Scott Woody, CEO dan Co-Founder Metronome – Seri Wawancara

Scott Woody, CEO dan Co-Founder Metronome, telah menghabiskan karirnya membangun produk yang menghubungkan kedalaman teknis dengan dampak praktis. Sebelum meluncurkan Metronome, ia memegang peran kepemimpinan kunci di Dropbox, di mana ia berkembang dari insinyur menjadi Direktur Teknik, membentuk infrastruktur inti dan menskala operasi di seluruh jutaan pengguna. Sebelumnya, ia mendirikan Foundry Hiring, sistem pelacakan aplikasi yang intuitif, dan memulai perjalanan profesionalnya di D. E. Shaw & Co., di mana ia mempelopori strategi perekrutan berbasis data. Latar belakang multidisiplinnya – dari pemodelan ilmiah hingga rekayasa perangkat lunak skala besar – mendukung kemampuannya untuk memimpin Metronome di persimpangan teknologi, data, dan transformasi bisnis.

Metronome menyediakan infrastruktur penagihan modern yang dirancang untuk memungkinkan model harga berbasis penggunaan dan hibrid untuk perusahaan perangkat lunak inovatif. Platform ini memungkinkan pengukuran, penagihan, dan pengakuan pendapatan yang mulus dengan akurasi data waktu nyata, memberdayakan tim keuangan dan teknik untuk bersepakat pada satu sumber kebenaran. Dengan mengabstraksi kompleksitas membangun sistem penagihan internal, Metronome membantu perusahaan yang tumbuh cepat seperti OpenAI, Databricks, dan Anthropic menskala strategi moneterisasi mereka tanpa mengorbankan fleksibilitas atau transparansi.

Anda mendirikan Metronome pada 2019 – apa masalah yang Anda coba selesaikan, dan bagaimana misi itu berkembang seiring percepatan adopsi AI?

Ketika kami memulai Metronome, masalah awalnya sederhana: bisnis perangkat lunak modern perlu bergerak sangat cepat pada harga dan pengemasan, tetapi sistem penagihan mereka tidak dapat mengikuti. Di Dropbox, kami ingin menjalankan eksperimen harga dan itu membutuhkan waktu enam bulan hanya untuk dikodekan ke dalam sistem penagihan. Sistem penagihan menjadi tonggak panjang untuk hampir semua yang kami lakukan dalam bisnis tersebut.

Kami bertujuan untuk membangun infrastruktur moneterisasi. Metronome dibangun untuk membawa kecepatan dan fleksibilitas ke bisnis perangkat lunak modern – untuk membuat perubahan harga dan pengemasan cepat dan mudah bukan proyek yang berat secara teknis.

AI telah mempercepat misi ini dengan dua cara kritis. Pertama, membuat lebih banyak dunia berbasis penggunaan, yang merupakan roti dan mentega kami. Tetapi lebih penting, AI telah menciptakan hiper-kompetisi. Perusahaan yang berbeda terus-menerus berkompetisi satu sama lain dan mencoba menggunakan harga dan pengemasan sebagai cara untuk membedakan.

Itu berarti perangkat lunak yang kami bangun awalnya – sesuatu yang membuat harga dan pengemasan berubah dengan sangat mudah dan cepat – sekarang menjadi syarat. Jika Anda tidak memanfaatkan fleksibilitas itu, pesaing Anda akan melakukannya. Harga dan pengemasan telah menjadi medan pertempuran kompetisi Darwin, yang berarti kebutuhan akan Metronome meningkat seiring intensitas kompetisi.

Anda baru saja mengumumkan kemampuan baru seperti kredit berbasis kursi dan penagihan terpadu. Bagaimana fitur-fitur ini masuk dalam visi tersebut?

Ya, hari ini kami mengumumkan ekspansi besar pada harga, penagihan, dan pengalaman pelanggan – benar-benar bab baru infrastruktur moneterisasi untuk AI.

