Von der Produkteinführung bis zum Umsatz nach IFRS mit Zuora AI

Hallo zusammen. Ähm, ich rufe gerade meinen Bildschirm auf. Ich denke, das sollten Sie jetzt sehen können. Kevin, sieht es bei dir auf deiner Seite gut aus? Super. [räuspert sich] Alles klar. Hallo, alle zusammen. Vielen Dank, dass Sie dabei sind. Ähm, mein Name ist Shalen. Ich melde mich live aus unserer Zentrale hier in Foster City, und ich bin zusammen mit Kevin Souare. Hallo zusammen. Ich bin Kevin Souare. Äh, ich freue mich, heute mit Ihnen allen hier zu sein. Und, äh, heute werfen wir einen praxisnahen Blick darauf, wie Zuora AI die Arbeit zwischen der Produkteinführung und der anschließenden Umsatzrealisierung unterstützt, die dieses Produkt für Sie generiert. Also im Grunde: wie ein Produkt Ihnen Geld einbringt. Ähm, die Inspiration für dieses Webinar ist dieser alte Schoolhouse Rock-Hit,

Wie aus einem Gesetzentwurf ein Gesetz wird. Ähm, wir möchten Ihnen zeigen, ähm, wie sich ein Produkt mithilfe von Zuora AI durch jede Phase des Quote-to-Cash-Lebenszyklus bewegt, äh, Schritt für Schritt. Ähm, wir steigen jetzt direkt ein und legen los, aber bevor wir das tun, ähm, als reine Vorsichtsmaßnahme, ähm, zur Information: Ich werde das nicht Wort für Wort vorlesen, äh, aber bitte werfen Sie kurz einen Blick darauf. Äh, einige der Inhalte, die Sie in diesem Webinar sehen, können zukunftsgerichtet sein; ähm, treffen Sie daher bitte keine Kaufentscheidungen, ähm, auf Basis dessen, was Sie heute sehen. Alles klar. Äh, dann kommen wir zu den organisatorischen Punkten. Zunächst würde ich mich freuen, wenn Sie sich im, äh, Chat-Tab kurz vorstellen. Ähm, sagen Sie gern hallo und lassen Sie uns wissen, von wo aus Sie teilnehmen. Ähm, als Nächstes möchte ich Sie auf die Links im Abschnitt „Resources“ aufmerksam machen.

Unten in Ihrem Zoom-Browser können Sie auf „Mehr“ klicken. Drittens: Bitte stellen Sie uns gern Fragen. Dafür gibt es einen Q&A-Tab, der sich ebenfalls unter dem Tab „Mehr“ befindet. Wir werden diese Sitzung aufzeichnen. Im Anschluss senden wir Ihnen eine Follow-up-E-Mail mit der Aufzeichnung, sodass Sie sich keine Sorgen machen müssen, schnell Notizen mitzuschreiben. Sie können jederzeit darauf zurückkommen, wann immer Sie möchten. Außerdem werden wir im Verlauf mehrere Umfragefragen einstreuen; bitte nehmen Sie daran teil. Das ist für uns sehr wertvoll, um Rückmeldungen von Personen wie Ihnen zu erhalten. Gut. Dann starten wir mit den offiziellen Vorstellungen. Wie erwähnt: Mein Name ist Shalen. Ich bin im Produktmarketing-Team und ich werde hier von Kevin begleitet. Kevin, ich überlasse dir eine kurze Vorstellung. Ja. Hallo zusammen, ich bin Kevin.

Ich komme aus dem Produktmanagement-Team von Zuora. Ich verantworte unsere KI-Produkte sowie unsere Plattformprodukte hier bei Zuora. Danke, Kevin. Kevin führt uns jetzt durch die Demo. Bevor wir zu den spannenden Inhalten kommen, müssen Sie zunächst noch ein wenig von mir hören – dafür vorab schon einmal Entschuldigung. [lacht] Aber bevor wir wirklich in die Inhalte einsteigen, möchte ich kurz den Moment nutzen, um zu feiern, dass Zuora erneut stolz darauf ist, im Gartner Magic Quadrant für Anwendungen für wiederkehrende Abrechnung als Leader anerkannt worden zu sein und bei unserer Umsetzungsfähigkeit am höchsten eingestuft wurde. Aus meiner Sicht spiegelt das sehr gut wider, wofür die Zuora-Plattform entwickelt wurde: die Verarbeitung nutzungsbasierter Abrechnungsmodelle im großen Maßstab, flexible Preismodelle und saubere Finanzabschlüsse. Wenn Sie den Bericht lesen möchten, finden Sie unten einen Link. Er wird außerdem im Tab „Ressourcen“ geteilt, falls Sie ihn herunterladen möchten.

Und [räuspert sich] tatsächlich sind wir weiterhin führend in allen maßgeblichen Analystenberichten. Ich wollte hervorheben, dass wir in diesem Gartner-Report die höchste Bewertung aller Anbieter für Umsatzrealisierung erzielt haben, was mit der Geschichte zusammenhängt, die wir heute erzählen werden. Also, ähm, ich wollte das nur kurz erwähnen. Alles klar. [räuspert sich] Wir gehen jetzt zu unserer ersten Umfrage über. Ähm, bitte teilen Sie mit, wie häufig Sie KI in Ihren täglichen Quote-to-Cash-Prozessen einsetzen. Ähm, alles klar. Ich, ähm, kann die Ergebnisse nicht sehen. [lacht]

