Chris Bishop, dyrektor generalny BillingPlatform – seria wywiadów

Chris Bishop, dyrektor generalny BillingPlatform, jest menedżerem oprogramowania korporacyjnego z ponad dwudziestoletnim doświadczeniem obejmującym SaaS, operacje przychodów, sukces klienta, usługi profesjonalne oraz strategię go‑to‑market. Przed dołączeniem do BillingPlatform jako CEO w 2026 roku, Bishop spędził prawie siedem lat w Conga, gdzie pełnił wysokie stanowiska, w tym dyrektora ds. obsługi klienta (Chief Customer Officer), dyrektora ds. przychodów (Chief Revenue Officer) oraz dyrektora ds. marketingu (Chief Marketing Officer), pomagając prowadzić firmę przez okres transformacji i integracji. Wcześniej był wiceprezesem grupy ds. usług globalnych w Plex Systems oraz założył MIPRO Consulting, firmę doradczą specjalizującą się w aplikacjach korporacyjnych PeopleSoft i Oracle. Jego kariera obejmuje również stanowiska kierownicze w PeopleSoft i Oracle, gdzie prowadził północnoamerykańską praktykę zarządzania łańcuchem dostaw z ponad 230 konsultantami, a także wcześniejsze prace nad reengineeringiem procesów w Ford Motor Company.

BillingPlatform jest firmą zajmującą się zarządzaniem cyklem życia przychodów i monetyzacją oprogramowania, zaprojektowaną, aby pomagać przedsiębiorstwom radzić sobie ze coraz bardziej złożonymi modelami cen i rozliczeń. Założona w 2012 roku, firma oferuje platformę chmurową obejmującą przechwytywanie zamówień, rozliczenia subskrypcyjne i oparte na zużyciu, fakturowanie, płatności, automatyzację należności, rozpoznawanie przychodów i zarządzanie finansami. Jej technologia obsługuje modele cenowe o charakterze cyklicznym, opartym na konsumpcji, hybrydowe oraz inne konfigurowalne modele, a możliwości mediacji zużycia pozwalają na pobieranie i przekształcanie danych, takich jak wywołania API, transakcje, licencje, przepustowość czy inne zdarzenia konsumpcyjne, w rekordy rozliczeniowe. BillingPlatform podaje, że jej systemy przetwarzają ponad 50 000 faktur dziennie oraz ponad 4 mld USD w miesięcznych rozliczeniach, pozycjonując platformę jako infrastrukturę finansową dla przedsiębiorstw wykraczających poza tradycyjne modele stałych cen i subskrypcji.

Twoja kariera zaprowadziła Cię od reengineeringu procesów w Ford, przez aplikacje korporacyjne w PeopleSoft i Oracle, po założenie MIPRO Consulting oraz kierowanie funkcjami obsługi klienta, przychodów i marketingu w Plex Systems i Conga. Jak te doświadczenia ukształtowały Twoje priorytety jako CEO BillingPlatform, szczególnie przy wprowadzaniu sztucznej inteligencji do krytycznych operacji finansowych?

Uważam każdy etap mojej kariery za doświadczenia o kluczowym znaczeniu. Proces produkcyjny w Ford, finanse i zarządzanie łańcuchem dostaw w PeopleSoft i Oracle, lata konsultingowe pomiędzy, ERP w Plex oraz zarządzanie cyklem życia przychodów w Conga. Gdy systemy takie napotykają błędy lub linia przestaje działać, ktoś nie otrzymuje płatności lub transakcja nie zostaje sfinalizowana. To oznacza znacznie niższą tolerancję na błąd niż w większości oprogramowania.

Drugim wątkiem jest to, że wartość określana jest przez rezultaty, które uzyskujesz, a nie przez to, co reklamujesz. Prowadzenie funkcji obsługi klienta i przychodów w Plex i Conga uświadomiło mi to wyraźnie, ukazując lukę między tym, co zostało sprzedane, a tym, co klient otrzymał.