Di pusatnya adalah kemampuan kredit berbasis kursi baru kami, yang memungkinkan perusahaan menjalankan model harga hibrid yang menggabungkan prediktabilitas langganan dengan pertumbuhan berbasis penggunaan. Apa yang kami lihat adalah bahwa banyak perusahaan yang dibuat selama 2010-an – pikirkan Dropbox, Figma, Notion – sebagian besar dimonitisasi dengan biaya berbasis kursi. Semakin banyak orang di perusahaan Anda yang menggunakan produk, semakin banyak Anda membayar. Ini bagus – mudah, dapat diprediksi, dan berkembang seiring pertumbuhan bisnis Anda.

Tetapi perusahaan-perusahaan ini sekarang menambahkan fitur asli AI ke dalam produk mereka, dan mereka menyadari bahwa nilai produk mereka tidak lagi berkembang dengan kursi. Ini sebenarnya berkembang dengan penggunaan fitur asli AI. Mereka membutuhkan model komersial yang berkembang dengan nilai yang diberikan produk mereka. Kredit berbasis kursi adalah cara khusus untuk melakukan ini – Anda mendapatkan manfaat dari kursi dengan keuntungan penggunaan. Ini menjadi model de rigeur untuk hampir semua bisnis SaaS di dunia.

Fitur kedua yang kami soroti adalah penagihan terpadu di seluruh pasar AWS, Azure, dan GCP, dan memperkenalkan hierarki akun untuk penagihan perusahaan. Ini berarti perusahaan sekarang dapat mengelola setiap gerakan pendapatan – self-serve, perusahaan, dan pasar – melalui satu sistem bukan beberapa alat yang terputus.

Apa yang diminta oleh pelanggan kami adalah pilihan pembayaran. Perusahaan asli AI ini cenderung pergi ke semua geografi sekaligus, dan jika Anda mempelajari pembayaran – pembayaran internasional khususnya – Anda akan menemukan bahwa rel kereta pembayaran yang berbeda memiliki tingkat penerimaan yang lebih tinggi dan biaya yang lebih rendah di geografi yang berbeda. Ketika basis pelanggan kami tumbuh dan matang, mereka mencari pilihan pembayaran di geografi yang berbeda. Mereka mungkin ingin menggunakan prosesor pembayaran khusus Eropa atau khusus AS. Dengan memungkinkan pelanggan kami memiliki pilihan dan fleksibilitas dalam menerima pembayaran dan melakukan penagihan, kami memberi mereka lebih banyak pilihan untuk mengambil pembayaran di geografi yang berbeda. Fitur yang kami luncurkan hari ini hanya langkah pertama dalam perjalanan itu – kemampuan untuk mengeluarkan faktur langsung dari Metronome dan mengambil pembayaran dengan prosesor pembayaran pilihan Anda. Seiring waktu, kami akan memperluas pilihan yang tersedia dalam lapisan prosesor pembayaran tersebut.

Di sisi pengalaman pelanggan, kami merilis API Pratinjau Biaya, penagihan dalam dasbor, dan pemberitahuan siklus hidup. Penagihan modern harus transparan dan menjadi bagian dari pengalaman produk. Kemampuan ini memberi pelanggan visibilitas waktu nyata ke penggunaan dan pengeluaran, menghilangkan tagihan yang tidak terduga dan membangun kepercayaan melalui transparansi.

Bersama, pengumuman ini mencerminkan keyakinan kami bahwa infrastruktur moneterisasi harus memberikan perusahaan tiga hal: prediktabilitas pendapatan, visibilitas di seluruh tim, dan kontrol untuk mengembangkan harga dengan aman saat produk mereka berubah.

Sebelum Metronome, Anda menghabiskan beberapa tahun sebagai insinyur dan kemudian Direktur Teknik di Dropbox. Apa pelajaran dari menskala platform SaaS global yang mempengaruhi bagaimana Anda membangun Metronome?

Ada dua pelajaran utama dari Dropbox yang membentuk bagaimana kami membangun Metronome.

