Julio Martínez, Co-Fondatore e Amministratore Delegato di Abacum – Serie di Interviste

Julio Martínez, Co-fondatore e Amministratore Delegato di Abacum, è un imprenditore fintech con quasi due decenni di esperienza che coprono banca d’investimento, sviluppo aziendale, costruzione di venture e leadership tecnologica nei principali centri finanziari globali. Ha iniziato la sua carriera in ruoli finanziari che coprono mercati dei capitali, fusioni e acquisizioni e private equity prima di passare al settore fintech, dove ha aiutato a lanciare e scalare più prodotti e piattaforme finanziarie digitali. Prima di Abacum, ha co-fondato e scalato il braccio di venture aziendale di Banco Sabadell, guidando lanci di prodotti, investimenti strategici e acquisizioni in Europa, nelle Americhe e in Asia. Oggi, come Amministratore Delegato di Abacum, applica una profonda esperienza operativa nel settore finanziario per costruire strumenti che modernizzano il modo in cui i team finanziari pianificano, prevedono e guidano le prestazioni aziendali.

Abacum è una piattaforma di pianificazione e analisi finanziaria (FP&A) nativa AI progettata per aiutare i team finanziari del mercato di medio livello a semplificare e modernizzare la pianificazione, la previsione, la creazione di report e la gestione del budget collegando i dati operativi e finanziari con flussi di lavoro collaborativi e insight automatizzati. Costruita per sostituire i processi manuali basati su fogli di calcolo, la piattaforma centralizza i dati in tempo reale, supporta la modellazione di scenari avanzata e la modellazione finanziaria multi-dimensionale, automatizza le attività ripetitive come la creazione di report e l’aggiornamento delle previsioni e si integra con centinaia di sistemi per fornire ai team una singola fonte di verità. Le funzionalità di Abacum guidano l’accuratezza, l’efficienza e la presa di decisioni strategiche, consentendo alle organizzazioni finanziarie di ridurre il lavoro manuale, accelerare i cicli di pianificazione e concentrarsi su insight orientati alla crescita

Hai trascorso quasi due decenni lavorando nel settore finanziario e fintech prima di fondare Abacum. Quali sono state le frustrazioni specifiche con cui hai dovuto fare i conti nel modo in cui i team finanziari pianificavano, prevedevano e riportavano le prestazioni che ti hanno fatto rendere conto, insieme a Jorge, che gli strumenti che stavate utilizzando non erano adatti allo scopo e che avevate bisogno di costruire il prodotto che desideravate?

Mi sono reso conto che la finanza stava perdendo influenza non perché l’analisi fosse sbagliata, ma perché arrivava troppo tardi. In banca, fintech e startup ad alto crescita, continuavo a incontrare lo stesso problema. In una riunione di dirigenti, qualcuno chiedeva una domanda ragionevole come: “Quanti mesi di autonomia finanziaria abbiamo realmente se rallentiamo l’assunzione di personale?” o “Cosa succede se il ricavo scende nel prossimo trimestre?” E non potevo rispondere in tempo reale.

Non era perché non capivo l’azienda o perché la matematica era difficile. Il problema era strutturale. Il denaro contante si trovava in un sistema, il numero di dipendenti in un altro, il ricavo da qualche altra parte e le spese in fogli di calcolo. Per rispondere con fiducia, dovevo raccogliere tutto, ricostruire il modello, riconciliare le discrepanze e sperare che nulla si rompesse.

Quando potevo tornare con una risposta, la finestra di decisione si era chiusa. Quello era il vero problema. La finanza guadagna il suo posto a tavola attraverso la rigorosità, ma mantiene il suo posto attraverso la tempistica. Se non puoi presentarti con un supporto decisionale confidente in pochi minuti o ore, perdi influenza, anche se la tua analisi è perfetta una settimana dopo.

Cosa rendeva le cose peggiori era la falsa scelta che veniva data ai team finanziari. Stavano utilizzando fogli di calcolo che erano flessibili e veloci, ma fragili e non governati. O piattaforme legacy che erano potenti ma assumevano un’azienda statica e richiedevano una pesante amministrazione solo per funzionare.

Nel frattempo, le aziende moderne operano in sprint, anche a livello di dirigenti. I piani cambiano costantemente. Le decisioni si accumulano. La finanza non può permettersi di essere il team che è sempre “in ritardo con la risposta”.

