Griffin Parry, CEO da m3ter – Série de Entrevistas

Griffin Parry é o CEO e co-fundador da m3ter. Esta é sua segunda startup, tendo anteriormente co-fundado e liderado a GameSparks, uma empresa de serviços de nuvem adquirida pela Amazon (AMZN ) em 2017, após o que ele passou 3 anos trabalhando em funções de produto e campo sênior na AWS. Ele começou sua carreira no setor de mídia (Sky, News International) focado em estratégia digital e desenvolvimento de produtos digitais, incluindo o lançamento e liderança do portfólio de TV online da Sky.

m3ter é uma plataforma de SaaS projetada para ajudar as empresas a implementar e gerenciar preços baseados no uso por meio de uma infraestrutura de medição e faturamento que se situa ao lado de sistemas existentes, como CRMs e ERPs. Ela ingere dados brutos de uso de produtos, aplica lógica de preços flexível e automatiza todo o processo de cotação ao caixa, permitindo que as empresas gerem contas precisas e em tempo real, reduzindo vazamentos de receita e sobrecarga operacional. Ao desacoplar a faturação dos sistemas principais, a m3ter permite que as empresas experimentem modelos de preços, lancem novos produtos mais rapidamente e obtenham uma visão mais profunda do uso e dos fluxos de receita dos clientes, tornando-a especialmente valiosa para empresas de software modernas que estão migrando para modelos de negócios baseados no consumo.

Você fundou e escalou a GameSparks até a aquisição, então escolheu iniciar a m3ter, focada especificamente em infraestrutura de faturamento e monetização moderna. O que o atraiu para esse espaço de problema específico para sua segunda empresa, e como sua experiência anterior como fundador influenciou essa decisão?

Nós somos um caso clássico de fundadores resolvendo um problema que eles mesmos haviam experimentado. Na GameSparks, tínhamos uma estratégia de monetização moderna – preços baseados no uso – porque isso funcionava para o tipo de negócio que éramos (infraestrutura de nuvem). Foi fundamental para o nosso sucesso, mas também causou muita dor operacional e de GTM. Em seguida, na AWS, também uma empresa de infraestrutura de nuvem, embora muito maior, vimos que eles tinham os mesmos problemas. Vimos também quanto esforço eles dedicaram para resolvê-los, porque era crítico para o seu negócio. Concluímos que, em um mundo baseado no uso, a infraestrutura de faturamento é uma capacidade estratégica que a maioria das empresas não pode desenvolver, então fundamos a m3ter para mudar isso.

Produtos nativos de IA podem ter custos de infraestrutura imprevisíveis relacionados à inferência, uso de tokens ou retreinamento de modelos. Como os fundadores devem pensar sobre alinhar preços com valor, protegendo margens brutas?

Produtos SaaS tradicionais geralmente tinham custos marginais de uso próximos a zero. Em outras palavras, o quanto o cliente usava o seu produto não afetava o seu custo para servir. Isso não é verdadeiro para produtos de IA, porque o uso deles impulsiona custos, como o consumo de tokens. Se os seus preços são fixos, isso significa que as suas margens brutas podem variar significativamente por cliente, dependendo do uso deles. Isso, por sua vez, torna as estratégias de preços baseados no uso quase inevitáveis: elas alinham receitas com custos e estabilizam margens brutas.

À medida que a IA se incorpora a categorias de software existentes, você espera que a maioria das empresas adicione componentes de uso a assinaturas, ou vê surgirem novos quadros de monetização?

Eu não espero nada completamente novo – apenas uma reinvenção de modelos de preços que já vimos antes. Você verá o espectro completo, desde assinaturas puras até modelos baseados em resultados. Mas o maior agrupamento será híbrido: elementos recorrentes fixos para previsibilidade, combinados com uma métrica variável que funciona tanto para os clientes (eles a associam ao sucesso) quanto para os fornecedores (está alinhada o suficiente com os custos para proteger suas margens).

Há uma discussão crescente em torno do preços baseados em resultados na era da IA. Onde você vê uma adesão real surgindo, e onde acredita que o modelo se torna muito complexo para ser implementado de forma eficaz?

O desafio com o preços baseados em resultados é a atribuição – para que funcione, um resultado mensurável precisa ser impulsionado de forma inequívoca pelo produto do fornecedor. Às vezes isso é possível – pagamentos são um exemplo, onde os provedores recebem uma participação da transação, e isso parece justo. Mas, na minha experiência, essas situações são relativamente raras, e as empresas tendem a recorrer a métricas de preços que são mais como proxies para o valor – por exemplo, para um agente de suporte ao cliente de IA, chamadas resolvidas sem intervenção humana. Novamente, haverá muitas soluções ao longo do espectro, desde preços baseados no uso, passando por proxies de valor, até preços baseados em resultados – depende do caso de uso. O que todos compartilham em comum é que algo precisa ser contado e ter preços aplicados a ele, e é aí que a m3ter entra em cena.