Pertama adalah pentingnya fleksibilitas pada skala. Dropbox terkenal memiliki harga sederhana “baik, lebih baik, terbaik” dengan rencana gratis – sangat sederhana di permukaan. Tetapi di balik layar, di dalam sistem penagihan, ada ribuan SKU yang berbeda untuk ribuan konfigurasi pelanggan yang berbeda. Mengelola kompleksitas itu sebenarnya cukup sulit.

Kami membangun Metronome untuk menskala kompleksitas itu untuk bisnis yang sangat besar. Pertanyaannya menjadi: bagaimana Anda membangun abstraksi sederhana yang memberikan pelanggan kekuatan dan fleksibilitas penuh yang bisnis mereka tuntut saat mereka tumbuh dan matang?

Pelajaran kedua adalah tentang melayani multiple persona. Salah satu frustrasi utama di Dropbox adalah tim penagihan selalu kelebihan beban – mereka memiliki seribu hal yang terjadi, selalu ditarik ke arah yang berbeda saat mencoba membantu keuangan, penjualan, dan produk sekaligus.

Kami membangun Metronome – baik bisnis maupun produk – untuk melayani multiple persona sekaligus. Salah satu hal yang kami lakukan dengan baik adalah menjadi mitra eksternal untuk pelanggan kami. Jika Anda salah satu penyedia model bahasa besar, Metronome melayani tidak hanya sebagai perangkat lunak, tetapi juga sebagai ahli harga. Kami akan membantu mendukung pelanggan secara individual dengan cara yang sangat menyentuh.

Itulah salah satu hal yang orang temukan sangat menonjol tentang bekerja dengan kami – seberapa dalam kemitraan yang kami bentuk. Ini jauh lebih dari hubungan vendor-klien dan lebih dari kemitraan yang sebenarnya.

Metronome memungkinkan model bisnis OpenAI, Anthropic, Databricks, dan NVIDIA – beberapa pemain paling berpengaruh di AI. Apa yang mereka semua miliki bersama yang membuat pendekatan Anda terhadap penagihan dinamis sangat berharga?

Ada dua atau tiga hal spesifik yang pelanggan kami miliki bersama.

Pertama, ketika Anda mencapai ukuran dan skala itu, harga Anda hanya kompleks. Anda memiliki banyak produk yang berbeda, banyak rasa pelanggan yang berbeda. Kompleksitas yang diperlukan – jumlah SKU yang Anda tawarkan, konfigurasi harga dan pengemasan yang berbeda – berarti Anda membutuhkan sistem yang dibangun dari awal untuk menangani level skala dan perbedaan antara pelanggan.

Pada saat yang sama, Anda ingin abstraksi yang Anda hadapi sederhana. Jika Anda seorang operasional yang bekerja dengan Metronome, Anda tidak ingin memikirkan tentang semua kompleksitas itu sepanjang waktu. Mengimbangkan dua hal itu – memberi Anda kekuatan dan kontrol yang Metronome berikan tanpa membebani pengguna akhir – itu adalah prinsip desain kunci yang kami miliki saat membangun produk.

Hal lain yang menyatukan semua pelanggan kami adalah bahwa mereka sangat terfokus pada pelanggan. Kami membangun Metronome untuk membuat semua data di dalamnya terus tersedia untuk pelanggan mereka. Jika Anda pelanggan OpenAI, Anda dapat memeriksa saldo Anda, mengatur anggaran, membatasi tarif diri Anda – semua itu tentang pengalaman pelanggan di atas model harga berbasis konsumsi, dan Metronome adalah platform kunci yang memungkinkan itu.

Banyak pendiri fokus pada inovasi produk atau model. Anda telah berargumen bahwa harga dan penagihan sekarang merupakan bagian dari tumpukan infrastruktur AI. Mengapa Anda melihat moneterisasi sebagai fondasional untuk era perangkat lunak baru ini?

Ada beberapa alasan berbeda mengapa moneterisasi sangat kritis untuk infrastruktur AI.

