훌리오 마르티네즈, 아바컴의 공동 창립자이자 CEO – 인터뷰 시리즈

훌리오 마르티네즈, 아바컴의 공동 창립자이자 CEO는 주요 글로벌 금융 센터에서 투자 은행, 기업 개발, 벤처 빌딩, 기술 리더십을 포함하여 거의 2 десяти간의 경험을 가진 핀테크 기업가입니다. 그는 자본 시장, M&A, 사모펀드를 다루는 금융 역할에서 경력을 시작한 후 핀테크로 전환하여 여러 디지털 금융 제품과 플랫폼을 출시하고 확장했습니다. 아바컴 이전에는 바조 사바델의 기업 벤처 부문을 공동 설립하여 유럽, 아메리카, 아시아 전역에서 제품 출시, 전략적 투자, 인수를 이끌었습니다. 오늘날 아바컴의 CEO로서 그는 깊은 운용 금융 전문 지식을 적용하여 금융 팀이 계획, 예측, 비즈니스 성과를 추동하는 방식을 현대화하는 도구를 구축합니다.

아바컴은 중간 시장 금융 팀이 계획, 예측, 보고, 예산을 단순화하고 현대화하는 것을 도와주는 AI 네이티브 금융 계획 및 분석(FP&A) 플랫폼입니다. 수동 스프레드시트 기반 프로세스를 대체하기 위해 설계된 이 플랫폼은 실시간 데이터를 중앙화하고, 고급 시나리오 모델링 및 다차원 금융 모델링을 지원하며, 보고 및 예측 업데이트와 같은 반복적인 작업을 자동화하며, 수백 개의 시스템과 통합하여 팀에게 단일 진실의 원천을 제공합니다. 아바컴의 기능은 정확성, 효율성, 전략적 의사 결정 등을 구동하며, 금융 조직이 수동 작업을 줄이고 계획 주기를 가속화하며 성장 지향적인 통찰력을 중점으로 할 수 있도록 합니다.

금융 및 핀테크에서 거의 2 десяти간의 경력을 보유한 후 아바컴을 공동 설립했습니다. 금융 팀이 성과를 계획, 예측, 보고하는 방식과 관련하여 당신과 호르헤가 도구가 목적에 맞지 않다는 것을 깨달은 구체적인 좌절감은 무엇입니까?

나는 금융이 분석이 틀렸기 때문에 영향력을 잃지 않았지만 너무 늦게 도착했다는 것을 깨달았습니다. 은행, 핀테크, 고성장 스타트업에서 나는 항상 같은 순간을 마주했습니다. 임원 회의에서 누군가가 합리적인 질문을 했는데, “우리가 gerçekten 몇 개월의 런웨이를 가지고 있는가?” 또는 “다음 분기에 매출이 떨어지면 어떻게 되는가?”라고 물었지만 대답할 수 없었습니다.

그것은 내가 비즈니스나 수학을 이해하지 못해서가 아니었습니다. 문제는 구조적인 것이었습니다. 현금은 한 시스템에 있었고, 헤드카운트는 다른 시스템에 있었고, 매출은 다른 곳에 있었고, 비용은 스프레드시트에 있었습니다. 확신을 가지고 대답하려면 모든 것을 함께 끌어모으고, 모델을 재구성하고, 불일치를 조정하고, 아무 것도 깨지지 않도록 해야 했습니다.

나는 답변을 돌려줄 수 있을 때까지 결정 창이 이미 닫혔습니다. 그것이 실제 문제였습니다. 금융은 엄격함을 통해 테이블에 자리를 얻지만, 타이밍을 통해 자리를 유지합니다. 만약 당신이 몇 분 또는 몇 시간 내에 확신을 가지고 의사 결정을 지원할 수 없다면, 당신은 영향력을 잃어버리게 됩니다. 분석이 완벽하더라도 일주일 후에.

금융 팀이 받은 거짓 선택이 더 나빴습니다. 그들은 유연하고 빠르지만 취약하고 통제되지 않는 스프레드시트를 사용하거나, 정적 비즈니스와 기능하기 위해 중대한 관리를 필요로 하는 강력한 레거시 플랫폼을 사용할 수 있었습니다.

한편, 현대적인 회사들은 심지어 임원 수준에서도 스프린트로 운영됩니다. 계획은 끊임없이 변경됩니다. 결정은 쌓입니다. 금융은 항상 “답변을 돌아오는” 팀이 될 수 없습니다.

그것이 우리가 아바컴을 설립한 이유입니다. 우리는 속도와 신뢰가同時에 구축된 계획 시스템을 원했습니다. 그래서 금융은 방향을 결정하기 위해 조기 적용할 수 있는 엄격함을 가질 수 있습니다.

