Kan finanschefen bli en intäktsgenererande?

Kan finanschefen bli en intäktsgenererande?

Tidsstämpel: 9 oktober 2023 5:51
Kan finanschefen bli en intäktsgenererande? PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.

Generativ artificiell intelligens börjar påverka hur betalningsfintechs skapar värde för sina kunder. Stripe bygger nu sin säljpresentation till asiatiska teknikföretag, handlare och företag kring vad dess tjänster kan göra om en kund pluggar in sina egna språkinlärningsmodeller, som ChatGPT.

Stripe säljer företags betalningsverktyg för att möjliggöra saker som fakturering, prenumerationer och utcheckning. Den amerikansk-irländska fintech, som för närvarande värderas till 50 miljarder dollar, försöker göra framsteg genom att presentera betalningar plus AI som en affärstransformation.

"CFO:er och revisorer ses som en kostnadstäckande funktion som ger skyddsräcken till ett företag", säger Vivek Sharma, ansvarig för automatisering av intäkter och ekonomi, i Singapore. "Men de kan också hjälpa till att generera intäkter."

Stripe hoppas kunna positionera sig som en "inkomsttillväxtstack" i linje med CRM för säljare eller databaser för IT-avdelningar. Detta skulle innefatta en ömsesidigt förstärkande uppsättning datakällor, från förskottsbetalning till efterbetalning, ett "betalningssvänghjul".

Ansluta prickarna

Företaget vill självklart att dess olika betaltjänster ska fungera som en kassörs byggstenar, inte bara för att spåra och utföra transaktioner, utan för att skapa insikter från sammankopplade typer av data.

"Ett företag kan optimera betalningar och inkassering," sa Sharma, "men vad kommer före betalningen?" Detta kan vara en faktureringsfaktura, en prenumerationstjänst, en shoppingwebbplats eller en kassaenhet.

Fintech hävdar att genom att bygga modeller utifrån dessa data, utvecklas backoffices fokus från bara effektivitet till insikter som kan påverka intäkterna.

"Finansteam behandlar inte data som en strategisk tillgång," sa Sharma. Det beror förmodligen på att det inte är lätt att utnyttja data. Aktuella databaser kräver kunskap om SQL, eller strukturerat frågespråk.

Tillkomsten av språkinlärningsmodeller gör det dock lika enkelt att söka efter en databas som att skriva in ett Google-sökkommando. LLM:er svarar på "naturliga" frågor och svarar in natura. Team behöver inte koda i SQL för att hämta information från en databas: de kan använda en LLM.

Att lägga detta ovanpå en betalningsstack – all olika redovisnings-, ekonomi- och transaktionsinformation – kan göra det enkelt att fråga vad som händer med en kund eller ett segment.

Störningen

"Alla i organisationen kan ha tillgång till ett företags bankande hjärta av ekonomi, även om du inte är revisor," sa Sharma. Även om dessa verktyg har utformats för backoffice-funktioner, kan en säljare eller produktutvecklingsteam använda samma information för att skapa ett förslag.

Uppgifterna kanske bara är proprietära, men Stripe vill presentera sig själv som en enorm databas, med tanke på all finansiell data som flödar genom dess rör.

Köper kunder i Asien Sharmas pitch? Det är en region där människor, inklusive finanschefer, är bekväma med mobil teknik. Det kanske inte räcker.

"Vi är tidigt i Asien", sa han, "på grund av ett långt arv av egentillverkade verktyg."

Han erkänner också att företag är försiktiga med smärtan av en affärsomvandling, särskilt när ekonomin kämpar. Det kanske inte finns en budget för innovation. LLM:er är opålitliga och hittar ofta på saker.

Liksom många fintechs erbjuder Stripe sina tjänster på modulbasis, såsom betalningar för ett abonnemang, och de försöker korsförsälja. När det gäller hallucinerande AI säger Sharma att detta är anledningen till att tekniken inte kommer att ersätta människor, men den kan hjälpa dem att fatta beslut närmare realtid. "Det är störningen", sa han.

Tidsstämpel:

Mer från DigFin