Campfire CEO’su, CFO’su ve Kurucusu John Glasgow – Röportaj Serisi

John Glasgow, Campfire’ın CEO’su, CFO’su ve kurucusudur. Finans, teknoloji şirketlerinde birleşme ve satın almalar ile kurumsal strateji alanlarında deneyim sahibidir. Şirketi kurmadan önce Adobe, Invoice2go ve Bill.com’da çalıştı; Invoice2go’nun 625 milyon dolara satın alınma sürecine yön verilmesine de katkıda bulundu. Finans ekiplerindeki deneyimi, onu elektronik tablolara bağımlı süreçleri, işlem düzeyindeki ayrıntıları koruyan ve otomasyonu destekleyen muhasebe sistemleriyle değiştirmeye yöneltti.

Campfire, finans ve muhasebe ekipleri için yapay zekâ temelli bir kurumsal kaynak planlama platformu geliştiriyor. Platform; genel muhasebe defterini, gelir otomasyonunu, raporlamayı ve dönem sonu kapanış yönetimini bir araya getiriyor. Ember ajanları, mutabakat ve işlemleri kategorilere ayırma gibi görevleri desteklemek için temel muhasebe verileriyle çalışırken Forecast, kaydedilmiş gerçekleşen tutarları, taahhüt edilmiş tutarları ve yapay zekâ tarafından oluşturulan tahminleri birbirinden ayırıyor. Bu röportajda Glasgow; yapay zekâ temelli muhasebenin arkasındaki mimariyi, ajanların özerkliği ile insan onayı arasındaki sınırları ve otomasyon yaygınlaştıkça finans ekiplerinin izlenebilirliği nasıl koruyabileceğini ele alıyor.

Kariyeriniz boyunca finans, teknoloji alanında birleşme ve satın almalar ile Adobe, Invoice2go ve Bill.com’daki strateji görevlerinde çalıştınız; ardından Campfire’ı kurdunuz. Finans ekiplerinde tekrar tekrar karşılaştığınız ve sizi mevcut ERP’ye bir yazılım katmanı daha ekleyerek iyileştirmek yerine temelinden yeniden kurulması gerektiğine ikna eden sorun neydi?

Invoice2go’yu Bill.com’a 625 milyon dolara satmak, sorunu yakından görmemi sağladı. Satın alma incelemesi sırasında, gelir muhasebemiz, SaaS raporlamamız ve konsolidasyon işlemlerimiz bir sistemde değil elektronik tablolarda yürütüldüğü için 500’den fazla talebi bu tablolar üzerinden ele aldım. Bu ölçekte bir şirket bile kritik finans işlerini hâlâ elektronik tablolarla yürütüyordu.

Bill’de stratejik ortaklıklara liderlik ettiğim ve CFO’yla yakın çalıştığım dönemde, müşteriler arasında da aynı sorunu gördüm. Bordro, harcama yönetimi ve AP/AR süreçleri modernleştirilmişti; ancak finans ekipleri yine de daha eski bir dönem için tasarlanmış ERP’ye dönmek zorundaydı.

Sorun, defterin kendisinde. Eski ERP sistemleri faturalandırma, ödemeler, bordro ve diğer sistemlerden özetlenmiş kayıtlar alıyor; bu nedenle işlem ayrıntıları deftere ulaştığında çoktan kaybolmuş oluyor. Üzerine bir yazılım katmanı daha eklemek, eksik veriyi tamamlayamaz. Ayrıntıları koruyan ve işi yapabilen bir defter istiyordum; bunun için ERP’yi temelden yeniden kurmak gerekiyordu.

“Yapay zekâ temelli” ifadesi kurumsal yazılımlar için giderek daha yaygın bir tanım hâline geliyor. Mimari açıdan, yapay zekâ temelli bir ERP’yi mevcut sisteme büyük bir dil modeli veya yapay zekâ yardımcısı ekleyen geleneksel bir ERP’den temelden farklı kılan nedir?

