จูลิโอ มาร์ติเนซ์ ผู้ร่วมก่อตั้งและซีอีโอของ Abacum – ซีรีส์สัมภาษณ์

จูลิโอ มาร์ติเนซ ผู้ร่วมก่อตั้งและซีอีโอของ Abacum เป็นนักธุรกิจฟินเทคที่มีประสบการณ์เกือบสองทศวรรษในด้านการธนาคารการลงทุน การพัฒนาองค์กร การสร้างธุรกิจและความเป็นผู้นำด้านเทคโนโลยีในศูนย์กลางการเงินหลักๆ ทั่วโลก เขาเริ่มอาชีพในด้านการเงินโดยครอบคลุมการตลาดทุน การควบควมและการลงทุนส่วนบุคคล ก่อนที่จะเปลี่ยนไปสู่ฟินเทค ซึ่งเขาช่วยเปิดตัวและขยายผลิตภัณฑ์และแพลตฟอร์มการเงินดิจิทัลหลายรายการ ก่อนที่จะเข้าร่วม Abacum เขาเป็นผู้ร่วมก่อตั้งและขยายหน่วยธุรกิจของ Banco Sabadell โดยนำการเปิดตัวผลิตภัณฑ์ การลงทุนเชิงกลยุทธ์และการซื้อขายในยุโรป อเมริกา และเอเชีย ในปัจจุบัน ในฐานะซีอีโอของ Abacum เขาใช้ความเชี่ยวชาญด้านการเงินเชิงปฏิบัติในการสร้างเครื่องมือที่ทันสมัยในการวางแผน การคาดการณ์ และขับเคลื่อนประสิทธิภาพทางธุรกิจ

Abacum เป็นแพลตฟอร์มการวางแผนและการวิเคราะห์ทางการเงิน (FP&A) ที่เป็นเจ้าของโดย AI ซึ่งออกแบบมาเพื่อช่วยให้ทีมการเงินขนาดกลางย่อนำการวางแผน การคาดการณ์ การรายงาน และการงบประมาณมาใช้โดยการเชื่อมต่อข้อมูลการดำเนินงานและการเงินกับกระบวนการทำงานร่วมกันและข้อมูลเชิงลึกอัตโนมัติ ซึ่งสร้างขึ้นเพื่อแทนที่กระบวนการแบบสเปรดชีตที่ทำด้วยมือ แพลตฟอร์มนี้รวบรวมข้อมูลแบบเรียลไทม์ สนับสนุนการสร้างแบบจำลองสถานการณ์ที่ซับซ้อนและแบบจำลองทางการเงินหลายมิติ อัตโนมัติงานซ้ำๆ เช่น การรายงานและการอัปเดตการคาดการณ์ และรวมเข้ากับระบบหลายร้อยระบบเพื่อให้ทีมมีแหล่งข้อมูลเดียว คุณสมบัติของ Abacum ขับเคลื่อนความแม่นยำ ความมีประสิทธิภาพ และการตัดสินใจเชิงกลยุทธ์ ทำให้องค์กรการเงินสามารถลดงานด้วยมือ เพิ่มความเร็วในการวางแผน และมุ่งเน้นไปที่ข้อมูลเชิงลึกที่มุ่งเน้นการเติบโต

คุณใช้เวลาเกือบสองทศวรรษในการทำงานด้านการเงินและฟินเทคก่อนที่จะก่อตั้ง Abacum สิ่งใดที่ทำให้คุณและฮอร์ヘรับรู้ว่าเครื่องมือที่คุณใช้ไม่เหมาะสมและต้องสร้างผลิตภัณฑ์ที่คุณต้องการด้วยตัวเอง?