Kevin, ich weiß nicht, ob du das kannst. Ähm, aber, äh, wie soll ich… Ich komme davon nicht los. Okay, ich klicke jetzt einfach auf „Exit“. [lacht] Ähm, ich bin mir nicht sicher, ob irgendjemand die Ergebnisse sehen konnte. Ich kann es nicht. [lacht] Ähm, daher Entschuldigung dafür, ähm, aber wir machen trotzdem weiter. Ähm, sprechen wir also über KI im Finanzbereich. Sie hat in anderen Funktionen echte Produktivitätsgewinne geschaffen, aber der Finanzbereich hatte diesen Moment bislang noch nicht. Ähm, es gab bislang nicht diesen, so einen, 10-fachen Durchbruch, ähm, „Mein Gott, ich bin jetzt viel produktiver“

als Finanzverantwortlicher.“ Das liegt jedoch daran, dass Finanzteams KI benötigen, die ihre Arbeit, den Kontext und die Kontrollen der Welt versteht, in der sie im Quote-to-Cash tätig sind – genau so entwickeln wir Zuora AI: mit zweckorientierten Agents und spezialisierten Skills, die gezielt für die Menschen entwickelt wurden, die Quote-to-Cash verantworten. Entlang dieses Quote-to-Cash-Lebenszyklus gibt es klare, voneinander abgegrenzte Aufgaben, die zu erledigen sind. Da Zuora AI in das System of Record eingebettet ist – und wir das System sind, in dem diese Aufgaben erledigt werden –, kann es mit gemeinsamem Kontext über Verträge, Rechnungen, Zahlungen, Inkasso und Umsatzrealisierung hinweg arbeiten und dabei die von Ihnen bereits genutzten Berechtigungen und Kontrollen berücksichtigen, äh, mit voller Sichtbarkeits- Sichtbarkeit

auf die nachgelagerten Auswirkungen, die sämtliche von der KI vorgeschlagenen Änderungen nach sich ziehen werden. Daher drei Leitgedanken, die Sie heute im Verlauf unserer Demo im Blick behalten sollten: Fachkompetenz, Geschwindigkeit und Vertrauen. Im Kern bedeutet das: der richtige Kontext, schnellere Analyse und Umsetzung sowie regelkonformes Handeln. [räuspert sich] Also gut, ähm, wir wissen inzwischen, dass Finanzteams bereits mehr Komplexität und mehr Volumen bewältigen – ohne zusätzliche Zeit und Kapazitäten. Die Technologie entwickelt sich heutzutage extrem schnell. Wahrscheinlich werden Sie montags von Ihrer CEO gefragt, dass wir bis Freitag ein Produkt live bringen müssen. [lacht] Ich kenne das – bei uns ist es genauso. Ähm, und die F-Finanzabteilung muss viele dieser nachgelagerten Auswirkungen tragen, und wir wissen, dass Sie nicht noch einen weiteren Ort suchen, um Fragen zu stellen. Sie müssen diese manuellen Arbeiten reduzieren

zwischen dem Moment, in dem wir verstehen, dass etwas passiert ist, und dem Moment, in dem wir wissen, was als Nächstes zu tun ist, und uns die erforderlichen Tools zur Verfügung stehen, um diese Maßnahme umzusetzen. Die Beispiele hier zeigen ein wiederkehrendes Muster über Tarifplanänderungen, Zahlungen, Umsatzmaßnahmen, Abrechnungsprozesse und Rechnungsabschreibungen hinweg – mit realen, messbaren Zeiteinsparungen in einigen dieser zentralen Workflows. Der genaue Workflow kann zwar variieren, das Ziel bleibt jedoch konsistent: Sie möchten den manuellen Analyseaufwand reduzieren, die Zeit bis zur nächsten Entscheidung verkürzen und sicherstellen, dass Ihre Mitarbeitenden die Kontrolle behalten, bevor irgendwelche Aktionen ausgeführt werden. Gut. Um das heute konkret zu machen, verwenden wir ein fiktives Unternehmen namens BarkBrain AI. Es ist eine Plattform zur Übersetzung von Hundegebell

mit Subscription-Tiers und nutzungsbasierten Zusatzgebühren. Ihr Operating Model umfasst ein Basis-Abonnement plus nutzungsabhängige Komponenten, die an Leckerlis, Parkbesuche und identifizierte Eichhörnchen gekoppelt sind. Es handelt sich also um ein stark hundezentriertes Unternehmen. Jedes Produkt, jeder Preis, jedes Nutzungsereignis, jede Rechnung, jede Zahlung und jedes Umsatz-Outcome muss durchgängig miteinander verknüpft bleiben. Ähm, wie ich bereits erwähnt habe, wird Kevin diese BarkBrain-AI-Kundenstory durch sieben Phasen begleiten: bepreist und paketiert, angeboten und verkauft, gemessen, fakturiert, bezahlt, erfasst und ausgewertet. Achten Sie beim Zuschauen auf drei Punkte: wie schnell das Team die Ursachenanalyse durchführen kann, wie operative Nachweise mit der finanziellen Auswirkung zusammenhängen und an welchen Stellen die Freigabe beim Anwender verbleibt. Jetzt, Kevin, übergebe ich an dich.

