John Glasgow, CEO, CFO kiêm nhà sáng lập Campfire – Loạt bài phỏng vấn

John Glasgow là CEO, CFO kiêm nhà sáng lập Campfire, với kinh nghiệm trong lĩnh vực tài chính, mua bán và sáp nhập công nghệ, cùng chiến lược doanh nghiệp. Trước khi thành lập công ty, ông từng làm việc tại Adobe, Invoice2go và Bill.com, trong đó có việc góp phần dẫn dắt Invoice2go qua thương vụ mua lại trị giá 625 triệu đô la. Công việc trong các tổ chức tài chính đã định hình trọng tâm của ông: thay thế những quy trình phụ thuộc vào bảng tính bằng các hệ thống kế toán lưu giữ chi tiết ở cấp giao dịch và hỗ trợ tự động hóa.

Campfire phát triển nền tảng hoạch định nguồn lực doanh nghiệp (ERP) được xây dựng lấy AI làm cốt lõi, dành cho các nhóm tài chính và kế toán; nền tảng này kết hợp sổ cái tổng hợp, tự động hóa doanh thu, báo cáo và quản lý quy trình khóa sổ. Các tác nhân Ember làm việc với dữ liệu kế toán nền tảng để hỗ trợ những nhiệm vụ như đối chiếu và phân loại giao dịch, trong khi Forecast tách biệt số liệu thực tế đã ghi sổ, các khoản đã cam kết và ước tính do AI tạo ra. Trong cuộc phỏng vấn này, Glasgow trao đổi về kiến trúc đằng sau kế toán thuần AI, ranh giới giữa quyền tự chủ của tác nhân và sự phê duyệt của con người, cũng như cách các nhóm tài chính duy trì khả năng truy xuất khi tự động hóa ngày càng mở rộng.

Sự nghiệp của ông trải dài qua các lĩnh vực tài chính, mua bán và sáp nhập công nghệ, cùng các vị trí chiến lược tại Adobe, Invoice2go và Bill.com trước khi ông thành lập Campfire. Ông liên tục chứng kiến điều gì bên trong các tổ chức tài chính khiến ông tin rằng cần xây dựng lại ERP từ nền tảng, thay vì chỉ cải tiến hệ thống bằng cách thêm một lớp phần mềm khác?

Việc bán Invoice2go cho Bill.com với giá 625 triệu đô la giúp tôi trực tiếp nhận ra vấn đề. Trong quá trình thẩm định, tôi xử lý hơn 500 yêu cầu bằng bảng tính vì kế toán doanh thu, báo cáo SaaS và các quy trình hợp nhất của chúng tôi nằm trong bảng tính thay vì trong một hệ thống. Một công ty có quy mô như vậy vẫn xử lý những công việc tài chính trọng yếu bằng bảng tính.

Tại Bill, nơi tôi phụ trách quan hệ đối tác chiến lược và làm việc sát cánh với CFO, tôi nhận thấy vấn đề tương tự ở nhiều khách hàng. Các quy trình tính lương, quản lý chi tiêu và quản lý khoản phải trả/khoản phải thu (AP/AR) đã được hiện đại hóa, nhưng các nhóm tài chính vẫn phải quay lại sử dụng một hệ thống ERP được xây dựng cho thời kỳ trước.

Vấn đề nằm ngay ở sổ cái. Các hệ thống ERP cũ nhận những bút toán tổng hợp từ hệ thống lập hóa đơn, thanh toán, tính lương và các hệ thống khác, nên khi dữ liệu đến sổ cái thì chi tiết giao dịch đã mất. Thêm một lớp phần mềm nữa không thể khắc phục tình trạng thiếu dữ liệu. Tôi muốn có một sổ cái vừa lưu giữ chi tiết vừa có thể tự thực hiện công việc; điều đó đồng nghĩa với việc phải xây dựng lại ERP từ đầu.

“Thuần AI” đang trở thành một cách mô tả phổ biến trong lĩnh vực phần mềm doanh nghiệp. Xét về kiến trúc, điều gì khiến một hệ thống ERP thuần AI khác biệt căn bản với ERP truyền thống được bổ sung một mô hình ngôn ngữ lớn hoặc trợ lý AI trên nền hệ thống hiện có?