Temel fark, yapay zekâ temelli bir ERP’nin, yapay zekâ iş akışlarının üzerinde işlem yapması gereken veriler esas alınarak tasarlanmasıdır.

Bir yapay zekâ yardımcısı yalnızca eski ERP’nin sakladığı verileri okuyabilir. ERP’de işlem düzeyinde ayrıntılar yerine aylık özetler varsa yapay zekâ bir rakam bulabilir veya açıklama taslağı hazırlayabilir; ancak işlemleri güvenilir biçimde eşleştiremez, hesapları mutabık hâle getiremez ya da bir kaydın nasıl oluşturulduğunu açıklayamaz. Campfire, işlem ayrıntılarının tümünü korur ve hem genel muhasebe defterini hem de yardımcı defterleri yönetir; böylece Ember ajanlarına işi gerçekten yapmaları için gereken verileri sağlar.

Bir diğer fark da izlenebilirliktir. Ajanların gerçekleştirdiği her işlem, temel defter verilerine bağlanır ve kaydedilmeden önce incelenebilir.

Üçüncü fark, modelin kendisidir: Campfire’ın Accounting Intelligence’ı muhasebe verileriyle eğitilmiştir ve finansal görevleri yerine getirmek için kod yazar; bu da sonuçların yeniden üretilebilir olmasını sağlar. Ajanların yalnızca öneride bulunmakla kalmayıp harekete geçebilmesini sağlayan budur.

Campfire kısa süre önce, yapay zekâdan dönemin tamamını tahmin etmesini istemek yerine içinde bulunulan ayı gerçekleşen, taahhüt edilmiş ve yapay zekâ tarafından tahmin edilen tutarlara ayıran Forecast’ü kullanıma sundu. Bu tasarımı neden tercih ettiniz? Finansal tahminlerde yapay zekânın gerçekten yararlı olduğunu düşündüğünüz alanlar neler; hangi alanlarda belirleyici olan, kesin sonuç veren muhasebe verileri olmalı?

Bir CFO olarak, ayın bitmesine beş gün veya daha fazla süre varken ayın nasıl sonuçlanacağını soruyorum; o noktada ayın büyük bölümü zaten bellidir. Yapay zekâdan dönemin tamamını tahmin etmesini istemek, bilinen rakamların tahminlerle değiştirilmesine yol açar. Bu nedenle Forecast ayı üç katmana ayırır:

Gerçekleşen: Genel muhasebe defterine hâlihazırda kaydedilmiş olanlar.

Taahhüt edilmiş: Henüz kaydedilmemiş olsa da sözleşmeler, faturalar, varlıklar ve kiralamalardan bilinen gelecekteki tutarlar.

Tahmin edilen: Gerçekten bilinmeyen kısım için Ember’ın, şirketin geçmiş verilerine ve mevsimselliğe dayanarak yaptığı öngörü.

Yapay zekânın tahminlerde kullanılması gereken yerin, henüz kimsenin bilemeyeceği kısım olduğunu düşünüyorum. Hâlihazırda bilinen her şeyde belirleyici olan, kesin sonuç veren muhasebe verileri olmalı. İkisini harmanlamak, gerçekleri tahminlerden ayırmayı zorlaştırır. İkisi harmanlanırsa tahmini yönetim kuruluna sunarken hangi rakamların arkasında durabileceğinizi bilemezsiniz.

Biri rakama nasıl ulaştığımı sorduğunda, istediğim herhangi bir rakamı açıp gerçekleşen, taahhüt edilmiş ve tahmin edilen bileşenleri, ayrıca Ember’ın varsayımlarını gösterebilirim. Forecast danışmanlık niteliğindedir; ürettiği hiçbir şey deftere otomatik olarak kaydedilmez. Ancak finans ekiplerine, ay kapanmadan önce iş kararları alabilmeleri için ayın nasıl sonuçlanacağına dair önceden bilgi verir.

