インタビュー
Chris Bishop、BillingPlatform CEO – インタビューシリーズ
Unite.AI を Google の優先ソースに追加
Chris Bishop、BillingPlatformのCEOで、SaaS、収益オペレーション、カスタマーサクセス、プロフェッショナルサービス、そしてGo-to-marketリーダーシップにまたがる20年以上の経験を持つエンタープライズソフトウェア幹部です。2026年にBillingPlatformのCEOに就任する前、BishopはCongaでほぼ7年間勤務し、Chief Customer Officer、Chief Revenue Officer、Chief Marketing Officerなどの上級職を歴任し、同社の変革と統合の期間をリードしました。以前はPlex Systemsでグローバルサービス部門のグループ副社長を務め、PeopleSoftとOracle技術に特化したエンタープライズアプリケーションコンサルティング会社MIPRO Consultingを設立しました。彼のキャリアにはPeopleSoftとOracleでの上級リーダーシップ役職も含まれ、北米で230人以上のコンサルタントからなるサプライチェーンマネジメント部門を率いた経験や、Ford Motor Companyでのプロセス再設計の仕事も含まれます。
BillingPlatformは、企業の収益ライフサイクル管理とマネタイズを支援するソフトウェア会社で、ますます複雑化する価格設定および請求モデルの管理を支援するよう設計されています。2012年に設立され、受注取得、サブスクリプションおよび使用量ベースの請求、請求書発行、支払い、売掛金自動化、収益認識、財務管理にわたるクラウドベースのプラットフォームを提供しています。同社の技術は、定期課金、消費ベース、ハイブリッド、その他の構成可能な価格モデルをサポートし、使用量仲介機能はAPIコール、取引、シート、帯域幅、その他の消費イベントといったデータを取り込み、請求可能なレコードに変換できます。BillingPlatformによれば、同社のシステムは1日あたり50,000件以上の請求書を処理し、月額4億ドル超の請求額を処理しており、従来の固定価格やサブスクリプションモデルを超える企業向けの金融インフラストラクチャとして位置付けられています。
あなたのキャリアは、Fordでのプロセス再設計やPeopleSoft・Oracleでのエンタープライズアプリケーションから、MIPRO Consultingの設立、そしてPlex SystemsとCongaでの顧客・収益・マーケティング機能のリーダーシップに至ります。これらの経験は、特にミッションクリティカルな財務業務にAIを導入する際、BillingPlatformのCEOとしての優先事項にどのように影響していますか？
私はキャリアのあらゆるステップをミッションクリティカルな経験と考えています。Fordでの製造プロセス、PeopleSoftとOracleでの財務およびサプライチェーン管理、間のコンサルティング期間、PlexでのERP、そしてCongaでの収益ライフサイクル管理です。これらのシステムでエラーが発生したり、ラインが停止したりすると、支払いが行われなかったり、取引が成立しなかったりします。これは多くのソフトウェアが許容するエラー許容度よりはるかに低いものです。
もう一つの観点は、価値はマーケティングするものではなく、解放する成果によって決まるということです。PlexとCongaで顧客および収益機能を担当したことで、販売されたものと顧客が受け取るもののギャップに立ち、これが明確に感じられました。
これら二つの観点は、財務業務におけるAIでも同じ結論に至ります。デモでは99.5％の正確さは素晴らしいように聞こえますが、それでも失敗です。私たちは数百万の加入者を抱える企業の請求を処理しています。その規模では、0.5％のエラー率は1か月で数万件の誤請求書、数万件の予期しない顧客対応、そしてチームを圧迫するクレジット処理を意味します。顧客はすべてが正しいことを期待しているため、99.5％では購入した成果を提供できません。
