Abacum联合创始人兼首席执行官Julio Martínez访谈系列

朱利奥·马丁内斯（JulioMartínez）Abacum联合创始人兼首席执行官是一位金融科技企业家，拥有近二十年的从业经验，涵盖投资银行、企业发展、风险投资和全球主要金融中心的技术领导等领域。他的职业生涯始于金融领域，涉及资本市场、并购和私募股权，之后转型进入金融科技行业，帮助推出并拓展了多个数字金融产品和平台。在创立Abacum之前，他联合创立并发展了Banco Sabadell的企业风险投资部门，领导了欧洲、美洲和亚洲的产品发布、战略投资和收购。如今，作为Abacum的首席执行官，他运用深厚的运营财务专业知识，致力于打造能够革新财务团队规划、预测和推动业务绩效的工具。

算盘 Abacum 是一个基于人工智能的财务规划与分析 (FP&A) 平台，旨在通过将运营和财务数据与协作工作流程和自动化洞察相结合，帮助中型市场财务团队简化和现代化规划、预测、报告和预算流程。该平台旨在取代手动电子表格驱动的流程，集中实时数据，支持高级情景建模和多维财务建模，自动执行报告和预测更新等重复性任务，并与数百个系统集成，为团队提供单一数据源。Abacum 的各项功能可提高准确性、效率和战略决策能力，使财务机构能够减少人工工作，加快规划周期，并专注于以增长为导向的洞察。

在创立 Abacum 之前，您从事金融和金融科技行业近二十年。您和 Jorge 当时在使用哪些工具时，对财务团队的计划、预测和业绩报告方式感到不满，从而意识到这些工具并不适用，需要开发出你们自己梦寐以求的产品？

我意识到，金融分析的影响力正在下降，并非因为分析本身有误，而是因为分析来得太晚。在银行业、金融科技公司和高增长创业公司，我反复遇到同样的情况。在高管会议上，有人会问一些看似合理的问题，比如：“如果我们放缓招聘，资金还能维持几个月？”或者“如果下个季度营收下滑怎么办？”但却无法当场回答。

问题不在于我不了解业务，也不在于数学难懂。问题出在结构上。现金在一个系统里，员工人数在另一个系统里，收入在另一个系统里，支出则用电子表格记录。要想给出有把握的答案，你必须把所有数据整合起来，重建模型，纠正差异，然后祈祷一切顺利。

等我能给出答复的时候，决策窗口已经关闭了。这才是真正的问题所在。金融行业靠严谨的分析赢得话语权，但靠的是时效性。如果你无法在几分钟或几小时内拿出令人信服的决策依据，即使一周后你的分析完美无缺，你也会失去影响力。

更糟糕的是，财务团队面临着一个虚假的选择。他们要么使用灵活快捷但脆弱且缺乏管理的电子表格，要么使用功能强大但假定业务模式静态且需要大量管理才能正常运行的传统平台。

与此同时，现代企业即使在高管层面也以冲刺式运作。计划不断变化，决策层出不穷。财务部门不能总是扮演“给出答案”的角色。

这就是我们创立 Abacum 的原因。我们想要一个既快速又值得信赖的规划系统，这样财务部门就能尽早运用严谨的策略来塑造方向，同时还能做出各种选择。

2020 年你开始创建 Abacum 时，你是如何验证这个问题远不止你个人的经历，而是快速发展的中型市场公司普遍面临的问题？

第一个验证结果来自一场我原本以为会推翻我论点的对话。我打电话给我的联合创始人豪尔赫，因为他是我认识的最聪明的金融人士，我以为他会告诉我还有我忽略的更好的方法。

相反，我们花了几个小时交流心得，发现我们在不同的环境中都经历过同样的模式。财务团队疲于应付账款核对工作，不断重建模型，永远落后于业务部门一步。那一刻我们恍然大悟。这不是个人失误，也不是流程问题，而是公司普遍存在的结构性问题。

随后，我们与首席财务官和财务负责人进行了交谈。 无论行业、地域或发展阶段如何，语言虽变，但本质不变。“我们始终在重建，而非提供建议。”

我们从中得到的更深层次的启示是，这种失败会周期性地重复出现。每隔几年，就会出现一个新的平台，声称已经解决了财务规划与分析（FP&A）的问题。然后，业务节奏再次加快。新的工具、新的指标、新的利益相关者、新的规划节奏接踵而至。系统在变化中变得臃肿不堪，最终崩溃。