ฉันรู้สึกว่าการเงินสูญเสียอิทธิพลไม่ใช่เพราะการวิเคราะห์ไม่ถูกต้อง แต่เพราะมันมาถึงสายเกินไป ทุกที่ที่ฉันไปในธนาคาร ฟินเทค และสตาร์ทอัพเติบโตอย่างรวดเร็ว ฉันพบกับสถานการณ์เดียวกัน ในการประชุมผู้บริหาร มีคนถามคำถามที่สมเหตุสมผล เช่น “เรามีเงินเหลือเพียงพอสำหรับการจ้างงานช้าๆ อีกกี่เดือน” หรือ “จะเกิดอะไรขึ้นหากรายได้ลดลงในไตรมาสหน้า” และไม่สามารถตอบในห้องได้

ไม่ใช่เพราะฉันไม่เข้าใจธุรกิจหรือเพราะคณิตศาสตร์ยาก แต่ปัญหาเป็นโครงสร้าง เงินอยู่ในระบบหนึ่ง จำนวนพนักงานอยู่ในอีกระบบหนึ่ง รายได้อยู่ที่อื่น และค่าใช้จ่ายอยู่ในแบบสเปรดชีต เพื่อตอบอย่างมั่นใจ คุณต้องดึงทุกอย่างมารวมกัน สร้างแบบจำลองใหม่ ตรวจสอบความไม่เท่าเทียมกัน และหวังว่าไม่มีอะไรจะพัง

เมื่อฉันกลับมาตอบแล้ว วินาทีที่ตัดสินใจก็ผ่านไปแล้ว นั่นคือปัญหาจริง การเงินได้รับตำแหน่งที่โต๊ะผ่านความเข้มงวด แต่เก็บตำแหน่งนั้นผ่านเวลา หากคุณไม่สามารถแสดงข้อมูลที่มั่นใจได้ภายในไม่กี่นาทีหรือไม่กี่ชั่วโมง คุณจะสูญเสียอิทธิพล แม้ว่าการวิเคราะห์ของคุณจะสมบูรณ์แบบในหนึ่งสัปดาห์ต่อมา

สิ่งที่ทำให้ปัญหารุนแรงขึ้นคือทางเลือกที่ไม่ถูกต้องที่ทีมการเงินได้รับ พวกเขาต้องใช้แบบสเปรดชีตที่ยืดหยุ่นและเร็ว แต่ไม่แข็งแรงและไม่มีการควบคุม หรือแพลตฟอร์มที่มีอำนาจ แต่สมมติว่าธุรกิจคงที่และต้องการการบริหารจัดการหนักเพื่อทำงาน

ในขณะเดียวกัน บริษัทที่ทันสมัยดำเนินงานเป็นสปรินต์ แม้แต่ในระดับผู้บริหาร แผนการเปลี่ยนแปลงอย่างต่อเนื่อง การตัดสินใจก็ถูกวางซ้อนกัน การเงินไม่สามารถเป็นทีมที่ “กลับมาตอบ” ได้เสมอ

ดังนั้นเราจึงก่อตั้ง Abacum เราต้องการระบบวางแผนแบบเร็วและเชื่อถือได้พร้อมกัน เพื่อให้การเงินสามารถใช้ความเข้มงวดได้เร็วพอที่จะกำหนดทิศทางในขณะที่ยังมีการตัดสินใจ

เมื่อคุณเริ่มสร้าง Abacum ในปี 2020 คุณได้ตรวจสอบปัญหาอย่างไรว่าปัญหาไม่ได้ขยายออกไปนอกเหนือจากประสบการณ์ของคุณเองและถูกแบ่งปันโดยบริษัทขนาดกลางที่เติบโตอย่างรวดเร็ว?

การตรวจสอบครั้งแรกเกิดขึ้นในระหว่างการสนทนาที่ฉันคาดว่าจะขัดแย้งกับข้อเสนอของฉัน ฉันโทรหาพันธมิตรร่วมค้า Jorge เพราะเขาเป็นคนฉลาดที่สุดคนหนึ่งที่ฉันรู้จัก และฉันคิดว่าเขาจะบอกฉันว่ามีวิธีที่ดีกว่าที่ฉันพลาดไป