durch die Demo. Mir ist gerade aufgefallen, dass ich diesen Bildschirm nicht geöffnet hatte – hier sind also unsere sieben, sieben Workflows. Entschuldigung dafür. Ähm, und jetzt übergebe ich an Kevin. Ja, super. Danke, Shaylyn. Äh, hallo zusammen. Schön, heute bei Ihnen allen zu sein. Ja, ich teile dann mal meinen Bildschirm. Ich habe, ähm … Wir führen Sie durch das gesamte Zuora-Produkt. Wir haben im Grunde sehr stark, ähm, in unsere KI-Fähigkeiten bei Zuora investiert, sodass ich Sie, ähm, über den gesamten, äh, äh, Lifecycle hinweg – den wir gerade gesehen haben, als Shaylyn darüber gesprochen hat – durch jedes einzelne Beispiel führe. Nur ein kurzer Hinweis dazu, wie ich die Demo durchführe. Ähm, ich öffne es kurz. Äh, was ich machen werde, ist, äh … Ich, ich habe vorab ausgeführt

einige der, äh, einige der … oder, oder eigentlich viele der Prompts in Zuora AI, äh, weil ich di- ich wollte heute, so wie wir hier zusammen sind, keine Zeit damit verbringen, äh, dass die KI antwortet. Ähm, Sie wissen ja, Sie alle haben KI wahrscheinlich schon ziemlich häufig genutzt. Ähm, bei best-besten Aufgaben, Sie wissen schon, könnte es sich um eine mehrstufige Aufgabe handeln, bei der die KI losläuft. Sie, sie startet dann Agenten, um Dinge zu planen, äh, und kommt dann zurück, und das kann ein paar Minuten dauern. Also, ähm, im Interesse der Zeit, ähm, werde ich das so machen: Ich zeige Ihnen einige vorab ausgeführte Prompts. Ich werde auch einige Prompts live ausführen, damit Sie die KI gewissermaßen in Aktion sehen können. Ähm, und ich führe Sie durch die gesamte Story. Also, womit ich anfangen möchte, ist: Im Moment bin ich bei Zuora eingeloggt. Ähm, fangen wir damit an, dass wir uns vorstellen, ich arbeite bei BarkBrain

KI. Äh, vielleicht bin ich, äh, wissen Sie, im Finance-Team, und ich möchte herausfinden … äh, zunächst möchte ich mit der Arbeit an Pricing und Packaging beginnen. Äh, also, äh, der erste Bereich, in den ich in Zuora gehe, ist der Produktbereich. Ich gehe in den Produktkatalog. Und, ähm, was ich hier sehe, ist, dass ich bereits einen Produktkatalog habe. Ich betreibe mein Geschäft bereits. Und, ähm, ich werde jetzt das KI-Seitenpanel öffnen. Äh, also das KI-Seitenpanel ist hier drüben. Und, äh, lassen Sie mich kurz erklären, wie das funktioniert. Äh, also, das Seitenpanel ist auf jeder einzelnen Zuora-Seite verfügbar. Äh, es erkennt, auf welcher Seite Sie sich in Zuora befinden, und, ähm, es ist in der Lage, auszuführen,

Äh, entweder Lese‑O‑Operationen, bei denen die Daten in Zuora zusammengefasst werden können, oder es kann, ähm, das tun, was wir als überwachte Operationen bezeichnen, bei denen tatsächlich Daten in Zuora aktualisiert werden. Äh, aber es ist immer ein Mensch in der Schleife, sodass bei jeder, j‑jeder einzelnen Aktion, die Sie in Zuora AI ausführen, ähm, immer Ihre Zustimmung als Nutzer erforderlich ist. Wir haben dafür ein umfassendes, robustes Set an, ähm, Governance‑Regelungen aufgebaut. Äh, wir haben das in unserem Knowledge Center dokumentiert. Im Kern ist es so, dass jede Aktion, die die KI ausführt, dem jeweils angemeldeten Nutzer zugeordnet wird. In diesem Fall bin ich angemeldet. Äh, sodass wir in unseren Audit Trails und so weiter, ähm, sämtliche Datenaktualisierungen, äh, mir als Nutzer zuordnen. Es wird außerdem auf die Konversationen zurückgeführt. Wir

über eine Watchtower-Funktion verfügen, die es Ihnen ermöglicht, vollständige Transparenz und Observability darüber zu erhalten, was mit KI passiert. Äh, aber lassen Sie uns mit der Geschichte anfangen, der BarkBrain-AI-Geschichte. Also, äh, was ich gemacht habe: Vor nur ein paar Tagen bin ich hier reingekommen und habe ein Prompt eingerichtet. Ähm, und im Kern habe ich Folgendes gesagt: „Hey, wissen Sie, ähm, BarkBrain AI möchte ein neues Park-Pro-Angebot für unsere Kunden einführen. Es ist im Wesentlichen ein Subscription-Tarif mit Nutzungsabhängigkeit. Er beinhaltet Metering. Ähm, daher haben wir sehr niedliche Maßeinheiten entwickelt, etwa wie viele Squirrel Alerts oder Parkbesuche die Hunde erhalten, die Abonnenten dieses Services sind.“

Im Kern geht es darum, dass Finance eine neue Option dafür schaffen möchte, die über den gesamten Lebenszyklus hinweg möglichst wenige nachgelagerte Überraschungen verursacht – also über Angebotserstellung, Abrechnung, Umsatzrealisierung und Reporting. Und, äh, ich teile das der KI mit. Außerdem weise ich sie an, unsere bestehende Produktkatalogstruktur zu prüfen. Ich habe zwei Optionen im Kopf, wie ich das bepreisen und paketieren möchte. Und dann sage ich der KI, sie soll die Antwort in vier Abschnitte gliedern: Was wir heute aktuell verkaufen, äh, die, ähm, zwei Wege, die wir hinsichtlich der Paketierung in Betracht ziehen, und dann die Auswirkungen davon, und dann soll sie eine Empfehlung für mich ausarbeiten und außerdem eine Empfehlung oder, oder

