Julio Martínez, co-fondatore e CEO di Abacum – Serie di interviste

Julio MartinezCo-fondatore e CEO di Abacum, è un imprenditore fintech con quasi vent'anni di esperienza in investment banking, sviluppo aziendale, venture building e leadership tecnologica nei principali centri finanziari globali. Ha iniziato la sua carriera in ruoli finanziari, occupandosi di mercati dei capitali, fusioni e acquisizioni e private equity, prima di dedicarsi al fintech, dove ha contribuito al lancio e allo sviluppo di diversi prodotti e piattaforme finanziarie digitali. Prima di Abacum, ha co-fondato e sviluppato la divisione corporate venturing di Banco Sabadell, guidando lanci di prodotti, investimenti strategici e acquisizioni in Europa, Americhe e Asia. Oggi, in qualità di CEO di Abacum, applica una profonda competenza in finanza operativa alla creazione di strumenti che modernizzano il modo in cui i team finanziari pianificano, prevedono e guidano le performance aziendali.

Abaco è una piattaforma di pianificazione e analisi finanziaria (FP&A) nativa basata sull'intelligenza artificiale, progettata per aiutare i team finanziari delle medie imprese a semplificare e modernizzare la pianificazione, le previsioni, il reporting e il budgeting, collegando i dati operativi e finanziari con flussi di lavoro collaborativi e insight automatizzati. Progettata per sostituire i processi manuali basati su fogli di calcolo, la piattaforma centralizza i dati in tempo reale, supporta la modellazione avanzata di scenari e la modellazione finanziaria multidimensionale, automatizza attività ripetitive come il reporting e gli aggiornamenti delle previsioni e si integra con centinaia di sistemi per offrire ai team un'unica fonte di informazioni. Le funzionalità di Abacum favoriscono l'accuratezza, l'efficienza e il processo decisionale strategico, consentendo alle organizzazioni finanziarie di ridurre il lavoro manuale, accelerare i cicli di pianificazione e concentrarsi su insight orientati alla crescita.

Avete lavorato per quasi vent'anni nel settore finanziario e fintech prima di fondare Abacum. Quali specifiche frustrazioni legate al modo in cui i team finanziari pianificavano, prevedevano e rendicontavano le performance vi hanno fatto capire, a te e Jorge, che gli strumenti che stavate utilizzando non erano adatti allo scopo e che era necessario sviluppare autonomamente il prodotto che desideravate?

Mi resi conto che la finanza stava perdendo influenza non perché l'analisi fosse sbagliata, ma perché arrivava troppo tardi. Nel settore bancario, fintech e startup in forte crescita, continuavo a imbattermi nello stesso momento. In una riunione dirigenziale, qualcuno poneva una domanda ragionevole come: "Quanti mesi di margine di manovra abbiamo davvero se rallentiamo le assunzioni?" oppure "Cosa succede se il fatturato cala nel prossimo trimestre?", e non riusciva a rispondere in tempo reale alla platea.

Non perché non capissi il business o perché la matematica fosse difficile. Il problema era strutturale. La liquidità risiedeva in un sistema, il personale in un altro, i ricavi da qualche altra parte e le spese in fogli di calcolo. Per rispondere con sicurezza, dovevi rimettere insieme tutto, ricostruire il modello, riconciliare le discrepanze e sperare che nulla si rompesse.

Quando sono riuscito a tornare con una risposta, la finestra decisionale si era chiusa. Quello era il vero problema. La finanza si guadagna il suo posto al tavolo grazie al rigore, ma lo mantiene grazie alla tempistica. Se non riesci a fornire un supporto decisionale affidabile in pochi minuti o ore, perdi influenza, anche se la tua analisi è perfetta una settimana dopo.

A peggiorare la situazione, la falsa scelta offerta ai team finanziari. O utilizzavano fogli di calcolo flessibili e veloci, ma fragili e poco governati, oppure piattaforme legacy potenti, ma che davano per scontato un business statico e richiedevano un'amministrazione complessa solo per funzionare.

Nel frattempo, le aziende moderne operano a sprint, anche a livello dirigenziale. I piani cambiano costantemente. Le decisioni si accumulano. Il reparto Finance non può permettersi di essere il team che "torna sempre con la risposta".

Ecco perché abbiamo fondato Abacum. Volevamo un sistema di pianificazione progettato per essere rapido e affidabile allo stesso tempo, in modo che la finanza potesse applicare il rigore con sufficiente anticipo per definire la direzione, mentre le scelte sono ancora negoziabili.

