Хуліо Мартінес, співзасновник і генеральний директор Abacum – Серія інтерв’ю

Хуліо Мартінес, співзасновник і генеральний директор Abacum, – фінансист-підприємець з майже двома десятилітнями досвіду, який охоплює інвестиційний банкінг, корпоративний розвиток, створення підприємства та лідерство в галузі технологій у великих фінансових центрах світу. Він розпочав свою кар’єру на фінансових посадах, які охоплювали ринки капіталу, злиття та поглинання, а також приватний капітал, перш ніж перейти у фінтех, де допоміг запустити та розширити кілька цифрових фінансових продуктів та платформ. До Abacum він був співзасновником і керівником корпоративного венчурного відділу Banco Sabadell, де очолював запуск продуктів, стратегічні інвестиції та поглинання в Європі, Америці та Азії. Сьогодні, як генеральний директор Abacum, він застосовує глибокі операційні знання у сфері фінансів для створення інструментів, які модернізують планування, прогнозування та управління бізнес-виступом фінансовими командами.

Abacum – це платформа фінансового планування та аналізу (FP&A), яка використовує штучний інтелект, призначена для того, щоб допомогти фінансовим командам середнього рівня спростити та модернізувати планування, прогнозування, звітність та бюджетування, поєднуючи операційні та фінансові дані з колаборативними робочими процесами та автоматизованими інсайтами. Розроблена для заміни ручних процесів, заснованих на електронних таблицях, платформа централізує дані в режимі реального часу, підтримує розширені моделі сценаріїв та багатовимірне фінансове моделювання, автоматизує повторювані завдання, такі як звітність та оновлення прогнозів, та інтегрується з сотнями систем для надання командам єдиної джерела правди. Функції Abacum забезпечують точність, ефективність та стратегічне прийняття рішень, дозволяючи фінансовим організаціям скоротити ручну роботу, прискорити цикли планування та зосередитися на орієнтованих на зростання інсайтах.

Ви майже два десятиліття працювали у сфері фінансів та фінтеху до заснування Abacum. Які конкретні розчарування щодо того, як фінансові команди планували, прогнозували та повідомляли про результати, змусили вас і Хорхе зрозуміти, що інструменти, які ви використовували, були не придатні для мети, і що вам потрібно було створити продукт, який ви самі хотіли б мати?

Я зрозумів, що фінанси втрачали вплив не через те, що аналіз був неправильним, а через те, що він надходив занадто пізно. У банківській справі, фінтеху та високорозвинених стартапах я постійно зустрічався з однією й тією ж ситуацією. На засіданні виконавчої ради хтось запитував розумне питання, наприклад: “Скільки місяців у нас залишилося реального часу, якщо ми сповільнимо набір персоналу?” або “Що станеться, якщо доходи впадуть у наступному кварталі?” І не міг відповісти на це питання в режимі реального часу.

Це не було через те, що я не розумів бізнес чи через те, що математика була складною. Проблема була структурною. Гроші жили в одній системі, кількість працівників – в іншій, доходи – десь ще, а витрати – у електронних таблицях. Щоб відповісти впевнено, потрібно було зібрати все разом, відбудувати модель, узгодити розбіжності та сподіватися, що нічого не зламається.

До того часу, як я міг повернутися з відповіддю, вікно прийняття рішень було закрито. Це була справжня проблема. Фінанси заслуговують на місце за столом завдяки суворості, але зберігають це місце завдяки часу. Якщо ви не можете з’явитися з впевненим рішенням за кілька хвилин або годин, ви втрачаєте вплив, навіть якщо ваш аналіз ідеальний через тиждень.

Що зробило ситуацію ще гіршою, було те, що фінансові команди мали вибір. Вони могли використовувати електронні таблиці, які були гнучкими та швидкими, але крихкими та некерованими. Або ж_legacy-платформи, які були потужними, але припускали статичний бізнес і вимагали важкої адміністрації, щоб просто функціонувати.

Тим часом сучасні компанії працюють у спринтах, навіть на рівні виконавчої ради. Плани змінюються постійно. Рішення накопичуються. Фінанси не можуть дозволити собі бути командою, яка завжди “повертається з відповіддю”.