È per questo che abbiamo fondato Abacum. Volevamo un sistema di pianificazione costruito per la velocità e la fiducia allo stesso tempo, in modo che la finanza possa applicare la rigorosità abbastanza presto da plasmare la direzione mentre le scelte sono ancora negoziabili.

Quando hai iniziato a costruire Abacum nel 2020, come hai validato che questo problema si estendeva ben oltre la tua esperienza personale e era condiviso dalle aziende a crescita rapida del mercato di medio livello?

La prima convalida è arrivata in una conversazione che mi aspettavo smentisse la mia tesi. Ho chiamato il mio co-fondatore Jorge perché era la persona più intelligente nel settore finanziario che conoscevo e ho pensato che mi avrebbe detto che c’era un modo migliore che non avevo trovato.

Invece, abbiamo confrontato le nostre note per ore e ci siamo resi conto che avevamo vissuto lo stesso schema in ambienti diversi. I team finanziari stanno annegando nella riconciliazione, ricostruendo costantemente i modelli e sono sempre un passo indietro rispetto all’azienda. È stato il momento in cui è scattato qualcosa per noi. Non si trattava di un fallimento personale o di un problema di processo. Era un problema strutturale condiviso tra le aziende.

Abbiamo poi parlato con CFO e leader finanziari di vari settori, geografie e fasi di crescita. Il linguaggio cambiava, ma la storia no. “Stiamo sempre ricostruendo invece di consigliare”.

L’intuizione più profonda per noi è stata che questo fallimento si ripete in cicli. Ogni pochi anni, una nuova piattaforma afferma di aver risolto il problema della pianificazione finanziaria. Poi il ritmo dell’azienda si accelera di nuovo. Nuovi strumenti, nuove metriche, nuovi stakeholder, nuovi ritmi di pianificazione. Il sistema si gonfia e si rompe con il cambiamento.

Questa consapevolezza ha plasmato la nostra direzione. Non volevamo costruire una soluzione statica per un singolo modello operativo. Volevamo una piattaforma che sarebbe rimasta rilevante mentre l’azienda evolve, il che diventa ancora più critico nell’era dell’AI. Essere ammessi a YC in seguito ha rafforzato il fatto che si trattava di un problema globale, non di un problema di nicchia.

Abacum ora supporta la previsione in tempo reale, la modellazione di scenari e la pianificazione del numero di dipendenti. A che punto l’intelligenza artificiale è passata da un concetto futuro a una parte fondamentale dell’architettura della piattaforma?

L’AI non è mai stata un’idea secondaria per noi, ma siamo stati molto deliberati su quando e come applicarla. La finanza è un’attività basata sulla fiducia. Non puoi mettere l’intelligenza su un caos e aspettarti credibilità. Se i dati sono confusi, le definizioni sono inconsistenti e il modello è fragile, l’AI non lo risolverà. Lo scalerà solo più velocemente.

Quindi, abbiamo iniziato con i fondamentali: un solido livello di dati, integrazioni affidabili e primitive di modellazione che riflettono il modo in cui le aziende funzionano realmente. Fin dal primo giorno, la strategia AI era quella di incorporare l’intelligenza dove crea un reale vantaggio.

Ciò significava applicare l’AI al lavoro ad alto volume e a basso giudizio che storicamente consuma tempo e crea errori. Pulizia e normalizzazione dei dati in entrata. Riconciliazione delle discrepanze tra i sistemi. Classificazione e etichettatura su larga scala. Rilevamento di anomalie precoci, non alla fine del mese.

Una volta che questa base è in posto, l’AI cambia l’economia della pianificazione. L’esplorazione degli scenari diventa economica. I compromessi possono essere testati nel momento invece di essere pianificati per una riunione di follow-up giorni dopo.

È quando l’AI diventa fondamentale. Non quando può generare un bel grafico o un riassunto, ma quando consente alla finanza di applicare la rigorosità abbastanza presto da influenzare una decisione mentre è ancora aperta.

Nelle aziende a crescita rapida, i dati finanziari spesso vivono su molti sistemi e si aggiornano costantemente. Quali sono stati i più grandi sfidi tecnici o organizzativi nel trasformare quei dati frammentati in un sistema di pianificazione affidabile in tempo reale?