这一认识塑造了我们的发展方向。我们不想为单一的运营模式构建一个静态的解决方案。我们想要的是一个能够随着业务发展而不断更新的平台，这在人工智能时代显得尤为重要。后来被 YC 录取也让我们更加确信，这是一个全球性问题，而非小众问题。

Abacum 现在支持实时预测、情景建模和人员编制规划。人工智能是什么时候从未来概念转变为平台架构的基础组成部分的？

人工智能对我们来说从来都不是事后才考虑的，但我们对何时以及如何应用它都非常谨慎。金融业是一个信任的行业。你不能指望在混乱之上堆砌智能就能获得信任。如果数据杂乱无章、定义不一致、模型脆弱，人工智能也无济于事。它只会加速混乱的蔓延。

因此，我们从基础做起：强大的数据层、可靠的集成以及能够反映企业实际运作方式的建模基础。从一开始，我们的人工智能战略就是将智能嵌入到能够真正发挥其作用的地方。

这意味着将人工智能应用于以往耗时且容易出错的大量、低判断性工作。d. 清理和规范化传入数据。协调不同系统间的不匹配项。大规模进行分类和标记。尽早发现异常情况，而不是等到月底。

一旦基础架构搭建完成，人工智能就会改变规划的经济模式。情景探索变得经济高效。各种权衡取舍可以当场测试，而无需安排几天后的后续会议。

那时，人工智能就真正发挥了基础性作用。它的作用不在于生成漂亮的图表或摘要，而在于它能让金融行业迅速运用严谨的分析方法，在决策尚未最终敲定时就对其产生影响。

在快速发展的公司中，财务数据通常分散在多个系统中，并且不断更新。将这些分散的数据转化为可靠的实时规划系统，在技术或组织方面面临的最大挑战是什么？

迁移数据并非最难的问题。大多数现代系统都采用 API 驱动，并且已有相应的集成工具。真正的挑战始于数据到达之后。原始数据往往不一致。CRM 系统中的收入数据与 ERP 系统中的收入数据不符。人力资源系统中的员工人数与工资单上的数据也不匹配。即使是像 ARR 或资金周转天数这样的基本指标，对不同的团队来说也意义不同。

如果定义不明确且未达成共识，每次预测都会演变成争论。挑战有三方面。首先，需要一个能够随着源系统变化而持续更新的数据基础。其次，需要一个受控的业务模型，其中计算明确且一致。第三，需要组织协调一致，因为实时规划需要共享定义和共同的运行节奏。

治理才是确保速度安全的关键。实时规划只有在信任融入工作流程中才能真正发挥作用，而不是仅仅作为政策文件或电子表格清单附加上去。

从您观察到的数百位客户的案例来看，持续的实时规划是如何改变首席财务官每周的决策方式，而不仅仅是在董事会或预算编制时做出的决策的？

财务部门的角色已经从定期审查转变为持续决策支持。

首先，决策数量呈爆炸式增长。财务部门现在持续参与招聘、定价、市场推广投资、续约、产品选择和运营权衡等各个方面。

其次，数据永远不会“完成”。新的工具、新的指标和新的利益相关者意味着数据集始终处于动态变化之中。企业不能等到数据完美收官才继续前进。

在此背景下，实时规划改变了财务工作，使其从报告和解释转变为积极塑造方向。资金周转时间不再是季度指标，而成为一种动态的约束条件。情景规划不再是年度例行工作，而是频繁的权衡取舍。

优秀的财务团队并没有放松严谨性，而是更早地开始更加严谨地执行各项工作。这就是转变所在。

Abacum 在应用人工智能方面与传统的基于规则的自动化有何不同？哪些财务决策仍然需要强有力的人工判断？

目前金融领域的大多数人工智能应用都从工作流程的末端入手。它们假定你的数据已经干净且管理完善，然后添加一个聊天机器人来查询数据或总结分析结果。这固然有用，但却忽略了财务规划与分析中最难的部分。

我们从最基础的环节入手。我们将人工智能应用于人类贡献最小、出错最多的领域，例如数据清洗、数据核对、数据分类、异常检测以及模型逻辑辅助。智能融入工作流程，而非独立的聊天界面。

