Chris Bishop, CEO BillingPlatform – Seri Wawancara

Chris Bishop, CEO BillingPlatform, adalah eksekutif perangkat lunak perusahaan dengan pengalaman lebih dari dua dekade yang mencakup SaaS, operasi pendapatan, keberhasilan pelanggan, layanan profesional, dan kepemimpinan go-to-market. Sebelum bergabung dengan BillingPlatform sebagai CEO pada tahun 2026, Bishop menghabiskan hampir tujuh tahun di Conga, di mana ia memegang peran senior termasuk Chief Customer Officer, Chief Revenue Officer, dan Chief Marketing Officer, membantu memimpin perusahaan melalui periode transformasi dan integrasi. Sebelumnya, ia menjabat sebagai Group Vice President of Global Services di Plex Systems dan mendirikan MIPRO Consulting, sebuah firma konsultan aplikasi perusahaan yang berspesialisasi dalam teknologi PeopleSoft dan Oracle. Kariernya juga mencakup peran kepemimpinan senior di PeopleSoft dan Oracle, di mana ia memimpin praktik manajemen rantai pasokan Amerika Utara dengan lebih dari 230 konsultan, serta pekerjaan rekayasa proses sebelumnya di Ford Motor Company.

BillingPlatform adalah perusahaan perangkat lunak manajemen siklus hidup pendapatan dan monetisasi perusahaan yang dirancang untuk membantu bisnis mengelola model harga dan penagihan yang semakin kompleks. Didirikan pada tahun 2012, perusahaan menyediakan platform berbasis cloud yang mencakup penangkapan pesanan, penagihan berbasis langganan dan penggunaan, faktur, pembayaran, otomatisasi piutang, pengakuan pendapatan, dan manajemen keuangan. Teknologinya mendukung model harga berulang, berbasis konsumsi, hibrida, dan model harga konfigurasional lainnya, sementara kemampuan mediasi penggunaan dapat mengambil dan mengubah data seperti panggilan API, transaksi, seat, bandwidth, atau peristiwa konsumsi lainnya menjadi catatan yang dapat ditagih. BillingPlatform menyatakan bahwa sistemnya memproses lebih dari 50.000 faktur per hari dan lebih dari $4 miliar dalam penagihan bulanan, menempatkan platform ini sebagai infrastruktur keuangan bagi perusahaan yang bergerak melampaui model harga tetap dan berlangganan tradisional.

Karier Anda telah membawa Anda dari rekayasa proses di Ford dan aplikasi perusahaan di PeopleSoft serta Oracle hingga mendirikan MIPRO Consulting dan memimpin fungsi pelanggan, pendapatan, dan pemasaran di Plex Systems serta Conga. Bagaimana pengalaman-pengalaman ini membentuk prioritas Anda sebagai CEO BillingPlatform, terutama ketika memperkenalkan AI ke dalam operasi keuangan yang misi-krusial?

Saya menganggap setiap tahap dalam karier saya sebagai pengalaman yang misi-krusial. Proses manufaktur di Ford, keuangan dan manajemen rantai pasokan di PeopleSoft dan Oracle, tahun-tahun konsultasi di antaranya, ERP di Plex, dan manajemen siklus hidup pendapatan di Conga. Ketika sistem-sistem seperti itu mengalami kesalahan atau suatu jalur terhenti, seseorang tidak dibayar, atau sebuah kesepakatan tidak selesai. Itu menunjukkan toleransi kesalahan yang jauh lebih rendah dibandingkan kebanyakan perangkat lunak.

Benang lain adalah nilai ditentukan oleh hasil yang Anda capai, bukan oleh apa yang Anda pasarkan. Mengelola fungsi pelanggan dan pendapatan di Plex dan Conga adalah titik di mana hal itu menjadi jelas bagi saya, berada di antara apa yang terjual dan apa yang diterima pelanggan.

