Хуліо Мартінес, співзасновник і CEO Abacum – Серія інтерв’ю

Хуліо Мартінес, співзасновник і CEO Abacum, – фінтех-підприємець з майже два десятиліття досвіду, що охоплює інвестиційний банкінг, корпоративний розвиток, створення підприємства та технологічний лідерство в основних глобальних фінансових центрах. Він розпочав свою кар’єру на фінансових посадах, що охоплювали ринки капіталу, M&A та приватний капітал, перш ніж перейти у фінтех, де допоміг запустити та масштабувати кілька цифрових фінансових продуктів та платформ. До Abacum він співзаснував і розширив корпоративне венчурне крило Banco Sabadell, очолюючи запуски продуктів, стратегічні інвестиції та поглинання в Європі, Америці та Азії. Сьогодні, як CEO Abacum, він застосовує глибокі операційні фінансові знання для створення інструментів, які модернізують плани фінансових команд, прогнозують та забезпечують бізнес-діяльність.

Abacum – це платформа фінансового планування та аналізу (FP&A), яка працює на основі штучного інтелекту, розроблена для того, щоб допомогти фінансовим командам середнього ринку спростити та модернізувати плани, прогнозування, звітність та бюджетування шляхом підключення операційних та фінансових даних до спільних робочих процесів та автоматизованих інсайтів. Створена для заміни ручних процесів, заснованих на 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 істини. Функції Abacum забезпечують точність, ефективність та стратегічне прийняття рішень, дозволяючи фінансовим організаціям зменшити ручну роботу, прискорити цикли планування та зосередитися на орієнтованих на зростання інсайтах.

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

Я зрозумів, що фінанси втрачали вплив не через те, що аналіз був неправильним, а через те, що він надходив занадто пізно. У банку, фінтехі 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 ресурсу, якщо ми сповільнимо набір персоналу?” або “Що відбувається, якщо доходи впадуть у наступному кварталі?” І я не міг відповісти присутнім у режимі реального часу.

Це не було через те, що я не розумів бізнес чи через те, що математика була складною. Проблема була структурною. Гроші перебували в одній системі, кількість працівників – в іншій, доходи – десь ще, а витрати – у 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, термін прийняття рішення вже минув. Це була справжня проблема. Фінанси заслуговують на місце за столом через суворість, але зберігають його через терміновість. Якщо ви не можете надати впевнене рішення за кілька хвилин або годин, ви втрачаєте вплив, навіть якщо ваш аналіз ідеальний через тиждень.

Це ще погіршувалося через те, що фінансовим командам пропонувалося хибний вибір. Вони або використовували таблиці, які були гнучкими та швидкими, але хрупкими та некерованими, або традиційні платформи, які були потужними, але припускали статичний бізнес та вимагали важкої адміністрації просто для функціонування.

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

Саме тому ми заснували Abacum. Ми хотіли систему планування, побудовану на швидкості та довірі одночасно, щоб фінанси могли застосувати суворість достатньо рано, щоб сформувати напрямок, поки вибір все ще є переговорним.

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

Перша перевірка відбулася у розмові, яку я очікував спростувати 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, який я якимось чином пропустив.

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

Потім ми поговорили з фінансовими керівниками та лідерами фінансів різних галузей, географій та стадій зростання. Мова змінилася, але історія залишилася незмінною. “Ми завжди перебудовуємо замість того, щоб радити”.

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

Це розуміння сформувало наш напрямок. Ми не хотіли будувати статичне рішення для однієї операційної моделі. Ми хотіли платформу, яка залишається актуальною, коли бізнес еволюціонує, що стає ще більш критичним у епоху штучного інтелекту. Наше прийняття до YC пізніше підтвердило, 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 довіри. Якщо дані нечіткі, визначення неузгоджені, а модель хрупка, штучний інтелект не виправить це. Він просто прискорить плутаність.

Тому ми почали з основ: сильного шару даних, надійних інтеграцій та моделей, які відображають, як дійсно працюють бізнеси. З самого початку стратегія штучного інтелекту полягала у тому, щоб вбудувати інтелект там, де він створює реальну перевагу.

Це означало застосування штучного інтелекту до високовимірної, низької судової роботи, яка історично споживає час та створює помилки, наприклад, очистку та нормалізацію вхідних даних, узгодження розбіжностей між системами, класифікацію та маркування у великих масштабах, виявлення аномалій на ранній стадії, а не на кінці місяця.

Як тільки ця основа буде закладена, штучний інтелект змінює економіку планування. Розслідування сценаріїв стає економічно ефективним. Торгівлі можуть бути протестовані в моменті, а не заплановані на зустріч через кілька днів.

