John Glasgow, CEO, CFO e fondatore di Campfire – Serie di interviste

John Glasgow è CEO, CFO e fondatore di Campfire e vanta esperienza in ambito finanziario, nelle fusioni e acquisizioni nel settore tecnologico e nella strategia aziendale. Prima di fondare la società, ha lavorato per Adobe, Invoice2go e Bill.com, contribuendo anche a guidare Invoice2go durante l’acquisizione da 625 milioni di dollari. La sua esperienza all’interno delle organizzazioni finanziarie lo ha portato a concentrarsi sulla sostituzione dei processi basati sui fogli di calcolo con sistemi contabili che conservino il dettaglio delle singole transazioni e supportino l’automazione.

Campfire sviluppa una piattaforma di pianificazione delle risorse aziendali nativa per l’IA, destinata ai team finanziari e contabili, che riunisce libro mastro generale, automazione dei ricavi, rendicontazione e gestione della chiusura contabile. I suoi agenti Ember operano sui dati contabili sottostanti per supportare attività come la riconciliazione e la categorizzazione delle transazioni, mentre Forecast distingue i valori effettivi contabilizzati, gli importi impegnati e le stime generate dall’IA. In questa intervista, Glasgow parla dell’architettura alla base della contabilità nativa per l’IA, dei limiti tra autonomia degli agenti e approvazione umana e di come i team finanziari possano mantenere la tracciabilità man mano che l’automazione si estende.

La sua carriera ha attraversato il settore finanziario, le fusioni e acquisizioni nel campo tecnologico e la strategia in Adobe, Invoice2go e Bill.com, prima che fondasse Campfire. Quali problemi ha riscontrato ripetutamente all’interno delle organizzazioni finanziarie, al punto da convincerla che fosse necessario ricostruire l’ERP sottostante invece di limitarsi a migliorarlo aggiungendo un altro livello software?

La vendita di Invoice2go a Bill.com per 625 milioni di dollari mi ha permesso di vedere il problema da vicino. Durante la due diligence, ho gestito oltre 500 richieste tramite fogli di calcolo, perché la contabilità dei ricavi, la rendicontazione SaaS e il consolidamento erano affidati a quei fogli anziché a un sistema. Un’azienda di quelle dimensioni continuava a svolgere attività finanziarie essenziali usando fogli di calcolo.

In Bill, dove guidavo le partnership strategiche e lavoravo a stretto contatto con il CFO, ho riscontrato lo stesso problema tra i clienti. La gestione delle buste paga, delle spese e dei debiti e crediti commerciali era stata modernizzata, ma i team finanziari dovevano comunque tornare a usare un ERP progettato per un’epoca precedente.

Il problema è il libro mastro stesso. Gli ERP tradizionali ricevono registrazioni riepilogative dai sistemi di fatturazione, pagamento, gestione delle buste paga e da altri sistemi; di conseguenza, quando le informazioni arrivano al libro mastro, i dettagli delle transazioni sono andati persi. Aggiungere un altro livello software non può recuperare i dati mancanti. Volevo un libro mastro che conservasse i dettagli e fosse in grado di svolgere il lavoro: questo significava ricostruire l’ERP dalle fondamenta.

«Nativo per l’IA» sta diventando una definizione sempre più comune nel software aziendale. Dal punto di vista architetturale, cosa rende un ERP nativo per l’IA fondamentalmente diverso da un ERP tradizionale a cui viene aggiunto un modello linguistico di grandi dimensioni o un copilota IA?

La differenza fondamentale è che un ERP nativo per l’IA è costruito attorno ai dati su cui devono agire i flussi di lavoro basati sull’IA.

Un copilota può leggere solo ciò che è archiviato in un ERP tradizionale. Se l’ERP contiene riepiloghi mensili anziché dettagli delle singole transazioni, l’IA può trovare un numero o preparare una spiegazione, ma non può abbinare in modo affidabile le transazioni, riconciliare i conti o spiegare come è stata creata una registrazione. Campfire conserva tutti i dettagli delle transazioni e gestisce sia il libro mastro generale sia i sottoconti, fornendo agli agenti Ember i dati necessari per svolgere davvero il lavoro.