Welche Schritte muss ich durchführen, um dies in Zuora zu implementieren. Ähm, das ist also eine Veranschaulichung von, wissen Sie, das ist, das ist eine ziemlich typische Aufgabe für alle, die agile Monetization, äh, mit Zuora umsetzen. Wir haben Ihnen schon immer unsere traditionellen Schnittstellen und APIs zur Verfügung gestellt, damit Sie solche Vorgänge durchführen können, aber jetzt integrieren wir zusätzlich KI, um das für Sie zu übernehmen. Ähm, das ist jetzt ein ziemlich umfangreicher Prompt, ähm, den ich hier eingegeben habe. Wir haben in Zuora AI viele Optionen, zum Beispiel können Sie Dateien hochladen, wenn Sie möchten. Ähm, Sie können Markdown-Dateien hochladen. Sie können PDFs, äh, Excel-Dateien, PowerPoint-Präsentationen hochladen. Ähm, also wenn, wenn, wissen Sie, sagen wir, Sie hatten ein Meeting, äh, mit Ihrem Team, äh, in dem die verschiedenen Optionen beschrieben wurden, wie Sie die Preisgestaltung gestalten möchten

und als Paket können Sie das direkt in Zuora AI laden; Zuora AI kann es dann lesen und verarbeiten. Eine der Funktionen von Zuora AI, die wir sehen werden, während dies läuft, ist, dass wir unsere verschiedenen Funktionsaufrufe anzeigen. In diesem Fall hat es ein Skript geschrieben, um einige Informationen abzurufen. Wir haben eine integrierte Skripting-Funktionalität, sodass Zuora AI in der Lage ist, spontan und auf Basis Ihrer Anfrage Skripte zu generieren und Mini-Programme zu schreiben, um Sie zu unterstützen. Wir zeigen in Zuora AI stets den Denkprozess. Eines unserer Prinzipien ist vollständige Transparenz darüber, wie die KI „denkt“ und was sie tut, damit Sie diese Informationen im Wesentlichen auditieren können. Und dann, äh,

es bietet auch eine mehrstufige Planung. Also d-das ist das, es … Dieser, dieser Prompt hat wahrscheinlich etwa fünf Minuten oder so gebraucht, ähm, um all diese unterschiedlichen Schritte durchzulaufen. Ähm, und dann kam es am Ende letztlich mit, äh, dem zurück, wonach ich gefragt hatte, äh, also mit dem, was wir verkaufen. Ähm, Sie wissen schon, es hat das in einer sch-schönen Zusammenfassung aufgeschlüsselt. Äh, was ich an diesem hier wirklich stark fand, ist, Sie wissen schon, ich habe es im Prompt ja gebeten, ähm, diese zwei unterschiedlichen Optionen zu analysieren, die wir in Betracht gezogen hatten. Also Option eins, äh, war ein bestehendes Abonnement plus, äh, nutzungsabhängige Gebühren und dann, ähm, ein neuer wiederkehrender Add-on-Baustein. Und was es dann gemacht hat, ist: aus jedem dieser unterschiedlichen Blickwinkel, die ich analysieren wollte, Sie wissen schon, hat es sich das aus der Angebotserstellungs-Perspektive angesehen, äh, Sie wissen schon, Zuoras CPQ-Produkt. Also, h- welche Auswirkungen wird das haben?

Unkompliziert. Ähm, Mediation und Billing – es nutzt einen Großteil der Pipeline- und Pricing-Modelle, an die wir bereits gewöhnt sind. Äh, für die Umsatzrealisierung, ähm, nutzt es dieselbe, ähm, Art, wie wir täglich erfassen. Ähm, und dadurch ist es eine sehr saubere ASC-606-Allokation. Und dann beim Reporting ist der Roll-up einfach. Jetzt, Option zwei: Es kommt zurück und sagt: „Hey, du weißt schon, das Quoting wird komplexer. Ähm, das Billing und die Mediation werden all diese zusätzliche Konfiguration erfordern.“ Äh, die Umsatzrealisierung – äh, was, du weißt schon, an dieser Stelle unseren Anwendern deutlich hilft – sie, sie, sie markiert, dass dies eine Quelle für nachgelagerte Überraschungen ist. Also eine der Sachen

Ziel des Finance-Teams ist es dabei, später bei der Umsatzrealisierung nicht überrascht zu werden. Daher wird Option zwei entsprechend markiert, und das Reporting läuft gewissermaßen in einer separaten Spur. Das durchläuft dann diese gesamte Analyse. Das kann die Teams, wissen Sie, Stunden gekostet haben – möglicherweise auch länger –, um all diese Punkte zu klären. Aber innerhalb weniger Minuten ist das System in der Lage, dies zu analysieren – unter Nutzung der vielfältigen Fähigkeiten, die wir in Zuora AI integriert haben, sowie des gesamten Kontexts, den wir dort laden. Und es kommt umgehend zurück und sagt: „Hey, Option eins ist die finance-taugliche Wahl.“ Das ist also nur ein Beispiel dafür, wie es bei Pricing und Packaging unterstützen kann. Ich werde jetzt einen Live-Prompt ausführen, damit Sie das in Aktion sehen können.