Quando hai iniziato a sviluppare Abacum nel 2020, come hai potuto verificare che questo problema si estendesse ben oltre la tua esperienza personale e fosse condiviso da aziende di medie dimensioni in rapida crescita?

La prima conferma arrivò in una conversazione che mi aspettavo avrebbe smentito la mia tesi. Chiamai il mio co-fondatore Jorge perché era la persona più intelligente che conoscessi in ambito finanziario e davo per scontato che mi avrebbe detto che c'era una soluzione migliore che in qualche modo mi era sfuggita.

Invece, ci siamo confrontati per ore e ci siamo resi conto di aver vissuto lo stesso schema in contesti diversi. I team finanziari sono immersi nella riconciliazione, ricostruiscono costantemente i modelli e sono sempre un passo indietro rispetto al business. Quello è stato il momento in cui abbiamo capito. Non si è trattato di un fallimento personale o di un problema di processo. Si è trattato di un problema strutturale condiviso tra le aziende.

Abbiamo poi parlato con i direttori finanziari e i responsabili finanziari in tutti i settori, le aree geografiche e le fasi di crescita. Il linguaggio è cambiato, ma la storia è rimasta la stessa. "Stiamo sempre ricostruendo invece di consigliare".

La comprensione più profonda per noi è stata che questo fallimento si ripete ciclicamente. Ogni pochi anni, una nuova piattaforma afferma di aver risolto il problema di pianificazione e analisi finanziaria. Poi il ritmo del business accelera di nuovo. Nuovi strumenti, nuove metriche, nuovi stakeholder, nuove cadenze di pianificazione. Il sistema si gonfia e si rompe sotto il cambiamento.

Questa consapevolezza ha plasmato la nostra direzione. Non volevamo creare una soluzione statica per un singolo modello operativo. Volevamo una piattaforma che rimanesse rilevante con l'evoluzione del business, un aspetto ancora più critico nell'era dell'intelligenza artificiale. L'ammissione a YC ha poi rafforzato la consapevolezza che si trattava di un problema globale, non di nicchia.

Abacum ora supporta previsioni in tempo reale, modellazione di scenari e pianificazione del personale. In quale momento l'intelligenza artificiale è passata dall'essere un concetto futuro a una componente fondamentale dell'architettura della piattaforma?

L'intelligenza artificiale non è mai stata un ripensamento per noi, ma siamo stati molto attenti a quando e come applicarla. La finanza è un business basato sulla fiducia. Non si può mettere l'intelligenza al di sopra del caos e aspettarsi credibilità. Se i dati sono disordinati, le definizioni sono incoerenti e il modello è fragile, l'intelligenza artificiale non risolverà il problema. Semplicemente, aumenterà la confusione più rapidamente.

Siamo quindi partiti dai fondamentali: un solido livello di dati, integrazioni affidabili e primitive di modellazione che riflettono il reale funzionamento delle aziende. Fin dal primo giorno, la strategia di intelligenza artificiale è stata quella di integrare l'intelligenza laddove crea una reale leva finanziaria.

Ciò significava applicare l'intelligenza artificiale a lavori ad alto volume e basso giudizio che storicamente consumano tempo e creano errori. d. Pulizia e normalizzazione dei dati in arrivo. Riconciliazione delle discrepanze tra i sistemi. Classificazione e tagging su larga scala. Individuazione delle anomalie in anticipo, non a fine mese.

Una volta gettate queste basi, l'intelligenza artificiale cambia l'economia della pianificazione. L'esplorazione degli scenari diventa economica. I compromessi possono essere testati sul momento, anziché programmati per una riunione di follow-up giorni dopo.

È allora che l'intelligenza artificiale diventa fondamentale. Non quando può generare un grafico o un riepilogo accurato, ma quando consente alla finanza di applicare il rigore con sufficiente rapidità da influenzare una decisione mentre è ancora in sospeso.

Nelle aziende in rapida crescita, i dati finanziari spesso risiedono su più sistemi e vengono aggiornati costantemente. Quali sono state le sfide tecniche o organizzative più complesse nel trasformare questi dati frammentati in un sistema di pianificazione affidabile e in tempo reale?

Spostare i dati non è il problema più difficile. La maggior parte dei sistemi moderni è basata su API ed esistono strumenti di integrazione. La vera sfida inizia dopo l'arrivo dei dati. I dati grezzi sono incoerenti. Il fatturato nel CRM non corrisponde al fatturato nell'ERP. L'organico nei sistemi HR non corrisponde al monte stipendi. Persino metriche di base come ARR o runway hanno significati diversi per team diversi.

