Julio Martínez, Đồng sáng lập và CEO của Abacum – Phỏng vấn

Julio Martínez, Đồng sáng lập và CEO tại Abacum, là một doanh nhân fintech có gần hai thập kỷ kinh nghiệm trong lĩnh vực ngân hàng đầu tư, phát triển doanh nghiệp, xây dựng doanh nghiệp và lãnh đạo công nghệ tại các trung tâm tài chính lớn trên toàn cầu. Ông bắt đầu sự nghiệp trong các vai trò tài chính bao gồm thị trường vốn, sáp nhập và mua lại, và tư nhân trước khi chuyển sang fintech, nơi ông giúp ra mắt và mở rộng nhiều sản phẩm và nền tảng tài chính kỹ thuật số. Trước khi tham gia Abacum, ông đã đồng sáng lập và mở rộng cánh tay đầu tư doanh nghiệp của Banco Sabadell, dẫn đầu việc ra mắt sản phẩm, đầu tư chiến lược và mua lại trên khắp châu Âu, châu Mỹ và châu Á. Ngày nay, với tư cách là CEO của Abacum, ông áp dụng chuyên môn vận hành tài chính sâu sắc để xây dựng các công cụ hiện đại hóa cách các đội tài chính lập kế hoạch, dự báo và thúc đẩy hiệu suất kinh doanh.

Abacum là một nền tảng lập kế hoạch và phân tích tài chính (FP&A) bản địa AI được thiết kế để giúp các đội tài chính trung cấp đơn giản hóa và hiện đại hóa việc lập kế hoạch, dự báo, báo cáo và ngân sách bằng cách kết nối dữ liệu vận hành và tài chính với quy trình làm việc hợp tác và thông tin tự động. Được xây dựng để thay thế các quy trình dựa trên bảng tính thủ công, nền tảng này tập trung dữ liệu thời gian thực, hỗ trợ mô hình hóa kịch bản và mô hình hóa tài chính đa chiều, tự động hóa các nhiệm vụ lặp đi lặp lại như báo cáo và cập nhật dự báo, và tích hợp với hàng trăm hệ thống để cung cấp cho các đội một nguồn thông tin duy nhất. Các tính năng của Abacum thúc đẩy độ chính xác, hiệu quả và ra quyết định chiến lược, cho phép các tổ chức tài chính giảm công việc thủ công, tăng tốc chu kỳ lập kế hoạch và tập trung vào các thông tin tăng trưởng.

Bạn đã dành gần hai thập kỷ làm việc trong lĩnh vực tài chính và fintech trước khi thành lập Abacum. Những gì cụ thể về sự thất vọng với cách các đội tài chính lập kế hoạch, dự báo và báo cáo hiệu suất khiến bạn và Jorge nhận ra rằng các công cụ bạn đang sử dụng không phù hợp với mục đích và bạn cần xây dựng sản phẩm mà bạn mong muốn?

Tôi nhận ra rằng tài chính đang mất ảnh hưởng không phải vì phân tích sai, mà vì nó đến quá muộn. Trong lĩnh vực ngân hàng, fintech và các công ty khởi nghiệp tăng trưởng cao, tôi liên tục gặp phải cùng một vấn đề. Trong một cuộc họp điều hành, ai đó sẽ hỏi một câu hỏi hợp lý như: “Chúng tôi thực sự có bao nhiêu tháng tiền mặt nếu chúng tôi giảm tốc độ tuyển dụng?” hoặc “Điều gì xảy ra nếu doanh thu giảm trong quý tới?” Và không thể trả lời ngay lập tức.

Không phải vì tôi không hiểu doanh nghiệp hoặc vì toán học quá khó. Vấn đề là cấu trúc. Tiền mặt nằm trong một hệ thống, số lượng nhân viên trong hệ thống khác, doanh thu ở nơi khác, và chi phí trong bảng tính. Để trả lời một cách tự tin, bạn phải kéo mọi thứ lại với nhau, xây dựng lại mô hình, điều chỉnh sự không nhất quán và hy vọng không có gì bị hỏng.

Đến khi tôi có thể quay lại với câu trả lời, cửa sổ quyết định đã đóng lại. Đó là vấn đề thực sự. Tài chính kiếm được chỗ ngồi tại bàn thông qua sự nghiêm ngặt nhưng giữ chỗ ngồi thông qua thời gian. Nếu bạn không thể xuất hiện với sự hỗ trợ quyết định tự tin trong vài phút hoặc vài giờ, bạn sẽ mất ảnh hưởng, ngay cả khi phân tích của bạn hoàn hảo một tuần sau.