Spostare i dati non è il problema più difficile. La maggior parte dei sistemi moderni è guidata da API e gli strumenti di integrazione esistono. La vera sfida inizia dopo l’arrivo dei dati. I dati grezzi sono inconsistenti. Il ricavo nel CRM non corrisponde al ricavo nell’ERP. Il numero di dipendenti nei sistemi HR non corrisponde al payroll. Anche metriche di base come ARR o autonomia finanziaria significano cose diverse per team diversi.

Se le definizioni non sono esplicite e concordate, ogni previsione si trasforma in una discussione. La sfida è tripartita. Primo, una base di dati che si aggiorna continuamente mentre i sistemi di origine cambiano. Secondo, un modello aziendale governato dove i calcoli sono espliciti e coerenti. Terzo, 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 incorporata nel flusso di lavoro, non come un documento di politica o un elenco di controllo in un foglio di calcolo.

Da ciò che stai vedendo in centinaia di clienti, come la pianificazione continua e in tempo reale sta cambiando il modo in cui i CFO prendono decisioni settimana dopo settimana, non solo al momento del consiglio di amministrazione o del budget?

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

Innanzitutto, il volume delle decisioni è esploso. La finanza è ora coinvolta nell’assunzione di personale, negli investimenti di go-to-market, nei rinnovi, nelle scommesse sui prodotti e nei compromessi operativi in modo continuo.

In secondo luogo, i dati non sono mai “completi”. Nuovi strumenti, nuove metriche e nuovi stakeholder significano che il set di dati è sempre in movimento. L’azienda non può aspettare una chiusura perfetta per andare avanti.

In questo contesto, la pianificazione in tempo reale cambia la finanza da un ruolo di reporting ed explicazione a un ruolo di guida attiva della direzione. L’autonomia finanziaria diventa un vincolo vivente, non una metrica trimestrale. La pianificazione di scenari diventa una conversazione frequente di compromessi invece di un esercizio annuale.

I migliori team finanziari non stanno diventando meno rigorosi. Stanno diventando più rigorosi prima. È questo il cambiamento.

Come Abacum applica l’AI in modo diverso dall’automazione basata su regole tradizionale e quali decisioni finanziarie richiedono ancora un forte giudizio umano?

La maggior parte dell’AI nel settore finanziario oggi inizia alla fine del flusso di lavoro. Assume che i dati siano già puliti e governati, poi aggiunge un chatbot per interrogarlo o riassumere le informazioni. Ciò può essere utile, ma salta la parte più difficile della pianificazione finanziaria.

Noi iniziamo dall’inizio. Applichiamo l’AI dove gli esseri umani aggiungono il minor valore e commettono gli errori più frequenti, come la pulizia, la riconciliazione, la classificazione, il rilevamento di anomalie e l’assistenza con la logica del modello. L’intelligenza vive all’interno del flusso di lavoro, non in un’interfaccia chat separata.

L’AI riduce anche la tassa di complessità che tiene indietro i team. Molti sistemi richiedono consulenti specializzati o esperti, creando una dipendenza dai “proprietari del sistema”. L’AI dovrebbe abbassare questa barriera. I team finanziari dovrebbero essere in grado di esprimere l’intento e avere il sistema che aiuta a costruire la logica in modo corretto.

Questo è anche dove la nostra posizione di middle path è importante. Storicamente, i team finanziari dovevano scegliere tra strumenti che erano flessibili ma fragili o piattaforme che erano potenti ma pesanti da gestire. L’AI sta ora imponendo lo stesso falso compromesso: copiloti che sono facili ma superficiali o sistemi di orchestrazione che sono potenti ma richiedono anche di imparare un nuovo modo di lavorare. Mentre noi crediamo che la risposta giusta sia l’AI che scompare nel flusso di lavoro, migliorando la pianificazione senza cambiare il modo in cui i team operano.

Per quanto riguarda il giudizio, il confine è chiaro. L’AI può accelerare l’analisi e l’esplorazione, ma le decisioni che coinvolgono l’allocazione di capitali, i compromessi nell’assunzione di personale, la determinazione dei prezzi e la priorità strategica richiedono ancora contesto umano e responsabilità. Il CFO è il proprietario della decisione.

Come pensi che la fiducia e la spiegabilità per i leader finanziari che devono sostenere i numeri saranno influenzate dall’uso di modelli sempre più predittivi?