Це саме тому ми заснували Abacum. Ми хотіли систему планування, побудовану для швидкості та довіри одночасно, щоб фінанси могли застосовувати суворість достатньо рано, щоб сформувати напрямок, поки вибір все ще є предметом переговорів.

Коли ви почали будувати Abacum у 2020 році, як ви підтвердили, що ця проблема виходила далеко за межі вашого власного досвіду та була спільною для швидкозростаючих середніх компаній?

Перше підтвердження прийшло у розмові, яку я очікував, що спростує мою тезу. Я зателефонував своєму співзасновнику Хорхе, оскільки він був найрозумнішим фінансистом, якого я знав, і я припускав, що він скаже мені, що є кращий спосіб, якого я якимось чином пропустив.

Натомість ми порівняли нотатки протягом годин і зрозуміли, що ми жили однією й тією ж схемою в різних середовищах. Фінансові команди тонуть у узгодженні, постійно перебудовують моделі та завжди на крок позаду бізнесу. Це був момент, коли все стало зрозуміло для нас. Це не була особиста поразка чи проблема процесу. Це була структурна проблема, спільна для компаній.

Потім ми поговорили з фінансовими директорами та лідерами фінансових команд у різних галузях, географіях та стадіях зростання. Мова змінилася, але історія залишилася незмінною. “Ми завжди перебудовуємо замість того, щоб радити”.

Глибший інсайт для нас полягав у тому, що ця невдача повторюється в циклах. Кожні кілька років нова платформа стверджує, що вирішує проблему FP&A. Потім темп бізнесу прискорюється знову. Нові інструменти, нові метрики, нові зацікавлені сторони, нові плани та ритми. Система розбухає та ламає під змінами.

Це розуміння сформувало наш напрямок. Ми не хотіли будувати статичне рішення для однієї операційної моделі. Ми хотіли платформу, яка залишилася б актуальною, коли бізнес еволюціонує, що стає ще більш критичним у епоху штучного інтелекту. Адмісія до YC пізніше підтвердила, що це була глобальна проблема, а не ніша.

Abacum тепер підтримує прогнозування в режимі реального часу, моделювання сценаріїв та планування кількості працівників. На якому етапі штучний інтелект перейшов від майбутньої концепції до фундаментальної частини архітектури платформи?

Штучний інтелект ніколи не був післяthought для нас, але ми були дуже обережні щодо того, коли та як застосовувати його. Фінанси – це справа довіри. Ви не можете покласти інтелект на хаос та очікувати авторитетності. Якщо дані нечіткі, визначення нестійкі, а модель крихка, штучний інтелект не виправить це. Він просто прискорить плутанину швидше.

Отже, ми почали з основ: сильного шару даних, надійних інтеграцій та моделей, які відображають, як дійсно працюють підприємства. З самого початку стратегія штучного інтелекту полягала у вкладенні інтелекту туди, де він створює реальну вагу.

Це означало застосування штучного інтелекту до високовимірної, низької судження роботи, яка історично споживає час та створює помилки. Очищення та нормалізація вхідних даних. Узгодження розбіжностей між системами. Класифікація та маркування у масштабі. Виявлення аномалій на ранній стадії, а не в кінці місяця.

Як тільки ця основа буде закладена, штучний інтелект змінює економіку планування. Розгляд сценаріїв стає економічно вигідним. Компроміси можна протестувати в моменті, а не планувати на зустрічі через кілька днів пізніше.

Це саме тоді штучний інтелект стає фундаментальним. Не тоді, коли він може згенерувати гарний графік чи підсумок, а коли він дозволяє фінансам застосовувати суворість достатньо швидко, щоб впливати на рішення, поки воно все ще відкрито.

У швидкозростаючих компаніях фінансові дані часто живуть у багатьох системах та оновлюються постійно. Які були найбільш складними технічними чи організаційними проблемами при перетворенні цих фрагментованих даних у надійну систему планування в режимі реального часу?