แทนการเป็นเช่นนั้น เราเปรียบเทียบโน้ตเป็นเวลาหลายชั่วโมงและรู้สึกว่าเราอาศัยอยู่ในรูปแบบเดียวกันในสภาพแวดล้อมที่แตกต่างกัน ทีมการเงินกำลังจมน้ำในกระบวนการปรับสมดุลอย่างต่อเนื่อง โดยสร้างแบบจำลองใหม่ๆ และล้าหลังธุรกิจเสมอ นั่นคือช่วงเวลาที่มันคลิกสำหรับเรา สิ่งนี้ไม่ใช่ความล้มเหลวส่วนบุคคลหรือปัญหากระบวนการ มันเป็นปัญหาโครงสร้างที่แบ่งปันระหว่างบริษัทต่างๆ

จากนั้นเราพูดคุยกับ CFO และผู้นำการเงินในอุตสาหกรรม ภูมิภาค และระยะการเติบโตต่างๆ ภาษาเปลี่ยนไป แต่เรื่องราวไม่เปลี่ยน “เรากำลังสร้างแบบจำลองใหม่แทนการให้คำปรึกษา”

ข้อมูลเชิงลึกที่ลึกซึ้งยิ่งขึ้นสำหรับเรา คือความล้มเหลวที่ซ้ำกันในรอบๆ ทุกๆ ไม่กี่ปี แพลตฟอร์มใหม่จะอ้างว่าได้แก้ปัญหา FP&A แล้ว แต่ความเร็วของธุรกิจจะเพิ่มขึ้นอีกครั้ง เครื่องมือใหม่ เมตริกใหม่ ผู้มีส่วนได้ส่วนเสียใหม่ จังหวะการวางแผนใหม่ ระบบจะบวมและพังทลายภายใต้การเปลี่ยนแปลง

การรับรู้นั้นกำหนดทิศทางของเรา เราไม่ต้องการสร้างโซลูชั่นแบบคงที่สำหรับแบบจำลองการดำเนินงานเดียว เราต้องการแพลตฟอร์มที่จะยังคงมีความเกี่ยวข้องเมื่อธุรกิจพัฒนา ซึ่งจะสำคัญมากขึ้นในยุค AI การได้รับการยอมรับจาก YC ในภายหลังยืนยันว่านี่เป็นปัญหาทั่วโลก ไม่ใช่ปัญหาเฉพาะจุด

Abacum ปัจจุบันรองรับการคาดการณ์แบบเรียลไทม์ การสร้างแบบจำลองสถานการณ์ และการวางแผนจำนวนพนักงาน เมื่อไหร่ที่ปัญญาประดิษฐ์เปลี่ยนจากแนวคิดในอนาคตไปสู่ส่วนสำคัญของโครงสร้างของแพลตฟอร์ม?

AI ไม่เคยเป็นเรื่องรองสำหรับเรา แต่เรามีความตั้งใจที่จะใช้ AI เมื่อไหร่และอย่างไร การเงินเป็นธุรกิจที่ต้องมีความไว้วางใจ คุณไม่สามารถวางความฉลาดบนความวุ่นวายและคาดหวังความน่าเชื่อถือได้ หากข้อมูลไม่เรียบร้อย การกำหนดค่าไม่สอดคล้องกัน และแบบจำลองไม่แข็งแรง AI จะไม่แก้ไขมัน มันจะเพียงขยายความสับสนให้เร็วขึ้น

ดังนั้น เราเริ่มต้นด้วยพื้นฐาน: ชั้นข้อมูลที่แข็งแกร่ง การเชื่อมต่อที่เชื่อถือได้ และแบบจำลองการวางแผนที่ไม่พังเมื่อธุรกิจเปลี่ยนแปลง ยุทธศาสตร์ AI ของเราคือการฝังความฉลาดไว้ที่ไหนที่สร้างผลประโยชน์จริง

สิ่งนั้นหมายถึงการนำ AI ไปใช้กับงานที่มีปริมาณมาก แต่ต้องใช้การตัดสินใจน้อย ซึ่งtraditionally ใช้เวลามากและสร้างข้อผิดพลาด เช่น การทำความสะอาดและการปรับข้อมูลให้เหมาะสม การปรับสมดุลความไม่เท่าเทียมกันระหว่างระบบ การจำแนกประเภทและการติดฉลากในระดับใหญ่ การค้นหาและระบุความผิดปกติเร็วๆ และช่วยเหลือในการสร้างตรรกะของแบบจำลอง

