Julio Martínez, Abacum’un Kurucu Ortağı ve CEO’su – Röportaj Serisi

Julio Martínez, Abacum’un kurucu ortağı ve CEO’su, yatırım bankacılığı, kurumsal gelişim, girişim oluşturma ve teknoloji liderliği gibi alanlarda neredeyse iki thập yıllık deneyime sahip bir fintech girişimcisidir. Kariyerine finans rollerinde sermaye piyasaları, birleşme ve satın alma, özel sermaye gibi alanlarda çalışarak başladı, daha sonra fintech alanına geçerek birçok dijital finansal ürün ve platformun lançman ve ölçeklendirilmesine yardımcı oldu. Abacum’dan önce, Banco Sabadell’in kurumsal venturing kolunu kurdu ve Avrupa, Amerika ve Asya’da ürün lançmanları, stratejik yatırımlar ve satın almalar gerçekleştirdi. Bugün, Abacum’un CEO’su olarak, derin operasyonel finans uzmanlığını, finans ekiplerinin planlama, tahmin ve iş performansı sürdürebilmesi için araçlar oluşturmak amacıyla kullanıyor.

Abacum, orta pazar finans ekiplerinin planlama, tahmin, raporlama ve bütçeleme işlemlerini basitleştirmek ve modernleştirmek için tasarlanmış bir AI-yerli finansal planlama ve analiz (FP&A) platformudur. El ile yapılan işlemleri otomatikleştirmek amacıyla tasarlanan platform, gerçek zamanlı verileri merkezi bir şekilde sunar, gelişmiş senaryo modelleme ve çok boyutlu finansal modelleme desteği sağlar, raporlama ve tahmin güncelleme gibi tekrarlanan işlemleri otomatikleştirir ve yüzlerce sistemle entegre olur, böylece ekiplere tek bir gerçeklik kaynağı sağlar. Abacum’un özellikleri, doğruluk, verimlilik ve stratejik karar alma süreçlerini hızlandırır, finans organizasyonlarının manuel işleri azaltmasına, planlama döngülerini hızlandırmasına ve büyüme odaklı içgörülere odaklanmasına olanak tanır.

Siz nearly iki thập yıl finans ve fintech sektörlerinde çalıştıktan sonra Abacum’u kurdunuz. Finans ekiplerinin planlama, tahmin ve performans raporlama şekilleriyle ilgili olarak hangi spesifik frustrasyonlar, sizin ve Jorge’un, kullandığınız araçların amacına uygun olmadığını ve kendiniz için bir ürün oluşturmanız gerektiğini fark etmenize neden oldu?

Finansın etkisinin azalmasının sebebinin, analizin yanlış olması değil, geç gelmesi olduğunu fark ettim. Bankacılık, fintech ve hızlı büyüyen startup’lar gibi alanlarda, aynı anı defalarca yaşadım. Bir yönetici toplantısında, jemandreasonable bir soru sorardı: “Gerçekten ne kadar aylık süreyle çalışabiliriz, eğer işe alımı yavaşlatsak?” veya “Bir sonraki çeyrekte gelir düşerse ne olur?” ve odada bulunanlar bu sorulara gerçek zamanlı olarak cevap veremiyordu.

Bu, benim işin doğası gereği yanlış olduğum veya matematiğin zor olduğu anlamına gelmiyordu. Sorun, yapısal bir sorundu. Nakit bir sistemde, headcount başka bir sistemde, gelir başka bir yerde ve giderler elektronik tablolarда bulunuyordu. Güvenle cevap verebilmek için her şeyi bir araya getirmek, modeli yeniden oluşturmak, tutarsızlıkları uzlaştırmak ve hiçbir şeyin bozulmadığını ummak zorundaydım.

Karar penceresi kapanana kadar cevap verebildiğim zaman, gerçek sorun buydu. Finans, rigor sayesinde masada yerini alır, ancak zamanlama sayesinde yerini korur. Eğer karar verme penceresi kapandıktan sonra, bir hafta sonra bile analiziniz mükemmel olsa, etkisini kaybedersiniz.

Daha da kötüsü, finans ekiplerine sunulan yanlış seçimdi. Ya esnek ve hızlı olan elektronik tabloları kullanıyorlardı, ancak bunlar kırılgan ve yönetilemezdi, ya da güçlü ancak statik olan miras platformları kullanıyorlardı ve sadece işlevsel olmak için ağır bir yönetim gerektiriyordu.

Oysa modern şirketler, hatta yönetici düzeyinde bile, sprintler halinde çalışır. Planlar sürekli değişir. Kararlar yığılır. Finans, her zaman “cevabı getireceğim” diyen ekip olamaz.