Khác biệt căn bản là ERP thuần AI được xây dựng xoay quanh dữ liệu mà các quy trình AI cần để thực hiện công việc.

Trợ lý AI chỉ có thể đọc những gì hệ thống ERP cũ lưu trữ. Nếu ERP chỉ có số liệu tổng hợp theo tháng thay vì chi tiết ở cấp giao dịch, AI có thể tìm một con số hoặc soạn lời giải thích, nhưng không thể đối chiếu giao dịch, đối chiếu tài khoản hay giải thích cách một bút toán được tạo ra một cách đáng tin cậy. Campfire lưu giữ đầy đủ chi tiết giao dịch và quản lý cả sổ cái tổng hợp lẫn các sổ cái phụ, nhờ đó các tác nhân Ember có dữ liệu cần thiết để thực sự xử lý công việc.

Khả năng truy xuất là một khác biệt nữa. Mọi hành động của tác nhân đều liên kết trở lại với dữ liệu sổ cái nền tảng và có thể được xem xét trước khi ghi sổ.

Khác biệt thứ ba nằm ở chính mô hình: Accounting Intelligence của Campfire được huấn luyện bằng dữ liệu kế toán và viết mã để thực hiện các nhiệm vụ tài chính, nhờ đó kết quả có thể được tái tạo. Điều này cho phép các tác nhân hành động thay vì chỉ đưa ra đề xuất.

Campfire gần đây ra mắt Forecast, công cụ tách số liệu của tháng hiện tại thành các khoản thực tế, đã cam kết và ước tính bằng AI, thay vì yêu cầu AI dự đoán toàn bộ kỳ. Vì sao ông thiết kế công cụ theo cách này, và theo ông, AI thực sự hữu ích ở đâu trong dự báo tài chính, còn ở đâu dữ liệu kế toán có tính xác định nên giữ vai trò kiểm soát?

Với tư cách CFO, tôi cần biết tháng đó sẽ kết thúc với kết quả ra sao khi còn ít nhất năm ngày nữa mới hết tháng, và đến thời điểm đó, phần lớn số liệu đã được xác định. Nếu yêu cầu AI dự đoán toàn bộ kỳ, những con số đã biết sẽ bị thay bằng phỏng đoán. Vì vậy, Forecast chia tháng thành ba lớp:

Thực tế: những gì đã được ghi vào sổ cái tổng hợp.

Đã cam kết: các khoản tiền trong tương lai đã xác định từ hợp đồng, hóa đơn, tài sản và hợp đồng thuê nhưng chưa được ghi sổ.

Ước tính: dự báo của Ember về phần thực sự chưa biết, dựa trên dữ liệu lịch sử và tính mùa vụ của công ty.

Theo tôi, đó là phần AI nên đảm nhiệm trong dự báo: phần chưa ai có thể biết. Dữ liệu kế toán có tính xác định nên chi phối mọi thứ đã biết. Trộn lẫn hai loại dữ liệu sẽ khiến việc phân biệt sự thật với ước tính trở nên khó khăn hơn. Nếu chúng bị trộn lẫn, khi trình bày dự báo trước hội đồng quản trị, bạn sẽ không biết mình có thể bảo đảm cho những con số nào.

Khi có người hỏi tôi đã tính ra con số đó thế nào, tôi có thể mở bất kỳ số liệu nào để cho thấy các thành phần thực tế, đã cam kết và ước tính, cùng với những giả định của Ember. Forecast chỉ mang tính tham khảo; không có dữ liệu nào do công cụ tạo ra được tự động ghi vào sổ cái, nhưng công cụ giúp bộ phận tài chính sớm nắm được tình hình dự kiến của tháng, kịp đưa ra quyết định kinh doanh trước khi tháng kết thúc.

Forecast giúp Ember ước tính phần chưa xác định của tháng dựa trên các xu hướng trong quá khứ và tính mùa vụ, đồng thời giải thích những giả định làm cơ sở cho các ước tính đó. Bạn xử lý thế nào khi các mô hình trong quá khứ đột nhiên không còn hữu ích, chẳng hạn như khi doanh nghiệp tăng trưởng nhanh, mất một khách hàng lớn, thực hiện một thương vụ mua lại hoặc gặp phải một sự kiện bất thường khác?