เมื่อพื้นฐานนั้นถูกสร้างขึ้น AI จะเปลี่ยนเศรษฐศาสตร์ของการวางแผน การสำรวจสถานการณ์จะคุ้มค่า การแลกเปลี่ยนสามารถทดสอบในขณะนั้นแทนที่จะนัดหมายการประชุมหลายวันหลังจากนั้น

นั่นคือเมื่อ AI กลายเป็นสิ่งสำคัญ ไม่ใช่เมื่อมันสามารถสร้างแผนภูมิที่ดีหรือสรุปผลได้ แต่เมื่อมันช่วยให้การเงินสามารถใช้ความเข้มงวดได้เร็วพอที่จะส่งผลต่อการตัดสินใจในขณะที่ยังมีการตัดสินใจ

ในบริษัทที่เติบโตอย่างรวดเร็ว ข้อมูลการเงินมักจะอยู่ในหลายระบบและอัปเดตอย่างต่อเนื่อง อุปสรรคทางเทคนิคหรือการดำเนินการที่ยากที่สุดคืออะไรในการเปลี่ยนข้อมูลที่กระจัดกระจายให้เป็นระบบวางแผนแบบเรียลไทม์ที่เชื่อถือได้?

การย้ายข้อมูลไม่ใช่ปัญหาใหญ่ที่สุด ระบบสมัยใหม่ส่วนใหญ่เป็นแบบ API และมีเครื่องมือการรวมระบบ อุปสรรคที่แท้จริงเริ่มต้นหลังจากที่ข้อมูลมาถึง ข้อมูลดิบไม่สอดคล้องกัน รายได้ใน CRM ไม่ตรงกับรายได้ใน ERP จำนวนพนักงานในระบบ HR ไม่ตรงกับเงินเดือน แม้แต่เมตริกพื้นฐาน เช่น ARR หรือระยะการบิน หมายถึงสิ่งที่แตกต่างกันสำหรับทีมต่างๆ

หากคำจำกัดความไม่ชัดเจนและไม่ได้รับการยอมรับ การคาดการณ์แต่ละครั้งจะกลายเป็นการถกเถียง การท้าทายคือสามส่วน ประการแรก คือพื้นฐานข้อมูลที่อัปเดตอย่างต่อเนื่องเมื่อระบบต้นกำเนิดเปลี่ยนแปลง ประการที่สอง คือแบบจำลองธุรกิจที่มีการกำกับดูแล โดยที่การคำนวณนั้นชัดเจนและสม่ำเสมอ ประการที่สาม คือการทำงานร่วมกันขององค์กร เนื่องจากระบบวางแผนแบบเรียลไทม์ต้องการคำจำกัดความและจังหวะการทำงานร่วมกัน

การกำกับดูแลคือสิ่งที่ทำให้ความเร็วปลอดภัย การวางแผนแบบเรียลไทม์ทำงานได้เฉพาะเมื่อความไว้วางใจถูกสร้างเข้าไปในกระบวนการทำงาน ไม่ใช่การยึดติดกับนโยบายหรือเช็คลิสต์แบบสเปรดชีต

จากสิ่งที่คุณเห็นข้ามลูกค้าหลายร้อยราย การวางแผนแบบเรียลไทม์แบบต่อเนื่องเปลี่ยนแปลงวิธีการตัดสินใจของ CFO อย่างไร สัปดาห์ต่อสัปดาห์ ไม่ใช่แค่ในเวลาของคณะกรรมการหรืองบประมาณ?

