Хулио Мартинес, сооснователь и генеральный директор Abacum – Интервью

Хулио Мартинес, сооснователь и генеральный директор Abacum, – финтех-предприниматель с почти двух десятилетним опытом работы в инвестиционном банкинге, корпоративном развитии, создании предприятий и технологическом лидерстве в крупных глобальных финансовых центрах. Он начал свою карьеру в финансовых ролях, покрывающих рынки капитала, слияния и поглощения, и частный капитал, прежде чем перейти в финтех, где он помог запустить и масштабировать несколько цифровых финансовых продуктов и платформ. До Abacum он соосновал и масштабировал корпоративное венчурное подразделение Banco Sabadell, возглавляя запуски продуктов, стратегические инвестиции и приобретения в Европе, Америке и Азии. Сегодня, как генеральный директор Abacum, он применяет глубокую операционную финансовую экспертизу для создания инструментов, которые модернизируют планирование, прогнозирование и стимулирование бизнес-результатов финансовыми командами.

Abacum – это платформа финансового планирования и анализа (FP&A), родная для искусственного интеллекта, предназначенная для помощи финансовым командам среднего рынка в упрощении и модернизации планирования, прогнозирования, отчетности и бюджетирования путем подключения операционных и финансовых данных к совместным рабочим процессам и автоматизированным идеям. Созданная для замены ручных процессов, основанных на электронных таблицах, платформа集中изирует данные в режиме реального времени, поддерживает расширенное моделирование сценариев и многомерное финансовое моделирование, автоматизирует повторяющиеся задачи, такие как отчетность и обновления прогнозов, и интегрируется со сотнями систем для предоставления командам единого источника информации. Функции Abacum стимулируют точность, эффективность и стратегическое принятие решений, позволяя финансовым организациям сократить ручной труд, ускорить циклы планирования и сосредоточиться на ориентированных на рост идеях

Вы проработали почти два десятилетия в финансах и финтехе, прежде чем основать Abacum. Какие конкретные разочарования в планировании, прогнозировании и отчетности о результатах работы финансовых команд заставили вас и Хорхе осознать, что инструменты, которые вы использовали, не были пригодны для цели, и что вам нужно было создать продукт, который вы сами хотели бы иметь?

Я понял, что финансы теряют влияние не потому, что анализ был неправильным, а потому, что он приходил слишком поздно. Во всех банках, финтехе и высокорастущих стартапах я постоянно сталкивался с одной и той же проблемой. На совещании кто-то задавал разумный вопрос, например: «Сколько месяцев у нас действительно есть, если мы замедлим набор персонала?» или «Что произойдет, если доход упадет в следующем квартале?» И не мог ответить в зале в режиме реального времени.

Это было не потому, что я не понимал бизнес или потому, что математика была сложной. Проблема была структурной. Деньги жили в одной системе, штат – в другой, доход – где-то еще, а расходы – в электронных таблицах. Чтобы ответить уверенно, вам нужно было собрать все вместе, перестроить модель, согласовать расхождения и надеяться, что ничего не сломается.

К тому времени, когда я мог вернуться с ответом, окно принятия решений было закрыто. Это была настоящая проблема. Финансы заслуживают свое место за столом благодаря строгости, но сохраняют его благодаря срокам. Если вы не можете предоставить уверенную поддержку решений в течение минут или часов, вы теряете влияние, даже если ваш анализ идеален через неделю.

Что сделало это хуже, было то, что финансовым командам был дан ложный выбор. Они либо использовали электронные таблицы, которые были гибкими и быстрыми, но хрупкими и неуправляемыми, либо устаревшие платформы, которые были мощными, но предполагали статический бизнес и требовали тяжелой администрации, чтобы просто функционировать.

Между тем современные компании работают в спринтах, даже на уровне руководства. Планы постоянно меняются. Решения накапливаются. Финансы не могут позволить себе быть командой, которая всегда «возвращается с ответом».

Именно поэтому мы основали Abacum. Мы хотели систему планирования, построенную для скорости и доверия одновременно, чтобы финансы могли применить строгость достаточно рано, чтобы сформировать направление, пока выборы еще обсуждаются.

Когда вы начали строить Abacum в 2020 году, как вы проверили, что эта проблема распространяется далеко за пределы вашего собственного опыта и является общей для быстро растущих компаний среднего рынка?

Первая проверка произошла в разговоре, который, как я ожидал, опроверг бы мою тезу. Я позвонил своему сооснователю Хорхе, потому что он был самым умным финансовым человеком, которого я знал, и я предполагал, что он скажет мне, что есть лучший способ, который я каким-то образом пропустил.

Вместо этого мы сравнили заметки в течение часов и поняли, что мы жили один и тот же шаблон в разных средах. Финансовые команды тонут в согласовании, постоянно перестраивают модели и всегда на шаг позади бизнеса. Это был момент, когда все стало ясно для нас. Это не была личная неудача или проблема процесса. Это была структурная проблема, общая для компаний.

Затем мы поговорили с финансовыми директорами и лидерами финансовых команд в различных отраслях, географиях и стадиях роста. Язык изменился, но история не изменилась. «Мы всегда перестраиваем вместо того, чтобы консультировать».