Forecast, Ember’ın geçmiş eğilimleri ve mevsimselliği kullanarak ayın bilinmeyen kısmını tahmin etmesini ve bu tahminlerin dayandığı varsayımları açıklamasını sağlar. Hızlı büyüme, büyük bir müşterinin kaybedilmesi, satın alma ya da başka sıra dışı bir olay gibi geçmiş örüntülerin birdenbire işe yaramaz hâle geldiği durumları nasıl ele alıyorsunuz?

Bunlar, CFO’nun tahmine en çok ihtiyaç duyduğu aylardır; tahminin katmanlara ayrılmasının nedeni de budur. Forecast’ün yalnızca tahmini kısmı geçmiş eğilimlere ve mevsimselliğe dayanır. Taahhüt edilen katman ise Campfire’ın defterinde zaten kayıtlı olan sözleşmelerden, faturalardan, varlıklardan ve kiralamalardan oluşur. Bu nedenle bir satın alma, müşteri kaybı veya hızlı büyüme, zaten bilinenleri değiştirmez.

Örüntü değiştiğinde finans ekibi bunun nedenini genellikle verilerde görülmeden önce bilir ve bu bağlamı sağlayabilir. Nelerin değiştiğine dair bir not ekleyebilir, personel planı gibi bir belge iliştirebilir ya da MCP entegrasyonumuz üzerinden CRM veya HRIS gibi bir kaynağı bağlayabilir. Ember, bilinmeyen kısmı yeniden tahmin etmek için bu bağlamdan yararlanır.

Her tahmin, varsayımlarını açıklayan tek cümlelik bir not da içerir. Böylece tahmini sunarken hangi unsurların kesinleşmiş, hangilerinin taahhüt edilmiş ve hangilerinin öngörülen olduğunu gösterebilirim.

Campfire, genel amaçlı modellere bütünüyle bağlı kalmak yerine kendi Büyük Muhasebe Modeli’ni (LAM) geliştirdi. Genel amaçlı yapay zekânın muhasebe alanındaki sınırlılıkları hakkında neler öğrendiniz? Uzmanlaşmış bir modelin, geleneksel bir büyük dil modelinin (LLM) genellikle kavrayamadığı hangi konuları anlaması gerekir?

Muhasebede makul görünen yanıtlar değil, yeniden üretilebilir yanıtlar gerekir. Genel amaçlı modeller dil üretmede başarılıdır; ancak aynı girdilerin her seferinde aynı sonucu vermesi gereken sayısal akıl yürütme ve muhasebe sınıflandırmalarında zorlanabilirler.

Modelden finansal veriler üzerinde doğrudan akıl yürütmesini istemek yerine, işi gerçekleştiren SQL veya Python kodu yazmasını sağlıyoruz. Kod yeniden üretilebilir; bu, denetim açısından önemlidir ve şirketlerin her aynı sonucu bir kişinin onaylamasını gerektirmeden işlemleri otomatikleştirmesine olanak tanır.

Accounting Intelligence’ımız muhasebe verileriyle eğitilmiştir; hesap planı yapısı, tedarikçi örüntüleri ve düzgün tutulmuş bir muhasebe defterinin nasıl göründüğü gibi konuları anlar. Ayrıca her müşterinin işlem geçmişinden de öğrenir. Doğruluk, en az modelin kendisi kadar modelin etrafındaki sistemden de kaynaklanır.

Finans ekiplerinin yapay zekâ hatalarına toleransı olağanüstü düşüktür. Yapay zekâ ajanları mutabakat yapmaya, işlemleri kategorilere ayırmaya, kayıt hazırlamaya ve muhasebe defteriyle etkileşime girmeye başladıkça, özerk işlem yapma ile insan onayı arasındaki sınır nerede olmalı?

Bu sınır, bir işlemin doğrulanıp doğrulanamayacağına bağlı olmalıdır. Bir kayıt yeniden üretilebiliyor ve dayanak muhasebe defteri verilerine kadar izlenebiliyorsa, bir kişinin her bir örneği onaylaması gerekmez. İşlem açıklanamıyor veya yeniden üretilemiyorsa, deftere işlenmeden önce bir kişi tarafından incelenmelidir.