Переміщення даних не є найскладнішою проблемою. Більшість сучасних систем керуються API, і інструменти інтеграції існують. Реальна проблема починається після прибуття даних. Сирі дані нестійкі. Доходи в CRM не збігаються з доходами в ERP. Кількість працівників в HR-системах не збігається з зарплатою. Навіть базові метрики, такі як ARR або रनвей, означають різні речі для різних команд.

Якщо визначення не явні та узгоджені, кожен прогноз перетворюється на дискусію. Проблема складається з трьох частин. По-перше, фундамент даних, який оновлюється безперервно, коли змінюються джерельні системи. По-друге, керований бізнес-модель, де розрахунки явні та узгоджені. По-третє, організаційна узгодженість, оскільки планування в режимі реального часу вимагає спільних визначень та спільного робочого ритму.

Керування тим, що робить швидкість безпечною. Планування в режимі реального часу працює лише тоді, коли довіра закладена у робочий процес, а не прикручена як політичний документ чи перевірка електронної таблиці.

З того, що ви бачите у сотень клієнтів, як безперервне планування в режимі реального часу змінює те, як фінансові директори приймають рішення від тижня до тижня, а не лише під час засідань ради директорів чи бюджетного часу?

Роль фінансів змінилася з періодичного огляду на безперервну підтримку рішень.

По-перше, обсяг рішень вибухнув. Фінанси тепер займаються набором персоналу, інвестиціями в GTM, оновленнями, продуктивними ставками та операційними компромісами на постійній основі.

По-друге, дані ніколи не “завершені”. Нові інструменти, нові метрики та нові зацікавлені сторони означають, що набір даних завжди в русі. Бізнес не може чекати ідеального закриття, щоб рухатися вперед.

У цьому контексті планування в режимі реального часу змінює фінанси з звітності та пояснень на активне формування напрямку. रनвей стає живим обмеженням, а не квартальним показником. Планування сценаріїв стає частою розмовою про компроміси, а не щорічним вправлянням.

Найкращі фінансові команди не стають менш суворими. Вони стають більш суворими раніше. Це саме той зсув.

Як Abacum застосовує штучний інтелект по-іншому, ніж традиційна правило-орієнтована автоматизація, і які фінансові рішення все ще потребують сильної людської судження?

Більшість штучного інтелекту у фінансах сьогодні починається в кінці робочого процесу. Він припускає, що ваші дані вже чисті та керовані, а потім додає чат-бота для запиту чи підсумку інсайтів. Це може бути корисним, але це пропускає найскладнішу частину FP&A.

Ми починаємо з початку. Ми застосовуємо штучний інтелект туди, де люди додають найменше значення та роблять найбільше помилок, наприклад, очищення, узгодження, класифікація, виявлення аномалій та допомога у моделюванні логіки. Інтелект живе всередині робочого процесу, а не в окремому інтерфейсі чату.

Штучний інтелект також знижує складність податку, який утримує команди. Багато платформ вимагають спеціалізованих консультантів або експертів, створюючи залежність від “власників системи”. Штучний інтелект повинен знизити цю бар’єр. Фінансові команди повинні бути能够 виразити намір та мати систему, яка допоможе сконструювати логіку правильно.

Це також місце, де наш середній шлях має значення. Історично фінанси мали вибір між інструментами, які були гнучкими, але крихкими, або платформами, які були потужними, але важкими у керуванні. Штучний інтелект тепер змушує ту саму хибну торгівлю: копілоти, які легкі, але мілкі, або системи оркестрування, які потужні, але також вимагають вивчити новий спосіб роботи. Натомість ми вважаємо, що правильна відповідь полягає у штучному інтелекті, який зникає у робочому процесі, покращуючи планування без зміни того, як команди працюють.

Що стосується судження, межа очевидна. Штучний інтелект може прискорити аналіз та дослідження, але рішення, які включають розподіл капіталу, компроміси щодо набору персоналу, ціноутворення та стратегічну пріоритезацію, все ще потребують людського контексту та відповідальності. Фінансовий директор володіє викликом.

Як ви думаєте про довіру та пояснюваність для фінансових лідерів, які повинні стояти за цифрами?

