Chris Bishop，BillingPlatform 首席执行官 – 访谈系列

Chris Bishop，BillingPlatform 首席执行官，拥有超过二十年的企业软件经验，涵盖 SaaS、收入运营、客户成功、专业服务以及市场推广领导。2026 年加入 BillingPlatform 担任首席执行官之前，Bishop 在 Conga 工作近七年，担任包括首席客户官、首席收入官和首席营销官在内的高级职务，帮助公司度过转型和整合阶段。此前，他曾在 Plex Systems 担任全球服务集团副总裁，并创立了 MIPRO Consulting，这是一家专注于 PeopleSoft 和 Oracle 技术的企业应用咨询公司。他的职业生涯还包括在 PeopleSoft 和 Oracle 的高级领导角色，曾领导北美供应链管理业务，拥有超过 230 名顾问，以及早期在 Ford Motor Company 的流程再造工作。

BillingPlatform 是一家企业收入生命周期管理和变现软件公司，旨在帮助企业管理日益复杂的定价和计费模型。公司成立于 2012 年，提供覆盖订单获取、订阅和基于使用量的计费、开票、付款、应收账款自动化、收入确认和财务管理的云平台。其技术支持经常性、基于消耗、混合以及其他可配置的定价模型，同时其使用调解功能能够摄取并转换 API 调用、交易、席位、带宽或其他消耗事件等数据为可计费记录。BillingPlatform 表示其系统每天处理超过 50,000 张发票，月计费额超过 40 亿美元，将该平台定位为超越传统固定价格和订阅模型的企业金融基础设施。

您的职业历程从福特的流程再造、PeopleSoft 和 Oracle 的企业应用，发展到创立 MIPRO Consulting 并在 Plex Systems 与 Conga 负责客户、收入和营销职能。这些经历如何塑造了您作为 BillingPlatform 首席执行官的优先事项，尤其是在将 AI 引入关键金融业务时？

我认为职业生涯中的每一次经历都是关键任务。福特的制造流程、PeopleSoft 和 Oracle 的财务与供应链管理、期间的咨询岁月、Plex 的 ERP，以及 Conga 的收入生命周期管理。当这些系统出现错误或某个环节停滞时，就会导致有人未能获得付款，或交易未能完成。这对错误的容忍度远低于大多数软件的运行容忍度。

另一条线索是，价值取决于您实现的结果，而非您所营销的内容。在 Plex 和 Conga 负责客户和收入职能时，我清楚地看到这一点——它位于已售出与客户实际获得之间的差距。

这两条线索在金融业务的 AI 应用中指向同一点。演示中 99.5% 的准确率听起来很诱人，但仍属失败。我们为拥有数百万订阅者的公司提供计费服务。在这种规模下，0.5% 的错误率意味着单月出现数万张错误发票、数万次未预料的客户沟通，以及让团队陷入困境的信用处理。客户期望所有账单都准确无误，因此 99.5% 的准确率并未实现他们所购买的结果。

这就是我们在 AI 触及金钱的领域保持保守，而在 AI 触及工作流程的领域保持积极的原因。AI 负责配置、分析和调查。计算保持确定性。我对每个 AI 功能的检验标准是：控制者是否能够向审计员解释输出结果，而不必说是模型为其决定的。

许多企业软件供应商正在为现有产品添加 AI 助手。BillingPlatform 将其 AI 描述为原生于收入生命周期，并基于统一的自描述元数据模型构建。该架构能够实现哪些传统 AI 层在旧版计费软件中无法实现的功能？

我们的平台如此描述自身。实体、字段、定价规则、工作流和审批全部是系统在运行时可以读取的元数据。这意味着我们的 AI 正在读取您实际的配置，而非通用的产品模式，并且能够提出对该配置的修改建议，因为配置是数据而非代码。

在传统计费软件上外挂的助手面临不同的问题。这些系统中的客户特定逻辑存在于自定义代码、存储过程和集成中间件中。助手只能回答文档相关的问题。任何关于您实例实际行为的细节都必须从代码中读取，而要对其进行更改则意味着一次开发周期，而非一次对话。

第二个问题是，计量、计费和收入确认通常分布在不同的系统和数据库中。任何基于这些功能的 AI 都需要跨系统进行对账推理，其答案的可靠性仅取决于前一晚的批处理作业。我们将这三大领域统一在同一模型上，从使用事件到分录形成只有一条链路。AI 的回答基于构建发票时使用的同一记录，这一点极为重要。