Bu nedenle Abacum’u kurduk. Hız ve güveni aynı anda sunan bir planlama sistemi oluşturmak istedik, böylece finans ekipleri, kararlar masih müzakere edilebilirken, yönü belirlemek için rigor uygulayabilsin.

2020’de Abacum’u inşa etmeye başladığınızda, bu sorunun kendi deneyiminizden çok daha geniş bir sorun olduğunu ve hızlı büyüyen orta pazar şirketleri tarafından paylaşıldığını nasıl doğruladınız?

İlk doğrulama, tezim yanlış olduğunu kanıtlamak için yaptığım bir konuşmaydı. En akıllı finans insanını tanıdığım için ortak kurucu Jorge’u aradım ve onun daha iyi bir yol olduğunu söyleyeceğini varsayıyordum.

Bunun yerine, saatlerce notlar karşılaştırdık ve aynı kalıbı farklı ortamlarda yaşadığımızı fark ettik. Finans ekipleri, uzlaştırmada boğuluyor, sürekli modelleri yeniden oluşturuyor ve işin gerisinde kalıyor. Bu, bizim için anlam ifade eden andı. Bu, kişisel bir başarısızlık veya bir süreç sorunu değildi, şirketler arasında paylaşılan yapısal bir sorundu.

Daha sonra, çeşitli sektörlerde, coğrafyalarda ve büyüme aşamalarındaki CFO’lar ve finans liderleriyle konuştuk. Dil değişti, ancak hikaye aynı kaldı. “Sürekli yeniden oluşturuyoruz, danışmanlık yapmıyoruz.”

Bizim için daha derin bir anlayış, bu başarısızlığın döngüsel olarak tekrarladığıydı. Her birkaç yılda bir, bir platform FP&A’yı çözdüğünü iddia ediyor. Sonra iş hızlanıyor yine. Yeni araçlar, yeni metrikler, yeni paydaşlar, yeni planlama ritimleri. Sistem değişime dayanamıyor ve bozuluyor.

Bu anlayış, yönümüzü şekillendirdi. Statik bir işletme modeli için bir çözüm oluşturmak istemiyorduk. İşletme gelişirken ilgili kalacak bir platform oluşturmak istedik, bu da AI döneminde daha da kritik hale geliyor. Daha sonra YC’ye kabul edilmek, bu sorunun yerel değil küresel bir sorun olduğunu kanıtladı.

Abacum şimdi gerçek zamanlı tahmin, senaryo modelleme ve headcount planlamasını destekliyor. AI, platformun mimarisinin temel bir parçası haline nasıl geldi?

AI, bizim için asla bir sonra düşünülür değildi, ancak AI’yi ne zaman ve nasıl uygulayacağımız konusunda çok dikkatliydik. Finans, bir güven işidir. Kaosu üzerine zeka koyamazsınız ve güvenilirlik bekleyemezsiniz. Veriler karışıklığında, tanımlar tutarlı değilse ve model kırılgansa, AI bunu düzeltemez. Sadece karışıklığı daha hızlı ölçeklendirir.

Önce temelde başladık: güçlü bir veri katmanı, güvenilir entegrasyonlar ve işletmelerin gerçekten nasıl çalıştığına yansıyan modelleme ilkeleri. AI stratejimiz, zekayı gerçekten kaldıraç oluşturabileceği yerlere yerleştirmekti.

Bu, yüksek hacimli, düşük yargı işlerine AI uygulamak anlamına geliyordu, bu işlerhistorically zaman alıyor ve hatalara neden oluyordu. Gelen verileri temizlemek ve normalize etmek, sistemler arasındaki tutarsızlıkları uzlaştırmak, büyük ölçekli sınıflandırma ve etiketleme, erken anomalileri belirlemek, ay sonlarında değil.

Temel oluşturulduktan sonra, AI planlamanın ekonomisini değiştirir. Senaryo keşfi ekonomik hale gelir. Ticaretler anında değil, günler sonra yapılacak bir takip toplantısı için planlanmaz.

Bu, AI’nin temel olduğu andır. Sadece güzel bir grafik veya özet üretebildiği değil, finansın yeterli hızda rigor uygulayarak masih müzakere edilebilirken yönü belirlemesine olanak tanıdığı andır.

Hızlı büyüyen şirketlerde finans verisi genellikle birçok sistemde yaşar ve sürekli güncellenir. Bu parçalanmış veriyi güvenilir, gerçek zamanlı bir planlama sistemine dönüştürmek için en zor teknik veya organizasyonel zorluklar nelerdi?

Verileri taşımak en zor problem değildir. Çoğu modern sistem API ile çalışır ve entegrasyon araçları mevcuttur. Gerçek zorluk, verilerin geldiği anda başlar. Ham veriler tutarlı değildir. CRM’deki gelir, ERP’deki gelirden farklıdır. HR sistemlerindeki headcount, maaşlardan farklıdır. Temel metrikler gibi ARR veya रनвay farklı takımlar için farklı anlamlara sahiptir.