Un’altra differenza è la tracciabilità. Ogni azione degli agenti rimanda ai dati sottostanti del libro mastro e può essere verificata prima della registrazione.

La terza differenza è il modello stesso: Accounting Intelligence di Campfire è addestrato sui dati contabili e scrive codice per svolgere attività finanziarie, rendendo i risultati riproducibili. È questo che consente agli agenti di agire, anziché limitarsi a dare suggerimenti.

Campfire ha lanciato di recente Forecast, che suddivide il mese in corso in valori effettivi, impegnati e stimati dall’IA, invece di chiedere all’IA di prevedere l’intero periodo. Perché lo ha progettato in questo modo e, secondo lei, in quali ambiti l’IA è davvero utile nelle previsioni finanziarie e in quali, invece, dovrebbero prevalere i dati contabili deterministici?

Come CFO, mi chiedo dove si attesteranno i risultati del mese cinque o più giorni prima della sua fine; a quel punto, gran parte è già nota. Chiedere all’IA di prevedere l’intero periodo significherebbe sostituire dati noti con supposizioni. Per questo Forecast suddivide il mese in tre livelli:

Effettivi: ciò che è già stato registrato nel libro mastro generale.

Impegnati: importi futuri noti derivanti da contratti, fatture, beni e leasing, non ancora registrati.

Stimati: la proiezione di Ember per la parte effettivamente sconosciuta, basata sui dati storici e sulla stagionalità dell’azienda.

È in questo ambito che, secondo me, l’IA è utile nelle previsioni: per la parte che ancora non si può conoscere. I dati contabili deterministici dovrebbero prevalere su tutto ciò che è già noto. La combinazione dei due rende più difficile distinguere i fatti dalle stime. Se vengono mescolati, quando si presenta la previsione al consiglio di amministrazione non si può sapere quali numeri si è in grado di sostenere.

Quando qualcuno mi chiede come ho ottenuto un numero, posso aprire qualsiasi valore e mostrarne le componenti effettive, impegnate e stimate, insieme alle ipotesi di Ember. Forecast ha una funzione consultiva: non registra automaticamente nel libro mastro nulla di ciò che produce, ma avvisa per tempo il team finanziario sull’andamento previsto del mese, così da poter prendere decisioni aziendali prima della sua chiusura.

Forecast consente a Ember di stimare la parte ancora sconosciuta del mese sulla base delle tendenze storiche e della stagionalità, spiegando al contempo le ipotesi alla base di tali stime. Come gestite le situazioni in cui gli schemi storici smettono improvvisamente di essere utili, per esempio in caso di rapida crescita, perdita di un cliente importante, acquisizione o altri eventi insoliti?

Sono proprio i mesi in cui un CFO ha più bisogno di una previsione, ed è per questo che questa viene suddivisa in livelli. Solo la parte stimata di Forecast si basa sulle tendenze storiche e sulla stagionalità. Il livello degli impegni deriva da contratti, fatture, beni e leasing già registrati nel libro mastro di Campfire, quindi un’acquisizione, la perdita di un cliente o una rapida crescita non modificano ciò che è già noto.

Quando lo schema cambia, di solito il team finanziario sa perché prima che i dati lo mostrino, e può quindi fornire il contesto. Può aggiungere una nota su ciò che è cambiato, allegare qualcosa come un piano del personale oppure collegare una fonte, ad esempio un CRM o un HRIS, tramite la nostra integrazione MCP. Ember usa questo contesto per stimare nuovamente la parte ancora sconosciuta.

Ogni stima include anche una spiegazione in una frase delle ipotesi su cui si basa, così, quando presento la previsione, posso mostrare quali dati sono certi, quali impegni sono già stati assunti e quali valori sono oggetto di proiezione.

Campfire ha sviluppato un proprio modello contabile di grandi dimensioni, o LAM (Large Accounting Model), invece di affidarsi interamente a modelli per uso generico. Cosa avete imparato sui limiti dell’IA per uso generico in ambito contabile e quali aspetti deve comprendere un modello specializzato che in genere sfuggono a un LLM convenzionale?