随着企业采用基于使用量、基于结果和混合商业模式，AI 如何改变产品和服务的包装、定价以及变现方式？

有两件事正在发生变化。第一是价值单元正从座位数转向已完成的工作，因此公司开始对解决方案、处理的文档、完成的任务或交付的结果进行定价。第二是定价正变成需要每季度而非每年重新审视的事项，因为 AI 产品背后的成本曲线变化如此之快。

根据我们的经验，AI 在分析方面的帮助大于创意方面的帮助。如果您的交易历史集中在一个地方，您可以在几分钟内基于真实的客户行为对拟议的定价变更进行建模，并预测其对利润或流失率的影响，例如。过去这是一项需要数周时间的财务工作。

我还想补充一点警示。大多数转向消费或结果定价的公司仍然无法回答单个单元的服务成本是多少。没有这个数字，公司只能对底价和折扣权限进行猜测。这也是大多数企业采用混合模式的原因：通过承诺的平台费用确保可预测性，消费计费实现对齐，结果组件则在价值真正可衡量时计费。

AI 产品的成本可能因令牌、模型、基础设施以及每次请求的复杂度而高度可变。公司需要哪些新的计量和计费功能才能准确实现 AI 服务的变现，同时避免出现不可预测的利润率？

我建议从以成本驱动因素为粒度的计量开始，并保留事件记录。如果您预先按客户汇总为每日总计，就会失去查看某个工作流使用昂贵模型的能力。

从这里开始，四项能力承担真正的工作：

1. 将商品成本附加到携带收入的同一事件上，使得按客户、功能和模型的利润在期间内即可可见，而不是等到结算时才看到。
2. 支持在期间中途变更的费率结构，因为模型替换和供应商降价不会等到公司的续约周期。
3. 为客户提供承诺、预付余额、上限和提款功能，因为可预测性本身是一种产品特性，同时也能保护公司免受意外账单的冲击。
4. 最后，在价格变更或计费调解错误时能够重新计费历史记录，而无需人工信用处理。

AI 产品的利润保护是计量和定价设计问题。如果把它当作财务报告问题来处理，往往要到 40 天后才会发现。

BillingPlatform 让团队能够以对话方式配置产品、定价规则和计费工作流。哪些决策可以安全地委托给 AI，哪些仍需人工审查和批准？

我会说把工作委托出去，但决策仍由人来做。

AI 可以安全地读取并解释现有配置，在沙盒中起草新配置，生成测试数据和测试用例，检测使用或计费运行中的异常，追溯计费争议至源事件，并为迁移构建初步映射。这占据了计费团队一周工作时间的大部分，却几乎不承担任何风险。

对任何会改变客户账单或在生产环境中确认收入的操作，都必须进行人工批准。这包括价格和费率变更、合同条款、信用和调整、收入确认政策和独立销售价格判断、总账映射、税务定位以及期间结算。此外，首次面向客户的任何内容都需要人工参与。

运营规则是：AI 提出建议，拥有实际权限的人批准，并将批准记录在变更上。平台已经具备审批和基于角色的权限功能，代理人会继承这些权限，而不是绕过它们。

财务系统几乎没有容错空间，无法容忍幻觉或无法解释的决策。BillingPlatform 如何将 AI 推理与确定性执行相结合，确保发票、收入计算和会计操作的准确性和可复现性？

我们将解释与执行分离。模型解释意图并生成配置、查询或拟议的变更。随后计费和会计引擎执行。无论是用户在 UI 中配置，还是代理通过我们的 AI 配置，执行的代码路径相同，因而相同的输入每次都会产生相同的发票，您甚至可以重新运行已关闭的期间并得到完全相同的结果。

发票上的任何数字都不是在开票时由语言模型生成的。AI 生成的是配置变更，而该变更像系统中的其他变更一样携带版本、作者和时间戳。如果审计员询问某项费用为何如此，答案会追溯到定价记录和使用事件，而不是某个提示。