Đó là những tháng mà CFO cần dự báo nhất, và vì vậy dự báo được chia thành nhiều lớp. Chỉ phần ước tính của Forecast phụ thuộc vào các xu hướng trong quá khứ và tính mùa vụ. Lớp đã cam kết dựa trên các hợp đồng, hóa đơn, tài sản và hợp đồng thuê đã có trong sổ cái của Campfire, nên một thương vụ mua lại, việc mất khách hàng hay tăng trưởng nhanh sẽ không làm thay đổi những gì đã được biết.

Khi mô hình thay đổi, nhóm tài chính thường biết nguyên nhân trước khi dữ liệu cho thấy điều đó, nên họ có thể cung cấp bối cảnh. Họ có thể thêm ghi chú về những gì đã thay đổi, đính kèm tài liệu như kế hoạch nhân sự, hoặc kết nối nguồn dữ liệu như CRM hay HRIS thông qua tích hợp MCP của chúng tôi. Ember sử dụng bối cảnh đó để ước tính lại phần chưa xác định.

Mỗi ước tính cũng kèm theo lời giải thích dài một câu về các giả định làm cơ sở, nên khi trình bày dự báo, tôi có thể chỉ rõ đâu là số liệu thực tế, đâu là khoản đã cam kết và đâu là phần được dự phóng.

Campfire đã phát triển mô hình riêng mang tên Mô hình Kế toán Lớn (Large Accounting Model, hay LAM), thay vì hoàn toàn dựa vào các mô hình đa dụng. Ông đã nhận thấy những hạn chế nào của AI đa dụng trong lĩnh vực kế toán, và một mô hình chuyên biệt cần hiểu những gì mà mô hình ngôn ngữ lớn (LLM) thông thường thường không hiểu?

Kế toán cần những câu trả lời có thể tái lập, chứ không phải những câu trả lời nghe có vẻ hợp lý. Các mô hình đa dụng giỏi tạo ngôn ngữ, nhưng có thể gặp khó khăn trong suy luận số học và phân loại kế toán, những lĩnh vực đòi hỏi cùng một đầu vào phải luôn cho ra cùng một kết quả.

Thay vì yêu cầu mô hình suy luận trực tiếp trên dữ liệu tài chính, chúng tôi để mô hình viết SQL hoặc Python để thực hiện công việc. Mã có thể tái lập, điều này rất quan trọng cho việc kiểm toán và cho phép doanh nghiệp tự động hóa các hành động mà không cần người phê duyệt từng kết quả giống hệt nhau.

Accounting Intelligence của chúng tôi được huấn luyện bằng dữ liệu kế toán và hiểu những yếu tố như cấu trúc hệ thống tài khoản kế toán, quy luật trong dữ liệu nhà cung cấp và thế nào là một bộ sổ sách được ghi chép chuẩn xác. Hệ thống cũng học từ lịch sử giao dịch của từng khách hàng. Độ chính xác phụ thuộc vào hệ thống bao quanh mô hình cũng nhiều như phụ thuộc vào chính mô hình.

Các nhóm tài chính có mức độ chấp nhận lỗi của AI thấp khác thường. Khi các tác nhân AI bắt đầu thực hiện đối chiếu, phân loại giao dịch, lập bút toán và tương tác với sổ cái, ranh giới giữa việc thực thi tự động và sự phê duyệt của con người nên được xác định như thế nào?

Ranh giới nên phụ thuộc vào việc hành động đó có thể được kiểm tra hay không. Nếu một bút toán có thể tái lập và truy nguyên về dữ liệu sổ cái gốc, thì không nên bắt buộc một người phải phê duyệt từng trường hợp. Nếu không thể giải thích hoặc tái lập kết quả, cần có người xem xét trước khi ghi sổ.