Điều làm cho nó tồi tệ hơn là sự lựa chọn sai mà các đội tài chính được đưa ra. Họ đang sử dụng bảng tính linh hoạt và nhanh chóng, nhưng dễ vỡ và không được quản lý. Hoặc các nền tảng cũ mà mạnh mẽ nhưng giả định một doanh nghiệp tĩnh và yêu cầu quản lý nặng để chỉ hoạt động.

Trong khi đó, các công ty hiện đại hoạt động trong các sprint, ngay cả ở cấp điều hành. Kế hoạch thay đổi liên tục. Các quyết định chồng chất. Tài chính không thể là đội luôn “trở lại với câu trả lời”.

Đó là lý do chúng tôi thành lập Abacum. Chúng tôi muốn một hệ thống lập kế hoạch được xây dựng cho tốc độ và niềm tin cùng một lúc, để tài chính có thể áp dụng sự nghiêm ngặt đủ sớm để định hình hướng đi trong khi các lựa chọn vẫn còn có thể thương lượng.

Khi bạn bắt đầu xây dựng Abacum vào năm 2020, làm thế nào bạn xác nhận rằng vấn đề này vượt ra ngoài kinh nghiệm của riêng bạn và được chia sẻ bởi các công ty trung cấp tăng trưởng nhanh?

Sự xác nhận đầu tiên đến trong một cuộc trò chuyện mà tôi dự kiến sẽ bác bỏ luận điểm của tôi. Tôi đã gọi cho đồng sáng lập Jorge của mình vì anh ấy là người tài chính thông minh nhất mà tôi biết, và tôi giả định anh ấy sẽ nói với tôi rằng có một cách tốt hơn mà tôi đã bỏ lỡ.

Thay vào đó, chúng tôi so sánh ghi chú trong vài giờ và nhận ra rằng chúng tôi đã sống theo cùng một mô hình trong các môi trường khác nhau. Các đội tài chính đang lâm vào tình trạng lộn xộn trong việc hòa giải, liên tục xây dựng lại mô hình, và luôn một bước sau doanh nghiệp. Đó là khoảnh khắc nó nhấp vào cho chúng tôi. Đây không phải là một thất bại cá nhân hoặc một vấn đề về quy trình. Đó là một vấn đề cấu trúc được chia sẻ trên các công ty.

Sau đó, chúng tôi đã nói chuyện với các CFO và lãnh đạo tài chính trên các ngành, địa lý và giai đoạn tăng trưởng. Ngôn ngữ đã thay đổi, nhưng câu chuyện không. “Chúng tôi luôn xây dựng lại thay vì tư vấn.”

Sự hiểu biết sâu sắc hơn cho chúng tôi là rằng sự thất bại này lặp lại theo chu kỳ. Mỗi vài năm, một nền tảng mới tuyên bố đã giải quyết FP&A. Sau đó, tốc độ kinh doanh tăng tốc lại. Các công cụ mới, các chỉ số mới, các bên liên quan mới, các nhịp lập kế hoạch mới. Hệ thống trở nên phình to và bị hỏng dưới sự thay đổi.

Sự nhận thức đó đã định hình hướng đi của chúng tôi. Chúng tôi không muốn xây dựng một giải pháp tĩnh cho một mô hình hoạt động duy nhất. Chúng tôi muốn một nền tảng sẽ vẫn có liên quan khi doanh nghiệp phát triển, điều này trở nên quan trọng hơn trong kỷ nguyên AI. Việc được chấp nhận vào YC sau đó củng cố rằng đây là một vấn đề toàn cầu, không phải là một vấn đề hẹp.

Abacum hiện hỗ trợ dự báo thời gian thực, mô hình hóa kịch bản và lập kế hoạch số lượng nhân viên. Tại thời điểm nào, trí tuệ nhân tạo đã chuyển từ một khái niệm trong tương lai thành một phần cơ bản của kiến trúc nền tảng?

Trí tuệ nhân tạo không bao giờ là một ý tưởng sau này đối với chúng tôi, nhưng chúng tôi rất cẩn thận về khi và cách áp dụng nó. Tài chính là một doanh nghiệp dựa trên niềm tin. Bạn không thể đặt trí thông minh trên đỉnh của sự hỗn loạn và mong đợi sự tin cậy. Nếu dữ liệu bị lộn xộn, định nghĩa không nhất quán và mô hình dễ vỡ, AI sẽ không sửa nó. Nó sẽ chỉ tăng tốc sự混 loạn nhanh hơn.