Ao definir valor em produtos impulsionados por IA, quais métricas práticas as empresas devem se concentrar como proxies realistas para resultados?

Essa é uma pergunta difícil de responder, porque é muito específica do caso de uso. Há algumas considerações “sempre” – a métrica é simples, previsível, associada ao valor e suficientemente alinhada com os custos para servir? Mas a métrica em si depende do que o produto faz. “Tokens usados” funciona para um modelo de LLM. “Documentos processados” funciona para análise de contratos. “Consultas executadas” funciona para busca empresarial. “Conversas tratadas (sem intervenção humana) funciona para suporte ao cliente.

Quais são os desafios operacionais e técnicos mais comuns que as empresas enfrentam ao migrar de modelos de assinatura apenas para modelos híbridos ou baseados no uso?

Os principais pontos de dor são em torno de vazamento de receita, más experiências do cliente e falta de agilidade de preços que prejudica o Produto e as Vendas. As causas estão enraizadas nas fundações operacionais erradas. As principais capacidades (novas) necessárias ao migrar de assinaturas apenas para preços híbridos ou baseados no uso são processamento de dados de uso, cálculo de faturamento avançado (e contínuo) e conexões automatizadas entre sistemas CRM, faturamento e ERP.

Muitas empresas estão profundamente comprometidas com sistemas como Salesforce (CRM ) e NetSuite. Como a m3ter moderniza a infraestrutura de monetização sem forçar as empresas a reformular seu stack existente?

Ferramentas de cotação para caixa estabelecidas, como Salesforce e NetSuite, supõem um mundo de assinaturas. Isso não significa que elas não possam funcionar bem para abordagens de monetização modernas – você apenas precisa preencher lacunas críticas, o que é o que a m3ter faz. Nós nos concentramos precisamente no que está faltando: processamento de dados de uso, taxação avançada e automação de fluxos de dados entre sistemas de cotação para caixa.

Vazamento de receita é frequentemente subestimado. Quão significativo é esse problema nos negócios SaaS modernos, e o que normalmente o causa?

Vazamento de receita é o valor que foi ganho (você o vendeu e entregou) mas que não foi coletado devido a imprecisões de faturamento – suas contas não capturam totalmente o uso do cliente, ou não aplicam os termos comerciais certos. É um grande problema – a equipe de Integridade de Receita da PwC estima que é de 4-7%, e quanto mais complexo for o preços, mais provável é que isso aconteça. A causa raiz vem dos sistemas e controles: não capturar dados de uso de forma eficaz; não ter conexões automatizadas entre fontes de verdade para preços e o mecanismo de cálculo de contas; e o mecanismo de cálculo de contas não ser sofisticado o suficiente para lidar com complexidade (por exemplo, confiando em planilhas).

Como a maior flexibilidade de preços influencia a inovação de produtos e a estratégia de vendas dentro das organizações de software?

Simples – quanto mais agilidade de preços você tiver, mais rápido você pode enviar novos produtos, e mais facilmente você pode adaptar preços às necessidades e desejos dos clientes, incluindo acordos de preços privados que ajudam as Vendas a vencer. É uma capacidade estratégica para o negócio. Mas você não pode ter flexibilidade sem automação e controle. Caso contrário, você obtém erros de faturamento, vazamento de receita e desafios de conformidade.

Olhando para o futuro, você vê a IA desempenhando um papel na otimização dinâmica de modelos de preços em tempo real, e o que precisaria estar no lugar para que isso funcionasse de forma confiável em escala?

Eu estou certamente muito animado com o potencial da IA na otimização de preços. Mas estou menos convencido sobre o aspecto em tempo real, pelo menos para negócios de software como serviço ou solução como serviço. Se você está vendendo quartos de hotel ou assentos de avião, preços dinâmicos funcionam porque é uma transação de uma vez. Mas os fornecedores de software B2B querem relacionamentos de cliente que duram, e os clientes não querem que os preços mudem imprevisivelmente dia a dia. Portanto, a otimização de preços se concentrará em criar preços personalizados para acordos de longo prazo – preços projetados para entregar os melhores resultados para ambos, o fornecedor e o cliente, ao longo de relacionamentos de vários anos.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar m3ter.