Oba wątki prowadzą do tego samego w kontekście AI w operacjach finansowych. Bycie prawidłowym w 99,5 % przypadków brzmi świetnie w demonstracji, ale i tak jest porażką. Obsługujemy rozliczenia dla firm z milionami abonentów. Przy takiej skali, błąd na poziomie pół procenta oznacza dziesiątki tysięcy nieprawidłowych faktur w jednym miesiącu, dziesiątki tysięcy rozmów z klientami, których nikt nie przewidział, oraz proces kredytowy, który przytłacza zespół. Klient oczekiwał, że wszystkie będą poprawne, więc 99,5 % nie dostarczyło zamierzonego wyniku.

Dlatego podchodzimy konserwatywnie do obszarów, w których AI dotyka pieniędzy, i agresywnie tam, gdzie wpływa na pracę. AI zajmuje się konfiguracją, analizą i badaniem. Obliczenia pozostają deterministyczne. Test, który stosuję do każdej funkcji AI, polega na tym, czy kontroler może wyjaśnić wynik audytorowi, nie mówiąc, że model podjął decyzję za niego lub za nią.

Wielu dostawców oprogramowania korporacyjnego dodaje asystentów AI do istniejących produktów. BillingPlatform opisuje swoją AI jako natywną dla cyklu życia przychodów i opartą na zjednoczonym, samowyjaśniającym się modelu metadanych. Co ta architektura może osiągnąć, czego nie może tradycyjna warstwa AI dodana do starszego oprogramowania rozliczeniowego?

Nasza platforma opisuje się w ten sposób. Jednostki, pola, reguły cenowe, przepływy pracy i zatwierdzenia to wszystkie metadane, które system może odczytać w czasie działania. Oznacza to, że nasza AI czyta rzeczywistą konfigurację, a nie ogólny schemat produktu, i może proponować zmiany w tej konfiguracji, ponieważ konfiguracja jest danymi, a nie kodem.

Asystent dołączony do starszego oprogramowania rozliczeniowego ma inny problem. Logika specyficzna dla klienta w tych systemach istnieje w niestandardowym kodzie, procedurach składowanych i warstwie pośredniej integracji. Asystent może odpowiadać na pytania dotyczące dokumentacji. Wszystko, co jest specyficzne dla rzeczywistego zachowania Twojej instancji, musi być odczytane z tego kodu, a jego zmiana oznacza cykl rozwojowy, a nie rozmowę.

Drugim problemem jest to, że pomiar, rozliczenia i rozpoznawanie przychodów zazwyczaj znajdują się w oddzielnych systemach z odrębnymi bazami danych. Każde AI działające na tych funkcjach rozumuje w kontekście uzgadniania, więc jego odpowiedź jest tak dobra, jak wczorajszy proces wsadowy. My obsługujemy wszystkie trzy obszary w jednym modelu, więc istnieje jednolita łańcuch od zdarzenia zużycia do zapisu w dzienniku. AI odpowiada na podstawie tego samego rekordu, z którego została wygenerowana faktura, co ma ogromne znaczenie.

Jak sztuczna inteligencja zmienia sposób pakowania, wyceny i monetyzacji produktów i usług, gdy firmy przyjmują modele oparte na zużyciu, wyniku i hybrydowe?

Dwie rzeczy się zmieniają. Po pierwsze, jednostka wartości odchodzi od liczby miejsc na rzecz wykonanej pracy, więc firmy wyceniają rozwiązania, przetworzone dokumenty, zakończone zadania lub dostarczone wyniki. Po drugie, wycena staje się czymś, co przeglądasz co kwartał zamiast co rok, ponieważ krzywa kosztów leżąca u podstaw produktu AI zmienia się tak szybko.

Z naszego doświadczenia wynika, że AI pomaga bardziej w analizie niż w twórczej części. Jeśli historia transakcji znajduje się w jednym miejscu, możesz w ciągu kilku minut modelować proponowaną zmianę cen w oparciu o rzeczywiste zachowanie klientów przed wdrożeniem i prognozować, jak może to wpłynąć na marżę lub wskaźnik odejść, na przykład. Kiedyś było to wielotygodniowe zadanie finansowe.