บทบาทของการเงินเปลี่ยนจากการตรวจสอบแบบครั้งคราวไปสู่การสนับสนุนการตัดสินใจแบบต่อเนื่อง

ประการแรก ปริมาณการตัดสินใจเพิ่มขึ้นอย่างมาก การเงินเกี่ยวข้องกับการจ้างงาน การตั้งราคา การลงทุน GTM การต่ออายุ และการลงทุนในผลิตภัณฑ์อย่างต่อเนื่อง

ประการที่สอง ข้อมูลไม่เคย “เสร็จสิ้น” เครื่องมือใหม่ เมตริกใหม่ และผู้มีส่วนได้ส่วนเสียใหม่หมายความว่าชุดข้อมูลนั้นเคลื่อนไหวอยู่เสมอ ธุรกิจไม่สามารถรอการปิดที่สมบูรณ์แบบเพื่อเคลื่อนต่อไป

ในบริบทนี้ การวางแผนแบบเรียลไทม์เปลี่ยนการเงินจากการรายงานและการอธิบายไปสู่การกำหนดทิศทางอย่างแข็งขัน ระยะการบินกลายเป็นข้อจำกัดที่มีชีวิต ไม่ใช่เพียงเมตริกรายไตรมาส การวางแผนแบบจำลองสถานการณ์กลายเป็นการพูดคุยการแลกเปลี่ยนอย่างสม่ำเสมอ ไม่ใช่การออกกำลังกายรายปี

ทีมการเงินที่ดีที่สุดไม่ได้กลายเป็นคนไม่เข้มงวดมากขึ้น แต่กลายเป็นคนเข้มงวดมากขึ้นตั้งแต่เนิ่นๆ นั่นคือการเปลี่ยนแปลง

Abacum ใช้ AI แตกต่างจากอัตโตมัติแบบขึ้นอยู่กับกฎแบบดั้งเดิมอย่างไร และการตัดสินใจทางการเงินใดยังคงต้องการการตัดสินใจของมนุษย์ที่เข้มแข็ง?

AI ส่วนใหญ่ในด้านการเงินในปัจจุบันเริ่มต้นที่ส่วนท้ายของกระบวนการทำงาน มันสมมติว่าข้อมูลของคุณเรียบร้อยแล้ว จากนั้นจึงเพิ่มชัตบอทเพื่อซักถามหรือสรุปข้อมูลเชิงลึก นั่นสามารถมีประโยชน์ แต่ข้ามส่วนยากที่สุดของ FP&A

เริ่มต้นด้วยพื้นฐาน การใช้ AI ที่ไหนที่มนุษย์มีคุณค่าน้อยที่สุดและมีข้อผิดพลาดมากที่สุด เช่น การทำความสะอาดและการปรับข้อมูลให้เหมาะสม การปรับสมดุลความไม่เท่าเทียมกัน การจำแนกประเภทและการติดฉลากในระดับใหญ่ การค้นหาและระบุความผิดปกติเร็วๆ และช่วยเหลือในการสร้างตรรกะของแบบจำลอง

AI ยังลดภาษีของความซับซ้อนที่ทำให้ทีมล่าช้า อีกหลายแพลตฟอร์มต้องการที่ปรึกษาที่เชี่ยวชาญหรือผู้เชี่ยวชาญ ซึ่งสร้างการผูกพันระหว่าง “เจ้าของระบบ” AI ควรลดอุปสรรคนั้น ทีมการเงินควรสามารถแสดงเจตนาและให้ระบบช่วยสร้างตรรกะที่ถูกต้อง

นี่คือจุดที่จุดยืนด้านกลางของเรามีความสำคัญ ประวัติศาสตร์แล้ว ทีมการเงินต้องเลือกระหว่างเครื่องมือที่ยืดหยุ่นแต่ไม่แข็งแรง หรือแพลตฟอร์มที่มีอำนาจแต่หนักในการจัดการ AI กำลังบังคับให้ทำการซื้อขายที่ไม่ถูกต้องอีกครั้ง: โคปायलอทที่ง่ายแต่ไม่ลึก หรือระบบออร์เคสตราที่มีพลังแต่ต้องเรียนรู้วิธีการทำงานใหม่ ในขณะที่เราเชื่อว่าคำตอบที่ถูกต้องคือ AI ที่หายไปในกระบวนการทำงาน โดยปรับปรุงการวางแผนโดยไม่เปลี่ยนวิธีการทำงานของทีม

