Julio Martínez, medeoprichter en CEO van Abacum – Interviewreeks

Julio Martínez, medeoprichter en CEO van Abacum, is een fintech-ondernemer met bijna twee decennia ervaring in investeringsbanken, corporate development, venture building en technische leiderschap in grote financiële centra over de hele wereld. Hij begon zijn carrière in financiële functies die kapitaalmarkten, fusies en overnames en private equity omvatten, voordat hij overstapte naar fintech, waar hij hielp bij het lanceren en opschalen van meerdere digitale financiële producten en platforms. Voordat hij bij Abacum kwam, was hij medeoprichter en scaled het corporate venturing-arm van Banco Sabadell, waar hij productlanceringen, strategische investeringen en overnames leidde in Europa, de Amerika’s en Azië. Vandaag, als CEO van Abacum, past hij zijn diepe operationele financiële expertise toe om tools te bouwen die de manier waarop financiële teams plannen, voorspellen en bedrijfsprestaties aandrijven, moderniseren.

Abacum is een AI-gebaseerd platform voor financiële planning en analyse (FP&A) dat is ontworpen om middelgrote financiële teams te helpen bij het vereenvoudigen en moderniseren van planning, voorspelling, rapportage en begroting door operationele en financiële gegevens te verbinden met collaboratieve workflows en geautomatiseerde inzichten. Het platform is gebouwd om handmatige spreadsheet-gebaseerde processen te vervangen, centraliseert real-time gegevens, ondersteunt geavanceerde scenario-modellering en multi-dimensionale financiële modellering, automatiseert repetitieve taken zoals rapportage en voorspellingen, en integreert met honderden systemen om teams een enkele bron van waarheid te geven. De functies van Abacum stimuleren nauwkeurigheid, efficiëntie en strategische besluitvorming, waardoor financiële organisaties handmatige werkzaamheden kunnen verminderen, planningscycli kunnen versnellen en zich kunnen richten op groeigerichte inzichten.

U hebt bijna twee decennia gewerkt in financiën en fintech voordat u Abacum oprichtte. Wat waren de specifieke frustraties met de manier waarop financiële teams plannen, voorspelden en prestaties rapporteerden, die u en Jorge ertoe brachten te beseffen dat de tools die u gebruikte niet geschikt waren voor hun doel en dat u het product moest bouwen dat u zelf wilden hebben?

Ik realiseerde me dat financiën invloed verloor, niet omdat de analyse verkeerd was, maar omdat het te laat kwam. Overal in de bankwereld, fintech en high-growth startups kwam ik steeds tegen hetzelfde moment. In een bestuursvergadering vroeg iemand een redelijke vraag, zoals: “Hoeveel maanden hebben we nog over als we het werven vertragen?” of “Wat gebeurt er als de omzet in het volgende kwartaal daalt?” En kon de kamer niet meteen antwoorden.

Het was niet omdat ik de business niet begreep of omdat de wiskunde moeilijk was. Het probleem was structureel. Cash zat in het ene systeem, headcount in een ander, omzet ergens anders en uitgaven in spreadsheets. Om met vertrouwen te antwoorden, moest je alles bij elkaar trekken, het model opnieuw opbouwen, discrepanties verzoenen en hopen dat niets brak.

Tegen de tijd dat ik met een antwoord kon terugkomen, was het besluitvingsvenster gesloten. Dat was het echte probleem. Financiën verdienen hun plaats aan tafel door rigor, maar behouden hun plaats door timing. Als je niet met vertrouwen kunt opkomen met besluitvormingsondersteuning binnen enkele minuten of uren, verlies je invloed, zelfs als je analyse perfect is een week later.

Wat het erger maakte, was de valse keuze die financiële teams kregen. Ze gebruikten ofwel spreadsheets die flexibel en snel waren, maar kwetsbaar en onbeheerd, of legacy-platforms die krachtig waren, maar een statisch bedrijf veronderstelden en zware administratie vereisten om überhaupt te functioneren.

Ondertussen opereren moderne bedrijven in sprints, zelfs op het niveau van het bestuur. Plannen veranderen constant. Beslissingen stapelen zich op. Financiën kunnen zich niet veroorloven de team te zijn dat altijd “terugkomt met het antwoord”.