Ember’ı bu şekilde geliştirdik. Her ajan işlemi kaydedilir, dayanak büyük defter (GL) verilerine bağlanır ve incelenebilir. Ekipler, Ember’ın hangi işleri özerk biçimde yapacağını, hangilerini bir kişiye yönlendireceğini belirleyen güven eşikleri ayarlar. Sonuçlar güven kazandıkça özerklik düzeyini artırabilirler.

Karar verme sorumluluğu yine insanlardadır. Muhasebeciler, Ember’ın ne kadar işi üstleneceğine karar verir, istisnaları inceler ve rakamların neden değiştiğini açıklar. Ajanlar ise tekrarlayan eşleştirme, etiketleme ve mutabakat işlerini üstlenir. TwelveLabs buna iyi bir örnek: ABD ve Kore’de görev yapan üç muhasebeciyle kapanış süresini yarıya indirdi ve 300.000 doların üzerinde tasarruf sağladı.

Campfire ayrıca Ember’ın ödeme, CRM, tedarik ve İK platformları gibi harici sistemlerle etkileşim kurmasını sağlayan bir MCP mağazası da kullanıma sundu. Sizce ERP, zamanla pasif bir kayıt sistemi olmaktan çıkıp yapay zekâ ajanlarının tüm finansal yapı genelinde çalışabildiği bir orkestrasyon katmanına dönüşür mü?

Evet, muhasebe defteri kayıt sistemi olarak kalmaya devam ettiği sürece. Geçmişte ERP, başka yerlerde yapılan işleri kaydederdi; bu nedenle yanıtların çoğu defterin dışındadır: CRM’deki bir sözleşme yenilemesi, HRIS’teki yeni bir işe alım ya da tedarik sistemindeki bir satın alma siparişi. Ajanlar işi üstlenecekse bu bağlama da ihtiyaç duyar; dolayısıyla ERP’nin bu sistemlere doğrudan bağlanması gerekir.

Finans ekipleri yıllardır bu şekilde tahmin yapıyor; satış fırsatlarını CRM’den, personel sayılarını ise HRIS’ten alıyor. Forecast ile Ember, ekip bu sistemleri bağladıktan sonra bunu bir kez yapıyor; bilinen her şey için tek güvenilir kaynak muhasebe defteri olmaya devam ediyor. Defter tek güvenilir kaynak olmayı sürdürürken ajanlar da onun çevresindeki sistemlerde çalışabiliyor.

Diğer finans ekiplerine hizmet veren bir yapay zekâ şirketinin hem CEO’su hem CFO’su olduğunuz için yapay zekâ ekonomisine dair özellikle ilginç bir bakış açınız var. Şirketlerin bugün yapay zekâ bütçelerini nasıl belirlediği konusunda neler gözlemliyorsunuz? Kurumsal yapay zekâ fiyatlandırmasının koltuk başına aboneliklerden kullanım, sonuç veya başka bir modele kaymasını bekliyor musunuz?

Sabit, koltuk başına harcamalardan değişken yapay zekâ kullanımına doğru bir kayış görüyoruz; ancak birçok finans ekibi buna henüz hazır değil. Ajanlar insanların önceden yaptığı işleri üstlendikçe şirketlerin daha az insan kullanıcı lisansına ihtiyaç duyup yapay zekâ kullanımını artırması mümkün. Satıcılar da koltuk ücretlerine kredi ve ek kullanım ücretleri ekliyor. Bu nedenle finans ekiplerinin sözleşme imzalamadan önce olası kullanım maliyetlerini modellemesi gerekiyor.

Sonuca dayalı ücretlendirmeye kıyasla hibrit modellerin daha yaygın hâle geleceğini düşünüyorum. İçimdeki CFO öngörülebilir bir taban ücret isterken, CEO yanım fiyatlandırmanın gerçek kullanımı yansıtmasını gerektiriyor.