Dodałbym jeszcze ostrzeżenie. Większość firm przechodzących na wycenę według zużycia lub wyniku nie potrafi jeszcze określić, ile kosztuje ich obsługa jednej jednostki. Bez tej liczby firma zgaduje, jakie są minimalne ceny i uprawnienia do udzielania rabatów. Dlatego większość przedsiębiorstw wybiera podejście hybrydowe: stałą opłatę platformową zapewniającą przewidywalność, zużycie zapewniające dopasowanie oraz komponent wynikowy, w którym wartość jest rzeczywiście mierzalna.

Produkty AI mogą generować bardzo zmienne koszty w zależności od tokenów, modeli, infrastruktury i złożoności każdego żądania. Jakich nowych możliwości pomiaru i rozliczania potrzebują firmy, aby dokładnie monetyzować usługi AI, nie narażając się na nieprzewidywalne marże?

Zaleciłbym rozpocząć od pomiaru w granularności czynnika kosztowego i zachować zdarzenia. Jeśli wstępnie zagregujesz je do dziennego sumowania per klient, tracisz możliwość zobaczenia, że dany przepływ pracy działa na drogi model.

Stamtąd cztery funkcje wykonują prawdziwą pracę:

1. Przypisz koszt dóbr do tego samego zdarzenia, które generuje przychód, aby marża według klienta, funkcji i modelu była widoczna w trakcie okresu, a nie dopiero przy zamknięciu.
2. Obsługuj struktury stawek, które zmieniają się w trakcie okresu, ponieważ zamiana modelu i obniżki cen dostawcy nie poczekają na kalendarz odnowień firmy.
3. Zapewnij klientom zobowiązania, salda przedpłacone, limity i pobrania, ponieważ przewidywalność jest cechą produktu i chroni firmę przed nieoczekiwaną fakturą.
4. I wreszcie, umożliw ponowne wycenienie historii, gdy cena się zmieni lub mediacja była błędna, bez ręcznego procesu kredytowego.

Ochrona marży w produktach AI to problem projektowania pomiaru i wyceny. Jeśli potraktujesz to jako problem raportowania finansowego, dowiesz się o tym dopiero po 40 dniach.

BillingPlatform umożliwia zespołom konfigurowanie produktów, reguł cenowych i przepływów rozliczeniowych w sposób konwersacyjny. Które decyzje można bezpiecznie delegować do AI, a gdzie przegląd i zatwierdzenie przez człowieka powinny pozostać obowiązkowe?

Powiedziałbym, aby delegować pracę, ale pozostawić decyzje do podjęcia przez ludzi.

AI może bezpiecznie odczytywać i wyjaśniać istniejącą konfigurację, tworzyć nową konfigurację w środowisku testowym, generować dane testowe i przypadki testowe, wykrywać anomalie w użyciu lub przebiegach rozliczeniowych, badać spór dotyczący wyceny aż do zdarzenia źródłowego oraz tworzyć wstępne mapowanie dla migracji. To duża część godzin w tygodniu zespołu rozliczeniowego i prawie nie niesie ryzyka.

Zatwierdzenie przez człowieka jest obowiązkowe w przypadku wszystkiego, co zmienia fakturację klienta lub rozpoznawanie przychodów w produkcji. Obejmuje to zmiany cen i stawek, warunki umów, kredyty i korekty, politykę rozpoznawania przychodów oraz oceny samodzielnej ceny sprzedaży, mapowanie księgi głównej, pozycje podatkowe i zamknięcie okresu. Ponadto ludzie muszą być zaangażowani we wszystkie elementy widoczne dla klienta po raz pierwszy.

Zasada operacyjna jest taka, że AI proponuje, osoba z rzeczywistą władzą zatwierdza, a zatwierdzenie jest rejestrowane przy zmianie. Zatwierdzenia i uprawnienia oparte na rolach były już w platformie, więc agenci dziedziczą je, a nie omijają.

Systemy finansowe pozostawiają niewiele miejsca na halucynacje czy niewyjaśnione decyzje. Jak BillingPlatform łączy rozumowanie AI z deterministycznym wykonaniem, aby zapewnić, że faktury, kalkulacje przychodów i działania księgowe pozostają dokładne i odtwarzalne?