Kedua benang tersebut berakhir di tempat yang sama untuk AI dalam operasi keuangan. Menjadi tepat 99,5% dari waktu terdengar bagus dalam demo, namun tetap merupakan kegagalan. Kami menjalankan penagihan untuk perusahaan dengan jutaan pelanggan. Pada skala itu, tingkat kesalahan setengah persen berarti puluhan ribu faktur salah dalam satu bulan, puluhan ribu percakapan pelanggan yang tidak direncanakan, dan proses kredit yang membebani tim. Pelanggan mengharapkan semuanya tepat, sehingga 99,5% tidak memberikan hasil yang mereka beli.

Itulah mengapa kami bersikap konservatif terhadap area di mana AI menyentuh uang dan agresif terhadap area di mana AI menyentuh pekerjaan. AI melakukan konfigurasi, analisis, dan investigasi. Perhitungannya tetap deterministik. Tes yang saya terapkan pada setiap fitur AI adalah apakah seorang pengendali dapat menjelaskan output kepada auditor tanpa menyatakan bahwa model memutuskan hal itu untuknya.

Banyak vendor perangkat lunak perusahaan menambahkan asisten AI ke produk yang ada. BillingPlatform menggambarkan AI-nya sebagai bawaan siklus hidup pendapatan dan dibangun di atas model metadata yang terpadu dan dapat mendeskripsikan dirinya sendiri. Apa yang dapat dicapai oleh arsitektur ini yang tidak dapat dilakukan oleh lapisan AI konvensional yang ditambahkan ke perangkat lunak penagihan warisan?

Platform kami mendeskripsikan dirinya. Entitas, bidang, aturan harga, alur kerja, dan persetujuan semuanya merupakan metadata yang dapat dibaca sistem saat runtime. Itu berarti AI kami membaca konfigurasi aktual Anda, bukan skema produk generik, dan dapat mengusulkan perubahan pada konfigurasi tersebut karena konfigurasi adalah data, bukan kode.

Seorang asisten yang dipasang pada perangkat lunak penagihan warisan memiliki masalah yang berbeda. Logika khusus pelanggan dalam sistem tersebut berada dalam kode khusus, prosedur tersimpan, dan middleware integrasi. Asisten dapat menjawab pertanyaan tentang dokumentasi. Segala hal yang spesifik mengenai bagaimana instance Anda sebenarnya berperilaku harus dibaca dari kode tersebut, dan mengubahnya berarti siklus pengembangan bukan percakapan.

Masalah kedua adalah bahwa metering, penagihan, dan pengakuan pendapatan biasanya berada di sistem terpisah dengan basis data terpisah. AI apa pun yang berada di atas fungsi-fungsi ini melakukan penalaran melintasi rekonsiliasi, sehingga jawabannya hanya sebaik pekerjaan batch malam sebelumnya. Kami menjalankan ketiga area tersebut pada satu model, sehingga ada rantai tunggal dari peristiwa penggunaan hingga entri jurnal. AI menjawab berdasarkan catatan yang sama dari mana faktur dibangun, yang sangat penting.

Seiring perusahaan mengadopsi model bisnis berbasis penggunaan, berbasis hasil, dan hibrida, bagaimana AI mengubah cara produk dan layanan dikemas, dipatok harganya, dan dimonetisasi?

Dua hal sedang bergeser. Yang pertama, unit nilai beralih dari kursi ke pekerjaan yang selesai, sehingga perusahaan mulai mematok harga resolusi, dokumen yang diproses, tugas yang selesai, atau hasil yang diberikan. Yang kedua, penetapan harga menjadi sesuatu yang Anda tinjau setiap kuartal, bukan tahunan, karena kurva biaya di bawah produk AI bergerak sangat cepat.

Dalam pengalaman kami, AI lebih membantu pada sisi analisis daripada sisi kreatif. Jika riwayat transaksi Anda berada di satu tempat, Anda dapat memodelkan perubahan harga yang diusulkan terhadap perilaku pelanggan nyata sebelum meluncurkannya dalam hitungan menit, dan meramalkan bagaimana hal itu dapat memengaruhi margin atau churn, misalnya. Itu dulu merupakan latihan keuangan yang memakan waktu beberapa minggu.