人工智能还能降低阻碍团队发展的复杂性成本。许多平台需要专门的顾问或专家，从而造成对“系统所有者”的依赖。人工智能应该能够降低这种门槛。财务团队应该能够表达意图，并让系统帮助他们正确构建逻辑。

这也正是我们折中方案立场的重要性所在。过去，财务团队不得不在灵活但脆弱的工具和功能强大但管理繁琐的平台之间做出选择。如今，人工智能又迫使人们陷入同样的​​误区：要么选择操作简便但功能浅薄的辅助工具，要么选择功能强大但需要学习全新工作方式的流程编排系统。而我们认为，正确的解决方案是让人工智能融入工作流程，在不改变团队运作方式的前提下改进规划。

至于判断，界限很清晰。人工智能可以加速分析和探索，但涉及资本配置、招聘权衡、定价和战略优先排序的决策仍然需要人为因素和责任。最终决定权在首席财务官手中。

随着模型预测能力的增强，对于需要为数据负责的财务领导者来说，您如何看待信任度和可解释性？

在财务领域，“方向正确”远远不够。财务领导者要对他们提交的数字负责。如果你无法解释预测结果，就无法在决策讨论中使用它。

信任始于确定性的基础。一致的定义。经过核实的数据。透明的逻辑。预测智能只有建立在坚实的基础之上才能发挥作用。

可解释性是将洞察转化为行动的关键。首席财务官需要迅速解答以下问题：发生了哪些变化？为什么会发生这些变化？哪些驱动因素发生了改变？以及哪些假设导致了不同的结果？

治理不能再局限于静态的控制措施。它必须融入工作流程，使假设清晰可见，逻辑可追溯，并且每个场景都能留下清晰的记录。其目标并非将人排除在外，而是帮助他们更早、更自信地做出判断。

你们经历了早期加速阶段和后期增长阶段的融资。这些阶段是如何影响你们在人工智能和核心产品基础建设方面的投资力度的？

早期融资迫使我们自律。我们不能追逐那些华而不实的东西。我们必须通过构建基础来赢得信任：可靠的集成、强大的数据模型，以及一个在业务变化时也不会崩溃的规划引擎。

人工智能始终是我们战略的一部分，但我们拒绝将其视为营销手段。如果人工智能不能在工作流程中创造真正的效益，我们就不会将其投入使用。

随着我们的发展，市场也发生了变化。人工智能成了基本配置。每个供应商都能演示聊天机器人，并声称自己“拥有人工智能”。因此，评判标准从表面功夫转向了实际成果。人工智能究竟是能帮助金融行业更快地做出更明智的决策，并实现可追溯性，还是仅仅能产出令人印象深刻的成果？

后期增长也提高了效率标准。团队需要用更少的资源完成更多的工作。这更加坚定了我们对能够带来可衡量效益的人工智能的重视，而非仅仅追求表面效果。

你们一直在加大对美国市场的扩张力度。与其他地区相比，美国市场在接受人工智能原生金融平台方面的准备程度有何不同？

美国企业发展迅速，投资者期望值很高。首席财务官不仅要准确无误，更要具备深厚的运营能力。他们需要持续指导招聘计划、市场推广投资、支出决策和优先级排序。

这使得缓慢的计划带来的弊端更加明显。当决策每周甚至每天都在发生时，财务部门就无法再按月进行运作。嵌入式智能不再是锦上添花，而变成了必不可少的要素。

美国市场也更容易接受财务系统应该是动态的而非静态的这一理念。他们不仅期望报告准确无误，更希望系统能够以业务发展所需的速度提供决策支持。

展望 2026 年，您认为财务规划的哪些部分将很大程度上由人工智能实现自动化，而人类的判断在哪些方面仍然至关重要？

未来将基本实现自动化的环节是那些重复性高、判断要求低的任务，这些任务目前耗费了过多的时间。数据整合、清洗、规范化、核对、异常检测和基线报告等工作应该持续运行。

预测和情景生成速度将大幅提升，但不会完全依赖人工智能。人工智能将降低成本，探索各种方案并对假设进行压力测试，但情境风险和问责制仍然至关重要。

在事关重大的领域，人类的判断仍然至关重要。例如资本配置、招聘策略、定价决策以及董事会的决策过程。人工智能改变了金融行业能否跟上决策的步伐，但并不会改变谁应该为最终结果负责。

感谢您的精彩采访，想要了解更多信息的读者可以访问 算盘.