Oddzielamy interpretację od wykonania. Model interpretuje intencję i generuje konfigurację, zapytanie lub proponowaną zmianę. Następnie wykonuje silnik wyceny i księgowości. Ten silnik korzysta z tego samego kodu, niezależnie od tego, czy osoba skonfigurowała go w interfejsie użytkownika, czy agent zrobił to za pośrednictwem naszej AI, więc te same dane wejściowe generują tę samą fakturę za każdym razem, a zamknięty okres można ponownie uruchomić i uzyskać identyczną odpowiedź.

Żadna kwota na fakturze nie jest generowana przez model językowy w momencie wystawiania faktury. To, co AI tworzy, to zmiana konfiguracji, a zmiana ta zawiera wersję, autora i znacznik czasu, tak jak każda inna zmiana w systemie. Jeśli audytor zapyta, dlaczego opłata ma taką wartość, odpowiedź prowadzi przez rekord cenowy do zdarzenia użycia, a nie do zapytania.

Ostatnim elementem jest to, że propozycje można przeglądać przed ich zastosowaniem. Widzisz konkretną konfigurację, którą AI chce utworzyć, w prostych słowach, i możesz ją zatwierdzić lub odrzucić.

BillingPlatform obsługuje Model Context Protocol, protokół Agent-to-Agent oraz połączenia z zewnętrznymi narzędziami AI dla przedsiębiorstw. Jak firmy mogą umożliwić autonomicznym agentom dostęp do operacji rozliczeniowych, jednocześnie zapobiegając nieautoryzowanym działaniom, wyciekom danych lub nieśledzonym zmianom?

MCP i A2A to warstwa transportowa, a agent zostaje doprowadzony do drzwi. Płaszczyzna kontrolna to Twój model uprawnień i to właśnie tam znajduje się właściwa praca.

W naszym przypadku agent uwierzytelnia się jako użytkownik i dziedziczy te same uprawnienia roli, poziomu pola i poziomu rekordu, które otrzymałby każdy pracownik. Nie ma obejścia agenta. Poza tym kilka praktyk się sprawdza. Przydziel każdemu agentowi własne konto serwisowe o ograniczonym zakresie z minimalnymi uprawnieniami, najpierw tylko do odczytu, dopóki nie zostanie udowodnione inaczej, aby dziennik audytu wskazywał, który agent co zrobił. Operacje zapisu kieruj przez przepływ zatwierdzania z progami kwotowymi i wolumenowymi. Powinieneś także ograniczyć ich szybkość, ponieważ agent w pętli to inny rodzaj awarii niż osoba popełniająca błąd. Ważne jest również logowanie każdego wywołania, nie tylko tych, które coś zmieniły. I zwracaj tylko pola potrzebne zadaniu, ponieważ najszybszym sposobem wycieku danych klienta jest zbyt szeroki odczyt.

Błędem, którego spodziewam się w tym roku na rynku, jest to, że firmy przydzielają agentowi ludzkie poświadczenia administratora, ponieważ było to łatwiejsze niż prawidłowe określenie zakresu.

BillingPlatform twierdzi, że AI może skrócić wdrożenia z kwartałów do tygodni. Które elementy zbierania wymagań, konfiguracji, testowania i migracji AI może automatyzować już dziś, a które nadal wymagają doświadczonych specjalistów ds. rozliczeń i finansów?

AI naprawdę dobrze radzi sobie z przekształcaniem udokumentowanych cen w konfigurację, przeprowadzaniem analizy luk w oparciu o bibliotekę znanych wzorców, generowaniem przypadków testowych i wykonywaniem testów regresyjnych, mapowaniem i czyszczeniem danych legacy przed migracją oraz tworzeniem dokumentacji. To są obszary, w których praca zostaje skrócona z kwartałów do tygodni.