そのため、AIが金銭に関わる部分には慎重に、作業に関わる部分には積極的に適用しています。AIは設定、分析、調査を行いますが、計算は決定論的です。私がすべてのAI機能に対して行うテストは、コントローラがモデルが決定したと言わずに、監査人に出力を説明できるかどうかです。
多くのエンタープライズソフトウェアベンダーが既存製品にAIアシスタントを追加しています。BillingPlatformは、同社のAIを収益ライフサイクルにネイティブであり、統一された自己記述メタデータモデル上に構築されたものと説明しています。このアーキテクチャが、レガシー請求ソフトウェアに追加された従来型AI層では実現できないことは何ですか？
当社のプラットフォームは自らを次のように説明しています。エンティティ、フィールド、価格ルール、ワークフロー、承認はすべて、システムが実行時に読み取れるメタデータです。つまり、当社のAIは汎用的な製品スキーマではなく、実際の設定を読み取り、設定がコードではなくデータであるため、その設定への変更を提案できるのです。
レガシー請求ソフトウェアに組み込まれたアシスタントは別の課題を抱えています。これらのシステムにおける顧客固有のロジックはカスタムコード、ストアドプロシージャ、統合ミドルウェアに存在します。アシスタントはドキュメントに関する質問に答えることはできますが、実際のインスタンスの動作に特有の事項はそのコードから読み取らなければならず、変更には会話ではなく開発サイクルが必要です。
第二の課題は、メータリング、請求、収益認識が通常は別々のシステムとデータベースに分かれていることです。これらの機能の上にAIを置くと、調整を跨いで推論することになるため、回答は前夜のバッチジョブの品質に依存します。当社は3つの領域すべてを単一のモデルで運用しているため、使用イベントから仕訳エントリまでが一つのチェーンとなります。AIは請求書が作成されたのと同じレコードから回答するため、これは非常に重要です。
企業が使用量ベース、成果ベース、ハイブリッドのビジネスモデルを採用する中で、AIは製品やサービスのパッケージ化、価格設定、収益化の方法をどのように変えているのでしょうか？
二つの変化があります。第一は、価値単位が座席数から完了した作業へと移行しており、企業は解決策、処理された文書、完了したタスク、または提供された成果に対して価格を設定しています。第二は、AI製品のコスト曲線が非常に速く変動するため、価格設定を年次ではなく四半期ごとに見直す必要が出てきています。
私たちの経験では、AIは創造的側面よりも分析側での支援が大きいです。取引履歴が一元化されていれば、提案した価格変更を実際の顧客行動に基づいて数分でシミュレーションでき、例えばマージンや解約率への影響を予測できます。これはかつては数週間かかる財務作業でした。
もう一点注意を付け加えます。消費ベースや成果ベースの価格設定に移行している多くの企業は、単位あたりの提供コストをまだ把握できていません。その数値がないと、企業は最低価格や割引権限を推測するしかありません。そのため、多くの企業はハイブリッドアプローチを採用しています。予測可能性のための固定プラットフォーム料金、整合性のための消費課金、そして価値が実際に測定可能な成果要素です。
AI製品はトークン数、モデル、インフラ、各リクエストの複雑性に応じて非常に変動しやすいコストを生み出します。企業が予測不可能なマージンにさらされることなくAIサービスを正確に収益化するために、どのような新しいメータリングと請求機能が必要でしょうか？
コストドライバーの粒度でメータリングを開始し、イベントを保持することを提案します。顧客別に日次合計に事前集計してしまうと、高価なモデルで実行されているワークフローを把握できなくなります。
そこから、実際の作業を担う4つの機能があります：
- 収益を伴う同じイベントに原価を付随させることで、期間中に顧客、機能、モデル別のマージンがクローズ時ではなく随時可視化されます。
- 期間途中で変更されるレート構造をサポートします。モデルの入れ替えやベンダーの価格引き下げは、企業の更新スケジュールを待ってくれません。
- 予測可能性は製品機能であると同時に、予期せぬ請求書から企業を守るため、顧客に対してコミットメント、前払い残高、上限、引き出し枠を提供します。