Vì vậy, chúng tôi bắt đầu với các nguyên tắc cơ bản: một lớp dữ liệu mạnh mẽ, tích hợp đáng tin cậy và các nguyên tắc mô hình hóa phản ánh cách các doanh nghiệp thực sự hoạt động. Từ ngày đầu tiên, chiến lược AI của chúng tôi là nhúng trí thông minh vào nơi nó tạo ra đòn bẩy thực sự.

Điều đó có nghĩa là áp dụng AI vào công việc khối lượng lớn, ít phán quyết mà con người tiêu tốn thời gian và tạo ra lỗi. d. Làm sạch và chuẩn hóa dữ liệu đầu vào. Hòa giải sự không khớp trên các hệ thống. Phân loại và gắn thẻ với quy mô. Phát hiện sớm các bất thường, không phải vào cuối tháng.

Một khi nền tảng đó được thiết lập, AI thay đổi kinh tế của việc lập kế hoạch. Khám phá kịch bản trở nên kinh tế. Các lựa chọn thay thế có thể được thử nghiệm trong thời gian thực thay vì được lên lịch cho một cuộc họp tiếp theo vài ngày sau.

Đó là khi AI trở nên cơ bản. Không phải khi nó có thể tạo ra một biểu đồ đẹp hoặc một bản tóm tắt, mà khi nó cho phép tài chính áp dụng sự nghiêm ngặt đủ nhanh để ảnh hưởng đến quyết định trong khi nó vẫn còn mở.

Trong các công ty tăng trưởng nhanh, dữ liệu tài chính thường sống trên nhiều hệ thống và cập nhật liên tục. Những thách thức kỹ thuật hoặc tổ chức khó khăn nhất trong việc biến dữ liệu phân mảnh này thành một hệ thống lập kế hoạch thời gian thực đáng tin cậy là gì?

Di chuyển dữ liệu không phải là vấn đề khó khăn nhất. Hầu hết các hệ thống hiện đại đều được điều khiển bởi API và công cụ tích hợp tồn tại. Thách thức thực sự bắt đầu sau khi dữ liệu đến. Dữ liệu thô không nhất quán. Doanh thu trong CRM không khớp với doanh thu trong ERP. Số lượng nhân viên trong hệ thống HR không khớp với lương. Ngay cả các chỉ số cơ bản như ARR hoặc đường băng cũng có nghĩa khác nhau với các đội khác nhau.

Nếu định nghĩa không rõ ràng và được đồng ý, mọi dự báo sẽ trở thành một cuộc tranh luận. Thách thức là ba mặt. Đầu tiên, một nền tảng dữ liệu cập nhật liên tục khi hệ thống nguồn thay đổi. Thứ hai, một mô hình kinh doanh được quản lý nơi các tính toán rõ ràng và nhất quán. Thứ ba, sự liên kết tổ chức, vì lập kế hoạch thời gian thực đòi hỏi định nghĩa và nhịp điệu hoạt động chung.

Quản lý là những gì làm cho tốc độ an toàn. Lập kế hoạch thời gian thực chỉ hoạt động khi niềm tin được xây dựng vào quy trình làm việc, không phải được gắn vào như một tài liệu chính sách hoặc một danh sách kiểm tra bảng tính.

Từ những gì bạn đang thấy trên hàng trăm khách hàng, làm thế nào lập kế hoạch liên tục, thời gian thực đang thay đổi cách các CFO đưa ra quyết định từ tuần này sang tuần khác, không chỉ vào thời điểm hội đồng quản trị hoặc ngân sách?

Vai trò của tài chính đã thay đổi từ việc xem xét định kỳ sang hỗ trợ quyết định liên tục.

Đầu tiên, khối lượng quyết định đã tăng vọt. Tài chính hiện đang tham gia vào việc tuyển dụng, đầu tư GTM, gia hạn, đặt cược sản phẩm và các lựa chọn vận hành trên cơ sở liên tục.

Thứ hai, dữ liệu không bao giờ “hoàn thành”. Các công cụ mới, các chỉ số mới và các bên liên quan mới có nghĩa là tập dữ liệu luôn di chuyển. Doanh nghiệp không thể chờ đợi một đóng cửa hoàn hảo để tiến về phía trước.