Das war eine ganze Menge Text, den die KI zurückgegeben hat. Sagen wir daher einfach: Ich möchte hiervon eine kurze Zusammenfassung. Ähm, und Sie können … Ähm, das soll Ihnen ein Gefühl dafür geben, wie es aussieht, wenn Sie Zuora AI tatsächlich nutzen. Ähm, die KI ermittelt, welche Funktionen sie genau miteinander verknüpfen soll, und kommt dann im Grunde mit einer sehr kurzen Zusammenfassung dessen zurück, was ich möchte. Ähm, Sie können das kopieren. Sie können Ihre Chats in Zuora AI teilen. Und wir haben außerdem eine Engine im Einsatz, die auch Prompts für die nächsten Schritte empfiehlt. Also, ähm, das wird, äh, von unseren Anwendern oft genutzt. Okay, und jetzt sagen wir, wir haben das hier

Einrichtung von Pricing- und Packaging-Plänen. Äh, das ist Finance-ready. Sie wissen schon, es ist sauber. Es wird systemübergreifend in allen Systemen funktionieren. Ähm, und jetzt zeigen wir, wie sich das in einem Angebotsszenario nutzen lässt. Ich wechsle dafür kurz zu einem Account. Äh, wir haben, äh, Fetch Fleet, äh, das ist einer unserer Kunden, und wir möchten im Wesentlichen eine Simulation durchführen, eine Angebotssimulation dieses neuen Plans, äh, für diesen, für diesen, äh, Account. Das Schöne daran ist: Ich habe diesen Plan im System tatsächlich noch nicht angelegt. Ähm, ich kann ihn im Grunde auch simulieren, wenn ich das möchte. Ähm, ich könnte auch die KI den Plan für mich erstellen lassen.

Ähm, ich habe hier noch ein weiteres Beispiel-Prompt vorbereitet, ähm, in dem steht: „Hey, wissen Sie, dieser, dieser konkrete Kunde, ähm, möchte dieses, äh, Pr- Park Pro-Paket. Können Sie, können Sie das bitte im Grunde für mich simulieren? Also, wie würde das aussehen, wenn wir, wenn wir diesem Kunden diesen Plan geben würden, äh, unter ein paar unterschiedlichen Annahmen, wie zum Beispiel, wissen Sie, ein bestimmter Rabatt – nehmen wir an, der ist, ist hinterlegt. Ähm. Und dann, wissen Sie, ein sehr häufiges Angebots-Szenario ist, dass man wissen will: Hey, welche Auswirkungen hat das auf ARR, TCV, äh, wie sieht der Abrechnungsplan aus und so weiter. Ähm. Also habe ich dafür ein nettes kleines Prompt geschrieben, ähm, um, um es simulieren zu lassen. Äh. Und dann habe ich gesagt: „Hey, wissen Sie,

am Ende bitte entsprechend dieser vier unterschiedlichen, ähm, Kategorien strukturieren.“ Äh, die zentralen Punkte wären aus meiner Sicht, ähm, Punkt drei, also die finanziellen Auswirkungen. Also: Man möchte wirklich verstehen, ob das für uns ein gutes Geschäft ist, äh, das wir eingehen sollten. Ähm, in diesem Beispiel, äh, sehen Sie, dass es, es, es, es, es, es … Die KI … ich reiche es ein, und die KI führt e- eine, eine, eine Vielzahl unterschiedlicher Funktionsaufrufe aus. Ähm, in diesem Fall ruft sie im Hintergrund unsere Preview-API auf. Nochmals: Wir stellen das alles über unseren, unseren, äh, Watch Tower zur Verfügung, sodass Sie die tatsächlichen Aufrufe sehen können, die sie ausführt. Ähm, dieses hier durchläuft außerdem einen weiteren, äh, mehrstufigen Planungsprozess und denkt sehr viel nach. Und dann, ähm, kommt es letztlich zurück mit: „Hey,

„Hier ist eine sehr prägnante Zusammenfassung des aktuellen Abonnements.“ Das können Sie sich zwar auch auf der Hauptseite ansehen, aber dies ist lediglich eine sehr schnelle Übersicht dazu. Ähm, welche Änderung wir mit dem neuen Plan vorzuschlagen beabsichtigten, und dann die finanzielle Auswirkung. Sie sehen also: Okay, das erhöht den ARR um fünfhundertneunundzwanzig US-Dollar. Äh, das hat eine TCV-Auswirkung von zweitausendeinhundertsechsundfünfzig US-Dollar. Und, ähm, ja. Sie können die KI im Wesentlichen nutzen, um zu simulieren. Ähm, was wir uns hier ansehen: Das ist innerhalb von Zuora Billing.

Produkt. Wir sind außerdem aktuell dabei, dies in unser, äh, Zuora-CPQ-, ähm, Produkt zu integrieren. Das heißt: Ab diesem Herbst werden Vertriebsteams nativ innerhalb des CPQ, äh, darauf zugreifen können – und zwar direkt in ihren Angebotsprozessen – und dabei im Grunde dieselbe Leistungsfähigkeit nutzen, also sämtliche Daten, die innerhalb von Zuora vorliegen. Ich starte hier noch eine weitere, ähm, Anschluss-Prompt, einfach um es etwas interessanter zu machen. Was außerdem wirklich gut ist: Man kann, äh, auch eine Excel-Datei herunterladen, richtig? Wenn ich, wenn ich die Simulation, ähm, Sie wissen schon, als Excel sehen möchte, äh, dann kann ich, ich kann sie dort einsehen. Und ich starte jetzt einfach mal und sage: „Hey, in drei Bullet Points erklären,

