跳到正文
MTS(youtube.com)· Sophia Dew·· 4 天前品質評分58

兩人財務團隊靠 AI 就能管好 5 億美元營收 | Chargebee

兩人財務團隊靠 AI 就能管好 5 億美元營收 | Chargebee

重點導讀

Chargebee 的 Krish Subramanian 說明旗下 Arc 代理平臺如何以符合財務要求的可稽核性與人工升級機制為目標,讓小型財務團隊也能處理大規模帳務作業;他主張,真正的障礙在於營運人員的信任,而非模型能力。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

Podcast 專家音訊節目

收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情

正文

Chargebee 共同創辦人暨執行長 Krish Subramanian 主張,財務營運將是下一個圍繞 AI 代理(AI agent)重建的職能,而勝出的做法是把機率性的 AI 與確定性的控制機制、人類判斷搭配起來,而非以其中一方取代另一方。整段對談大部分時間都花在這個論點上——財務為何不同於工程或法務、「可稽核性基礎元件」(auditability primitives)與人類升級介入點在實務上長什麼樣子,以及如何從聲譽押在第一線的營運人員身上贏得信任。標題所稱「兩到三人團隊管理數億美元」的說法,直到接近尾聲才出現,用來示意市場正走向何方。

Subramanian 受訪當天,Chargebee 正好在自家 Traceable Summit 上發布 Arc——一套面向財務組織的代理式平臺。他援引 Chargebee 服務財務團隊十年的經驗,以及公司內部實際部署約 23 個上線代理的成果。讀者讀完應能掌握 Chargebee 的產品主張、具體的設計基礎元件(先擬稿再派工的分派升級機制、可追溯性、學習迴路),以及它對「JP Morgan 這類銀行是否該封鎖代理存取」這個爭議問題的看法。

財務是下一個圍繞代理重建的職能,但它是確定性的

Subramanian 以軟體開發與法務工作作類比,為這次發布定調。軟體開發的突破點不在於「寫出更多程式碼」,而是重新思考整個軟體開發生命週期;Legora 與 Harvey 在法務領域做的也是同一件事;如今財務營運同樣面臨這樣的重構。他形容財務組織裡有一群「閒不下來的人」,早已把 AI 的可能性推到極限——而且這群人不是隻有創辦人和工程師,還包括營運人員。

他反覆回到的關鍵限制是:財務是確定性的職能。他的說法是:「你不會想把創意和會計放在一起。」機率性的 AI 碰上確定性的流程,才是他口中魔法發生的地方——但前提是有意識地駕馭。Chargebee 表示,在自家客戶群中已看到數千個由營運人員自動化的使用案例,但多半各自為政,缺乏工程領域那種共享工作模式的解鎖效果。

Arc 要解決的問題,在於工作橫跨時間與工具。營收牽涉多家支付處理商、簽約所在的 CRM、從不進 CRM 的自助式客戶,以及續約期間業務、客戶經理與客戶之間的 email 與 Slack 往來。目前全靠人工在財務與營收營運之間把這些片段拼湊起來。

準確率必須是 100%,而基礎元件就是產品

被問到 Chargebee 如何應付財務領域的治理、隱私與可靠性門檻時,Subramanian 答得直接:「就算 95% 的準確率也不夠。」他的答案分三層。

層次提供什麼來源
代理+代理框架(agent harness)控制、治理、脈絡;持續改善Chargebee 立基其上的市場創新
可稽核性基礎元件引用來源、決策套用的一致性、可追溯性Chargebee 憑十年服務財務團隊的經驗自行打造
學習迴路把人類判斷捕捉為輸入,讓代理下次照著套用產品設計

其中他把可稽核性這一層視為 Chargebee 的差異化所在。當財務團隊說「這就是我認列營收的方式」,會計人員必須向稽核師證明這項決策被一致地套用。這就需要引用來源——也就是規則及其套用方式的紀錄——他稱之為軟體意義上的基礎元件。Chargebee 把這些建在代理與框架之上,而不是隻依賴框架本身。

學習迴路則用催收情境說明。標準業務規則可能是:逾期 25 天、經三到五次提醒仍未付款,就取消訂閱。但如果客戶來信說信用卡被鎖、請求不要取消,人類就會動用判斷——也許是信任一位往來三到五年的老客戶。這份判斷被記錄成留言或輸入,成為代理日後可以學習的素材,下次遇到類似情況就能比照處理。Subramanian 的主張是,這些點滴累積會複利成財務所需的 100% 準確率。