La contabilità richiede risposte riproducibili, non semplicemente plausibili. I modelli per uso generico sono efficaci nel generare testo, ma possono avere difficoltà con il ragionamento numerico e le classificazioni contabili, ambiti in cui gli stessi dati in ingresso devono produrre ogni volta la stessa risposta.

Invece di chiedere a un modello di ragionare direttamente sui dati finanziari, gli facciamo scrivere codice SQL o Python che esegua il lavoro. Il codice è riproducibile, una caratteristica importante ai fini della revisione contabile; inoltre, consente alle aziende di automatizzare le operazioni senza che una persona debba approvare ogni risultato identico.

La nostra Accounting Intelligence è addestrata sui dati contabili e comprende elementi come la struttura del piano dei conti, gli schemi relativi ai fornitori e le caratteristiche di una contabilità in ordine. Impara anche dalla cronologia delle transazioni di ciascun cliente. La precisione dipende tanto dal sistema che circonda il modello quanto dal modello stesso.

I team finanziari hanno una tolleranza insolitamente bassa per gli errori dell’IA. Man mano che gli agenti iniziano a eseguire riconciliazioni, classificare transazioni, preparare registrazioni e interagire con il libro mastro, quale dovrebbe essere il confine tra esecuzione autonoma e approvazione umana?

Il confine dovrebbe dipendere dalla possibilità di verificare un’operazione. Se una registrazione è riproducibile e riconducibile ai dati sottostanti del libro mastro, non dovrebbe essere necessario che una persona approvi ogni singola occorrenza. Se non è possibile spiegarla o riprodurla, una persona dovrebbe esaminarla prima che venga registrata.

È così che abbiamo sviluppato Ember. Ogni azione dell’agente viene registrata, ricondotta ai dati sottostanti del libro mastro generale (GL) ed è verificabile. I team impostano soglie di confidenza che determinano quali attività Ember gestisce in autonomia e quali vengono sottoposte a una persona; possono inoltre ampliare l’autonomia man mano che i risultati conquistano la loro fiducia.

La valutazione resta una responsabilità delle persone. I commercialisti decidono quanto lavoro affidare a Ember, esaminano le eccezioni e spiegano perché i numeri sono cambiati. Gli agenti si occupano delle attività ripetitive di abbinamento, classificazione e riconciliazione. TwelveLabs è un buon esempio: con tre commercialisti che seguono le attività negli Stati Uniti e in Corea, ha dimezzato i tempi di chiusura e risparmiato oltre 300.000 dollari.

Campfire ha anche introdotto uno store MCP che consente a Ember di interagire con sistemi esterni, come piattaforme di pagamento, CRM, approvvigionamento e gestione delle risorse umane. In prospettiva, pensi che l’ERP diventerà meno un sistema passivo di registrazione e più un livello di orchestrazione, in cui gli agenti IA potranno operare nell’intero ecosistema finanziario?

Sì, a condizione che il libro mastro resti il sistema di riferimento. Storicamente, l’ERP registrava il lavoro svolto altrove, quindi la maggior parte delle risposte si trova al di fuori del libro mastro: un rinnovo nel CRM, una nuova assunzione nell’HRIS, un ordine di acquisto nel sistema di approvvigionamento. Se gli agenti devono svolgere il lavoro, hanno bisogno anche di quel contesto; perciò l’ERP deve collegarsi direttamente a quei sistemi.

Da anni i team finanziari elaborano previsioni in questo modo, attingendo alla pipeline dal CRM e ai dati sul personale dall’HRIS. Con Forecast, Ember lo fa una volta che il team collega questi sistemi, mentre il libro mastro continua a essere la fonte di verità per tutto ciò che è già noto. Il libro mastro resta la fonte di verità, mentre gli agenti possono operare nei sistemi che lo circondano.

Hai una prospettiva particolarmente interessante sull’economia dell’IA, perché sei sia CEO sia CFO di un’azienda di IA che serve altri team finanziari. Come stanno cambiando oggi i budget aziendali destinati all’IA e prevedi che i prezzi dell’IA per le imprese si allontaneranno dagli abbonamenti per utente, orientandosi verso modelli basati sull’utilizzo, sui risultati o su qualche altra formula?