Pertama, itu kembali ke poin kompetisi hiper. Era perangkat lunak ini jauh lebih kompetitif. Di era sebelumnya, Anda bisa fokus hanya pada diferensiasi produk – itu tidak berfungsi lagi.

Kedua, di setiap era perangkat lunak, perusahaan terbesar dan paling sukses menggabungkan inovasi produk dengan inovasi model bisnis. Pikirkan Salesforce – mereka mengembangkan CRM berbasis cloud. Perangkat lunak CRM tidak baru, tetapi menggunakannya di cloud adalah. Tetapi mereka menggabungkannya dengan harga langganan berbasis kursi yang berkembang seiring pertumbuhan perusahaan Anda, yang sangat mengganggu versus pendahulu Siebel, yang mengenakan biaya datar besar. Anda akan berpindah dari menghabiskan satu juta dolar per tahun untuk Siebel menjadi $100 per bulan per kursi di Salesforce – proposisi nilai yang sama sekali berbeda untuk pelanggan.

Hal yang sama terjadi di AI. Tetapi ada faktor besar lain: AI sangat mahal untuk dijalankan. Semakin banyak pelanggan Anda menggunakan produk Anda, semakin mahal itu. Itu berarti Anda, sebagai vendor, membutuhkan model harga atau model bisnis yang berkembang dengan penggunaan produk Anda – jika tidak, Anda berisiko overrating pada COGS.

Apa tantangan teknis atau budaya terbesar yang dihadapi perusahaan saat beralih dari langganan statis ke harga berbasis penggunaan atau hasil?

Ada dua atau tiga perubahan besar yang datang dengan beralih dari langganan berbasis kursi ke penggunaan.

Pertama, Anda beralih dari bisnis berbasis pemesanan ke bisnis berbasis NRR. Dalam prakteknya, ini berarti bahwa di era langganan berbasis kursi, garis bawah Anda tidak selalu terikat dengan nilai pelanggan – Anda bisa menandatangani mereka, dan jika mereka tidak langsung online selama 10 bulan, Anda masih dibayar. Dalam bisnis berbasis penggunaan, Anda secara harfiah tidak dapat mengumpulkan pendapatan sampai pelanggan menggunakan produk Anda, yang berarti keberhasilan pelanggan dan penjualan pasca-penjualan sangat penting.

Kedua, orang meremehkan bahwa model bisnis berbasis penggunaan secara fundamental bervariasi, yang berarti pelanggan memiliki harapan yang lebih tinggi tentang visibilitas penggunaan produk mereka. Cara saya menyukainya adalah: mereka membutuhkan visibilitas, transparansi, dan kontrol atas anggaran mereka. Jika Anda tidak memberi mereka alat untuk melakukan itu, mereka tidak akan menjadi pelanggan yang bahagia.

Ketiga, dalam bisnis berbasis penggunaan, itu benar-benar menghargai membangun apa yang saya sebut roda pertumbuhan – loop kecil di produk Anda di mana semakin banyak Anda gunakan, semakin banyak Anda menghabiskan, semakin banyak Anda ingin menggunakannya. Dengan menciptakan loop viral ini, itu seperti di jaringan sosial, di mana loop viral bekerja sangat baik di jaringan sosial berbasis iklan karena semakin banyak Anda membangun viralitas ke dalam produk Anda, semakin banyak inventori iklan yang Anda tampilkan, semakin banyak uang yang Anda buat.

Hal yang sama berlaku untuk harga berbasis penggunaan. Ini tidak benar-benar berlaku untuk langganan, yang mengapa loop viral di B2B SaaS belum menjadi hal besar, kecuali dalam kasus seperti Dropbox di mana loop viral itu sangat kritis untuk distribusi. Tetapi sebagian besar, viralitas telah terbatas pada bisnis berbasis iklan. Saya sebenarnya pikir munculnya pertumbuhan sebagai disiplin – yang dipelopori oleh Facebook – akan bertepatan dengan munculnya AI.