Ähm, die Auswirkungen des Angebots, die zentralen Annahmen und die Genehmigungsgrenze.“ Und dann wird es, ähm, damit fortfahren und, ähm, einen Moment darüber nachdenken. Die KI ist immer, Sie wissen schon, ist immer dabei, Sie wissen schon, zu analysieren … Wir haben, äh, unter der Haube das entwickelt, was wir Agenten nennen, äh, für unterschiedliche Fähigkeiten innerhalb von Zuora. Es gibt also so etwas wie einen Billing-Operations-Agenten, es gibt einen, ähm, Angebotsagenten, es gibt so etwas wie einen Revenue-Analyst-Agenten. Ähm, sie sind sozusagen perso– also auf unterschiedliche Rollen ausgerichtet, ähm, die wir bei unseren Kunden sehen. Ähm, und daher war der erste Schritt, den Sie gesehen haben,

wie die KI herausfindet, welcher der unterschiedlichen Agents, äh, dabei helfen muss. Ja, und man sieht es: Das System kam dann mit, äh, dieser Zusammenfassung zurück. Okay, also: Wir haben jetzt mit KI bepreist und paketiert. Wir haben ein Angebot erstellt. Ähm, der nächste Schritt ist, äh, sagen wir, sagen wir, der Kunde, Sie wissen schon, unterzeichnet, unterzeichnet dieses Bestellformular. Er ist nun darauf abonniert. Ähm, jetzt ist es so: In dem, was wir gerade angeboten haben, steckt, ähm, eine Menge nutzungs- und verbrauchsbasierter Anteile, richtig? All diese unterschiedlichen „Squirrel Alert“-Events fließen alle in Zuora, in unsere Mediation Engine. Und jetzt müssen wir, ähm, sicherstellen, dass wir

Messung und Abrechnung, ähm, Sie wissen schon, mit, mit Genauigkeit. Stellen wir uns vor, einer unserer Kunden, ähm, ist auf uns zugekommen, ein sehr ehrlicher Kunde; er ist zu uns gekommen und hat gesagt: „Hey, äh, wir haben von unserem Engineering-Team festgestellt, dass die Events, die wir in Ihre Messung, in die Abrechnung, äh, in die Mess-Engine für die Abrechnung einspeisen, ähm, nicht wirklich mit dem übereinstimmen, was wir in der Rechnung von Zuora sehen. Können Sie mir helfen, das zu analysieren?“ Also, das ist sozusagen eine Aufgabe im Billing Operations, ähm. Äh, und lassen Sie uns hier rübergehen, äh, zum nächsten Bereich. Zuora unterstützt, ähm, wir ha- wir haben ein vollständiges Mediation-Produkt. Äh, sehr hoch skalierbar. Es kann, ähm, große Mengen an, an Events in Zuora aufnehmen, Roh-Events. Denken Sie dabei an so etwas wie, Sie wissen schon, wenn Sie AI-Monetarisierung betreiben,

Sie gestalten Ihre Preis- und Paketstruktur auf Basis der verbrauchten Tokens. Sie können all diese Daten in Zuora einspeisen, und Zuora erstellt dann sogenannte „Meter“, die im Wesentlichen all diese Roh-Eventdaten in Echtzeit transformieren und aggregieren – zu Nutzungsdatensätzen, die anschließend bewertet und abgerechnet werden. In diesem Beispiel ruft der Kunde an und sagt: „Ich habe das in einen Prompt gepackt, nur um die Analyse zu erleichtern.“ Er sagt, dass die Rechnung für Juni zu niedrig ausgesehen habe – also geringer als erwartet –, weil das Engineering-Team sagt: „Hey, sie haben, wissen Sie, 9.100 Events eingespeist, aber auf der Rechnung nur

„…zeigt so etwas wie sechstausendzweihundert.“ In Fällen wie diesem ist das ein weiterer Anwendungsfall für KI. Sie hilft dabei, das Ganze gewissermaßen zusammenzusetzen – also wenn es eine Rechnungsreklamation oder ein Abrechnungsproblem gibt: Wie kann ich das schnell eingrenzen und beheben, richtig? Es gibt potenziell mehrere unterschiedliche Dinge, die hier schiefgelaufen sein könnten – etwa bei der Einrichtung des Abonnements oder bei der Rechnungsläufen, oder es könnte ein Problem in der Mediation Engine sein. Das Gute an der Zuora AI ist, dass sie die Fähigkeit hat, übergreifend und umfassend über alle Zuora-Systeme hinweg zu schauen und Sie beim Troubleshooting zu unterstützen. Also gebe ich hier einen Prompt ein, und, und,

Wissen Sie, ich sagte, äh, was wir erwartet haben im Vergleich zu dem, was abgerechnet wurde. Wir hatten erwartet, dass auf Basis von 9.100 Events für diese Squirrel-Alerts abgerechnet wird, aber es wurden nur 6.200 abgerechnet. Können Sie die Mediation Engine analysieren, äh, die wir hier im Hintergrund betrachten, ähm, wissen Sie, die Auswirkungen auf die Abrechnung und den, und den, äh, Remediation-Plan? Also wie beheben wir das tatsächlich? In diesem Beispiel, ähm, sehen Sie, dass die KI viele unterschiedliche, äh, Analysen im System durchführt. Sie betrachtet die verschiedenen Meter, die Historie. Wir haben innerhalb der Meter einen vollständigen Audit-Trail, und sie kann, wissen Sie, unterschiedliche, unterschiedliche Informationen erkennen. Sie könnte ein Skript schreiben, ähm, um das zu analysieren. Ähm, vielleicht ist das etwas, das Sie in der Vergangenheit als