最后一点是，提案在应用之前是可审查的。您可以看到 AI 想要创建的具体配置，以明晰的方式呈现，并可以批准或拒绝。

BillingPlatform 支持模型上下文协议、代理对代理协议以及与外部企业 AI 工具的连接。公司如何在让自主代理访问计费操作的同时，防止未经授权的行为、数据泄露或不可追踪的更改？

MCP 和 A2A 是传输层，并让代理到达入口。控制平面是你的权限模型，实际工作就在这里。

在我们的案例中，代理以用户身份进行身份验证，并继承任何员工拥有的相同角色、字段级和记录级权限。不存在代理绕过。除此之外，还应遵循一些做法。为每个代理分配其专属的受限服务账户，采用最小特权，默认只读，除非另有证明，这样审计日志即可告诉你是哪位代理执行了何种操作。通过设定金额和数量阈值的审批工作流来控制写入操作。你还应对其进行速率限制，因为循环中的代理导致的故障与人员错误不同。记录每一次调用也至关重要，而不仅仅是那些产生更改的调用。并且只返回任务所需的字段，因为泄露客户数据的最快方式是过度宽泛的读取。

我预计今年整个市场会出现的错误是公司因为更容易而给代理分配人类管理员凭证，而不是正确地进行权限范围划分。

BillingPlatform 表示 AI 能将实施周期从数个季度缩短至数周。AI 今天能够自动化需求收集、配置、测试和迁移的哪些环节，而哪些环节仍然需要有经验的计费和财务专业人士？

AI 在将已记录的定价转化为配置、针对已知模式库进行差距分析、生成测试用例并执行回归测试、为迁移映射并清理遗留数据以及生成文档方面表现出色。这些领域的工作量可以从数个季度降至数周。

然而，决策仍然需要有经验的计费和财务专业人士。一些仍需经验丰富人员的例子包括：让客户同意其自身的定价规则和收入政策、从合同中重建条款、与行为未记录的系统集成，以及对多要素安排的收入处理进行判断。简而言之，变更管理并不能被软件所取代。

统一的计量、计费和收入确认模型如何提升合规性、可审计性和财务报告，特别是针对组织运营在复杂的收入确认要求下？

审计员总是关注两点：向我展示你是如何得出该数字的，以及向我证明你始终如一地采用了相同的处理方式。如果你的计量、计费和收入确认系统各自独立，那么要回答这些问题就需要在三个数据库以及人工制作的电子表格之间进行挖掘，以完成全部对账。

当所有内容都在同一模型中时，这整个工作就消失了。使用事件、费用、发票行以及分录都属于同一记录，只是顺序推进到下一步。你可以前向或后向追踪，而无需中间的对账步骤，因为根本没有需要对账的内容。合同变更时，你评估的仍是最初生成发票的同一交易数据。你的独立销售价格和分配将来源于实际发生的情况。

这对在 ASC 606 或 IFRS 15 下处理可变对价的公司尤为重要，因为必须展示你的工作过程，并且能够在一年后再次展示。

BillingPlatform 最近宣布在扩大其 AI 原生战略的过程中，新增首席财务官、首席产品官和首席客户官。这些领导者将如何协同工作，将技术创新转化为财务可持续增长以及面向企业客户的可衡量成果？

作为首席产品官，Rob Zwiebach 确保我们的产品具备差异化并成功交付。他曾负责 Workday 财务产品路线图，并在 Oracle 工作了 17 年，因此熟悉客户已使用的系统以及与之竞争所需的要素。作为首席客户官，Chris King 负责确保客户实现价值，包括价值实现时间、交付一致性、客户留存和扩展。他曾在 Medidata 和 Salesforce 负责服务与成功，并在 Zuora 入行，因此见识过大规模企业交付的好与坏。我们的首席财务官 Steven Springsteel 负责经济层面，他曾在 Recurly 担任 CFO，拥有运营计费公司财务职能的第一手经验。

他们真正需要作为一个整体协作的地方是我最关心的指标——即让企业客户上线并投入使用的成本和所需时间，以及该工作的利润率。这既是产品决策、交付决策，也是衡量决策，历来是企业计费项目出错的关键环节。声称自己是 AI 原生是对架构的描述，只有当它体现在实施成本、扩张速度和毛利率上时，才转化为商业价值。这三个数字分别由 Rob、Chris 和 Steven 各自负责其中的一部分。

感谢这次精彩的采访，想了解更多的读者请访问 BillingPlatform。