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

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

Переміщення даних не є найважчою проблемою. Більшість сучасних систем керуються API, а інструменти інтеграції існують. Справжня проблема починається після прибуття даних. Сирі дані неузгоджені. Доходи в CRM не збігаються з доходами в ERP. Кількість працівників у системах HR не збігається з оплатою праці. Навіть базові метрики, такі як ARR або ресурс, означають різні речі для різних команд.

Якщо визначення не є явними та узгодженими, кожен прогноз перетворюється на дискусію. Проблема триступенева. По-перше, фундамент даних, який оновлюється безперервно, коли джерельні системи змінюються. 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 список перевірок таблиць.

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

Роль фінансів змінилася з періодичної перевірки на безперервну підтримку рішень.

По-перше, обсяг рішень вибухнув. Фінанси тепер залучені до прийняття рішень щодо набору персоналу, інвестицій у GTM, оновлень продуктів, операційних компромісів на постійній основі.

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

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

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 судової діяльності?

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 найважчу частину FP&A.

Ми починаємо з початку. Ми застосовуємо штучний інтелект там, де люди додають найменше значення та роблять найwięcej помилок, наприклад, очистку, узгодження, класифікацію, виявлення аномалій та допомогу у моделюванні логіки. Інтелект живе всередині робочого процесу, а не в окремому інтерфейсі чату.

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

Це також місце, де наша позиція середнього шляху має значення. Історично фінанси мали вибір між інструментами, які були гнучкими, але хрупкими, або платформами, які були потужними, але важкими у керуванні. Штучний інтелект тепер примушує той же хибний вибір: копілоти, які легкі, але мілкі, або системи оркестрування, які потужні, але вимагають вивчення нового способу 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 судової діяльності, межа чітка. Штучний інтелект може прискорити аналіз та дослідження, але рішення, які включають розподіл капіталу, компроміси щодо набору персоналу, цінову політику 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, коли моделі стають більш передбачувальними?

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

Довіра починається з детермінативної основи. Узгоджені визначення. Узгоджені дані. Прозора логіка. Передбачувальна інтелігентність працює лише тоді, коли вона побудована на чомусь твердому.

Пояснюваність 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 контролях більше. Воно повинно бути закладено у робочий процес, щоб припущення були видимими, логіка була простежуваною, а кожний сценарій залишав чіткий запис. Метою не є видалення людей з циклу, а допомога їм здійснювати судову діяльність раніше, з більшою впевненістю.

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

Раннє фінансування примусило нас бути дисциплінованими. Ми не могли гнатися за блискучими об’єктами. Ми повинні були заслужити довіру, будуючи основу: надійні інтеграції, сильні моделі даних та планувальний 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 переваги у робочому процесі, ми не відправляли його.

Як ми росли, ринок змінився. Штучний інтелект став стандартом. Кожен постачальник міг продемонструвати чат-бота та бути “штучно інтелектуальним”. Таким чином, планка зсунулася від оптики до результатів. Чи допомагає штучний інтелект фінансам приймати кращі рішення швидше, з пояснюваністю, чи просто виробляє вражаючі виходи?

Пізнє зростання підняло стандарт ефективності також. Команди очікували робити більше з меншим. Це підкріло наш фокус на штучному інтелекті, який доставляє міруємої переваги, а не оповідної привабливості.

Ви подвоюєте ставки на розширення у США. Як ринок США відрізняється у своїй готовності прийняти платформи фінансів, засновані на штучному інтелекті, порівняно з іншими регіонами?

Американські компанії рухаються швидко, а очікування інвесторів високі. Фінансові директори очікується бути глибоко оперативними, а не лише точними. Вони постійно керують планами набору персоналу, інвестиціями у GTM, рішеннями щодо витрат та пріоритезації.

Це робить біль від повільного планування більш гострим. Коли рішення відбуваються щотижня або щодня, фінанси не можуть дозволити собі працювати у місячних ритмах. Вбудований інтелект стає не просто бажаним, а вимогами.

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

Оглядаючи вперед до 2026 року, які частини фінансового планування, на вашу думку, стануть в основному автоматизованими штучним інтелектом, а де людська судова діяльність залишається суттєвою?

Шари, які стануть в основному автоматизованими, – це повторювані, низької судової діяльності, які споживають непомірну кількість часу сьогодні. Консолідування даних, очистка, 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 тести на стійкість припущень, але контекстний ризик та відповідальність все ще мають значення.

Лудська судова діяльність залишається суттєвою там, де ставки високі. Розподіл капіталу. Стратегія набору персоналу. Цінові рішення. Розповіді ради директорів. Штучний інтелект змінює, чи можуть фінанси слідувати за темпом рішень. Він не змінює, хто відповідає за результат.

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