2020년에 아바컴을 구축하기 시작했을 때, 이 문제가 당신의 경험을 훨씬 넘어서고 빠르게 성장하는 중간 시장 회사와 공유되는지 어떻게 검증했습니까?

첫 번째 검증은 내가 내 가설을 반증하기 위해 기대했던 대화에서 왔습니다. 나는 내 동료 호르헤에게 전화를 걸었는데, 그는 내가 아는 가장 똑똑한 금융 사람이었고, 그가 더好的 방법이 있다고 생각했기 때문입니다.

대신에 우리는 몇 시간 동안 노트를 비교하고, 같은 패턴을 다른 환경에서 살았음을 깨달았습니다. 금융 팀은 조정에 빠져 있고, 항상 비즈니스보다 한 단계 뒤에 있습니다. 그것이 우리에게 클릭한 순간이었습니다. 이것은 개인의 실패나 프로세스 문제가 아니라, 회사 전반에 걸친 구조적인 문제였습니다.

그런 다음 우리는 산업, 지리, 성장 단계를 통해 CFO와 금융 리더와 이야기했습니다. 언어는 변경되었지만, 이야기는 달라지지 않았습니다. “우리는 항상 재건축하는 대신에 조언하고 있습니다.”

더 깊은 통찰력은 이 실패가 주기적으로 반복된다는 것이었습니다. 몇 년마다 새로운 플랫폼이 FP&A를 해결했다고 주장합니다. 그런 다음 비즈니스 속도가 다시 가속됩니다. 새로운 도구, 새로운 지표, 새로운 이해관계자, 새로운 계획 리듬. 시스템은 변화에 부서지고 부서집니다.

그것은 우리의 방향을 형성했습니다. 우리는 정적인 솔루션을 하나의 운영 모델을 위해 구축하고 싶지 않았습니다. 우리는 비즈니스에 따라 진화하는 플랫폼을 원했습니다. 이것은 AI 시대에 더욱 중요합니다. YC에 입학한 후에 이것은 글로벌 문제이며, 니치 문제가 아니라는 것을 강화했습니다.

아바컴은 현재 실시간 예측, 시나리오 모델링, 헤드카운트 계획을 지원합니다. 인공 지능이 플랫폼의 아키텍처의 기초적인 부분이 된 시점은 언제였습니까?

인공 지능은 우리에게 후회가 아니었지만, 언제 그리고 어떻게 적용할지에 대해 매우 신중했습니다. 금융은 신뢰 비즈니스입니다. 혼란을 더 빠르게 확산시키는 것은 신뢰를 얻을 수 없습니다. 데이터가 어지럽고, 정의가 일관되지 않으며, 모델이 취약하다면, 인공 지능은 이를 해결하지 못합니다.

따라서 우리는 기본적인 것부터 시작했습니다. 강력한 데이터 레이어, 신뢰할 수 있는 통합, 비즈니스 실제와 반영되는 모델링 원시값. 인공 지능 전략은 지능을 실제로 활용할 수 있는 곳에 내장하는 것이었습니다.

그것은 인공 지능을 적용하여 시간을 소비하고 오류를 생성하는 높은 볼륨, 낮은 판단力的 작업을 의미했습니다. 들어오는 데이터를 청소하고 정규화하는 것, 시스템 간의 불일치를 조정하는 것, 대규모로 분류하고 태그를 지정하는 것, 조기 비정상성을 표면화하는 것입니다.

한 번에 그 기초가 마련되면 인공 지능은 계획의 경제학을 변경합니다. 시나리오 탐색은 경제적으로 됩니다. 트레이드 오프는 후속 회의를 예약하기보다 즉시 테스트할 수 있습니다.

그것이 인공 지능이 기초적인 것이 되는 순간입니다. 차트나 요약을 생성하는 것이 아니라, 금융이 조기 영향을 미칠 수 있을 때까지 엄격함을 적용할 수 있을 때입니다.

빠르게 성장하는 회사에서 금융 데이터는 종종 많은 시스템에 걸쳐 있으며 끊임없이 업데이트됩니다. 신뢰할 수 있는 실시간 계획 시스템으로 이 단편적인 데이터를 전환하는 데 기술적 또는 조직적인 가장 어려운 도전은 무엇입니까?

데이터를 이동시키는 것이 가장 어려운 문제는 아닙니다. 대부분의 현대 시스템은 API 주도적이며, 통합 도구가 있습니다. 실제 도전은 데이터가 도착한 후에 시작됩니다. 원시 데이터는 일관성이 없습니다. CRM의 매출은 ERP의 매출과 일치하지 않습니다. 인사 시스템의 헤드카운트는 급여와 일치하지 않습니다. 심지어 기본적인 지표인 ARR 또는 런웨이는 다른 팀에게 다른 것을 의미합니다.