Whitepaper Anda yang baru tentang “Model Operasional Moneterisasi” menjelaskan bagaimana perusahaan dapat menyelaraskan sistem pendapatan dengan nilai pelanggan yang sebenarnya. Bagaimana model ini mengubah cara perusahaan AI memikirkan tentang penskalaan?

Itu kembali ke apa yang saya katakan tentang loop viral. Ketika bisnis asli AI menemukan kesesuaian pasar produk, pendapatan dapat berkembang sangat cepat. Anda melihat viralitas yang digunakan di jaringan sosial, tetapi sekarang langsung dimonetisasi.

Itu secara sebab-akibat menjelaskan mengapa perusahaan seperti Cursor dapat pergi dari nol ke miliaran dolar dalam ARR dalam waktu dua tahun. Mereka telah menyelaraskan harga dan nilai, yang merupakan kunci yang sangat kuat untuk bisnis.

Dengan OpenAI dan Anthropic sebagai pelanggan dan investor, bagaimana Anda mengimbangkan kolaborasi dengan kemandirian dalam membentuk infrastruktur bisnis yang dipimpin AI?

Kami melihat hubungan ini sebagai kemitraan yang berakar pada memecahkan masalah nyata di garis depan AI. OpenAI dan Anthropic mendefinisikan generasi perangkat lunak berikutnya, dan kami membangun infrastruktur yang mengubah inovasi menjadi model bisnis yang berkelanjutan dan skalabel.

Pada saat yang sama, misi kami lebih luas dari laboratorium AI. Metronome dibangun untuk melayani setiap perusahaan yang perlu memodernisasi cara mereka memonetisasi, termasuk startup asli AI dan perusahaan SaaS yang menambahkan harga berbasis penggunaan ke produk yang mapan. Kami fokus pada menjadi pemimpin kategori di infrastruktur moneterisasi, bukan hanya alat penagihan untuk satu segmen.

Bagaimana AI itu sendiri mempengaruhi platform Metronome – apakah Anda menggunakan pembelajaran mesin untuk mengoptimalkan akurasi penagihan, mendeteksi anomali, atau memprediksi tren penggunaan?

Kami menggunakan pembelajaran mesin untuk meningkatkan deteksi anomali, peramalan penggunaan, dan pengenalan pola – tetapi kami sengaja tentang di mana kami menerapkannya. Penagihan memerlukan presisi, jadi AI harus meningkatkan akurasi, bukan memperkenalkan abstraksi.

Jangka panjang, kami melihat AI membantu perusahaan mengubah data moneterisasi menjadi intelijen strategis – memahami fitur mana yang mengarah pada nilai, mengidentifikasi ambang batas harga optimal, dan menampilkan peluang pendapatan dalam waktu nyata. Itulah di mana infrastruktur moneterisasi menjadi mesin pertumbuhan yang sebenarnya.

Metronome telah menjadi tulang punggung untuk moneterisasi berbasis hasil. Apakah Anda pikir kita mendekati dunia di mana setiap perusahaan perangkat lunak pada dasarnya menjadi bisnis data yang dipimpin AI?

Teori dasar saya adalah bahwa AI akan mengganggu setiap aspek perangkat lunak dan bisnis. Anda bisa melihat gangguan awal di dalam bisnis perangkat lunak – pengembang perangkat lunak sepenuhnya diganggu oleh AI, penulis sepenuhnya diganggu oleh AI.

Saya pikir ini hanya masalah waktu sebelum lebih banyak bisnis menjadi dipengaruhi oleh AI. Kami melihat tahap awal dengan bagian bisnis yang lebih mudah diganggu, tetapi hal-hal seperti hukum dan area lainnya akan mengikuti. Saya pikir itu jelas bahwa seiring waktu, lebih banyak pekerjaan akan berada di bawah pengaruh AI – dan oleh karena itu di bawah model bisnis berbasis hasil, berbasis penggunaan.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Metronome.