Se le definizioni non sono esplicite e concordate, ogni previsione si trasforma in un dibattito. La sfida è triplice. In primo luogo, una base dati che si aggiorni continuamente al variare dei sistemi sorgente. In secondo luogo, un modello di business governato in cui i calcoli siano espliciti e coerenti. In terzo luogo, l'allineamento organizzativo, perché la pianificazione in tempo reale richiede definizioni condivise e un ritmo operativo condiviso.

La governance è ciò che rende la velocità sicura. La pianificazione in tempo reale funziona solo quando la fiducia è integrata nel flusso di lavoro, non vincolata a un documento di policy o a una checklist su un foglio di calcolo.

Da ciò che stai osservando in centinaia di clienti, in che modo la pianificazione continua e in tempo reale sta cambiando il modo in cui i direttori finanziari prendono decisioni settimanalmente, non solo in fase di consiglio di amministrazione o di budget?

Il ruolo della finanza è passato dalla revisione periodica al supporto decisionale continuo.

In primo luogo, il volume delle decisioni è esploso. Il reparto Finance è ora coinvolto in modo continuativo in assunzioni, prezzi, investimenti GTM, rinnovi, scommesse sui prodotti e compromessi operativi.

In secondo luogo, i dati non sono mai "finiti". Nuovi strumenti, nuove metriche e nuovi stakeholder implicano che il set di dati sia in continua evoluzione. L'azienda non può aspettare la chiusura perfetta per procedere.

In questo contesto, la pianificazione in tempo reale trasforma la finanza da un semplice reporting e spiegazione a un modo attivo per definire la direzione. La pista di lancio diventa un vincolo costante, non una metrica trimestrale. La pianificazione degli scenari diventa un frequente confronto di compromessi piuttosto che un esercizio annuale.

I migliori team finanziari non stanno diventando meno rigorosi. Lo stanno diventando più rigorosi in anticipo. Questo è il cambiamento.

In che modo Abacum applica l'intelligenza artificiale in modo diverso rispetto alla tradizionale automazione basata su regole e quali decisioni finanziarie richiedono ancora un forte giudizio umano?

La maggior parte dell'intelligenza artificiale in ambito finanziario odierno inizia alla fine del flusso di lavoro. Presuppone che i dati siano già puliti e gestiti, quindi aggiunge un chatbot per interrogarli o riassumere gli insight. Questo può essere utile, ma salta la parte più complessa dell'FP&A.

Partiamo dall'inizio. Applichiamo l'intelligenza artificiale laddove gli esseri umani apportano il minimo valore e commettono il maggior numero di errori, come la pulizia, la riconciliazione, la classificazione, il rilevamento delle anomalie e l'assistenza alla logica del modello. L'intelligenza risiede all'interno del flusso di lavoro, non in un'interfaccia di chat separata.

L'intelligenza artificiale riduce anche la complessità che frena i team. Molte piattaforme richiedono consulenti o esperti specializzati, creando una dipendenza dai "proprietari del sistema". L'intelligenza artificiale dovrebbe abbassare questa barriera. I team finanziari dovrebbero essere in grado di esprimere le proprie intenzioni e di avvalersi del sistema per costruire correttamente la logica.

È anche qui che la nostra posizione di mezzo è importante. Storicamente, i team finanziari dovevano scegliere tra strumenti flessibili ma fragili o piattaforme potenti ma difficili da gestire. L'intelligenza artificiale ora impone lo stesso falso compromesso: copiloti semplici ma superficiali, o sistemi di orchestrazione potenti ma che richiedono anche di apprendere un nuovo modo di lavorare. Mentre noi crediamo che la risposta giusta sia un'intelligenza artificiale che si inserisca nel flusso di lavoro, migliorando la pianificazione senza modificare il modo in cui operano i team.

Per quanto riguarda il giudizio, il confine è chiaro. L'intelligenza artificiale può accelerare l'analisi e l'esplorazione, ma le decisioni che riguardano l'allocazione del capitale, i compromessi in termini di assunzioni, i prezzi e la definizione delle priorità strategiche richiedono ancora il contesto umano e la responsabilità. Il CFO è il responsabile della decisione.

Man mano che i modelli diventano più predittivi, come valuta la fiducia e la spiegabilità per i responsabili della finanza che devono garantire i numeri?

In finanza, "direzionalmente corretto" non è sufficiente. I responsabili finanziari sono responsabili dei numeri che presentano. Se non si riesce a spiegare una previsione, non si può utilizzarla in un processo decisionale.