Tanımlar açık ve anlaşılırsa, her tahmin bir tartışmaya dönüşür. Bu, üçlü bir zorluktur. İlk olarak, kaynak sistemler değiştiği medida sürekli güncellenen bir veri temeli. İkincisi, hesaplanan iş modeli açık ve tutarlıdır. Üçüncüsü, organizasyonel uyum, çünkü gerçek zamanlı planlama, paylaşılan tanımlar ve paylaşılan bir işletme ritmi gerektirir.

Yönetişim, hızı güvenli kılar. Gerçek zamanlı planlama, onlye bir politika belgesi veya elektronik tablo kontrol listesi olarak değil, iş akışına entegre edilmiş güven ile çalışır.

Müşterilerinizi göz önünde bulundurarak, gerçek zamanlı planlamanın CFO’ların haftadan haftaya, sadece yönetim kurulu veya bütçe zamanında değil, nasıl kararlar almasına etkisi nedir?

Finansın rolü, periyodik incelemeden sürekli karar destek sistemine dönüşmüştür.

İlk olarak, kararların hacmi patladı. Finans, işe alma, fiyatlandırma, GTM yatırımları, yenileme, ürün bahisleri ve operasyonel ticaretler gibi konularda sürekli olarak yer almaktadır.

İkincisi, veriler asla “tamam” değildir. Yeni araçlar, yeni metrikler ve yeni paydaşlar, verilerin sürekli hareket halinde olduğu anlamına gelir. İş, ilerlemek için mükemmel bir kapanmayı bekleyemez.

Bu bağlamda, gerçek zamanlı planlama, finansı, raporlama ve açıklamadan aktif olarak yönü şekillendirmeye dönüştürür. Runway, bir yaşam kısıtlaması haline gelir, değil sadece bir çeyreklik metrik. Senaryo planlaması, bir yıllık bir egzersiz değil, sık sık ticaret konuşması haline gelir.

En iyi finans ekipleri, daha az rigorous hale gelmiyorlar, daha erken rigorous hale geliyorlar. Bu, değişim.

Abacum, geleneksel kural tabanlı otomasyondan farklı olarak AI’ı nasıl uygulamaktadır ve hangi finansal kararlar hala güçlü insan yargısına ihtiyaç duymaktadır?

Finansta bugün kullanılan AI, iş akışının sonundadır. Verilerin zaten temiz ve yönetilebileceğini varsayar, sonra bir sohbet botu sorgulamak veya özet bilgiler sunmak için ekler. Bu, faydalı olabilir, ancak en zor kısmı FP&A’yı atlar.

Biz işin başından başlıyoruz. AI’yi, insanların en az değer kattığı ve en çok hata yaptığı yerlere uyguluyoruz, Örneğin, temizlik, uzlaştırmalar, sınıflandırma, anomalileri belirleme ve model mantığında yardımcı olma. Zeka, iş akışının içinde, ayrı bir sohbet arayüzünde değil.

AI ayrıca, ekipleri geride bırakan karmaşıklık vergisini azaltır. Birçok platform, uzman danışmanlar veya uzmanlar gerektirir, bu da “sistem sahiplerine” bağımlılık yaratır. AI, bu engeli azaltmalıdır. Finans ekipleri, niyetlerini ifade edebilmeli ve sistemin mantığı doğru bir şekilde oluşturmasına yardımcı olmalıdır.

Bu, orta yol bakış açımızın neden önemli olduğu yer. Historically, finans ekipleri, esnek ancak kırılgan araçlar veya güçlü ancak ağır yönetim gerektiren platformlar arasında seçim yapmak zorundaydı. AI, aynı yanlış ticaretin zorluğunu yaratıyor: kolay ancak sığ pilotlar veya güçlü ancak yeni bir çalışma şekli öğrenmeyi gerektiren orkestrasyon sistemleri. Bizim inancımıza göre, doğru cevap, iş akışına kaybolan AI’dir, planlamayı geliştirmek için, ancak ekiplerin nasıl çalıştığını değiştirmeden.

Yargı sınırı açıktır. AI, analizi ve keşfi hızlandırabilir, ancak sermaye tahsisi, işe alma ticaretleri, fiyatlandırma ve stratejik önceliklendirme gibi kararlar, insan bağlamı ve sorumluluk gerektirir. CFO, çağrı sahibidir.

Modeller daha öngörülebilir hale geldikçe, finans liderlerinin sayılar arkasında durmak zorunda olduğu AI ve açıklanabilirlik için güven konusunda nasıl düşünüyorsunuz?

Finansta, “yönlendirici olarak doğru” yeterli değildir. Finans liderleri, sundukları sayılar için sorumludur. Bir tahmini açıklamak mümkün değilse, karar konuşmasında kullanılamaz.