最難的問題是贏得營運人員的信任,而非打造代理

Subramanian 直言,信任是整個打造過程中最難的一環。營運人員的聲譽押在上面,Chargebee 必須「深刻理解並正視這一點」。他毫不迴避最顯而易見的反駁:任何人都可以把問題丟給 Claude 或 ChatGPT 自己做出來。Chargebee 自家團隊就這麼做了——目前約 23 個代理上線,後續還有 25 個建在 Claude 或 ChatGPT 之上的開發藍圖。

設計上的回應,是 Chargebee 所稱的「先擬稿再派工」(draft and task)。代理會把工作做到它有把握的階段,然後停下來、升級給人類完成最後一步,而不是直接動手。Subramanian 把這連結到代理的核心風險:「最大的風險之一,就是它錯得理直氣壯,對吧?有五成的時候是這樣。」產品的任務,是讓代理發揮所長,並在需要人類審查之處設定介入點。

他舉了一個 Chargebee 內部的例子:客戶合約中的「軟性上限」(soft limit)。由於 Chargebee 是關鍵的計費系統,它希望平臺被合理使用,同時仍套用軟性上限,而判斷客戶會怎麼使用產品需要人類判斷。Chargebee 把其中確定性的片段自動化以提升生產力,把依賴判斷的部分導給人類處理。官方說法是:目標是人與代理和諧協作,而非取代。

「最難的部分……是贏得眼前這個人的信任。營運人員的聲譽正處於風險之中。」

兩到三人團隊管理五億美元,是目標狀態

發布背後的規模主張:Subramanian 說,Chargebee 設想的組織樣貌,是兩到三個人管理數億美元,取代原本可能需要 20 個人力的工作。他提到當天上午高峰會上的對談,有人描述兩到三人的財務組織管理三億到五億美元的營收。他主張,這樣的成果取決於前述那套判斷與升級機制——人與代理的互動必須和諧。

這是來自販售該平臺的公司執行長的前瞻性主張,並非實測結果。所提出的佐證屬於軼事性質,來自高峰會與會者和 Chargebee 自家的部署經驗。

銀行封鎖代理,現在說得通,長遠撐不住

被問到 JP Morgan 封鎖代理存取其產品時,Subramanian 把答案拆成兩半。就方向而言,他認為所有人都終將開放存取,因為紀錄與資料屬於客戶,而追求生產力的客戶會期望能依自己的意願使用自己的資料。但他也說,就財務與銀行業的近期而言,謹慎的立場有其必要,並預期過程中會出現「某種程度的挫折感」。

他診斷封鎖之所以發生,是因為業界把舊的心智模型套用在代理上。現行的整合模式——發一組 API 金鑰、交給另一個系統——用他的話說,「某種程度上仍是個有缺陷的做法」,因為這是把人類與資料工作流程的模式套用到代理情境。他拋出的未解問題是:進來的請求究竟是某人的個人助理,還是另一個產品的授權代理?業界目前還分辨不出來。

他預期這件事會像網路安全一樣走向解決。人們不再擔心某個網站安不安全,因為 HTTPS 與各類認證已成標準;安裝 Chrome 擴充功能時,本身就包含一份可信度的宣告。他預測,代理很快就能宣告自己是誰、為誰工作,並選擇性地自我授權——該給的存取給足,該保護的照樣保護。

接下來推出什麼:與客戶共創、舉辦駭客松

Chargebee 的近期計畫是把 Arc 開放給客戶,與他們一起打造、一起學習。Subramanian 描述一套雙軌架構:Chargebee 是計費基礎設施,他稱之為確定性系統;Arc 則是框架,財務營運真正的工作在其中發生。公司計畫與客戶合辦駭客松,發掘新的使用案例並納入平臺。他的結語是:「工作從現在開始。」

這份簡報的內在張力,在於信任論述與規模主張之間的落差。面對「為什麼不直接用 Claude」的質疑,Chargebee 的答案是可稽核性基礎元件與升級機制設計——這是一項產品押注:瓶頸在治理,不在模型能力。兩到三人團隊管理五億美元的景象會不會成真,取決於這項押注能否在稽核師與營運人員那裡站得住腳,而不是取決於代理本身。值得留意的是有沒有具名客戶的部署案例,以及任何公開的準確率或稽核結果;本集節目並未提供。

來源: MTS (youtube.com)
開啟原文

讀者討論

理性交流 · 即時討論