wie ein Excel-, äh, Modell, ähm, bei dem Sie viele Daten in Excel ziehen und versuchen, diese Analyse durchzuführen. Zuora AI schreibt dann einfach ein Skript für Sie, ähm, und hilft dabei, das zu klären. Auch hier durchläuft es einen Planungsprozess und liefert dann letztlich, ähm, seine Ergebnisse zurück. Und, äh, es fasst sozusagen die erwarteten gegenüber den abgerechneten Werten erneut zusammen und betrachtet die, ähm, Mediation-Pipeline. Es kommt zu dem Schluss: Die Mediation läuft – und Sie sehen hier, dass sie läuft. Diese, äh, diese ID-Nummer fünf, äh, der Meter i-ist a-aktiv. Äh, es gab tatsächlich keine Fehler. Ähm, und, äh, es geht durch, was markiert wurde, und dann auch durch, ähm, wie Sie das beheben würden

dies hier und was, was ist der sicherste Weg, ähm, äh, das zu, zu, zu machen. Und es sagt tatsächlich: „Okay, erstellen Sie einfach eine Debit Memo.“ Ähm, also, Sie wissen schon, in diesem Fall eine Debit Memo über einen bestimmten Betrag ausstellen, und dann könnten Sie die KI tatsächlich bitten, das für Sie zu erledigen. Ähm, das ist, das ist ein Beispiel dafür, wie Sie die KI nutzen könnten, ähm, wenn Sie sich im Abrechnungsprozess befinden – äh, wenn es eine Beanstandung oder ein Problem gibt – ähm, wie sie, wie sie diesen Prozess für Sie optimieren kann. Äh, okay. Also, äh, ein weiteres, ein weiteres Beispiel ist im Forderungsmanagement. Äh, also, Sie wissen schon, sagen wir, Sie haben Ihre Kunden abgerechnet, äh, und so weiter, und

Sie versuchen also, ähm, im Grunde genommen, sich einen Überblick über Ihr Forderungsmanagement zu verschaffen. Ähm, und, und insofern sind Sie vielleicht im Payment-Bereich von Zuora und, äh, haben noch ein anderes Thema, bei dem Sie herausfinden möchten, welche Inkasso-/Mahnfälle priorisiert werden müssen. Sie versuchen, einen Recovery-Plan, ähm, nach Geschäftsauswirkung zusammenzustellen. Sie möchten sich auf die Kunden mit der höchsten Priorität konzentrieren, äh, um dort die Einziehung ausstehender Forderungen voranzutreiben. Und insofern können Sie, ähm, in diesem Fall die KI bitten, Ihnen dabei zu helfen, diesen Plan zusammenzustellen. Ähm, in diesem Beispiel sage ich: „Hey, bitte strukturiere das als Collections-Health-Snapshot, ähm, zu überfälligen Forderungen,

Ähm, offene Salden. Bitte ordnen Sie diese nach Priorität und geben Sie mir anschließend die empfohlenen Maßnahmen, damit ich meine Inkasso- bzw. Forderungsmanagement-Aktivitäten planen kann.“ Auch hier durchläuft es den Denkprozess und liefert dann tatsächlich ein vollständiges Gesamtbild des Zustands der Forderungsbeitreibung. Ähm, nun ja … Sie können davon auch anspruchsvollere, äh, Varianten umsetzen. Ich habe gesehen, dass Kunden eine Churn-Analyse durchführen, bei der Sie auf Basis sämtlicher in Zuora vorhandenen Daten – also aller Events und so weiter – anfangen können zu sagen: „Welche meiner Kunden haben das höchste Churn-Risiko?“ Ähm, aber hier werden die wichtigsten Accounts aufgelistet und anschließend gerankt, richtig? Also der Kunde Squirrel Watch H-HQ,

Ähm, das ist sozusagen das Risiko Nummer eins im Forderungseinzug. Äh, und dann werden sie einfach in eine Rangfolge gebracht und Sie erhalten die Informationen, um diese Einzüge gezielt zu optimieren. Okay. Ähm, also n– also jetzt ist es so: Okay, wir haben bepreist und Pakete geschnürt. Wir haben einige Angebote erstellt sowie Simulationen durchgeführt. Wir haben, ähm, Rechnungen ausgestellt und diesen Prozess gesteuert. Wir haben nun eingezogen und Liquidität vereinnahmt, ähm, und unterstützt … Künstliche Intelligenz hat in diesem gesamten Prozess unterstützt. Jetzt kommt der Zeitpunkt, an dem wir Umsatzerlöse erfassen müssen. Ähm, lassen Sie uns also ein Szenario mit, ähm, erfassten Umsatzerlösen ansehen. Ich wechsle in das Revenue-Produkt, und, ähm,

Ich habe hier einen Umsatzerlösvertrag. Und im Grunde genommen ist es so: Stellen wir uns vor, Sie hätten zur Laufzeit eine, ähm, Vertragsänderung in der Mitte der Laufzeit an einem Ihrer Abonnements vorgenommen, richtig? Und Sie versuchen nun zu analysieren: Okay, welche Auswirkungen hat das, äh, auf die Umsatzrealisierung? Ähm, und einige dieser Abonnements werden ziemlich kom-komplex – mit nutzungsabhängigem Verbrauch, wiederkehrenden, äh, Entgelten und den, Sie wissen schon, unterschiedlichen, äh, Nutzungsdatenströmen, die einfließen. Und daher kann KI unter anderem dabei helfen, solche Vertragsänderungen zu bewerten, ähm, äh, die möglicherweise während der Laufzeit erfolgen oder möglicherweise, Sie wissen schon, im Rahmen von Ausnahmeprozessen auftreten. Und ich habe hier ein Angebot, äh,

