद्धिमत्ता कार्यप्रवाह के भीतर रहती है, एक अलग चैट इंटरफ़ेस में नहीं।

कृत्रिम बुद्धिमत्ता जटिलता कर को भी कम करती है जो टीमों को वापस पकड़ती है। कई प्लेटफ़ॉर्म विशेषज्ञ परामर्शदाताओं या विशेषज्ञों की मांग करते हैं, जो “सिस्टम मालिकों” पर निर्भरता पैदा करते हैं। कृत्रिम बुद्धिमत्ता को इस बाधा को कम करना चाहिए। वित्त टीमों को इरादा व्यक्त करने में सक्षम होना चाहिए और प्रणाली को तर्क का निर्माण करने में मदद करनी चाहिए।

यह हमारे मध्य मार्ग दृष्टिकोण के लिए भी महत्वपूर्ण है। ऐतिहासिक रूप से, वित्त टीमों को लचीले लेकिन नाजुक उपकरणों या शक्तिशाली लेकिन भारी प्रबंधन वाले प्लेटफ़ॉर्म के बीच चुनना पड़ता था। कृत्रिम बुद्धिमत्ता अब उसी झूठे व्यापार को मजबूर कर रही है: कोपिलॉट जो आसान लेकिन उथले हैं, या ऑर्केस्ट्रेशन सिस्टम जो शक्तिशाली लेकिन सीखने के लिए एक नए तरीके से काम करने की आवश्यकता है। जबकि हम मानते हैं कि सही उत्तर कृत्रिम बुद्धिमत्ता है जो कार्यप्रवाह में गायब हो जाती है, योजना में सुधार करती है जो टीमों को संचालित करने के तरीके को बदले बिना।

निर्णय के लिए, सीमा स्पष्ट है। कृत्रिम बुद्धिमत्ता विश्लेषण और अन्वेषण को तेज कर सकती है, लेकिन पूंजी आवंटन, भर्ती व्यापार-बंद, मूल्य निर्धारण और रणनीतिक प्राथमिकता जैसे निर्णय मानव संदर्भ और जवाबदेही की आवश्यकता है। सीएफओ कॉल का मालिक है।

मॉडल अधिक भविष्यवाणी करने वाले होते जा रहे हैं, तो आप वित्त नेताओं के लिए विश्वास और व्याख्या के बारे में कैसे सोचते हैं जिन्हें संख्या के पीछे खड़े होने की आवश्यकता ह?

वित्त में, “दिशा में सही” पर्याप्त नहीं है। वित्त नेता संख्याओं के लिए जिम्मेदार हैं जो वे प्रस्तुत करते हैं। यदि आप एक पूर्वानुमान की व्याख्या नहीं कर सकते हैं, तो आप इसे निर्णय बातचीत में उपयोग नहीं कर सकते हैं।

विश्वास एक निर्धारित आधार के साथ शुरू होता है। सुसंगत परिभाषाएं। सुलझे हुए डेटा। पारदर्शी तर्क। भविष्यवाणी बुद्धिमत्ता केवल तभी काम करती है जब यह कुछ ठोस पर बनाई गई हो।

व्याख्या यह है कि जो अंतर्दृष्टि को कार्रवाई में बदल देती है। सीएफओ को जल्दी से बताने में सक्षम होना चाहिए कि क्या बदला, क्यों यह बदला, कौन से ड्राइवर चले गए और विभिन्न परिणामों के लिए कौन से अनुमान जिम्मेदार हैं।

शासन अब स्थिर नियंत्रणों में नहीं रह सकता है। यह कार्यप्रवाह में एम्बेड किया जाना चाहिए, ताकि अनुमान दिखाई दें, तर्क का पता लगाया जा सके और प्रत्येक दृश्य एक स्पष्ट रिकॉर्ड छोड़ दे। लक्ष्य मानवों को लूप से बाहर निकालना नहीं है, बल्कि उन्हें पहले निर्णय लेने में मदद करना है, अधिक विश्वास के साथ।

आप दोनों प्रारंभिक त्वरण और बाद के चरण के विकास निधीकरण से गुजरे हैं। इन चरणों ने कृत्रिम बुद्धिमत्ता में निवेश के साथ आपके मूल उत्पाद के मूलभूत सिद्धांतों के बीच आपके निवेश को कैसे प्रभावित किया?