- 最後に、価格変更や仲介ミスがあった際に、手動のクレジット処理を行わずに履歴の再評価ができるようにします。
AI製品のマージン保護はメータリングと価格設計の問題です。これを財務報告の問題として扱うと、40日後にようやく問題が判明します。
BillingPlatformはチームが製品、価格ルール、請求ワークフローを対話的に設定できるようにします。どの決定をAIに安全に委任でき、どこで人間のレビューと承認が必須となるべきでしょうか？
作業は委任しつつ、意思決定は人間が行うべきだと言いたいです。
AIは既存の設定を安全に読み取り説明し、サンドボックスで新しい設定を下書きし、テストデータとテストケースを生成し、使用状況や請求実行の異常を検出し、評価争議を元のイベントまで追跡し、移行のための一次マッピングを作成できます。これは請求チームの週の作業時間の大部分を占め、リスクはほとんど伴いません。
顧客の請求内容や本番環境で認識される収益を変更するすべての事項には、人間の承認が必須です。これには価格やレートの変更、契約条件、クレジットや調整、収益認識ポリシーと単体販売価格の判断、GLマッピング、税務ポジション、期間締めが含まれます。また、顧客に初めて見えるものには必ず人間が関与する必要があります。
運用ルールは、AIが提案し、実権を持つ人物が承認し、その承認が変更に対して記録されるというものです。承認とロールベースの権限はすでにプラットフォームに組み込まれているため、エージェントはそれらを継承し、回避することはありません。
財務システムは妄想や説明のない決定にほとんど余地を残しません。BillingPlatformはAIの推論と決定論的な実行をどのように組み合わせ、請求書、収益計算、会計処理の正確性と再現性を確保しているのでしょうか？
解釈と実行を分離しています。モデルは意図を解釈し、設定、クエリ、または提案変更を生成します。その後、評価・会計エンジンが実行します。このエンジンは、ユーザーがUIで設定した場合でも、エージェントがAIを通じて設定した場合でも同一のコードパスを使用するため、同じ入力は常に同一の請求書を生成し、締めた期間を再実行しても同じ結果が得られます。
請求書上の金額は請求時に言語モデルが生成するものではありません。AIが生成するのは設定変更であり、その変更はシステム内の他の変更と同様にバージョン、作成者、タイムスタンプを持ちます。監査人が料金の根拠を尋ねた場合、回答はプロンプトではなく、価格記録を遡って使用イベントにたどります。
最後のポイントは、提案は適用前にレビュー可能であることです。AIが作成しようとしている具体的な設定を平易に確認でき、承認または却下が可能です。
BillingPlatform は Model Context Protocol、Agent-to-Agent プロトコル、および外部エンタープライズ AI ツールとの接続をサポートしています。企業は自律エージェントに請求業務へのアクセス権を付与しつつ、権限のない操作やデータ漏洩、追跡不能な変更を防ぐにはどうすればよいでしょうか？
MCP と A2A はトランスポートであり、エージェントをドアまで届けます。コントロールプレーンが権限モデルであり、実際の作業はそこにあります。
我々の場合、エージェントはユーザーとして認証され、従業員が持つのと同じロール、フィールドレベルおよびレコードレベルの権限を継承します。エージェントがバイパスされることはありません。その上で、いくつかのベストプラクティスが有効です。各エージェントに最小権限のスコープドサービスアカウントを付与し、証明されるまで読み取り専用にします。これにより監査ログでどのエージェントが何を行ったかが分かります。書き込み操作は金額やボリュームの閾値を持つ承認ワークフローを通すようにします。また、エージェントがループに入ると人間のミスとは異なる障害になるため、レートリミットも設定すべきです。変更を加えた呼び出しだけでなく、すべての呼び出しを記録することも重要です。さらに、タスクに必要なフィールドだけを返すようにしてください。過度に広い読み取りは顧客データ漏洩の最速ルートです。
今年市場全体で見られるであろうミスは、企業がエージェントに人間の管理者クレデンシャルを付与することです。これは適切にスコープを設定するよりも簡単だからです。