Daarom hebben we Abacum opgericht. We wilden een planningsysteem dat tegelijkertijd snel en betrouwbaar was, zodat financiën rigor konden toepassen op een moment dat vroeg genoeg was om richting te bepalen terwijl keuzes nog onderhandelbaar waren.

Toen u in 2020 begon met het bouwen van Abacum, hoe valideerde u dat dit probleem verder ging dan uw eigen ervaring en gedeeld werd door snel groeiende middelgrote bedrijven?

De eerste validatie kwam in een gesprek dat ik had verwacht te weerleggen mijn these. Ik belde mijn medeoprichter Jorge, omdat hij de slimste financiële persoon was die ik kende, en ik nam aan dat hij me zou vertellen dat er een betere manier was die ik op de een of andere manier had gemist.

In plaats daarvan vergelijken we aantekeningen voor uren en realiseerden we ons dat we hetzelfde patroon in verschillende omgevingen hadden meegemaakt. Financiële teams verdrinken in reconciliatie, bouwen constant modellen opnieuw op en zijn altijd een stap achter de business. Dat was het moment waarop het voor ons klikte. Dit was geen persoonlijke mislukking of een procesprobleem. Het was een structureel probleem dat werd gedeeld door bedrijven.

We spraken vervolgens met CFO’s en financiële leiders over verschillende industrieën, geografische gebieden en groeifasen. De taal veranderde, maar het verhaal niet. “We zijn altijd aan het opbouwen in plaats van aan het adviseren.”

De diepere inzicht voor ons was dat deze mislukking zich herhaalt in cycli. Elk paar jaar claimt een nieuw platform dat het FP&A heeft opgelost. Dan versnelt het tempo van de business opnieuw. Nieuwe tools, nieuwe metrics, nieuwe stakeholders, nieuwe planningsritmes. Het systeem zwelt op en breekt onder verandering.

Die realisatie vormde onze richting. We wilden geen statische oplossing bouwen voor een enkel operationeel model. We wilden een platform dat relevant zou blijven naarmate het bedrijf evolueert, wat nog criticaler wordt in de AI-tijdperk. Het feit dat we later werden toegelaten tot YC versterkte dat dit een wereldwijd probleem was, niet een niche.

Abacum ondersteunt nu real-time voorspelling, scenario-modellering en headcount-planning. Op welk moment verplaatste kunstmatige intelligentie zich van een toekomstconcept naar een fundamenteel onderdeel van de architectuur van het platform?

AI was nooit een afterthought voor ons, maar we waren zeer doordacht over wanneer en hoe we het zouden toepassen. Financiën is een vertrouwensbusiness. Je kunt geen intelligentie op chaos leggen en verwachten dat het geloofwaardig is. Als de gegevens rommelig zijn, definities inconsistent zijn en het model fragiel is, zal AI het niet repareren. Het zal de verwarring alleen maar sneller verspreiden.

Dus begonnen we met de basis: een sterke datalaag, betrouwbare integraties en modelleringprimitieven die weerspiegelen hoe bedrijven werkelijk werken. Vanaf de eerste dag was de AI-strategie om intelligentie toe te passen waar het echte hefboomwerking creëert.

Dat betekende het toepassen van AI op hoge volumes, lage oordeelsarbeid die historisch veel tijd verbruikt en fouten creëert, zoals het reinigen en normaliseren van inkomende gegevens, het verzoenen van mismatches tussen systemen, het classificeren en labelen op grote schaal, en het vroegtijdig oppervlakken van anomalieën, niet pas aan het einde van de maand.

Zodra deze basis is gelegd, verandert AI de economie van planning. Scenario-exploratie wordt economisch haalbaar. Trade-offs kunnen in het moment getest worden in plaats van gepland voor een follow-up meeting dagen later.

Dat is wanneer AI fundamenteel wordt. Niet wanneer het een mooi diagram of een samenvatting kan genereren, maar wanneer het financiën in staat stelt om rigor toe te passen op een moment dat vroeg genoeg is om invloed uit te oefenen op een beslissing terwijl het nog open is.

In snel groeiende bedrijven leeft financiële data vaak over veel systemen en wordt constant bijgewerkt. Wat waren de moeilijkste technische of organisatorische uitdagingen bij het omzetten van deze gefragmenteerde data in een betrouwbaar, real-time planningsysteem?