La fiducia parte da un fondamento deterministico. Definizioni coerenti. Dati riconciliati. Logica trasparente. L'intelligenza predittiva funziona solo quando si basa su qualcosa di solido.

La spiegabilità è ciò che trasforma l'intuizione in azione. I CFO devono rispondere rapidamente a cosa è cambiato, perché è cambiato, quali fattori hanno influito e quali ipotesi sono responsabili dei diversi risultati.

La governance non può più basarsi su controlli statici. Deve essere integrata nel flusso di lavoro, in modo che le ipotesi siano visibili, la logica tracciabile e ogni scenario lasci una traccia chiara. L'obiettivo non è escludere gli esseri umani dal ciclo, ma aiutarli a esercitare il proprio giudizio in anticipo, con maggiore sicurezza.

Avete attraversato sia una fase di accelerazione iniziale che una fase di finanziamento di crescita avanzata. In che modo queste fasi hanno influenzato l'aggressività dei vostri investimenti nell'intelligenza artificiale rispetto ai fondamentali dei prodotti core?

I finanziamenti iniziali ci hanno imposto una disciplina. Non potevamo inseguire oggetti luccicanti. Dovevamo guadagnarci la fiducia costruendo le basi: integrazioni affidabili, modelli di dati solidi e un motore di pianificazione che non si rompesse quando il business cambiava.

L'intelligenza artificiale è sempre stata parte integrante della strategia, ma ci siamo rifiutati di trattarla come un elemento di marketing. Se l'intelligenza artificiale non avesse creato una reale leva finanziaria all'interno del flusso di lavoro, non l'avremmo implementata.

Con la nostra crescita, il mercato è cambiato. L'intelligenza artificiale è diventata una priorità. Ogni fornitore poteva provare un chatbot ed essere "alimentato dall'intelligenza artificiale". Quindi, l'asticella si è spostata dall'aspetto ai risultati. L'intelligenza artificiale aiuta la finanza a prendere decisioni migliori, più velocemente e con tracciabilità, o produce solo risultati esteticamente accattivanti?

Anche la crescita in fase avanzata ha innalzato gli standard di efficienza. Ci si aspettava che i team facessero di più con meno. Questo ha rafforzato la nostra attenzione sull'intelligenza artificiale che offre un impatto misurabile, non un appeal narrativo.

Avete raddoppiato gli sforzi per espandervi negli Stati Uniti. In che modo il mercato statunitense si differenzia da altre regioni per quanto riguarda la sua propensione ad adottare piattaforme finanziarie basate sull'intelligenza artificiale?

Le aziende statunitensi si muovono rapidamente e le aspettative degli investitori sono elevate. Ci si aspetta che i CFO siano profondamente operativi, non solo precisi. Orientano costantemente i piani di assunzione, gli investimenti GTM, le decisioni di spesa e la definizione delle priorità.

Ciò rende ancora più acuto il problema di una pianificazione lenta. Quando le decisioni vengono prese settimanalmente o quotidianamente, la finanza non può permettersi di operare a ritmo mensile. L'intelligenza integrata diventa meno un optional e più un requisito.

Anche il mercato statunitense è più ricettivo all'idea che i sistemi finanziari debbano essere dinamici, non statici. L'aspettativa non è solo l'accuratezza dei report, ma anche il supporto decisionale al ritmo di crescita aziendale.

Guardando al 2026, quali aspetti della pianificazione finanziaria ritieni saranno ampiamente automatizzati dall'intelligenza artificiale e in quali il giudizio umano continuerà a essere essenziale?

I livelli che diventeranno ampiamente automatizzati sono le attività ripetitive e poco approfondite che oggi richiedono un tempo sproporzionato. Consolidamento dei dati, pulizia, normalizzazione, riconciliazione, rilevamento delle anomalie e reporting di base dovrebbero essere eseguiti in modo continuativo.

Le previsioni e la generazione di scenari saranno notevolmente accelerate, ma non saranno completamente delegate. L'intelligenza artificiale renderà tutto più economico, esplorerà opzioni e sottoporrà a stress test le ipotesi, ma il contesto, il rischio e la responsabilità continueranno a essere importanti.

Il giudizio umano rimarrà essenziale ovunque la posta in gioco sia alta. Allocazione del capitale. Strategia di assunzione. Decisioni sui prezzi. Narrazioni del consiglio di amministrazione. L'intelligenza artificiale cambia la capacità della finanza di tenere il passo con il ritmo delle decisioni. Non cambia chi è responsabile del risultato.

Grazie per l'ottima intervista, i lettori che desiderano saperne di più dovrebbero visitare Abaco.