प्रारंभिक निधीकरण ने अनुशासन को मजबूर किया। हम चमकदार वस्तुओं का पीछा नहीं कर सकते थे। हमें विश्वास हासिल करना था मूलभूत बातों का निर्माण करके: विश्वसनीय एकीकरण, मजबूत डेटा मॉडल और एक योजना इंजन जो व्यवसाय बदलने पर टूट न जाए।

कृत्रिम बुद्धिमत्ता हमेशा रणनीति का हिस्सा थी, लेकिन हम इसे विपणन परत की तरह व्यवहार नहीं करते थे। यदि कृत्रिम बुद्धिमत्ता कार्यप्रवाह के भीतर वास्तविक लाभ नहीं बनाती थी, तो हम इसे जहाज नहीं करते थे।

जैसा कि हम बढ़े, बाजार बदल गया। कृत्रिम बुद्धिमत्ता मेज पर आ गई। हर विक्रेता एक चैटबॉट का प्रदर्शन कर सकता था और “कृत्रिम बुद्धिमत्ता-संचालित” हो सकता था। तो बार आउटकम से ऑप्टिक्स में स्थानांतरित हो गया। क्या कृत्रिम बुद्धिमत्ता वित्त को बेहतर निर्णय लेने में मदद करती है, या क्या यह केवल प्रभावशाली दिखने वाले आउटपुट उत्पन्न करती है?

बाद के चरण की वृद्धि ने दक्षता मानक को भी बढ़ाया। टीमों को कम से अधिक करने की अपेक्षा की जाती थी। यह हमारे कृत्रिम बुद्धिमत्ता पर ध्यान केंद्रित करने को मजबूत किया जो वास्तविक लाभ प्रदान करता है, न कि कथा अपील।

आप अमेरिकी विस्तार पर दोगुना कर रहे हैं। कृत्रिम बुद्धिमत्ता-मूल वित्त प्लेटफ़ॉर्म को अपनाने के लिए अमेरिकी बाजार अन्य क्षेत्रों की तुलना में कैसे अलग है?

अमेरिकी कंपनियां तेजी से आगे बढ़ती हैं, और निवेशकों की अपेक्षाएं उच्च हैं। सीएफओ को गहराई से परिचालन होना चाहिए, न कि केवल सटीक। वे निरंतर रूप से भर्ती योजनाओं, जीटीएम निवेश, व्यय निर्णयों और प्राथमिकता का मार्गदर्शन कर रहे हैं।

यह धीमी योजना के दर्द को और अधिक तीव्र बनाता है। जब निर्णय साप्ताहिक या दैनिक होते हैं, तो वित्त मासिक लय पर काम नहीं कर सकता है। एम्बेडेड बुद्धिमत्ता कम से कम एक आवश्यकता बन जाती है।

अमेरिकी बाजार वित्त प्रणालियों को गतिशील होने के विचार के प्रति अधिक खुला है, न कि स्थिर। अपेक्षा न केवल रिपोर्टिंग सटीकता है, बल्कि व्यवसाय को आगे बढ़ने की आवश्यकता के अनुसार निर्णय समर्थन है।

2026 की ओर देखते हुए, आपको लगता है कि वित्तीय योजना के कौन से हिस्से कृत्रिम बुद्धिमत्ता द्वारा मुख्य रूप से स्वचालित हो जाएंगे, और मानव निर्णय कहां बने रहेंगे?

जो परतें मुख्य रूप से स्वचालित हो जाएंगी वे दोहराए जाने वाले कार्य हैं जो आज बहुत समय लेते हैं। डेटा समेकन, सफाई, सामान्यीकरण, पुनर्मिलन, असामान्यता का पता लगाना और बेसलाइन रिपोर्टिंग निरंतर चलनी चाहिए।

पूर्वानुमान और दृश्य पीढ़ी नाटकीय रूप से तेज हो जाएगी, लेकिन पूरी तरह से प्रतिनिधित्व नहीं किया जाएगा। कृत्रिम बुद्धिमत्ता विकल्पों का अन्वेषण करना और दबाव परीक्षण करने में सस्ता बना देगी, लेकिन संदर्भ जोखिम और जवाबदेही अभी भी महत्वपूर्ण है।

मानव निर्णय जहां भी दांव उच्च हैं वहां आवश्यक रहेगा। पूंजी आवंटन। भर्ती रणनीति। मूल्य निर्धारण निर्णय। बोर्ड कथाएं। कृत्रिम बुद्धिमत्ता यह बदल नहीं देती कि वित्त दांव के साथ तालमेल बिठा सकता है या नहीं। यह परिणाम के लिए जिम्मेदार कौन है इसे नहीं बदलता है।

धन्यवाद महान साक्षात्कार के लिए, पाठकों को अधिक जानने के लिए एबाकम पर जाना चाहिए。