Voiko talousjohtajasta tulla tulontuottaja?

Generatiivinen tekoäly alkaa vaikuttaa tapaan, jolla maksufintechit luovat arvoa asiakkailleen. Stripe rakentaa nyt myyntipuhettaan aasialaisille teknologiayrityksille, kauppiaille ja yrityksille sen ympärille, mitä sen palvelut voivat tehdä, jos asiakas kytkee omat kielenoppimismallinsa, kuten ChatGPT:n.

Stripe myy yritysten maksutyökaluja, jotka mahdollistavat esimerkiksi laskutuksen, tilaukset ja kassan. Yhdysvaltalais-irlantilainen fintech, jonka arvo on tällä hetkellä 50 miljardia dollaria, yrittää edistyä lisäämällä maksuja ja tekoälyä liiketoiminnan muutoksena.

"Talousjohtajat ja kirjanpitäjät nähdään kustannusten kattavina toimintoina, jotka tarjoavat suojakaiteet yritykselle", sanoi Vivek Sharma, Singaporen liikevaihdon ja rahoituksen automaation johtaja. "Mutta ne voivat myös auttaa tuottamaan tuloja."

Stripe toivoo voivansa asemoida itsensä "tulojen kasvun pinoksi" myyjien CRM-järjestelmien tai IT-osastojen tietokantojen mukaisesti. Tämä sisältäisi toisiaan vahvistavan tietolähteiden joukon ennakkomaksusta maksun jälkeiseen maksuun, "maksujen vauhtipyörä".

Yhdistää pisteet

Yritys luonnollisesti haluaa eri maksupalveluidensa toimivan rahastonhoitajan rakennuspalikoina, ei vain tapahtumien seuraamiseksi ja suorittamiseksi, vaan myös oivallusten luomiseksi toisiinsa liittyvistä tiedoista.

"Yritys voi optimoida maksuja ja perintää", Sharma sanoi, "mutta mitä tapahtuu ennen maksua?" Tämä voi olla laskutuslasku, tilauspalvelu, ostossivusto tai myyntipistelaite.

Fintech väittää, että rakentamalla malleja näiden tietojen pohjalta, taustatoimiston painopiste kehittyy pelkästä tehokkuudesta oivalluksiin, jotka voivat vaikuttaa tuloihin.

"Rahoitustiimit eivät käsittele tietoja strategisena voimavarana", Sharma sanoi. Tämä johtuu luultavasti siitä, että tietojen hyödyntäminen ei ole helppoa. Nykyiset tietokannat edellyttävät SQL:n tai strukturoidun kyselykielen tuntemusta.

Kieltenoppimismallien tulo kuitenkin tekee tietokannasta kyselyn yhtä helppoa kuin Google-hakukomennon kirjoittamisen. LLM:t vastaavat "luonnollisiin" kysymyksiin ja vastaavat samalla tavalla. Tiimien ei tarvitse koodata SQL:llä kerätäkseen tietoja tietokannasta: he voivat käyttää LLM:ää.

Kun tämä asetetaan maksupinon päälle – kaikki erilaiset kirjanpito-, talous- ja tapahtumatiedot – voi helpottaa kysymistä, mitä asiakkaalle tai segmentille tapahtuu.

Häiriö

"Jokaisella organisaatiossa on pääsy yrityksen sykkivään talousasioihin, vaikka et olisikaan kirjanpitäjä", Sharma sanoi. Vaikka nämä työkalut on suunniteltu back-office-toimintoihin, myyjä tai tuotekehitystiimi voisi käyttää samoja tietoja tarjouksen laatimiseen.

Tiedot saattavat olla vain omistusoikeudellisia, mutta Stripe haluaa esitellä itsensä valtavaksi tietokannaksi, kun otetaan huomioon kaikki sen putkien kautta kulkevat taloudelliset tiedot.

Ostavatko asiakkaat Aasiassa Sharman pitchiä? Se on alue, jolla ihmiset, mukaan lukien talousjohtajat, ovat tyytyväisiä mobiiliteknologiaan. Se ei ehkä riitä.

"Olemme alkuvaiheessa Aasiassa", hän sanoi, "pitkän perinnön takia kotitekoisia työkaluja."

Hän myös myöntää, että yritykset ovat varovaisia ​​liiketoiminnan muutoksen aiheuttaman tuskan suhteen, varsinkin kun talous on vaikeuksissa. Innovaatioille ei välttämättä ole budjettia. LLM:t ovat epäluotettavia ja usein keksivät asioita.

Kuten monet fintech-yritykset, Stripe tarjoaa palvelujaan modulaarisesti, kuten tilausmaksuja, ja se yrittää ristiinmyyntiä. Mitä tulee hallusinoivaan tekoälyyn, Sharma sanoo, että tämän vuoksi tekniikka ei korvaa ihmisiä, mutta se voi auttaa heitä tekemään päätöksiä lähempänä reaaliaikaa. "Se on häiriö", hän sanoi.

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
• PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
• PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
• PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
• Lähde: https://www.digfingroup.com/stripe-ai/