У фінансах “напрямок правильний” недостатньо. Фінансові лідери відповідають за цифри, які вони представляють. Якщо ви не можете пояснити прогноз, ви не можете використовувати його в розмові про рішення.

Довіра починається з детермінативної основи. Стійкі визначення. Узгоджені дані. Прозорі логіки. Прогнозна інтелігентність працює лише тоді, коли вона побудована на чомусь твердому.

Пояснюваність – це те, що перетворює інсайт у дію. Фінансові директори повинні швидко відповісти, що змінилося, чому воно змінилося, які драйвери рухалися, та які припущення відповідають за різні результати.

Керування не може жити у статичних контролах більше. Воно повинно бути закладене у робочий процес, щоб припущення були видимими, логіка була простежуваною, а кожен сценарій залишав чіткий запис. Метою є не видалити людей з циклу, а допомогти їм здійснювати судження раніше, з більшою впевненістю.

Ви пройшли через як ранню акселерацію, так і пізніше стадію зростання фінансування. Як ці фази вплинули на те, як агресивно ви інвестували у штучний інтелект порівняно з основними фундаментальними продуктами?

Раннє фінансування примусило нас до дисципліни. Ми не могли гнатися за блискучими об’єктами. Ми повинні були заслужити довіру, будуючи фундаментальні речі: надійні інтеграції, сильні моделі даних та інженерний двигун, який не ламався, коли бізнес змінювався.

Штучний інтелект завжди був частиною стратегії, але ми відмовилися ставити його як маркетинговий шар. Якщо штучний інтелект не створював реальної ваги всередині робочого процесу, ми не відправляли його.

Як ми росли, ринок змінився. Штучний інтелект став таблицею ставок. Кожен постачальник міг продемонструвати чат-бота та бути “штурхнутим штучним інтелектом”. Отже, планка зсунулася від оптик до результатів. Чи штучний інтелект допомагає фінансам приймати кращі рішення швидше, з простежуваністю, чи просто виробляє вражаючі виходи?

Пізніше зростання підняло стандарт ефективності теж. Команди очікували робити більше з меншим. Це підкріпило наш фокус на штучному інтелекті, який забезпечує вимірювану вагу, а не розповідну привабливість.

Ви подвоюєте ставки на розширення у США. Як ринок США відрізняється у своїй готовності прийняти платформи фінансів, роджених з штучним інтелектом, порівняно з іншими регіонами?

Американські компанії рухаються швидко, а очікування інвесторів високі. Фінансові директори очікується бути глибоко операційними, а не лише точними. Вони постійно керують планами набору персоналу, інвестиціями в GTM, рішеннями про витрати та пріоритезацією.

Це робить біль від повільного планування більш гострим. Коли рішення відбуваються щотижня або щоденно, фінанси не можуть дозволити собі працювати у місячних ритмах. Вбудований інтелект стає не тим, чого бажають, а тим, чого вимагають.

Ринок США також більш відкритий до ідеї, що фінансові системи повинні бути динамічними, а не статичними. Очікування не лише точності звітності, а й підтримки рішень у темпі, який потрібен бізнесу для руху.

Оглядаючи 2026 рік, які частини фінансового планування, на вашу думку, стануть в основному автоматизованими штучним інтелектом, а де людське судження залишилося б важливим?

Шари, які стануть в основному автоматизованими, – це повторювані, низької судження завдання, які споживають непропорційно багато часу сьогодні. Консолідування даних, очищення, нормалізація, узгодження, виявлення аномалій та базова звітність повинні працювати безперервно.

Прогнозування та генерація сценаріїв будуть прискорені драматично, але вони не будуть повністю делеговані. Штучний інтелект зробить їх дешевими та досліджуватиме варіанти та стрес-тести припущення, але ризик контексту та відповідальність все ще мають значення.

Лудське судження залишилося б важливим там, де ставки високі. Розподіл капіталу. Стратегія набору персоналу. Ціноутворення. Розповіді ради директорів. Штучний інтелект змінює, чи фінанси можуть слідувати за темпом рішень. Він не змінює, хто відповідає за результат.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Abacum.