BillingPlatform は AI によって導入期間を四半期単位から数週間に短縮できると述べています。要件定義、設定、テスト、移行のうち、どの部分が現在 AI によって自動化可能で、どの部分が依然として経験豊富な請求・財務の専門家を必要とするのでしょうか？
AI は文書化された価格情報を設定に変換し、既知パターンのライブラリに対してギャップ分析を実施し、テストケースを生成して回帰テストを実行し、レガシーデータのマッピングとクレンジングを行って移行を支援し、ドキュメントを作成することに実際に優れています。これらの領域で作業は四半期単位から数週間に短縮されます。
しかし、意思決定には依然として経験豊富な請求・財務の専門家が必要です。経験者が不可欠な例としては、顧客に独自の価格ルールや収益ポリシーに合意させること、契約書から条件を再構築すること、未文書化の挙動を持つシステムとの統合、マルチエレメント取引における収益処理の判断などがあります。要するに、チェンジマネジメントはソフトウェアだけでは対応できません。
メータリング、請求、収益認識を横断する統合モデルは、特に複雑な収益認識要件の下で運用する組織にとって、コンプライアンス、監査可能性、財務報告をどのように向上させることができるでしょうか？
監査人は常に二つのことを尋ねます：『この数値に至ったプロセスを見せてください』と『同じ処理を一貫して適用したことを示してください』です。メータリング、請求、収益認識のシステムが別々に存在する場合、これに答えるには三つのデータベースと人手で作成したスプレッドシートを掘り下げてすべてを照合しなければなりません。
すべてが単一モデルであれば、そのような作業は不要になります。利用イベント、課金、請求書行、仕訳はすべて同一レコードであり、次のステップへと引き継がれます。途中で照合ステップがなくても前後に追跡できるのは、照合すべきものが存在しないからです。契約が変更された場合でも、最初に請求書を生成した取引データを評価していることになります。単体の販売価格や配分は、実際に起きた取引から導き出されます。
これは特に ASC 606 や IFRS 15 の下で変動対価を扱う企業にとって重要です。作業プロセスを示し、1 年後にも再度示すことが求められます。
BillingPlatform は最近、AI ネイティブ戦略の拡大に伴い新たに最高財務責任者（CFO）、最高製品責任者（CPO）、最高顧客責任者（CCO）を任命したと発表しました。これらのリーダーは、技術イノベーションをエンタープライズ顧客向けの財務的に持続可能な成長と測定可能な成果にどのように結びつけていくのでしょうか？
最高製品責任者として、Rob Zwiebach は当社製品の差別化と出荷を担っています。彼は Workday の財務製品ロードマップを担当し、Oracle で 17 年勤務した経験があり、顧客が既に使用しているシステムとそれらと競合するために必要なことを熟知しています。最高顧客責任者として、Chris King は顧客が価値を実感できるかどうか、すなわちタイム・トゥ・バリュー、提供の一貫性、リテンションと拡張を管理します。彼は Medidata と Salesforce でサービスとサクセスを率い、Zuora で業界に入り、スケールしたエンタープライズデリバリーの良し悪しを見てきました。最高財務責任者の Steven Springsteel は財務面を統括し、以前は Recurly の CFO を務めていたため、請求会社の財務機能を直接運営した経験があります。
彼らが本当に一つのチームとして協働しなければならないのは、私が最も重視する数値、すなわちエンタープライズ顧客を稼働させ生産的にするまでのコストと期間、そしてその作業のマージンです。これは製品の決定、デリバリーの決定、測定の決定であり、歴史的にエンタープライズ請求プロジェクトが失敗するポイントでもあります。AI ネイティブであるという主張はアーキテクチャに関するものです。実装コスト、拡張率、粗利益に現れたときに初めてビジネスとなります。これら三つの数値は Rob、Chris、Steven がそれぞれ一部を担っています。
素晴らしいインタビューをありがとうございました。もっと知りたい読者はBillingPlatformをご覧ください。