Đó là cách chúng tôi xây dựng Ember. Mọi hành động của tác nhân AI đều được ghi nhật ký, truy nguyên về dữ liệu sổ cái tổng hợp (GL) gốc và có thể được xem xét. Các nhóm thiết lập ngưỡng tin cậy để xác định việc nào Ember có thể tự xử lý và việc nào cần chuyển cho con người; họ cũng có thể mở rộng phạm vi tự chủ khi kết quả đủ đáng tin cậy.

Con người vẫn là bên đưa ra phán đoán. Kế toán viên quyết định Ember nên xử lý đến mức nào, xem xét các trường hợp ngoại lệ và giải thích nguyên nhân khiến số liệu thay đổi. Các tác nhân AI đảm nhận những công việc lặp đi lặp lại như đối chiếu, gắn nhãn và hòa giải tài khoản. TwelveLabs là một ví dụ điển hình: với ba kế toán viên phụ trách Mỹ và Hàn Quốc, công ty đã giảm một nửa thời gian chốt sổ và tiết kiệm hơn 300.000 USD.

Campfire cũng đã giới thiệu một cửa hàng MCP cho phép Ember tương tác với các hệ thống bên ngoài như nền tảng thanh toán, CRM, mua sắm và nhân sự. Về lâu dài, ông có cho rằng ERP sẽ không còn chỉ là một hệ thống ghi nhận thụ động mà sẽ trở thành một lớp điều phối, nơi các tác nhân AI có thể làm việc trên toàn bộ hệ thống tài chính?

Có, miễn là sổ cái vẫn là hệ thống ghi nhận chính thức. Trước đây, ERP ghi nhận những công việc được thực hiện ở nơi khác, nên phần lớn thông tin nằm ngoài sổ cái: một lần gia hạn trong CRM, một nhân viên mới trong HRIS, hay một đơn đặt hàng trong hệ thống mua sắm. Nếu các tác nhân AI sẽ đảm nhận công việc, chúng cũng cần có bối cảnh đó, vì vậy ERP phải kết nối trực tiếp với những hệ thống ấy.

Các nhóm tài chính đã lập dự báo theo cách này suốt nhiều năm, lấy dữ liệu cơ hội bán hàng từ CRM và số lượng nhân sự từ HRIS. Với Forecast, Ember thực hiện việc đó sau khi nhóm kết nối các hệ thống ấy, còn sổ cái vẫn là nguồn dữ liệu đáng tin cậy cho mọi thông tin đã biết. Sổ cái tiếp tục là nguồn dữ liệu đáng tin cậy, trong khi các tác nhân AI có thể làm việc trên những hệ thống xoay quanh nó.

Ông có góc nhìn đặc biệt thú vị về khía cạnh kinh tế của AI, bởi ông vừa là CEO vừa là CFO của một công ty AI phục vụ các nhóm tài chính khác. Hiện nay, ông thấy các công ty lập ngân sách cho AI như thế nào, và ông có nghĩ rằng định giá AI doanh nghiệp sẽ chuyển từ thuê bao tính theo số người dùng sang mô hình dựa trên mức sử dụng, kết quả đạt được hay một hình thức khác không?

Chúng tôi nhận thấy ngân sách đang chuyển từ khoản chi cố định tính theo số chỗ ngồi sang mức tiêu thụ AI biến đổi, và nhiều nhóm tài chính chưa sẵn sàng cho điều đó. Khi các tác nhân AI đảm nhận những công việc trước đây do con người làm, doanh nghiệp có thể cần ít chỗ ngồi dành cho nhân viên hơn, trong khi mức sử dụng AI lại tăng. Các nhà cung cấp cũng đang cộng thêm tín dụng và phí vượt mức vào phí tính theo số chỗ ngồi, vì vậy các nhóm tài chính cần lập mô hình ước tính chi phí sử dụng có thể phát sinh trước khi ký hợp đồng.

Tôi cho rằng mô hình kết hợp sẽ phổ biến hơn mô hình định giá hoàn toàn dựa trên kết quả. Với tư cách CFO, tôi muốn có một khoản phí cơ bản dễ dự đoán; còn với tư cách CEO, tôi cần mức giá phản ánh đúng mức sử dụng thực tế.