Campfire, 35 milyon dolarlık A Serisi yatırımın ardından yalnızca birkaç hafta sonra 65 milyon dolarlık B Serisi yatırım aldı. Bu dönemde piyasada veya müşteri talebinde ne değişti de şirkete bu kadar agresif biçimde sermaye koymaya karar verdiniz? Bu sermayenin ürünü hızla geliştirmek için en büyük fırsatı nerede görüyorsunuz?

A Serisi yatırım turundan önce de güçlü bir talep vardı, ancak tur kapanır kapanmaz bu talep hızla arttı. Şirketler demo talebiyle bize ulaştı; bunların çoğu Campfire’ı yeni tanıyordu. Talebin, planladığımız düzeyin üzerine çıktığı açıkça ortaya çıktı.

Bu durum, özellikle şirketler NetSuite ve Sage Intacct gibi eski platformları bırakmaya istekli hâle gelirken, bu talebi karşılamak için daha agresif yatırım yapma fırsatı sundu. Replit gibi müşteriler bunun nedenini gösteriyor: Şirket, dört kişilik muhasebe ekibine yeni çalışan eklemeden yıllık yinelenen gelirini 10 milyon dolardan 200 milyon doların üzerine çıkardı; gelir kapanış süresi de sekiz saatten 30 dakikaya indi.

Accel liderliğinde A Serisi yatırım turumuzda 35 milyon dolar topladık; bunu Accel ve Ribbit’in eş liderliğindeki 65 milyon dolarlık B Serisi turu izledi. Böylece 12 haftada toplam 100 milyon dolar yatırım aldık. Bu yatırımı talebi karşılamak için kullandık ve San Francisco, New York ve Londra’daki çalışan sayımızı 10 kişiden 150’nin üzerine çıkardık.

Yapay zekâ temelli muhasebe, Campfire ve Rillet gibi şirketlerin QuickBooks, NetSuite ve Sage Intacct gibi yerleşik platformlara meydan okumasıyla kısa sürede rekabetçi bir kategori hâline geldi. Beş yıl sonrasına baktığımızda, yapay zekâ ajanlarının muhasebe ve ERP’nin hangi bölümlerini neredeyse tamamen üstlenmesini, hangi sorumlulukların ise kesinlikle finans profesyonellerinde kalmasını bekliyorsunuz?

Ajanların rutin işlerin çoğunu üstlenmesini bekliyorum: işlemleri ödemelerle eşleştirmek, işlemleri etiketlemek, mutabakatları ve tahakkukları yapmak, kapanış ve raporlamanın mekanik kısımlarını yürütmek. Bunlar, yazılımların öğrenebileceği, tekrara dayalı ve kurallarla belirlenmiş işler.

İnsanların üstleneceği işler ise muhakeme ve hesap verebilirlik gerektiriyor. Muhasebeciler, ajanların ne kadar işi özerk biçimde yapabileceğine karar verecek, istisnaları inceleyecek, rakamların neden değiştiğini açıklayacak ve işletmeye bundan sonra ne yapması gerektiği konusunda danışmanlık verecek. Hesapların sorumluluğunu üstlenecek birine yine de ihtiyaç var.

Zamanla “yapay zekâ temelli” yaklaşım, finans yazılımlarında temel bir beklenti hâline gelecek. Farkı yaratacak unsur, finans ekiplerinin sistemi muhasebe defterlerini emanet edecek kadar güvenilir bulup bulmaması ve sistemin sonuçlara tam olarak nasıl ulaştığını görebilmesi olacak. Campfire’ı bu standardı karşılaması için geliştirdik; Cursor, Clay, Polymarket ve PostHog’un da aralarında bulunduğu 400’den fazla şirket şimdiden muhasebe kayıtlarını Campfire’da tutuyor.

Harika röportajınız için teşekkürler. Yapay zekâ temelli muhasebe ve kurumsal kaynak planlaması hakkında daha fazla bilgi edinmek isteyen okurlar Campfire‘ı ziyaret edebilir.