Jednak podejmowanie decyzji nadal wymaga doświadczonych specjalistów ds. rozliczeń i finansów. Przykłady, które wciąż wymagają ekspertów, to uzyskanie zgody klienta na własne zasady wyceny i politykę przychodów, odtworzenie warunków z umów, integracja z systemem o nieudokumentowanym zachowaniu oraz ocena sposobu rozliczania przychodów w wieloelementowym układzie. Krótko mówiąc, zarządzanie zmianą nie reaguje na oprogramowanie.

W jaki sposób zjednoczony model obejmujący pomiar, rozliczenia i rozpoznawanie przychodów może poprawić zgodność, możliwość audytu i raportowanie finansowe, szczególnie dla organizacji działającychpod kątem złożonych wymagań dotyczących rozpoznawania przychodów?

Audytorzy zawsze pytają o dwie rzeczy: pokaż mi, jak doszedłeś do tej liczby oraz pokaż, że zastosowałeś tę samą metodę konsekwentnie. Jeśli Twoje systemy pomiaru, rozliczeń i rozpoznawania przychodów działają oddzielnie, odpowiedź wymaga przeszukania trzech baz danych oraz ręcznie stworzonego arkusza kalkulacyjnego w celu ich uzgodnienia.

Gdy wszystko jest jednym modelem, cała ta procedura znika. Zdarzenie użycia, opłata, pozycja faktury i zapis w dzienniku to ten sam rekord, po prostu przechodzący do kolejnego etapu. Możesz śledzić go w przód lub w tył bez pośredniego kroku uzgadniania, ponieważ nie ma nic do uzgodnienia. Gdy umowa się zmienia, oceniasz te same dane transakcyjne, które pierwotnie wygenerowały fakturę. Twoja oddzielna cena sprzedaży i alokacja będą wynikały z tego, co się wydarzyło.

Ma to największe znaczenie dla firm zajmujących się zmienną rekompensatą zgodnie z ASC 606 lub IFRS 15, gdzie musisz wykazać swoją pracę i móc ją ponownie przedstawić rok później.

BillingPlatform niedawno ogłosił powołanie nowego dyrektora finansowego, dyrektora produktu oraz dyrektora ds. klientów w miarę skalowania swojej strategii AI‑native. Jak ci liderzy będą współpracować, aby przetłumaczyć innowacje techniczne na finansowo zrównoważony wzrost i wymierne wyniki dla klientów korporacyjnych?

Jako dyrektor produktu, Rob Zwiebach zapewnia, że nasz produkt jest wyróżniający się i dostarczany. Kierował roadmapą produktów finansowych w Workday i spędził 17 lat w Oracle, więc zna systemy, które już używają nasi klienci, oraz to, co jest potrzebne, aby konkurować z nimi. Jako dyrektor ds. klientów, Chris King odpowiada za to, czy klienci dostrzegają wartość, czyli czas do wartości, spójność dostaw, retencję i rozwój. Kierował usługami i sukcesem w Medidata i Salesforce, a swoją karierę w tej branży rozpoczął w Zuora, więc widział zarówno dobre, jak i złe wdrożenia korporacyjne na dużą skalę. Steven Springsteel, nasz dyrektor finansowy, odpowiada za ekonomię i przychodzi do nas z stanowiska CFO w Recurly, więc ma praktyczne doświadczenie w prowadzeniu funkcji finansowej firmy rozliczeniowej.

Gdzie naprawdę muszą współpracować jako jedna grupa, to liczba, na której najbardziej mi zależy. Chodzi o to, ile kosztuje i jak długo trwa uruchomienie i uzyskanie produktywności klienta korporacyjnego oraz marżę z tej pracy. To decyzja produktowa, decyzja dostawcza i decyzja pomiarowa, i tradycyjnie jest to miejsce, w którym projekty rozliczeniowe dla przedsiębiorstw się nie udają. Twierdzenie, że jesteście AI‑native, to deklaracja dotycząca architektury. Staje się to biznesem dopiero wtedy, gdy przejawia się w kosztach wdrożenia, tempie ekspansji i marży brutto. To są trzy liczby, które każdy z Roba, Chrisa i Stevena posiada w części.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić BillingPlatform.