Более глубокое понимание для нас заключалось в том, что эта неудача повторяется в циклах. Каждые несколько лет новая платформа утверждает, что она решила FP&A. Затем темп бизнеса ускоряется снова. Новые инструменты, новые метрики, новые заинтересованные стороны, новые планировочные каденции. Система раздувается и ломается под изменением.

Это понимание сформировало нашу направленность. Мы не хотели строить статическое решение для одной операционной модели. Мы хотели платформу, которая останется актуальной, когда бизнес эволюционирует, что становится еще более критичным в эпоху ИИ. Быть принятым в YC позже укрепило, что это была глобальная проблема, а не нишевая.

Abacum теперь поддерживает прогнозирование в реальном времени, моделирование сценариев и планирование штата. На какой стадии искусственный интеллект перешел от будущей концепции к фундаментальной части архитектуры платформы?

ИИ никогда не был после мысли для нас, но мы были очень осмотрительны в отношении того, когда и как применять его. Финансы – это бизнес доверия. Вы не можете положить интеллект на хаос и ожидать достоверности. Если данные беспорядочны, определения не последовательны, а модель хрупка, ИИ не исправит это. Он просто быстрее масштабирует путаницу.

Итак, мы начали с основ: сильного слоя данных, надежных интеграций и моделей, отражающих, как работают бизнесы на самом деле. С первого дня стратегия ИИ заключалась в том, чтобы встроить интеллект туда, где он создает реальное преимущество.

Это означало применение ИИ к работе с высоким объемом и низким суждением, которая исторически потребляет время и создает ошибки. Очистка и нормализация входных данных. Согласование расхождений между системами. Классификация и тегирование в масштабе. Выявление аномалий на ранней стадии, а не в конце месяца.

Как только эта основа будет заложена, ИИ меняет экономику планирования. Изучение сценариев становится экономически эффективным. Торговые компромиссы могут быть протестированы в моменте, а не запланированы на последующее совещание через несколько дней.

Вот когда ИИ становится фундаментальным. Не когда он может сгенерировать хороший график или сводку, а когда он позволяет финансам применить строгость достаточно быстро, чтобы повлиять на решение, пока оно еще открыто.

В быстро растущих компаниях финансовые данные часто живут в нескольких системах и обновляются постоянно. Какие были самые сложные технические или организационные проблемы в превращении этих фрагментированных данных в надежную систему планирования в реальном времени?

Перемещение данных не является самой сложной проблемой. Большинство современных систем управляются API, и существует инструментарий для интеграции. Реальная проблема начинается после того, как данные прибывают. Сырые данные не последовательны. Доход в CRM не соответствует доходу в ERP. Штат в системах HR не соответствует зарплате. Даже базовые метрики, такие как ARR или запас, означают разные вещи для разных команд.

Если определения не явные и согласованные, каждый прогноз превращается в спор. Проблема трехсторонняя. Первая – основа данных, которая обновляется непрерывно, когда меняются системы-источники. Вторая – управляемая бизнес-модель, где расчеты явные и последовательны. Третья – организационное согласование, потому что планирование в реальном времени требует общих определений и общего операционного ритма.

Управление – это то, что делает скорость безопасной. Планирование в реальном времени работает только тогда, когда доверие встроено в рабочий процесс, а не прикреплено в качестве политики-документа или контрольного списка электронных таблиц.

Из того, что вы видите у сотен клиентов, как непрерывное, реальное планирование меняет то, как финансовые директора принимают решения от недели к неделе, а не только на совете или во время составления бюджета?

Роль финансов сместилась от периодического обзора к непрерывной поддержке решений.

Во-первых, объем решений взорвался. Финансы теперь участвуют в наборе персонала, инвестициях в GTM, продлении контрактов, торговых компромиссах и операционных решениях на постоянной основе.

Во-вторых, данные никогда не «завершены». Новые инструменты, новые метрики и новые заинтересованные стороны означают, что набор данных всегда в движении. Бизнес не может ждать идеального закрытия, чтобы двигаться вперед.

В этом контексте реальное планирование меняет финансы с отчетности и объяснения на активное формирование направления. Запас становится живым ограничением, а не квартальным показателем. Планирование сценариев становится частым разговором о компромиссах, а не ежегодным упражнением.

Лучшие финансовые команды не становятся менее строгими. Они становятся более строгими раньше. Это сдвиг.

Как Abacum применяет ИИ по-другому, чем традиционная правило-ориентированная автоматизация, и какие финансовые решения все еще требуют сильного человеческого суждения?

Большинство ИИ в финансах сегодня начинается в конце рабочего процесса. Он предполагает, что ваши данные уже чистые и управляемые, а затем добавляет чат-бот для запроса или суммирования идей. Это может быть полезно, но оно пропускает самую сложную часть FP&A.

Мы начинаем с начала. Мы применяем ИИ там, где люди добавляют наименьшую ценность и совершают наибольшее количество ошибок, такие как очистка, согласование, классификация, обнаружение аномалий и помощь в логике модели. Интеллект живет внутри рабочего процесса, а не в отдельном интерфейсе чата.