Nel settore finanziario, “direzione corretta” non è abbastanza. I leader finanziari sono responsabili dei numeri che presentano. Se non puoi spiegare una previsione, non puoi utilizzarla in una conversazione di decisione.

La fiducia inizia con una base deterministica. Definizioni coerenti. Dati riconciliati. Logica trasparente. L’intelligenza predittiva funziona solo quando è costruita 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 driver si sono mossi e quali assunzioni sono responsabili di risultati diversi.

La governance non può più vivere in controlli statici. Deve essere incorporata nel flusso di lavoro, in modo che le assunzioni siano visibili, la logica sia tracciabile e ogni scenario lasci un chiaro registro. L’obiettivo non è rimuovere gli esseri umani dal ciclo, ma aiutarli a esercitare il giudizio prima, con più fiducia.

Sei passato attraverso entrambi i finanziamenti di accelerazione iniziale e di crescita successiva. Come queste fasi hanno influenzato il modo in cui hai investito aggressivamente nell’AI rispetto ai fondamentali del prodotto?

I finanziamenti iniziali hanno imposto la disciplina. Non potevamo inseguire oggetti luminosi. Dovevamo guadagnare la fiducia costruendo i fondamentali: integrazioni affidabili, solidi modelli di dati e un motore di pianificazione che non si rompeva quando l’azienda cambiava.

L’AI è sempre stata parte della strategia, ma abbiamo rifiutato di trattarla come un livello di marketing. Se l’AI non creava un reale vantaggio all’interno del flusso di lavoro, non l’abbiamo spedita.

Mentre crescevamo, il mercato è cambiato. L’AI è diventata una caratteristica di base. Ogni fornitore poteva dimostrare un chatbot e essere “potenziato dall’AI”. Quindi, la barra si era spostata dall’aspetto alla sostanza. L’AI aiuta la finanza a prendere decisioni migliori più velocemente, con tracciabilità, o produce solo output che sembrano impressionanti?

La crescita successiva ha anche aumentato lo standard di efficienza. I team erano tenuti a fare di più con meno. Ciò ha rafforzato la nostra attenzione sull’AI che fornisce un vantaggio misurabile, non un appeal narrativo.

Hai raddoppiato gli sforzi per l’espansione negli Stati Uniti. Come il mercato statunitense differisce nella sua prontezza ad adottare piattaforme di finanza native AI rispetto ad altre regioni?

Le aziende statunitensi si muovono velocemente e le aspettative degli investitori sono alte. I CFO sono tenuti a essere profondamente operativi, non solo precisi. Stanno guidando costantemente piani di assunzione, investimenti di go-to-market, decisioni di spesa e priorità.

Ciò rende il dolore della pianificazione lenta più acuto. Quando le decisioni avvengono settimanalmente o giornalmente, la finanza non può permettersi di operare con un ritmo mensile. L’intelligenza incorporata diventa meno un optional e più una richiesta.

Il mercato statunitense è anche più ricettivo all’idea che i sistemi finanziari dovrebbero essere dinamici, non statici. L’aspettativa non è solo l’accuratezza del reporting, ma il supporto decisionale al ritmo di cui l’azienda ha bisogno per muoversi.

Guardando avanti al 2026, quali parti della pianificazione finanziaria credi che diventeranno in gran parte automatizzate dall’AI e dove il giudizio umano rimarrà essenziale?

I livelli che diventeranno in gran parte automatizzati sono i compiti ripetitivi e a basso giudizio che consumano tempo e creano errori oggi. La consolidazione dei dati, la pulizia, la normalizzazione, la riconciliazione, il rilevamento di anomalie e la creazione di report di base dovrebbero funzionare in modo continuo.

La previsione e la generazione di scenari saranno accelerate in modo drammatico, ma non saranno completamente delegate. L’AI renderà economico esplorare opzioni e testare assunzioni, ma il contesto, il rischio e la responsabilità saranno ancora importanti.

Il giudizio umano rimarrà essenziale dove le poste in gioco sono alte. Allocazione di capitali. Strategia di assunzione. Decisioni di prezzo. Narrazioni del consiglio di amministrazione. L’AI cambia se la finanza può stare al passo con il ritmo delle decisioni. Non cambia chi è responsabile dell’esito.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Abacum.