Saya juga ingin menambahkan peringatan. Sebagian besar perusahaan yang beralih ke penetapan harga berbasis konsumsi atau hasil belum dapat menjawab berapa biaya satu unit untuk melayani mereka. Tanpa angka itu, perusahaan menebak‑tebakan pada batas bawah dan otoritas diskon. Itulah mengapa kebanyakan perusahaan mengadopsi pendekatan hibrida: biaya platform yang dijamin untuk prediktabilitas, konsumsi untuk penyelarasan, dan komponen hasil di mana nilai benar‑benar dapat diukur.

Produk AI dapat menghasilkan biaya yang sangat bervariasi berdasarkan token, model, infrastruktur, dan kompleksitas setiap permintaan. Kapabilitas metering dan penagihan baru apa yang dibutuhkan perusahaan untuk memonetisasi layanan AI secara akurat tanpa terpapar margin yang tidak dapat diprediksi?

Saya menyarankan memulai dengan metering pada tingkat granularitas penggerak biaya dan menyimpan peristiwa‑peristiwa tersebut. Jika Anda mengagregasi terlebih dahulu menjadi total harian per pelanggan, Anda kehilangan kemampuan melihat bahwa satu alur kerja berjalan pada model yang mahal.

Dari situ, empat kapabilitas melakukan pekerjaan sebenarnya:

1. Lampirkan biaya barang pada peristiwa yang sama yang membawa pendapatan, sehingga margin per pelanggan, fitur, dan model terlihat selama periode, bukan pada penutupan.
2. Dukung struktur tarif yang berubah di tengah periode, karena substitusi model dan pemotongan harga vendor tidak menunggu kalender pembaruan perusahaan.
3. Berikan komitmen pelanggan, saldo prabayar, batas maksimum, dan penarikan, karena prediktabilitas adalah fitur produk dan juga melindungi perusahaan dari faktur tak terduga.
4. Dan akhirnya, mampu menilai ulang riwayat ketika harga berubah atau mediasi salah, tanpa proses kredit manual.

Perlindungan margin pada produk AI adalah masalah desain metering dan penetapan harga. Jika Anda memperlakukannya sebagai masalah pelaporan keuangan, Anda baru mengetahuinya 40 hari kemudian.

BillingPlatform memungkinkan tim mengonfigurasi produk, aturan harga, dan alur kerja penagihan secara percakapan. Keputusan apa yang dapat dengan aman didelegasikan ke AI, dan di mana peninjauan serta persetujuan manusia tetap wajib?

Saya akan mengatakan delegasikan pekerjaan tetapi pertahankan keputusan untuk dibuat manusia.

AI dapat dengan aman membaca dan menjelaskan konfigurasi yang ada, menyusun konfigurasi baru di sandbox, menghasilkan data uji dan kasus uji, mendeteksi anomali dalam penggunaan atau proses penagihan, menyelidiki sengketa penilaian kembali ke peristiwa sumber, dan membuat pemetaan awal untuk migrasi. Itu merupakan bagian besar dari jam kerja tim penagihan setiap minggu dan hampir tidak menimbulkan risiko.

Persetujuan manusia wajib pada segala hal yang mengubah apa yang ditagih kepada pelanggan atau apa yang diakui sebagai pendapatan dalam produksi. Ini mencakup perubahan harga dan tarif, ketentuan kontrak, kredit dan penyesuaian, kebijakan pengakuan pendapatan serta penilaian harga jual terpisah, pemetaan GL, posisi pajak, dan penutupan periode. Selain itu, manusia harus terlibat dalam segala hal yang terlihat oleh pelanggan untuk pertama kalinya.

Aturan operasionalnya adalah AI mengusulkan, orang dengan otoritas sebenarnya menyetujui, dan persetujuan dicatat terhadap perubahan tersebut. Persetujuan dan izin berbasis peran sudah ada di platform, sehingga agen mewarisinya alih‑alih mengabaikannya.

Sistem keuangan memberi sedikit ruang untuk halusinasi atau keputusan yang tidak dapat dijelaskan. Bagaimana BillingPlatform menggabungkan penalaran AI dengan eksekusi deterministik untuk memastikan faktur, perhitungan pendapatan, dan tindakan akuntansi tetap akurat dan dapat direproduksi?