ในเรื่องการตัดสินใจ AI สามารถเร่งการวิเคราะห์และการสำรวจ แต่การตัดสินใจที่เกี่ยวข้องกับการจัดสรรเงินทุน การจ้างงาน การตั้งราคา และการจัดลำดับความสำคัญเชิงกลยุทธ์ยังคงต้องการบริบทและความรับผิดชอบของมนุษย์ CFO เป็นเจ้าของการตัดสินใจ

เมื่อแบบจำลองกลายเป็นแบบคาดการณ์มากขึ้น คุณคิดอย่างไรเกี่ยวกับความไว้วางใจและความสามารถในการอธิบายสำหรับผู้นำการเงินที่ต้องยืนหลังตัวเลข?

ในด้านการเงิน “ทิศทางที่ถูกต้อง” ไม่เพียงพอ ผู้นำการเงินต้องรับผิดชอบต่อหมายเลขที่พวกเขานำเสนอ หากคุณไม่สามารถอธิบายการคาดการณ์ได้ คุณไม่สามารถใช้มันในการสนทนาตัดสินใจ

ความไว้วางใจเริ่มต้นด้วยพื้นฐานที่แน่นอน คำจำกัดความที่สอดคล้องกัน ตรรกะที่ชัดเจน และความฉลาดที่คาดการณ์ไว้เพียงอย่างเดียวสร้างงานบนพื้นฐานที่มั่นคง

ความสามารถในการอธิบายคือสิ่งที่เปลี่ยนข้อมูลเชิงลึกให้เป็นการดำเนินการ CFO ต้องตอบได้อย่างรวดเร็วว่าอะไรเปลี่ยนไป ทำไมมันเปลี่ยนไป ปัจจัยใดที่เคลื่อนไหว และสมมติฐานใดที่รับผิดชอบต่อผลลัพธ์ที่แตกต่างกัน

การกำกับดูแลไม่สามารถอยู่ในเครื่องมือควบคุมแบบคงที่อีกต่อไป มันจะต้องฝังอยู่ในกระบวนการทำงาน เพื่อให้สมมติฐานมีความชัดเจน ตรรกะสามารถติดตามได้ และทุกสถานการณ์จะทิ้งรอยที่ชัดเจน เป้าหมายไม่ใช่การเอาหน่วยงานออกจากวงจร แต่ช่วยให้พวกเขาดำเนินการตามการตัดสินใจได้เร็วขึ้นและมีความมั่นใจมากขึ้น

คุณได้ผ่านการเร่งการเติบโตในระยะเริ่มต้นและระยะการเติบโตในระยะหลัง การระดมทุนเหล่านี้มีอิทธิพลต่อการลงทุนใน AI เทียบกับหลักการของผลิตภัณฑ์หลักอย่างไร?

การระดมทุนในระยะเริ่มต้นบังคับให้มีการมีวินัย เราไม่สามารถไล่ตามวัตถุโฟกัสได้ เราต้องสร้างความไว้วางใจโดยการสร้างพื้นฐาน: การเชื่อมต่อที่เชื่อถือได้ แบบจำลองข้อมูลที่แข็งแกร่ง และเครื่องยนต์สำหรับการวางแผนซึ่งไม่พังเมื่อธุรกิจเปลี่ยนแปลง

AI เป็นส่วนหนึ่งของกลยุทธ์ตั้งแต่แรก แต่เราปฏิเสธที่จะรักษามันไว้เหมือนชั้นการตลาด หาก AI ไม่สร้างผลประโยชน์จริงภายในกระบวนการทำงาน เราก็ไม่ได้ขนส่งมัน

เมื่อเราขยายตัว ตลาดเปลี่ยน AI กลายเป็นมาตรฐานที่ต้องใช้ ทุกผู้ขายสามารถแสดงชัตบอทและกล่าวว่า “AI-พลังงาน” ได้ ดังนั้นมาตรฐานจึงเปลี่ยนจากภาพลักษณ์ไปสู่ผลลัพธ์ AI ช่วยให้การเงินตัดสินใจได้ดีขึ้นเร็วขึ้นโดยมีการติดตามหรือไม่ หรือมันแค่สร้างผลลัพธ์ที่ดูสวยงาม

