AI-native oprichter deelt hoe hij AI gebruikt in zijn financiële organisatie

Nicholas Rudder begon zijn carrière in de financiële sector bij PwC en Macquarie Bank. Tegenwoordig is hij de oprichter en CEO van Sphere, een op AI gebaseerd belastingadviesbedrijf.

We spraken met Nicholas om te ontdekken hoe een op AI gebaseerde financiële organisatie eruitziet. Dit is wat hij met ons deelde.

Een hulpmiddel bouwen om problemen met grensoverschrijdende naleving op te lossen

Mijn naam is Nick Rudder. Ik ben de oprichter en CEO van Sphere.

Ik begon mijn carrière in de financiële sector bij PwC en Macquarie Bank. Ik verliet die wereld al snel omdat ik het gevoel had dat werken in de financiële sector slechts een oppervlakkig inzicht gaf in hoe bedrijven daadwerkelijk werken. Je voelt er niet de druk van concurrentie, maakt niet mee hoe een functie onder tijdsdruk wordt uitgebracht en ziet niet hoe duizenden mensen iets gebruiken dat je hebt gebouwd.

Mijn eerste start-up werd toegelaten tot Y Combinator. We deden het goed in het YC-cohort — we bereikten een GMV van enkele miljoenen — maar nadat we 18 maanden na het cohort hard hadden doorgewerkt, wisten we dat het bedrijf nooit zo zou opschalen als we wilden. Gelukkig bracht het veel grensoverschrijdende nalevingskwesties aan het licht. Toen ik ermee stopte, raakte ik geobsedeerd door het helpen van bedrijven bij hun internationale uitbreiding, terwijl ik de administratieve last van grensoverschrijdende naleving wilde wegnemen.

Dat was voor mij de aanleiding om Sphere te starten, dat eerlijk gezegd veel beter aansloot bij mijn achtergrond dan mijn EdTech-bedrijf!

Geboren in het tijdperk na de opkomst van AI, dachten we opnieuw na over hoe we de wereldwijde handelswetgeving met behulp van AI konden begrijpen. Hieruit ontstond het idee voor onze op AI gebaseerde belastingmotor, TRAM, die de handelswetgeving van de hele wereld verzamelt, codificeert en monitort. Deze eigen technologie — getraind met duizenden uren aan invoer van deskundige belastingonderzoekers en miljoenen pagina's met geïndexeerde wereldwijde belastingwetgeving — stelt ons in staat om de juiste fiscale behandeling op elk product toe te passen, ongeacht waar het wordt verkocht. In bredere zin denken we dat TRAM de kosten van internationale transacties drastisch zal verlagen en deze net zo eenvoudig zal maken als lokaal verkopen. Zo draagt TRAM bij aan onze visie om van de wereld één markt te maken.

Sphere is een serie A-bedrijf — we hebben in september vorig jaar $21M opgehaald in een financieringsronde onder leiding van a16z — en groeien momenteel met 30% MoM. We hebben een wereldwijde aanwezigheid en verkopen aan klanten over de hele wereld. Daarom werkt ons team verspreid over Noord-Amerika, EMEA en APAC, met in totaal ongeveer 50 mensen. Ik ben de enige persoon binnen de financiële functie. Bij Sphere brengen we in de praktijk wat we verkondigen, dus zijn we van nature op AI gebaseerd en kunnen we onze financiële functie effectief beheren met onze huidige systemen.

Hoe AI financiële analyses stroomlijnt

De grootste verandering die AI het afgelopen jaar heeft gebracht in de manier waarop de financiële functie werkt bij Sphere is behoorlijk saai: elke maand analyseren we onze uitgaven op al onze bankrekeningen en creditcards door onze afschriften in Claude te laden.

Deze analyse laat zien welke enorme voordelen AI tegenwoordig biedt. In slechts een paar klikken onze grootste uitgavencategorieën en mogelijkheden om kosten te besparen identificeren, heeft verstrekkende gevolgen voor het bedrijf. Bovendien heeft het de tijd die we besteden aan rapportage aan het einde van de maand aanzienlijk verkort.

Dit sluit goed aan bij het Paretoprincipe, dat stelt dat 80% van de resultaten vaak met 20% van de inspanning wordt behaald.