Kami memisahkan interpretasi dari eksekusi. Model menafsirkan niat dan menghasilkan konfigurasi, kueri, atau perubahan yang diusulkan. Mesin penilaian dan akuntansi kemudian mengeksekusi. Mesin tersebut menggunakan jalur kode yang sama apakah konfigurasi dibuat oleh orang melalui UI atau oleh agen melalui AI kami, sehingga input yang sama menghasilkan faktur yang sama setiap kali, dan Anda dapat menjalankan kembali periode yang ditutup dan mendapatkan jawaban yang identik.

Tidak ada angka pada faktur yang dihasilkan oleh model bahasa pada saat faktur dibuat. Apa yang dihasilkan AI adalah perubahan konfigurasi, dan perubahan itu membawa versi, penulis, serta cap waktu seperti perubahan lain dalam sistem. Jika auditor menanyakan mengapa suatu biaya seperti itu, jawabannya menelusuri kembali melalui catatan harga ke peristiwa penggunaan, bukan ke prompt.

Bagian terakhir adalah bahwa proposal dapat ditinjau sebelum diterapkan. Anda dapat melihat konfigurasi spesifik yang ingin dibuat AI, dalam istilah yang jelas, dan Anda dapat menyetujui atau menolaknya.

BillingPlatform mendukung Model Context Protocol, protokol Agent-to-Agent, dan koneksi dengan alat AI perusahaan eksternal. Bagaimana perusahaan dapat memberi agen otonom akses ke operasi penagihan sambil mencegah tindakan tidak sah, paparan data, atau perubahan yang tidak dapat dilacak?

MCP dan A2A adalah transport, dan membawa agen ke pintu. Control plane adalah model izin Anda, dan di situlah pekerjaan sebenarnya berada.

Dalam kasus kami, sebuah agen mengautentikasi sebagai pengguna dan mewarisi peran, izin tingkat bidang, dan izin tingkat catatan yang sama seperti yang dimiliki setiap karyawan. Tidak ada bypass agen. Selain itu, beberapa praktik tetap berlaku. Berikan setiap agen akun layanan ter-scoped dengan hak paling sedikit, hanya baca‑tulis hingga terbukti sebaliknya, sehingga log audit dapat menunjukkan agen mana yang melakukan apa. Kendalikan operasi penulisan melalui alur kerja persetujuan dengan ambang batas nilai dolar dan volume. Anda juga harus membatasi laju mereka, karena agen yang berada dalam loop merupakan kegagalan yang berbeda dibandingkan orang yang membuat kesalahan. Sangat penting juga untuk mencatat setiap panggilan, bukan hanya yang mengubah sesuatu. Dan kembalikan hanya bidang yang diperlukan tugas, karena cara tercepat untuk membocorkan data pelanggan adalah pembacaan yang terlalu luas.

Kesalahan yang saya perkirakan akan muncul di pasar tahun ini adalah perusahaan memberikan kredensial administrator manusia kepada agen karena lebih mudah daripada men‑scope dengan tepat.

BillingPlatform mengatakan AI dapat mengurangi implementasi dari kuartal menjadi minggu. Bagian mana dari pengumpulan kebutuhan, konfigurasi, pengujian, dan migrasi yang dapat AI otomatisasi hari ini, dan bagian mana yang masih memerlukan profesional penagihan dan keuangan berpengalaman?

AI memang sangat baik dalam menerjemahkan harga yang terdokumentasi menjadi konfigurasi, melakukan analisis kesenjangan terhadap perpustakaan pola yang dikenal, menghasilkan kasus uji dan mengeksekusi regresi, memetakan serta membersihkan data warisan untuk migrasi, dan menghasilkan dokumentasi. Itulah area di mana pekerjaan berkurang dari kuartal menjadi minggu.

Namun, pengambilan keputusan masih memerlukan profesional penagihan dan keuangan berpengalaman. Beberapa contoh yang masih memerlukan orang berpengalaman meliputi: membuat pelanggan menyetujui aturan harga dan kebijakan pendapatan mereka sendiri, merekonstruksi ketentuan dari kontrak, mengintegrasikan ke sistem dengan perilaku yang tidak terdokumentasi, serta menilai perlakuan pendapatan pada pengaturan multi‑elemen. Singkatnya, manajemen perubahan tidak dapat diatasi hanya dengan perangkat lunak.