Trong bối cảnh này, lập kế hoạch thời gian thực thay đổi tài chính từ việc báo cáo và giải thích sang định hình chủ động hướng đi. Đường băng trở thành một ràng buộc sống, không phải là một chỉ số hàng quý. Lập kế hoạch kịch bản trở thành một cuộc trò chuyện thương lượng thường xuyên thay vì một cuộc tập thể dục hàng năm.

Các đội tài chính tốt nhất không trở nên ít nghiêm ngặt hơn. Họ trở nên nghiêm ngặt hơn sớm hơn. Đó là sự thay đổi.

Làm thế nào Abacum áp dụng AI khác với tự động hóa dựa trên quy tắc truyền thống, và những quyết định tài chính nào vẫn đòi hỏi sự phán quyết mạnh mẽ của con người?

Hầu hết AI trong tài chính ngày nay bắt đầu từ cuối quy trình làm việc. Nó giả định rằng dữ liệu của bạn đã sạch và được quản lý, sau đó thêm một chatbot để truy vấn hoặc tóm tắt thông tin. Điều đó có thể hữu ích, nhưng nó bỏ qua phần khó khăn nhất của FP&A.

Chúng tôi bắt đầu từ đầu. Chúng tôi áp dụng AI vào nơi con người thêm ít giá trị nhất và tạo ra nhiều lỗi nhất, chẳng hạn như làm sạch, hòa giải, phân loại, phát hiện bất thường và hỗ trợ với logic mô hình. Trí thông minh sống trong quy trình làm việc, không phải trong một giao diện trò chuyện riêng biệt.

AI cũng giảm thuế phức tạp mà giữ các đội lại. Nhiều nền tảng đòi hỏi các chuyên gia tư vấn hoặc chuyên gia, tạo ra sự phụ thuộc vào “chủ sở hữu hệ thống” AI nên giảm bớt rào cản đó. Các đội tài chính nên có thể thể hiện ý định và có hệ thống giúp xây dựng logic một cách chính xác.

Đây cũng là nơi quan điểm trung gian của chúng tôi quan trọng. Lịch sử, các đội tài chính đã phải chọn giữa các công cụ linh hoạt nhưng dễ vỡ hoặc các nền tảng mạnh mẽ nhưng nặng để quản lý. AI đang buộc phải thực hiện cùng một sự lựa chọn sai lầm: các đồng pilot dễ sử dụng nhưng nông cạn, hoặc các hệ thống điều phối mạnh mẽ nhưng cũng đòi hỏi bạn phải học một cách làm việc mới. Trong khi chúng tôi tin rằng câu trả lời đúng là AI mà biến mất vào quy trình làm việc, cải thiện lập kế hoạch mà không thay đổi cách các đội hoạt động.

Về phán quyết, ranh giới rõ ràng. AI có thể tăng tốc phân tích và khám phá, nhưng các quyết định liên quan đến phân bổ vốn, lựa chọn tuyển dụng, định giá và ưu tiên chiến lược vẫn đòi hỏi ngữ cảnh con người và trách nhiệm.

Khi các mô hình trở nên dự đoán hơn, bạn nghĩ về niềm tin và khả năng giải thích cho các nhà lãnh đạo tài chính cần đứng sau các con số như thế nào?

Trong tài chính, “đúng hướng” không đủ tốt. Các nhà lãnh đạo tài chính phải chịu trách nhiệm về các con số họ trình bày. Nếu bạn không thể giải thích một dự báo, bạn không thể sử dụng nó trong một cuộc trò chuyện quyết định.

Niềm tin bắt đầu với một nền tảng quyết định. Định nghĩa nhất quán. Dữ liệu được hòa giải. Logic minh bạch. Trí thông minh dự đoán chỉ hoạt động khi nó được xây dựng trên một cái gì đó vững chắc.

Khả năng giải thích là những gì biến thông tin thành hành động. Các CFO cần trả lời nhanh chóng những gì đã thay đổi, tại sao nó thay đổi, những yếu tố nào đã di chuyển và những giả định nào chịu trách nhiệm cho các kết quả khác nhau.

Quản lý không thể sống trong các kiểm soát tĩnh nữa. Nó phải được nhúng vào quy trình làm việc, để các giả định được hiển thị, logic có thể theo dõi và mỗi kịch bản để lại một hồ sơ rõ ràng. Mục tiêu không phải là loại bỏ con người khỏi vòng lặp mà là giúp họ thực hiện phán quyết sớm hơn, với nhiều niềm tin hơn.

