บริษัทซอฟต์แวร์ทางการเงิน Datarails มีเป้าหมายทำลายล้างตัวเองด้วย AI ก่อนที่ผู้อื่นจะทำ โดยการเปิดตัวผลิตภัณฑ์ FinanceOS ใหม่

(SeaPRwire) –   Datarails, บริษัทที่สร้างซอฟต์แวร์สำหรับวางแผนและวิเคราะห์ทางการเงิน (financial planning and analysis – FP&A) กำลังทำการเดิมพันอย่างกล้าหาญว่าเครื่องมือ FP&A แบบดั้งเดิมที่มันช่วยเปิดร่องทางนั้น如今已因 AI 而過時 และมันจำเป็นต้องทำการเปลี่ยนแปลงตัวเองก่อนที่คนอื่นจะทำ

เพื่อตอบสนอง Datarails กำลังเปิดตัว FinanceOS แพลตฟอร์มที่มี AI ภายใน (AI-native) ซึ่งมันอธิบายว่าเป็น “ระบบปฏิบัติการทางการเงิน” — แพลตฟอร์ที่อนุญาตให้ทีมการเงินใช้เครื่องมือ AI ใดก็ได้ที่พวกเขาต้องการ เช่น Claude ของ Anthropic, ChatGPT ของ OpenAI และ Microsoft Copilot เพื่อทำการวิเคราะห์ทางการเงิน ในขณะที่รักษาการควบคุมข้อมูลและเส้นทางการตรวจสอบที่จำเป็น

“AI สามารถสร้างโมเดล รันการวิเคราะห์ และสร้างรายงานได้เร็วและดีกว่ามนุษย์ใดๆ มาก” Didi Gurfinkel ผู้ร่วมก่อตั้งและผู้อำนวยการใหญ่ของบริษัท กล่าวในสัมภาษณ์กับ “ดังนั้นเครื่องมือทั้งหมดเหล่านี้ที่เน้นสร้างเครื่องมือสำหรับผู้คน — มันไม่เกี่ยวข้องอีกต่อไป ในทางตรงกันข้าม มันจำกัด AI”

นี่เป็นข้อความที่ก่อให้เกิดการถกเถียงจากบริษัทที่มีอายุ 10 ปี ซึ่งได้รับชื่อเสียงจากการแก้ปัญหาที่ Gurfinkel เรียกว่า “Excel hell” — ความท้าทายในการจัดการสเปรดชีตจำนวนมากที่ฝ่ายการเงินพึ่งพาไว้สำหรับการสร้างงบประมาณ การคาดการณ์ และการรายงาน Datarails สร้างแพลตฟอร์ที่รวมข้อมูลจากระบบบัญชี แพลตฟอร์ม HR CRM และซอฟต์แวร์ด้านการปฏิบัติการอื่นๆ เป็นแหล่งข้อมูลเดียวที่เชื่อถือได้ จากนั้นเชื่อมโยงข้อมูลนั้นกับโมเดล Excel ที่ทีมการเงินใช้อยู่แล้ว Datarails ซึ่งมีสำนักงานใน Tel Aviv ประเทศอิสราเอล ได้รวบรวมทุน venture capital จำนวน 175 ล้านดอลลาร์จนถึงปัจจุบัน รวมถึงการระดมทุน Series C จำนวน 70 ล้านดอลลาร์ในเดือนมกราคม

แต่การมาถึงของ generative AI Gurfinkel กล่าวว่า ได้เปลี่ยนสิ่งที่เป็นไปได้ — และสิ่งที่จำเป็น AI โมเดลสามารถสร้างการวิเคราะห์ทางการเงินที่ซับซ้อนในเวลาไม่กี่วินาที แต่ผู้อำนวยการใหญ่ฝ่ายการเงิน (CFO) ไม่สามารถโยนข้อมูลของพวกเขาเข้า ChatGPT หรือ Claude ได้โดยตรงและเชื่อถือผลลัพธ์