Notities van Nicholas

\u003cstrong\u003eAI en belastingen vormen al lange tijd een controversiële combinatie — veel mensen zijn er sterk van overtuigd dat menselijke tussenkomst nodig is om het grijze gebied te begrijpen.\u003c/strong\u003e

Waarom aansprakelijkheid steeds minder een zorg wordt dankzij AI-ondersteunde belastingprocessen

AI en belastingen vormen al lange tijd een controversiële combinatie — veel mensen geloven sterk dat menselijke tussenkomst nodig is om het grijze gebied te begrijpen. Maar wanneer modellen kunnen worden getraind op het corpus van het handelsrecht en er meer van kunnen verwerken dan welke individuele adviseur dan ook, lijkt het onvermijdelijk dat deze modellen zelfs de beste belastingadviseurs ruimschoots zullen overtreffen.

De enige reden waarom bedrijven nog steeds hun toevlucht nemen tot de Big Four-accountantskantoren is aansprakelijkheid. Als er immers iets misgaat, bij wie kun je dan terecht? Maar je kunt een verzekering opnemen in deze AI-aangedreven oplossingen om die zorgen weg te nemen.

Hoe AI belastingonderzoek stroomlijnt

We zetten AI-agents in voor tal van andere werkprocessen om de efficiëntie te verbeteren:

• Ons eigen AI-systeem voert ons belastingonderzoek uit.
• AI-agents dienen aangiften en registraties in via overheidsportalen voor belastingen.
• AI verwerkt gedigitaliseerde fysieke post van belastingautoriteiten om wijzigingen in de aangiftefrequentie of kennisgevingen van controles te signaleren.
• Traditionele machinelearningmodellen voorspellen verplichtingen in de loop der tijd en geven aan wanneer bedrijven mogelijk nexus in verschillende jurisdicties overschrijden.
• AI verwerkt bedrijfsgegevens om ons te helpen klanten te adviseren over aandachtspunten rond grensoverschrijdende naleving bij toetreding tot nieuwe jurisdicties.

En dagelijks ontdekken we nog talloze andere toepassingen terwijl het team experimenteert met de werkprocessen die AI kan automatiseren.

Zoals we intern zeggen: goed genoeg is niet goed genoeg. Daarom blijft er altijd een ervaren interne expert betrokken — vooral bij ons belastingonderzoek.

Waar AI tekortschiet in financiële werkprocessen

Gezien het huidige tempo van AI-ontwikkeling is het moeilijk te zeggen waarvoor morgen nog een mens nodig zal zijn. Risicobeoordeling zal echter waarschijnlijk altijd een mens als uiteindelijke besluitvormer vereisen.

En vandaag levert AI nog steeds niet de verwachte impact op bij bedrijfskritischere financiële processen, zoals omzetverantwoording. Deze voordelen lijken eerder incrementeel dan de grote sprongen vooruit die we elders zien.

Een financiële AI-technologiestack

Wat betreft AI-tools voor financiën stel ik de volgende technologiestack voor:

• Ramp voor AP
• Deel voor salarisadministratie
• En natuurlijk Sphere voor naleving van regels rond indirecte belastingen

Op functieoverschrijdend niveau raad ik aan Claude te gebruiken om te analyseren hoe deze lagen samenwerken. Ik heb gemerkt dat dit ongelooflijk effectief is.

Waarom CFO's hun beperkingen moeten heroverwegen

Mijn advies? Herzie je beperkingen.

Veel van de financiële teams van onze klanten doen veel meer met veel minder. Wanneer ze bijvoorbeeld door de juiste agents worden ondersteund, kunnen ze als een team van generalisten werken — één financieel medewerker kan werk beheren waarvoor voorheen vijf gespecialiseerde rollen nodig waren. Dus: neem generalisten aan, geen specialisten.

Bekijk voor automatisering je technologiestack en begin met laaghangend fruit of minder bedrijfskritische werkprocessen. Automatiseer ze — via uitbestede leveranciers of intern — en werk vervolgens omhoog in de technologiestack.

Volg mee

Je kunt het werk van Nicholas Rudder volgen op LinkedIn. Bekijk ook Sphere.

Er volgen nog meer interviews met experts op The CFO Club!