ИИ также снижает налог на сложность, который сдерживает команды. Многие платформы требуют специализированных консультантов или экспертов, создавая зависимость от «владельцев системы». ИИ должен снизить эту барьер. Финансовые команды должны быть в состоянии выразить намерение и иметь систему, которая помогает правильно построить логику.

Это также то место, где наша средняя точка зрения имеет значение. Исторически финансовые команды должны были выбирать между инструментами, которые были гибкими, но хрупкими, или платформами, которые были мощными, но тяжелыми в управлении. ИИ теперь заставляет ту же ложную торговлю: копилоты, которые легкие, но мелкие, или системы оркестровки, которые мощные, но требуют, чтобы вы научились новому способу работы. В то время как мы считаем, что правильный ответ – ИИ, который исчезает в рабочем процессе, улучшая планирование без изменения того, как команды работают.

Что касается суждения, граница ясна. ИИ может ускорить анализ и исследование, но решения, связанные с распределением капитала, компромиссами в наборе персонала, ценообразованием и стратегическим определением приоритетов, все еще требуют человеческого контекста и ответственности. Финансовый директор владеет звонком.

Когда модели становятся более прогностическими, как вы думаете о доверии и объяснимости для финансовых лидеров, которые должны стоять за цифрами?

В финансах «направление правильно» недостаточно. Финансовые лидеры отвечают за цифры, которые они представляют. Если вы не можете объяснить прогноз, вы не можете использовать его в разговоре о решении.

Доверие начинается с определенной основы. Последовательные определения. Согласованные данные. Прозрачная логика. Прогностический интеллект работает только тогда, когда он построен на чем-то твердом.

Объяснимость – это то, что превращает идею в действие. Финансовым директорам нужно быстро ответить, что изменилось, почему оно изменилось, какие драйверы переместились, и какие предположения ответственны за разные результаты.

Управление не может жить в статических контролях больше. Оно должно быть встроено в рабочий процесс, чтобы предположения были видны, логика была отслеживаема, и каждый сценарий оставлял четкую запись. Цель – не удалить людей из цикла, а помочь им осуществлять суждение раньше, с большей уверенностью.

Вы прошли через раннюю акселерацию и более позднюю фазу финансирования роста. Как эти фазы повлияли на то, как агрессивно вы инвестировали в ИИ по сравнению с фундаментальными продуктами?

Раннее финансирование заставило нас быть дисциплинированными. Мы не могли гнаться за блестящими объектами. Нам нужно было заслужить доверие, строя основы: надежные интеграции, сильные модели данных и движок планирования, который не ломался, когда бизнес менялся.

ИИ всегда был частью стратегии, но мы отказались относиться к нему как к маркетинговому слою. Если ИИ не создавал реального преимущества внутри рабочего процесса, мы не доставили его.

По мере роста рынок сместился. ИИ стал стандартом. Каждый поставщик мог продемонстрировать чат-бота и быть «оснащенным ИИ». Итак, планка сместилась от оптики к результатам. Помогает ли ИИ финансам принимать лучшие решения быстрее, с отслеживаемостью, или он просто производит впечатляющие выходные данные?

Поздняя фаза роста также повысила стандарт эффективности. Командам было ожидаемо делать больше с меньшим. Это укрепило наш фокус на ИИ, который доставляет измеримое преимущество, а не повествовательную привлекательность.

Вы удвоили ставку на расширение в США. Как рынок США отличается в своей готовности принять платформы финансов ИИ по сравнению с другими регионами?

Американские компании движутся быстро, и ожидания инвесторов высоки. Финансовым директорам ожидаемо быть глубоко операционными, а не просто точными. Они постоянно направляют планы набора персонала, инвестиции в GTM, решения о расходах и определение приоритетов.

Это делает боль планирования более острой. Когда решения принимаются еженедельно или ежедневно, финансы не могут позволить себе работать в месячном ритме. Встроенный интеллект становится не просто приятным, а требованием.

Рынок США также более восприимчив к идее, что финансовые системы должны быть динамичными, а не статичными. Ожидание не только точности отчетности, но и поддержки решений в темпе, который бизнесу нужно двигаться.

Оглядываясь вперед на 2026 год, какие части финансового планирования, по вашему мнению, станут в основном автоматизированными с помощью ИИ, и где человеческое суждение останется важным?

Слои, которые станут в основном автоматизированными, – это повторяющиеся задачи с низким суждением, которые потребляют непропорциональное время сегодня. Консолидация данных, очистка, нормализация, согласование, обнаружение аномалий и базовая отчетность должны работать непрерывно.

Прогнозирование и генерация сценариев будут ускорены значительно, но они не будут полностью делегированы. ИИ сделает исследование вариантов и проверку предположений дешевым, но контекстный риск и ответственность все еще имеют значение.

Человеческое суждение останется важным, где ставки высоки. Распределение капитала. Стратегия набора персонала. Решения о ценообразовании. Повествования совета. ИИ меняет, может ли финансы идти в ногу с темпом решений. Он не меняет, кто отвечает за результат.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Abacum.