“ความท้าทายหรือปัญหาเดียวที่ CFO ปัจจุบันมีเกี่ยวกับ AI คือความเชื่อถือ” Gurfinkel กล่าว เขาแบ่งออกเป็นสองมิติ: ความเชื่อถือในข้อมูลที่ AI ทำงาน และความเชื่อถือว่าผลลัพธ์ของ AI สามารถทำซ้ำได้ สิ่งที่หลังนี้เป็นท้าทายอย่างยิ่ง เพราะ AI โมเดลชั้นนำมีลักษณะเป็นโอกาสธรรมชาติและจะไม่ให้คำตอบที่เหมือนกันอย่างแน่นอนสำหรับคำขอเดียวกันทุกครั้ง

Datarails หวังที่จะแก้ไขปัญหาทั้งสองนี้ด้วยผลิตภัณฑ์ FinanceOS ใหม่ ระบบเชื่อมโยงข้อมูลจากแหล่งต่างๆ มากกว่า 400 แหล่ง — “ระบบบันทึก” ที่ทีมการเงินพึ่งพา เช่น NetSuite, SAP หรือ Salesforce — จากนั้นทำการรวมข้อมูลทางการเงินแบบเรียลไทม์ของข้อมูลนี้ รวมถึงการลบที่ซับซ้อน การจัดสรร และการปรับแต่งอัตราแลกเปลี่ยนสกุลเงินต่างประเทศ แพลตฟอร์มจากนั้นอนุญาตให้ AI โมเดลวิเคราะห์ข้อมูลนี้โดยใช้ Model Context Protocol (MCP) มาตรฐานเปิดที่กำลังโตเติบโตสำหรับเชื่อมโยงระบบ AI กับแหล่งข้อมูลภายนอก

จากนั้น เมื่อโมเดลทางการเงินถูกสร้างด้วย AI FinanceOS อนุญาตให้ลูกค้าล็อคโมเดลนั้นไว้เพื่อให้โมเดลการเงินยังคงคงที่ ในขณะที่ข้อมูลภายใต้จะรีเฟรชในแต่ละช่วงเวลา

การจัดเวลาของ Datarails อาจถูกต้อง ตามการสำรวจของ Gartner ที่บริษัทอ้างอิง การนำ AI ไปใช้ในหน้าที่การเงินของบริษัทได้สิ้นสุดการเติบโตโดยพื้นฐานแล้ว เพิ่มเพียง 1 เปอร์เซ็นต์ จาก 58% ในปี 2024 เป็น 59% ในปี 2025 ในขณะที่ 91% ของทีมการเงินรายงานว่าเครื่องมือ AI ของพวกเขามีผลกระทบต่ำ คุณภาพข้อมูลและการมีอยู่ของข้อมูลถูกอ้างว่าเป็นอุปสรรคที่พบบ่อยที่สุด

ในช่วงเวลาที่นักลงทุนมุ่งเน้นมากเกี่ยวกับว่า AI ท้าทายรูปแบบธุรกิจการชำระใบอนุญาตต่อผู้ใช้แบบดั้งเดิมจากผู้ขายซอฟต์แวร์แบบ SaaS Datarails กำลังมุ่งเน้นการเปลี่ยนแปลง มันกำลังเปลี่ยนไปใช้รูปแบบการตั้งราคาตามการใช้งาน ซึ่ง Gurfinkel กล่าวว่าเป็นสิ่งที่สมเหตุสมผลเนื่องจาก AI agent ไม่ใช่มนุษย์ กำลังใช้ซอฟต์แวร์มากขึ้น

“ค่าใช้จ่ายรวมสำหรับซอฟต์แวร์จะสูงขึ้น — มันจะเพิ่มขึ้น” เขากล่าว “แต่จำนวนคนอาจจะลดลง AI สามารถทำได้มากขึ้น ดังนั้นถ้าคุณนำสมการนี้มาพิจารณา คุณจะได้ข้อสรุปที่ชัดเจนมาก: CFO จะชำระเงินตามค่าใช้ประโยชน์” Gurfinkel กล่าวว่าการตั้งราคาตามการใช้งานเป็นตัวแทนของค่าใช้ประโยชน์ที่บริษัทได้รับจากการใช้ผลิตภัณฑ์