Data verplaatsen is niet het moeilijkste probleem. De meeste moderne systemen zijn API-gedreven en integratietools bestaan. Het echte probleem begint na aankomst van de gegevens. Ruwe gegevens zijn inconsistent. Omzet in CRM komt niet overeen met omzet in ERP. Headcount in HR-systemen komt niet overeen met payroll. Zelfs basismetrics als ARR of runway betekenen verschillende dingen voor verschillende teams.

Als definities niet expliciet en overeengekomen zijn, verandert elke voorspelling in een debat. Het probleem is drievoudig. Ten eerste, een datumbasis die continu bijgewerkt wordt naarmate de bronsystemen veranderen. Ten tweede, een beheerd bedrijfsmodel waarin berekeningen expliciet en consistent zijn. Ten derde, organisatorische alignering, omdat real-time planning gedeelde definities en een gedeelde operationele ritme vereist.

Governance is wat snelheid veilig maakt. Real-time planning werkt alleen wanneer vertrouwen in de workflow is ingebouwd, niet als een beleidsdocument of een spreadsheet-controlelijst.

Vanuit wat u ziet bij honderden klanten, hoe verandert continue, real-time planning de manier waarop CFO’s beslissingen nemen van week tot week, niet alleen bij het bestuur of de begroting?

De rol van financiën is verschoven van periodieke beoordeling naar continue besluitvormingsondersteuning.

Ten eerste is het volume aan beslissingen geëxplodeerd. Financiën zijn nu betrokken bij het aannemen van personeel, prijzen, GTM-investeringen, verlengingen, productweddenschappen en operationele trade-offs op een continue basis.

Ten tweede is data nooit “klaar”. Nieuwe tools, nieuwe metrics en nieuwe stakeholders betekenen dat de dataset altijd in beweging is. Het bedrijf kan niet wachten op een perfecte afsluiting om vooruit te komen.

In deze context verandert real-time planning financiën van rapporteren en uitleggen naar actief richting geven. Runway wordt een levende beperking, niet een kwartaalmetric. Scenario-planning wordt een frequente trade-off-conversatie in plaats van een jaarlijkse oefening.

De beste financiële teams worden niet minder rigoureus. Ze worden eerder rigoureus. Dat is de verschuiving.

Hoe past Abacum AI op een andere manier toe dan traditionele regelgebaseerde automatisering, en welke financiële beslissingen vereisen nog steeds sterke menselijke oordeelsvorming?

De meeste AI in financiën vandaag begint aan het einde van de workflow. Het veronderstelt dat uw data al schoon en beheerd is, en voegt dan een chatbot toe om het te ondervragen of inzichten samen te vatten. Dat kan nuttig zijn, maar het slaat het moeilijkste deel van FP&A over.

Wij beginnen aan het begin. Wij passen AI toe waar mensen de minste waarde toevoegen en de meeste fouten maken, zoals reinigen, verzoenen, classificeren, anomaliedetectie en helpen bij modellogica. Intelligentie leeft in de workflow, niet in een aparte chatinterface.

AI vermindert ook de complexiteitstax die teams tegenhoudt. Veel platforms vereisen gespecialiseerde consultants of experts, waardoor een afhankelijkheid van “systeemeigenaren” ontstaat. AI zou die barrière moeten verlagen. Financiële teams zouden in staat moeten zijn om intentie uit te drukken en het systeem zou moeten helpen om de logica correct op te bouwen.

Dit is ook waar onze middenweg-standpunt ertoe doet. Historisch gezien moesten financiële teams kiezen tussen tools die flexibel maar kwetsbaar waren, of platforms die krachtig maar zwaar waren om te beheren. AI dwingt nu dezelfde valse keuze af: copilots die gemakkelijk maar ondiep zijn, of orkestratiesystemen die krachtig maar ook een nieuwe manier van werken vereisen. Wij geloven dat het juiste antwoord AI is die in de workflow verdwijnt, planning verbetert zonder de manier waarop teams opereren te veranderen.

Wat betreft oordeelsvorming is de grens duidelijk. AI kan analyse en exploratie versnellen, maar beslissingen die betrekking hebben op kapitaalallocatie, aanwervingskeuzes, prijzen en strategische prioritering vereisen nog steeds menselijke context en verantwoordelijkheid. De CFO is eigenaar van de oproep.

Hoe denkt u over vertrouwen en uitlegbaarheid voor financiële leiders die achter de cijfers moeten staan?