Stiamo assistendo a uno spostamento dei budget dalle spese fisse basate sul numero di licenze utente verso un consumo variabile di IA, e molti team finanziari non sono ancora attrezzati per gestirlo. Man mano che gli agenti si fanno carico di attività prima svolte dalle persone, le aziende potrebbero aver bisogno di meno licenze per gli utenti, mentre aumenta l’utilizzo dell’IA. I fornitori aggiungono anche crediti e costi per il superamento delle soglie alle tariffe per utente, quindi i team finanziari devono stimare i potenziali costi di utilizzo prima di firmare.

Mi aspetto che i modelli ibridi diventino più diffusi dei prezzi basati esclusivamente sui risultati. In me, il CFO vuole una base prevedibile, mentre il CEO ha bisogno di prezzi che riflettano l’utilizzo effettivo.

Campfire ha raccolto 35 milioni di dollari in un round di Serie A, seguito appena poche settimane dopo da un round di Serie B da 65 milioni di dollari. Che cosa è cambiato nel mercato o nella domanda dei clienti in quel periodo, portandovi a decidere di finanziare l’azienda in modo così aggressivo, e dove vede la maggiore opportunità di usare quei capitali per accelerare lo sviluppo del prodotto?

La domanda era già forte prima del round di Serie A, ma subito dopo la sua chiusura la risposta del mercato ha accelerato. Le aziende ci hanno contattato per chiedere dimostrazioni, molte delle quali non conoscevano ancora Campfire, ed è diventato chiaro che la domanda superava le nostre previsioni.

Questo ci ha dato l’opportunità di investire più aggressivamente per soddisfare la domanda, soprattutto quando le aziende hanno iniziato a essere disposte ad abbandonare piattaforme legacy come NetSuite e Sage Intacct. Clienti come Replit ne sono un esempio: i suoi ricavi ricorrenti annuali sono passati da 10 milioni di dollari a oltre 200 milioni, senza ampliare il suo team contabile di quattro persone, e il tempo necessario per chiudere i ricavi è sceso da otto ore a 30 minuti.

Abbiamo raccolto 35 milioni di dollari nel round di Serie A, guidato da Accel, seguito da un round di Serie B da 65 milioni di dollari, co-guidato da Accel e Ribbit, per un totale di 100 milioni di dollari in 12 settimane. Abbiamo usato questi fondi per stare al passo con la domanda, passando da 10 a oltre 150 persone tra San Francisco, New York e Londra.

La contabilità nativa per l’IA è diventata rapidamente un settore competitivo, con aziende come Campfire e Rillet che sfidano piattaforme consolidate come QuickBooks, NetSuite e Sage Intacct. Guardando ai prossimi cinque anni, quali attività di contabilità e pianificazione delle risorse aziendali (ERP) pensa che gli agenti IA arriveranno a svolgere quasi interamente, e quali responsabilità resteranno saldamente nelle mani dei professionisti della finanza?

Mi aspetto che gli agenti si occupino della maggior parte delle attività di routine: abbinare le transazioni ai pagamenti, assegnare etichette alle transazioni, effettuare riconciliazioni e accantonamenti, e svolgere le operazioni meccaniche di chiusura contabile e rendicontazione. Sono attività ripetitive e basate su regole che il software può apprendere.

Alle persone resteranno il giudizio e la responsabilità. I contabili decideranno quante attività affidare agli agenti in autonomia, esamineranno le eccezioni, spiegheranno perché i numeri sono cambiati e consiglieranno all’azienda come procedere. Qualcuno dovrà pur sempre rispondere dei libri contabili.

Con il tempo, la natura «nativa per l’IA» diventerà un requisito di base per i software finanziari. A fare la differenza sarà la fiducia che i team finanziari ripongono nel sistema per la gestione del libro mastro e la possibilità di vedere esattamente come è giunto alle sue conclusioni. È questo il livello che abbiamo progettato Campfire per raggiungere, e oltre 400 aziende, tra cui Cursor, Clay, Polymarket e PostHog, già gestiscono la propria contabilità con la piattaforma.

Grazie per la splendida intervista. I lettori che desiderano saperne di più sulla contabilità nativa per l’IA e sulla pianificazione delle risorse aziendali possono visitare Campfire.