Bagaimana model terpadu yang mencakup pengukuran, penagihan, dan pengakuan pendapatan dapat meningkatkan kepatuhan, auditabilitas, dan pelaporan keuangan, khususnya untuk organisasi yang beroperasidi bawah persyaratan pengakuan pendapatan yang kompleks?

Auditor selalu menanyakan dua hal: Tunjukkan bagaimana Anda mencapai angka ini dan tunjukkan bahwa Anda menerapkan perlakuan yang sama secara konsisten. Jika sistem pengukuran, penagihan, dan pengakuan pendapatan Anda hidup terpisah, menjawabnya berarti menggali melalui tiga basis data plus spreadsheet buatan manusia untuk merekonsiliasinya.

Ketika semuanya menjadi satu model, seluruh latihan itu menghilang. Peristiwa penggunaan, biaya, baris faktur, dan entri jurnal semuanya merupakan catatan yang sama, hanya dilanjutkan ke langkah berikutnya. Anda dapat melacaknya maju atau mundur tanpa langkah rekonsiliasi di antara karena tidak ada yang perlu direkonsiliasi. Ketika kontrak berubah, Anda mengevaluasi data transaksi yang sama yang menghasilkan faktur pada awalnya. Harga jual terpisah dan alokasinya akan berasal dari apa yang terjadi.

Hal ini paling penting bagi perusahaan yang menangani pertimbangan variabel di bawah ASC 606 atau IFRS 15, di mana Anda harus menunjukkan pekerjaan Anda dan dapat menunjukkannya kembali setahun kemudian.

BillingPlatform baru‑baru ini mengumumkan penambahan Chief Financial Officer, Chief Product Officer, dan Chief Customer Officer seiring skala strategi AI‑native mereka. Bagaimana para pemimpin ini akan bekerja sama untuk menerjemahkan inovasi teknis menjadi pertumbuhan yang berkelanjutan secara finansial dan hasil terukur bagi pelanggan perusahaan?

Sebagai Chief Product Officer, Rob Zwiebach memastikan produk kami berbeda dan dikirim tepat waktu. Ia memimpin roadmap produk keuangan di Workday dan menghabiskan 17 tahun di Oracle, sehingga ia memahami sistem yang sudah dipakai pembeli kami dan apa yang diperlukan untuk bersaing dengan mereka. Sebagai Chief Customer Officer, Chris King bertanggung jawab atas apakah pelanggan menyadari nilai, yang berarti waktu menuju nilai, konsistensi pengiriman, retensi, dan ekspansi. Ia memimpin layanan dan keberhasilan di Medidata dan Salesforce serta memulai kariernya di industri ini di Zuora, sehingga ia telah menyaksikan baik keberhasilan maupun kegagalan pengiriman perusahaan berskala besar. Steven Springsteel, Chief Financial Officer kami, mengelola ekonomi, dan ia datang dari posisi CFO di Recurly, sehingga ia memiliki pengalaman langsung menjalankan fungsi keuangan perusahaan penagihan.

Tempat di mana mereka benar‑benar harus bekerja bersama sebagai satu grup adalah pada angka yang paling saya pedulikan. Yaitu, berapa biaya dan berapa lama waktu yang dibutuhkan untuk membuat pelanggan perusahaan menjadi aktif dan produktif, serta margin pada pekerjaan tersebut. Itu adalah keputusan produk, keputusan pengiriman, dan keputusan pengukuran, dan secara historis menjadi titik di mana proyek penagihan perusahaan sering gagal. Mengklaim bahwa Anda AI‑native adalah pernyataan tentang arsitektur Anda. Itu hanya menjadi bisnis ketika muncul dalam biaya implementasi, tingkat ekspansi, dan margin kotor. Itu tiga angka yang masing‑masing dimiliki oleh Rob, Chris, dan Steven.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut sebaiknya mengunjungi BillingPlatform.