آیا مدیر مالی می تواند به یک مولد درآمد تبدیل شود؟

هوش مصنوعی مولد شروع به تأثیرگذاری بر نحوه ایجاد ارزش توسط فین‌تک‌های پرداخت برای مشتریان خود کرده است. Stripe اکنون در حال ایجاد زمینه فروش خود به شرکت‌های فناوری آسیایی، بازرگانان و شرکت‌های بزرگ است که در صورت وصل کردن مدل‌های یادگیری زبان خود، مانند ChatGPT، خدماتش چه کاری می‌تواند انجام دهد.

Stripe ابزارهای پرداخت را به شرکت ها می فروشد تا مواردی مانند صورتحساب، اشتراک و پرداخت را فعال کند. فین‌تک آمریکایی-ایرلندی، که در حال حاضر 50 میلیارد دلار ارزش دارد، تلاش می‌کند با پرداخت‌ها به‌علاوه هوش مصنوعی به‌عنوان یک تحول تجاری پیشرفت کند.

ویوک شارما، رهبر اتوماسیون درآمد و مالی، در سنگاپور، گفت: «مدیران مالی و حسابداران به عنوان یک عملکرد بازیابی هزینه در نظر گرفته می‌شوند که نرده‌های محافظ برای کسب‌وکار فراهم می‌کنند. "اما آنها همچنین می توانند به درآمدزایی کمک کنند."

Stripe امیدوار است بتواند خود را به عنوان یک "پشته رشد درآمد" در راستای CRM برای فروشندگان یا پایگاه های داده برای بخش های فناوری اطلاعات قرار دهد. این شامل مجموعه‌ای از منابع داده‌ای است که متقابلاً تقویت می‌شوند، از پیش‌پرداخت تا پس‌پرداخت، «چرخ طیار پرداخت‌ها».

اتصال نقاط

این شرکت بدیهی است که می‌خواهد خدمات پرداخت مختلف آن به عنوان بلوک‌های سازنده خزانه‌دار عمل کند، نه فقط برای ردیابی و اجرای تراکنش‌ها، بلکه برای ایجاد بینش از انواع داده‌های به هم پیوسته.

شارما گفت: «یک شرکت می‌تواند پرداخت‌ها و جمع‌آوری را بهینه کند، اما چه چیزی قبل از پرداخت انجام می‌شود؟» این می تواند یک فاکتور صورتحساب، یک سرویس اشتراک، یک وب سایت خرید یا یک دستگاه نقطه فروش باشد.

فین‌تک ادعا می‌کند که با ساخت مدل‌هایی از این داده‌ها، تمرکز دفتر پشتیبان از کارایی صرف به بینش‌هایی تبدیل می‌شود که می‌تواند بر درآمد تأثیر بگذارد.

شارما گفت: "تیم های مالی داده ها را به عنوان یک دارایی استراتژیک در نظر نمی گیرند." این احتمالاً به این دلیل است که استفاده از داده ها آسان نیست. پایگاه داده های فعلی نیاز به دانش SQL یا زبان پرس و جو ساخت یافته دارند.

با این حال، ظهور مدل های یادگیری زبان، پرس و جو از یک پایگاه داده را به آسانی تایپ کردن در یک فرمان جستجوی گوگل می کند. LLMها به سؤالات «طبیعی» پاسخ می دهند و به صورت مشابه پاسخ می دهند. تیم ها برای جمع آوری اطلاعات از پایگاه داده نیازی به کدنویسی در SQL ندارند: آنها می توانند از یک LLM استفاده کنند.

قرار دادن این در بالای یک پشته پرداخت - تمام اطلاعات مختلف حسابداری، مالی و تراکنش - می تواند به راحتی بپرسید که با یک مشتری یا یک بخش چه خبر است.

اختلال

شارما گفت: "همه در سازمان می توانند به قلب تپنده مالی شرکت دسترسی داشته باشند، حتی اگر حسابدار نباشید." در حالی که این ابزارها برای کارکردهای پشتیبان طراحی شده اند، یک فروشنده یا تیم توسعه محصول می تواند از همان اطلاعات برای ایجاد یک پیشنهاد استفاده کند.

ممکن است داده ها فقط اختصاصی باشند، اما Stripe می خواهد خود را به عنوان یک پایگاه داده عظیم معرفی کند، با توجه به تمام داده های مالی که از طریق لوله های آن جریان دارد.

آیا مشتریان آسیایی زمین شارما را می خرند؟ این منطقه ای است که مردم، از جمله مدیران ارشد مالی، با فناوری تلفن همراه راحت هستند. این ممکن است کافی نباشد.

او گفت: «به دلیل میراث طولانی ابزارهای داخلی، ما در آسیا در اوایل حضور داریم.»

او همچنین اذعان می‌کند که شرکت‌ها نسبت به درد تحول کسب‌وکار، به‌ویژه زمانی که اقتصاد با مشکل مواجه است، محتاط هستند. ممکن است بودجه ای برای نوآوری وجود نداشته باشد. LLM ها غیر قابل اعتماد هستند و اغلب چیزها را می سازند.

مانند بسیاری از فین‌تک‌ها، Stripe خدمات خود را به صورت ماژولار ارائه می‌کند، مانند پرداخت برای اشتراک، و سعی می‌کند به صورت متقابل بفروشد. در مورد هوش مصنوعی توهم‌آمیز، شارما می‌گوید به همین دلیل است که این فناوری جایگزین انسان‌ها نمی‌شود، اما می‌تواند به آن‌ها کمک کند تصمیم‌های نزدیک‌تر به زمان واقعی بگیرند. او گفت: "این اختلال است."

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
• PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
• PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
• PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
• منبع: https://www.digfingroup.com/stripe-ai/