Campfire huy động được 35 triệu USD ở vòng Series A, rồi chỉ vài tuần sau tiếp tục huy động 65 triệu USD ở vòng Series B. Trong khoảng thời gian đó, thị trường hoặc nhu cầu của khách hàng đã thay đổi như thế nào khiến ông quyết định đẩy mạnh đầu tư vào công ty đến vậy? Ông thấy cơ hội lớn nhất để nguồn vốn đó thúc đẩy sản phẩm phát triển nằm ở đâu?

Trước vòng Series A, nhu cầu đã rất mạnh, nhưng ngay sau khi vòng gọi vốn khép lại, phản hồi của thị trường lập tức tăng tốc. Các công ty liên hệ để xem bản giới thiệu sản phẩm, trong đó có nhiều công ty lần đầu biết đến Campfire, và chúng tôi nhận ra nhu cầu đã vượt xa những gì mình dự tính.

Điều đó tạo cơ hội để chúng tôi đầu tư mạnh hơn nhằm đáp ứng nhu cầu, đặc biệt khi các công ty sẵn sàng rời bỏ những nền tảng cũ như NetSuite và Sage Intacct. Replit là một ví dụ cho thấy lý do: doanh thu định kỳ hằng năm của công ty tăng từ 10 triệu USD lên hơn 200 triệu USD mà không cần bổ sung nhân sự cho đội ngũ kế toán gồm bốn người; thời gian chốt doanh thu cũng giảm từ tám giờ xuống còn 30 phút.

Chúng tôi huy động 35 triệu USD ở vòng Series A do Accel dẫn đầu, sau đó là 65 triệu USD ở vòng Series B do Accel và Ribbit đồng dẫn đầu, nâng tổng số vốn huy động lên 100 triệu USD trong 12 tuần. Chúng tôi đã dùng số vốn này để đáp ứng nhu cầu ngày càng tăng, mở rộng đội ngũ từ 10 người lên hơn 150 người tại San Francisco, New York và London.

Kế toán lấy AI làm nền tảng nhanh chóng trở thành một lĩnh vực cạnh tranh, với các công ty như Campfire và Rillet thách thức những nền tảng lâu đời như QuickBooks, NetSuite và Sage Intacct. Nếu nhìn về năm năm tới, ông dự đoán các tác tử AI sẽ đảm nhận gần như toàn bộ những phần việc nào trong kế toán và ERP, và những trách nhiệm nào sẽ vẫn thuộc về các chuyên gia tài chính?

Tôi cho rằng các tác tử sẽ xử lý phần lớn công việc thường nhật: đối chiếu giao dịch với khoản thanh toán, gắn nhãn giao dịch, đối chiếu số liệu, ghi nhận chi phí phải trả, cũng như các công đoạn mang tính cơ học trong quy trình khóa sổ và lập báo cáo. Đây là những công việc lặp đi lặp lại, dựa trên quy tắc mà phần mềm có thể học được.

Những việc vẫn cần con người đảm trách là đưa ra phán đoán và chịu trách nhiệm. Kế toán viên sẽ quyết định mức độ tự chủ có thể giao cho các tác tử, xem xét những trường hợp ngoại lệ, giải thích nguyên nhân biến động của các con số và tư vấn cho doanh nghiệp về bước tiếp theo. Vẫn phải có người chịu trách nhiệm về sổ sách kế toán.

Theo thời gian, việc tích hợp AI ngay từ nền tảng sẽ trở thành yêu cầu cơ bản đối với phần mềm tài chính. Yếu tố tạo nên khác biệt sẽ là liệu các nhóm tài chính có tin tưởng giao sổ cái cho hệ thống hay không, và họ có thể thấy chính xác hệ thống đi đến kết luận như thế nào hay không. Đó là tiêu chuẩn mà chúng tôi xây dựng Campfire để đáp ứng; hiện đã có hơn 400 công ty, bao gồm Cursor, Clay, Polymarket và PostHog, sử dụng nền tảng này để quản lý sổ sách kế toán.

Cảm ơn ông về buổi phỏng vấn rất thú vị. Độc giả muốn tìm hiểu thêm về kế toán lấy AI làm nền tảng và hoạch định nguồn lực doanh nghiệp có thể truy cập Campfire.