In financiën is “richtinggegeven” niet genoeg. Financiële leiders zijn verantwoordelijk voor de cijfers die ze presenteren. Als u een voorspelling niet kunt uitleggen, kunt u deze niet gebruiken in een besluitvormingsgesprek.

Vertrouwen begint met een deterministische basis. Consistente definities. Verzoende gegevens. Transparante logica. Voorspellende intelligentie werkt alleen wanneer het is gebouwd op iets solides.

Uitlegbaarheid is wat inzicht in actie omzet. CFO’s moeten snel kunnen antwoorden wat veranderde, waarom het veranderde, welke stuurprogramma’s veranderden en welke aannamen verantwoordelijk zijn voor verschillende resultaten.

Governance kan niet langer in statische controles leven. Het moet in de workflow zijn ingebed, zodat aannamen zichtbaar zijn, logica traceerbaar is en elke scenario een duidelijk record achterlaat. Het doel is niet om mensen uit de lus te halen, maar om hen te helpen eerder oordeel te vellen met meer vertrouwen.

U bent zowel door vroege acceleratie als latere groeifinanciering gegaan. Hoe hebben deze fasen uw investeringen in AI versus core productfundamenten beïnvloed?

Vroege financiering dwong discipline af. We konden geen glinsterende objecten najagen. We moesten vertrouwen verdienen door de fundamenten te bouwen: betrouwbare integraties, sterke datamodellen en een planningsmotor die niet brak wanneer het bedrijf veranderde.

AI was altijd onderdeel van de strategie, maar we weigerden om het als een marketinglaag te behandelen. Als AI geen echte hefboomwerking creëerde in de workflow, hebben we het niet geleverd.

Naarmate we groeiden, veranderde de markt. AI werd een vereiste. Elk vendor kon een chatbot demonstreren en “AI-gebaseerd” zijn. Dus was de lat verplaatst van optiek naar resultaten. Helpt AI financiën om betere beslissingen sneller te nemen, met traceerbaarheid, of produceert het alleen maar indrukwekkende uitvoer?

Later groeifinanciering verhoogde de efficiëntiestandaard ook. Teams werden verwacht meer te doen met minder. Dat versterkte onze focus op AI die meetbare hefboomwerking levert, niet narratieve aantrekkingskracht.

U heeft ingezet op uitbreiding in de VS. Hoe verschilt de Amerikaanse markt in zijn bereidheid om AI-gebaseerde financiële platforms te adopteren in vergelijking met andere regio’s?

Amerikaanse bedrijven bewegen snel en de verwachtingen van beleggers zijn hoog. CFO’s worden verwacht diep operationeel te zijn, niet alleen nauwkeurig. Ze zijn constant het leiden van aanwervingsplannen, GTM-investeringen, uitgavenbeslissingen en prioritering.

Dat maakt de pijn van langzame planning acuter. Wanneer beslissingen dagelijks of wekelijks gebeuren, kan financiën niet opereren op een maandelijkse ritme. Ingebouwde intelligentie wordt minder een luxe en meer een vereiste.

De Amerikaanse markt is ook meer ontvankelijk voor het idee dat financiële systemen dynamisch moeten zijn, niet statisch. De verwachting is niet alleen rapportage-accuraatheid, maar besluitvormingsondersteuning op het tempo dat het bedrijf nodig heeft om te bewegen.

Kijkend naar 2026, welke delen van financiële planning denkt u dat grotendeels geautomatiseerd zullen worden door AI, en waar zal menselijke oordeelsvorming essentieel blijven?

De lagen die grotendeels geautomatiseerd zullen worden, zijn de repetitieve, lage oordeelsarbeid die nu onevenredig veel tijd verbruikt. Data-consolidatie, reiniging, normalisatie, verzoening, anomaliedetectie en baseline-rapportage zouden continu moeten draaien.

Voorspelling en scenario-generatie zullen dramatisch worden versneld, maar zullen niet volledig worden overgedragen. AI zal het goedkoop maken om opties te exploreren en aannamen te testen, maar contextrisico en verantwoordelijkheid blijven belangrijk.

Menselijke oordeelsvorming zal essentieel blijven waar de inzet hoog is. Kapitaalallocatie. Aanwervingsstrategie. Prijzen. Bestuursverhalen. AI verandert of financiën de besluitvormingssnelheid kan bijhouden. Het verandert niet wie verantwoordelijk is voor het resultaat.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Abacum bezoeken.