Bạn đã trải qua cả giai đoạn tăng tốc ban đầu và giai đoạn tăng trưởng sau này. Làm thế nào các giai đoạn đó ảnh hưởng đến việc bạn đầu tư vào AI so với các nguyên tắc sản phẩm cốt lõi?

Tài trợ ban đầu buộc chúng tôi phải kỷ luật. Chúng tôi không thể theo đuổi các đối tượng sáng bóng. Chúng tôi phải kiếm được niềm tin bằng cách xây dựng các nguyên tắc cơ bản: tích hợp đáng tin cậy, mô hình dữ liệu mạnh mẽ và một động cơ lập kế hoạch không bị hỏng khi doanh nghiệp thay đổi.

AI luôn là một phần của chiến lược, nhưng chúng tôi từ chối đối xử với nó như một lớp tiếp thị. Nếu AI không tạo ra đòn bẩy thực sự trong quy trình làm việc, chúng tôi không giao hàng.

Khi chúng tôi phát triển, thị trường đã thay đổi. AI đã trở thành tiêu chuẩn. Mỗi nhà cung cấp có thể trình diễn một chatbot và được “công suất AI”. Vì vậy, tiêu chuẩn đã chuyển từ quang học sang kết quả. Liệu AI có giúp tài chính đưa ra quyết định tốt hơn nhanh hơn, với khả năng theo dõi, hay nó chỉ tạo ra đầu ra hấp dẫn?

Tăng trưởng giai đoạn sau đã tăng tiêu chuẩn hiệu quả, quá. Các đội được kỳ vọng làm được nhiều hơn với ít hơn. Điều đó củng cố sự tập trung của chúng tôi vào AI mang lại đòn bẩy đo lường được, không phải hấp dẫn về mặt tường thuật.

Bạn đã tăng gấp đôi nỗ lực mở rộng tại Mỹ. Thị trường Mỹ khác với các khu vực khác như thế nào về sự sẵn sàng áp dụng các nền tảng tài chính bản địa AI?

Các công ty Mỹ di chuyển nhanh, và kỳ vọng của nhà đầu tư rất cao. Các CFO được kỳ vọng là sâu sắc về mặt vận hành, không chỉ chính xác. Họ liên tục hướng dẫn kế hoạch tuyển dụng, đầu tư GTM, quyết định chi tiêu và ưu tiên.

Điều đó làm cho cơn đau của việc lập kế hoạch chậm trở nên cấp tính hơn. Khi quyết định xảy ra hàng tuần hoặc hàng ngày, tài chính không thể đủ khả năng hoạt động trên một nhịp điệu hàng tháng. Trí thông minh nhúng trở nên ít hơn là một điều mong muốn và nhiều hơn là một yêu cầu.

Thị trường Mỹ cũng dễ tiếp nhận hơn với ý tưởng rằng các hệ thống tài chính nên là động, không tĩnh. Kỳ vọng không chỉ là độ chính xác của báo cáo, mà là hỗ trợ quyết định tại tốc độ mà doanh nghiệp cần di chuyển.

Nhìn về phía trước đến năm 2026, những phần nào của lập kế hoạch tài chính bạn tin sẽ trở nên tự động hóa chủ yếu bởi AI, và nơi nào phán quyết của con người sẽ vẫn là thiết yếu?

Các lớp sẽ trở nên tự động hóa chủ yếu là các nhiệm vụ lặp đi lặp lại, ít phán quyết mà tiêu tốn thời gian ngày hôm nay. Tập hợp dữ liệu, làm sạch, chuẩn hóa, hòa giải, phát hiện bất thường và báo cáo cơ bản nên chạy liên tục.

Dự báo và tạo kịch bản sẽ được tăng tốc đáng kể, nhưng chúng sẽ không được ủy quyền hoàn toàn. AI sẽ làm cho nó rẻ và khám phá các lựa chọn và kiểm tra các giả định, nhưng rủi ro ngữ cảnh và trách nhiệm vẫn quan trọng.

Phán quyết của con người sẽ vẫn là thiết yếu ở bất cứ nơi nào mà các став cao. Phân bổ vốn. Chiến lược tuyển dụng. Quyết định định giá. Câu chuyện hội đồng quản trị. AI thay đổi liệu tài chính có thể theo kịp tốc độ quyết định. Nó không thay đổi ai chịu trách nhiệm về kết quả.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm nên truy cập Abacum.