Güven, deterministik bir temel ile başlar. Tutarlı tanımlar. Uzlaştırılmış veriler. Şeffaf mantık. Öngörücü zeka, ancak sağlam bir şey üzerine inşa edildiğinde çalışır.

Açıklanabilirlik, içgörüyü eyleme dönüştüren şeydir. CFO’lar, neyin değiştiğini, neden değiştiğini, hangi sürücülerin hareket ettiğini ve farklı sonuçlar için hangi varsayımların sorumlu olduğunu nhanh chóng cevaplayabilmelidir.

Yönetişim, statik kontrollerde yaşayamaz. İş akışına entegre edilmelidir, böylece varsayımlar görünür, mantık izlenebilir ve her senaryo net bir kayıt bırakır. Amacımız, insanları döngüden çıkarmak değil, daha erken ve daha fazla güvenle yargılarını uygulamalarına yardımcı olmaktır.

Erken hızlandırma ve geç aşamadaki büyüme fonlaması arasında geçtiniz. Bu aşamalar, AI’ye karşı temel ürün fundamentallerine yatırım yapma şeklinizi nasıl etkiledi?

Erken fonlama, disiplin zorladı. Şeytani nesneleri kovalayamadık. Temelleri oluşturmak zorundaydık: güvenilir entegrasyonlar, güçlü veri modelleri ve iş değiştiğinde bozulmayan bir planlama motoru. AI, her zaman stratejimizin bir parçasıydı, ancak bir pazarlama katmanı olarak davranmak istemedik. AI, iş akışında gerçek bir kaldıraç yaratmıyorsa, sevmediğimiz bir şeydi.

Büyüdükçe, pazar değişti. AI, masa üstü haline geldi. Her satıcı, bir sohbet botu demo yapabilir ve “AI-güçlü” olabilirdi. Bu, görüntüden sonuçlara geçiş anlamına geliyordu. AI, finansın daha iyi kararlar almasına, izlenebilirlik ile ve hızlı bir şekilde yardımcı oluyor mu, yoksa sadece etkileyici görünen çıktılar mı üretiyor?

Geç aşamadaki büyüme, verimlilik standardını da yükseltti. Ekipler, daha azıyla daha fazla yapmak zorundaydı. Bu, AI’nin ölçülebilir bir kaldıraç sağladığına odaklanmamızı güçlendirdi, sadece bir anlatı cazibesi değil.

ABD genişlemesine odaklanmaya devam ediyorsunuz. AI-yerli finans platformlarını benimsemeye hazır olma açısından ABD pazarı, diğer bölgelerden nasıl farklılık gösteriyor?

ABD şirketleri hızlı hareket ediyor ve yatırımcı beklentileri yüksektir. CFO’lar, sadece doğru değil, aynı zamanda operasyonel olarak derinlemesine rehberlik etmek zorundadır. Sürekli olarak işe alma planları, GTM yatırımları, harcama kararları ve önceliklendirmeye rehberlik etmektedir.

Bu, yavaş planlamanın acısını daha da artırır. Kararlar haftada veya günde alınıyorsa, finans, aylık bir ritme göre çalışamaz. Gömülü zeka, bir gereklilik haline gelir, değil sadece bir güzellik.

ABD pazarı, finans sistemlerinin dinamik, değil statik olması gerektiği fikrine daha açık. Beklenti, sadece raporlama doğruluğu değil, işin hareket etmesi gereken hızda karar desteğidir.

2026’ya bakıldığında, finansal planlamanın hangi kısımlarının AI tarafından büyük ölçüde otomatik hale geleceğine inanıyorsunuz ve insan yargısı nerede vazgeçilmez olacaktır?

Tamamen otomatik hale gelecek katmanlar, tekrarlayan, düşük yargı işleridir ve bugün aşırı zaman tüketmektedir. Veri birleştirme, temizleme, normalize etme, uzlaştırmalar, anomalileri belirleme ve temel raporlama sürekli olarak çalışmalıdır.

Tahmin ve senaryo oluşturma, dramatik bir şekilde hızlanacaktır, ancak tamamen devredilemeyecektir. AI, seçenekleri keşfetmeyi ve varsayımları test etmeyi ucuz hale getirecektir, ancak bağlam riski ve sorumluluk hala önemlidir.

İnsan yargısı, yüksek risklerin olduğu her yerde vazgeçilmez olacaktır. Sermaye tahsisi. İşe alma stratejisi. Fiyatlandırma kararları. Yönetim kurulu anlatıları. AI, finansı kararların hızıyla eşleştirebilir, ancak sonucu sorumlu tutmaktan sorumlu değildir.

Harika bir röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Abacum‘u ziyaret edebilir.