정의가 명확하지 않고 동의되지 않는다면, 모든 예측은 논쟁으로 변합니다. 도전은 세 가지입니다. 첫째, 소스 시스템이 변경될 때 지속적으로 업데이트되는 데이터 기초입니다. 둘째, 계산이 명시적이고 일관된 거버넌스 비즈니스 모델입니다. 셋째, 조직적 조정입니다. 실시간 계획은 공유된 정의와 공유된 운영 리듬을 필요로 합니다.

거버넌스는 속도가 안전한 것을 만드는 것입니다. 실시간 계획은 워크플로에 신뢰가 구축될 때만 작동합니다. 정책 문서나 스프레드시트 체크리스트로 볼트オン되지 않습니다.

수백 개의 고객을 통해, 실시간 계획이 주간별로, 예산 시간이나 이사회 시간이 아닌, CFO가 결정에 영향을 미치는 방식으로 어떻게 변경하고 있습니까?

금융의 역할은 주기적인 검토에서 지속적인 의사 결정 지원으로 변경되었습니다.

첫째, 결정의 볼륨이 폭발적으로 증가했습니다. 금융은 현재 고용, 가격, GTM 투자, 갱신, 제품 베팅, 운영 트레이드 오프에 지속적으로 참여하고 있습니다.

둘째, 데이터는 결코 “완료”되지 않습니다. 새로운 도구, 새로운 지표, 새로운 이해관계자는 데이터셋이 항상 움직이고 있음을 의미합니다. 비즈니스는 완벽한 마감을 기다릴 수 없습니다.

이 맥락에서 실시간 계획은 금융을 보고 및 설명에서 적극적으로 방향을 결정하는 것으로 변경합니다. 런웨이는 분기별 지표가 아닌 살아있는 제약조건이 됩니다. 시나리오 계획은 빈번한 트레이드 오프 대화가 아닌 연례 연습이 됩니다.

최상의 금융 팀은 덜 엄격해지지 않습니다. 그들은 더 엄격해집니다. 그것이 변화입니다.

아바컴은 전통적인 규칙 기반 자동화와는 다르게 인공 지능을 어떻게 적용합니까? 금융 결정은 여전히 강한 인간의 판단을 필요로 합니까?

오늘날 금융에서 대부분의 인공 지능은 워크플로의 끝에서 시작합니다. 이미 청소되고 거버넌스된 데이터를 가정한 다음, 쿼리하거나 통찰력을 요약하기 위한 채팅봇을 추가합니다. 그것은 도움이 될 수 있지만, 가장 어려운 부분인 FP&A를 건너뜁니다.

우리는 처음부터 시작했습니다. 우리는 인간이 가장 적은 가치를 추가하고 가장 많은 오류를 만드는 곳에 인공 지능을 적용했습니다. 청소, 조정, 분류, 비정상성 탐지, 모델 논리 보조 등입니다. 지능은 별도의 채팅 인터페이스에 있지 않고 워크플로 내에 있습니다.

인공 지능은 또한 금융 팀이 직면하는 복잡성 세금을 줄입니다. 많은 플랫폼은 전문가 또는 컨설턴트가 필요하여 “시스템 소유자”에 대한 의존성을 생성합니다. 인공 지능은 그 장벽을 낮춥니다. 금융 팀은 의도를 표현하고 시스템이 논리를 올바르게 구성하도록 도와야 합니다.

이것은 우리의 중간 경로 관점이 중요한 곳입니다. 역사적으로 금융 팀은 유연하지만 취약한 도구 또는 강력하지만 관리하기 어려운 플랫폼 사이에서 선택해야 했습니다. 인공 지능은 같은 잘못된 트레이드 오프를 강요합니다. 쉽지만 얕은 공무원 또는 강력하지만 작업 방식을 변경해야 하는 오케스트레이션 시스템. 우리는 워크플로에 사라지는 인공 지능이 옳다고 믿습니다. 계획을 개선하면서 팀이 작동하는 방식을 변경하지 않습니다.

판단에 관해서는 경계는 명확합니다. 인공 지능은 분석과 탐색을 가속화할 수 있지만, 자본 할당, 고용 트레이드 오프, 가격, 전략적 우선순위와 관련된 결정은 여전히 인간의 맥락과 책임성을 필요로 합니다. CFO가 소유권을 가지고 있습니다.

모델이 더 예측 가능해짐에 따라, 숫자를 뒷받침해야 하는 금융 리더를 위해 신뢰와 설명 가능성에 대해 어떻게 생각합니까?

금융에서 “방향으로 올바름”은 충분하지 않습니다. 금융 리더는 그들이 제시하는 숫자에 대해 책임을 지습니다. 예측을 설명할 수 없다면, 결정 대화에서 사용할 수 없습니다.