Datarails กำลังตั้งตำแหน่งตัวเองไม่เพียงเป็นบริษัทผลิตภัณฑ์เท่านั้น แต่ยังเป็นพาร์ทเนอร์ที่ช่วย CFO สำรวจการเปลี่ยนไปใช้ AI ด้วย นอกจาก FinanceOS แล้ว บริษัทยังวางแผนให้บริการมืออาชีพ การฝึกอบรม และการพัฒนา agent แบบกำหนดเอง — ซึ่งเป็นการยอมรับว่า ตามที่ Gurfinkel กล่าว “สำนักงานของ CFO เป็นคนสุดท้ายที่ปรับตัวให้เข้ากับเทคโนโลยีใหม่”

แนวทางแบบมือถือ (hands-on) นี้สะท้อนกลยุทธที่บริษัทอื่นๆ ที่ขายผลิตภัณฑ์อิงจาก AI agent ให้กับองค์กรกำลังดำเนินการ รวมถึง Salesforce, Anthropic และ OpenAI ซึ่งได้จ้างทีม “วิศวกรที่ติดตั้งล่วงหน้า (forward-deployed engineers)” ที่ช่วยลูกค์ออกแบบเวิร์กโฟลว์ agentic และตั้งค่าระบบ AI ซึ่งแตกต่างจากรูปแบบเก่าของบริษัท SaaS ที่ส่วนใหญ่เกี่ยวกับการบริการด้วยตนเอง (self-service) ของลูกค้า

Gurfinkel กล่าวอย่างตรงไปตรงมาเกี่ยวกับภูมิทัศน์การแข่งขัน โดยอ้างว่าผู้ขายซอฟต์แวร์ FP&A ที่เก่าที่สุดในอุตสาหกรรมหลายแห่งกำลังตกอยู่ในปัญหา “พวกเขาแล้วก็หายไปแล้ว พวกเขาเร็วไม่พอ พวกเขาไม่มีเงินหรือพลังงานเพียงพอที่จะเขียนโค้ดเทคโนโลยีใหม่” เขากล่าว ผู้เข้ามาใหม่ๆ เช่น Abacum และ Runway ซึ่งลงทุนมากในอินเทอร์เฟซเว็บที่ซับซ้อนและเวิร์กโฟลว์อัลกอริทึม ต้องเผชิญกับความท้าทายที่แตกต่าง: พวกเขาต้องสร้างตัวเองขึ้นใหม่หลังจากลงทุนไม่เพียงพอในชั้นการรวมข้อมูลที่ Gurfinkel เชื่อว่าเป็นที่สูงยอดกลยุทธ์ใหม่

ข่าวดีสำหรับบริษัทเหล่านั้น เขากล่าวคือ ส่วนใหญ่ได้ระดมทุนจำนวนมากเมื่อเร็วๆ นี้ ซึ่งให้เวลาแก่พวกเขาในการปรับตัว “แต่จะน่าสนใจที่จะดูว่าพวกเขาจะตอบสนองต่อการเปลี่ยนแปลงนี้อย่างไร” เขาเพิ่มเติม

เขาเชื่อมโยงความสัมพันธ์ระหว่างสิ่งที่เขาคาดการณ์ว่าจะเกิดขึ้นกับผู้เชี่ยวชาญทางการเงิน และสิ่งที่กำลังเกิดขึ้นในวิศวกรรมซอฟต์แวร์ ซึ่ง AI coding assistant ได้เปลี่ยนแปลงวิธีการทำงานของนักพัฒนา “คุณไม่เห็นโปรแกรมเมอร์ใดๆ ที่พิมพ์บนแป้นพิมพ์จริงๆ” เขากล่าว “เกือบ 100% ของโค้ดของพวกเขาเป็นการเขียนโดย AI และฉันมั่นใจว่ามันจะเหมือนกันกับผู้ทำงานด้านการเงิน”

Datarails กล่าวว่า FinanceOS พร้อมใช้งานทันทีและสามารถปฏิบัติการได้อย่างเต็มรูปแบบภายในไม่กี่วันทำงาน บริษัทกล่าว ผลิตภัณฑ์ FP&A, การจัดการเงินสด, การปิดเดือน และการควบคุมค่าใช้จ่ายที่มีอยู่ของ Datarails ยังคงพร้อมใช้งานเป็นโซลูชันจัดการที่สร้างขึ้นบนแพลตฟอร์มฐานเดียวกัน