การระดมทุนในระยะหลังเพิ่มมาตรฐานของประสิทธิภาพด้วย ทีมต่างๆ คาดหวังที่จะทำได้มากขึ้นด้วยเงินน้อยกว่า สิ่งนี้ยังเน้นย้ำจุดมุ่งเน้นของเราในการลงทุน AI ที่ให้ผลประโยชน์ที่วัดได้ ไม่ใช่เพียงการดึงดูดเรื่องราว

คุณกำลังเพิ่มการขยายตัวในสหรัฐอเมริกาอย่างมาก ตลาดสหรัฐฯ แตกต่างจากตลาดอื่นๆ ในการเตรียมพร้อมที่จะนำแพลตฟอร์มการเงิน AI-เจ้าของมาใช้อย่างไร?

บริษัทในสหรัฐฯ เคลื่อนไหวอย่างรวดเร็ว และความคาดหวังของนักลงทุนสูง CFO คาดหวังให้มีส่วนร่วมในการดำเนินงานอย่างลึกซึ้ง ไม่ใช่แค่ความแม่นยำ พวกเขากำลังชี้นำแผนการวางแผน การลงทุน GTM การตัดสินใจการใช้จ่าย และการจัดลำดับความสำคัญอย่างต่อเนื่อง

สิ่งนี้ทำให้ความเจ็บปวดของการวางแผนช้าลงรุนแรงขึ้น เมื่อตัดสินใจเกิดขึ้นทุกสัปดาห์หรือทุกวัน การเงินไม่สามารถดำเนินงานในจังหวะเดือนได้ ความฉลาดที่ฝังอยู่กลายเป็นสิ่งจำเป็น ไม่ใช่สิ่งที่ดี

ตลาดสหรัฐฯ ยังเปิดรับแนวคิดที่ว่าระบบการเงินควรเป็นแบบไดนามิก ไม่ใช่แบบคงที่ ความคาดหวังคือไม่ใช่แค่ความแม่นยำในการรายงาน แต่เป็นการสนับสนุนการตัดสินใจที่มีจังหวะที่ธุรกิจต้องการ

เมื่อมองไปข้างหน้าในปี 2026 ส่วนใดของการวางแผนการเงินที่คุณเชื่อว่าจะกลายเป็นอัตโนมัติเป็นส่วนใหญ่โดย AI และที่ไหนที่การตัดสินใจของมนุษย์ยังคงจำเป็น?

ชั้นที่จะกลายเป็นอัตโนมัติเป็นส่วนใหญ่คืองานซ้ำๆ ที่มีการตัดสินใจน้อยที่สุดซึ่งใช้เวลามากที่สุดในปัจจุบัน การรวมข้อมูล การทำความสะอาด การปรับข้อมูลให้เหมาะสม การปรับสมดุล และการรายงานพื้นฐานควรทำงานอย่างต่อเนื่อง

การคาดการณ์และการสร้างแบบจำลองสถานการณ์จะถูกเร่งอย่างมาก แต่จะไม่ถูกมอบหมายอย่างสมบูรณ์ AI จะทำให้มีราคาถูกและสำรวจตัวเลือกและทดสอบสมมติฐาน แต่ความเสี่ยงด้านบริบทและความรับผิดชอบยังคงมีความสำคัญ

การตัดสินใจของมนุษย์ยังคงจำเป็นในทุกที่ที่มีผลเสี่ยงสูง การจัดสรรเงินทุน ยุทธศาสตร์การจ้างงาน การตั้งราคา การตัดสินใจของคณะกรรมการ AI เปลี่ยนว่าการเงินสามารถติดตามกับจังหวะการตัดสินใจได้ มันไม่เปลี่ยนใครที่รับผิดชอบต่อผลลัพธ์

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ Abacum