신뢰는 결정적 기초에서 시작됩니다. 일관된 정의, 조정된 데이터, 투명한 논리. 예측 지능은 단단한 것 위에 구축되어야 합니다.

설명 가능성은 통찰력을 행동으로 바꾸는 것입니다. CFO는 무엇이 변경되었는지, 왜 변경되었는지, 어떤 운전자가 움직였는지, 그리고 다른 결과에 대한 어떤 가정이 책임이 있는지 빠르게 대답할 수 있어야 합니다.

거버넌스는 더 이상 정적인 제어에서 살 수 없습니다. 워크플로에 내장되어야 하며, 가정이 표시되고, 논리가 추적 가능하며, 모든 시나리오가 명확한 기록을 남깁니다. 목표는 인간을 루프에서 제거하는 것이 아니라, 더早く, 더 많은 확신으로 판단을 행사하도록 도와주는 것입니다.

초기 가속과 후기 성장 자금을 모두 거쳤습니다. 초기 자금은 인공 지능에 대한 투자를 어떻게影响했습니까? 후기 성장은 인공 지능에 대한 투자를 어떻게 영향을 받았습니까?

초기 자금은紀律을 강요했습니다. 우리는 광범위한 목표를 추구할 수 없었습니다. 우리는 기본적인 것에 신뢰를 얻어야 했습니다. 신뢰할 수 있는 통합, 강력한 데이터 모델, 비즈니스에 변화가 발생할 때 깨지지 않는 계획 엔진.

인공 지능은 항상 전략의 일부였지만, 우리는 그것을 마케팅 계층으로 다루지 않았습니다. 인공 지능이 워크플로 내에서 실제 레버리지가 생성되지 않는다면, 우리는 그것을 출荷하지 않았습니다.

시장은 성장함에 따라 변경되었습니다. 인공 지능은 표준이 되었습니다. 모든 벤더는 채팅봇을 데모할 수 있고 “인공 지능 기반”이라고 말할 수 있습니다. 그래서 기준은 광학에서 결과로 이동했습니다. 인공 지능은 금융이 더好的 결정에 영향을 미치는지, 아니면 단순히 인상적인 출력을 생성하는지 여부입니다.

후기 성장은 효율성 표준을 높였습니다. 팀은 더 적은 것으로 더 많은 것을 해야 했습니다. 그것은 인공 지능에 대한 우리의 집중을 강화했습니다. 측정 가능한 레버리지가 있는 인공 지능, 내러티브 어필이 아닌 인공 지능.

미국 확장에 대해 두 배로 집중하고 있습니다. 미국 시장은 인공 지능 기반 금융 플랫폼을 채택하는 준비도에서 다른 지역과 어떻게 다릅니까?

미국 회사들은 빠르게 움직이고, 투자자의 기대는 높습니다. CFO는 깊이 운영적이어야 합니다. 그들은 지속적으로 고용 계획, GTM 투자, 지출 결정, 우선순위를 안내하고 있습니다.

그것은 계획이 느리면 고통스럽습니다. 결정이 주간 또는 일일로 발생할 때, 금융은 월간 리듬으로 운영할 수 없습니다. 내장된 지능은 더 이상 좋을 수 있는 것이 아니라, 요구 사항이 됩니다.

미국 시장은 또한 금융 시스템이 정적인 것이 아니라 동적인 것으로 되어야 한다는 생각을 더 쉽게 받아들이고 있습니다. 기대는 정확성뿐만 아니라, 비즈니스에 필요한 속도의 결정 지원입니다.

2026년을 내다보며, 금융 계획의 어떤 부분이 인공 지능에 의해 대부분 자동화될 것으로 생각합니까? 인간의 판단이 여전히 필수적인 곳은 어디입니까?

대부분 자동화될 레이어는 오늘날 시간을 소비하는 반복적인 저 판단力的 작업입니다. 데이터 통합, 청소, 정규화, 조정, 비정상성 탐지, 기본 보고가 지속적으로 실행되어야 합니다.

예측과 시나리오 생성은 급격히 가속화될 것입니다. 그러나 완전히 위임되지 않을 것입니다. 인공 지능은 옵션을 탐색하고 가정을 스트레스 테스트하는 것을 저렴하게 만들 것입니다. 그러나 맥락 위험과 책임은 여전히 중요합니다.

인간의 판단은 여전히 높은 위험이 있는 곳에서 필수적입니다. 자본 할당, 고용 전략, 가격 결정, 이사회 내러티브. 인공 지능은 금융이 결정의 속도에 따라잡을 수 있는지 여부를 변경합니다. 그것은 결과에 대한 책임을 변경하지 않습니다.

훌리오 마르티네즈, 아바컴의 공동 창립자이자 CEO와의 인터뷰에 감사드립니다. 더 많은 것을 배우고 싶은 독자는 아바컴을 방문해야 합니다.