Äh, eine Prompt-Vorlage hier, bei der es um den Kunden Paw Prints Labs geht: Dort gab es eine Änderung zur Periodenmitte. Und ja, das Revenue-Team muss für diesen konkreten Abrechnungszeitraum die Allokation der Änderung, die Close-Readiness sowie die Audit-Unterstützung verstehen. Und daher haben wir das wie folgt strukturiert: A) Was war die Änderung? Kannst du einen Revenue-Trace erstellen – über die Allokation, den Umsatzerfassungsplan (Recognition Schedule) und die erwarteten Auswirkungen hinweg? Außerdem möchte ich eine Close- und Audit-Risikoanalyse, und dann möchte ich die Nachweise, die ich für mein Close-Support-Paket aufbewahren muss.

Ähm, also noch einmal: Die KI durchläuft das, sammelt alle Informationen, die sie benötigt, und kommt dann, äh, mit dem zurück, äh, was ich in diesem Fall abgefragt habe. Ähm, sie schlüsselt das im Grunde einfach nach, äh, den Summen auf Vertragsebene auf. Äh, wir haben, äh, eine vollständige Versionskontrolle für den Erlösvertrag, sodass Sie sozusagen Version für Version sehen können, welche Änderungen bei der Allokation es gab, äh, vor und nach der Vertragsänderung. Ähm, und sie macht, sie macht, äh, wirklich eine sehr saubere Aufschlüsselung davon. Ähm, das ist außerdem etwas, bei dem, äh, wenn Sie die Excel-Datei herunterladen … ich habe keine Excel-Datei heruntergeladen, aber lassen Sie uns einfach einmal anschauen, wie das aussehen könnte. Hoffentlich könnt ihr meinen Bildschirm sehen.

Lassen Sie uns diese Excel-Datei öffnen. Passen wir die Größe kurz ein wenig an. Ja, und Sie können sehen: Das ist wirklich gut gemacht … Es erstellt diese übersichtliche Datei, die ich zur Dokumentation aufbewahren kann, äh, mit einer Art Aufschlüsselung aller unterschiedlichen Änderungsvorgänge – also der Zuordnungen, Umsatzzuordnungen nach Version, der Revenue-Contract-Lines, ähm, und, ähm, Sie wissen schon, der Rechnungen nach Invoice. Okay. Ähm, ich hoffe, das vermittelt Ihnen ein Gefühl dafür, wie man, äh, KI über den gesamten Zuora-Lebenszyklus hinweg einsetzt. Da steckt viel in Zuora. W-wir haben sehr viele Funktionen, ähm, die unsere Kunden nutzen.

Und im Grunde ist das, was wir mit KI machen, dass wir die Arbeit einfach deutlich effizienter gestalten. Einige dieser Prozesse, die ich Ihnen zeige, können – wissen Sie – einen erheblichen Teil des Arbeitstags einer Person in Anspruch nehmen, um sie umzusetzen. Und wir sehen, dass Kundinnen und Kunden eine echte Beschleunigung erzielen und Zeit freigemacht wird, um an – wissen Sie – strategischeren Themen zu arbeiten, an an-anderen Aufgaben. Nun, das letzte Beispiel zu den Pre-Prompts, das ich habe – und dann schauen wir uns noch ein paar andere Dinge an, bevor ich es wieder an Shailen übergebe – ist Analytics. Wir haben also, wissen Sie, sehr gutes Dashboarding und Charts innerhalb von Zuora, alle wichtigen Subscription-Kennzahlen, die Sie nachverfolgen möchten. Und nehmen wir an, ich wurde vom Führungsteam gebeten, zu erstellen

einige KPIs, ähm, in einfacher Sprache dazu, wie Barkbrain AI in diesem Quartal abschneidet. Ähm, das ist wirklich eine sehr praktische Funktion, bei der Sie einen Prompt formulieren können, ähm, sozusagen als Anfrage nach dem, was Sie benötigen. Ähm, vielleicht habe ich diesen hier diktiert. Wir haben auch eine nette kleine Diktierfunktion, mit der Sie zur KI sprechen können. Sie hört Ihnen zu. Sie wird, ähm, das Gesagte transkribieren und hier einfügen, sodass es ein Gedankenstrom sein kann. Ähm, dann wird alles gestartet, es laufen die verschiedenen Abfragen und so weiter, und anschließend kommt es, ähm, mit der Analyse zurück. Äh, Sie können Excel-Dateien herunterladen. Es kann HTML-Dateien erstellen, ähm, wenn Sie Dashboards möchten. Ähm, und dann wechsle ich mal rüber… Das habe ich Ihnen noch nicht gezeigt, aber ich wechsle mal in den Vollbildmodus. Also, was wir uns in diesem hier angesehen haben

Die komplette Demo ist unser Seitenpanel. Das Seitenpanel liefert also wieder Kontext zu allem, was Sie auf den Zuora-Seiten sehen, und verfügt über dieselben Funktionen. Hier im Vollbildmodus habe ich jedoch ein noch deutlich immersiveres Zuora-AI-Erlebnis. Und vielleicht – nachdem ich es gebeten hatte, diese Analysen zu erstellen – hätte ich gesagt: „Können Sie eine Dashboard-Visualisierung dieses Gesprächs erstellen?“ Und dann macht es sich ans Werk und erstellt ein tatsächliches Dashboard, das Sie herunterladen können, und das diese zentralen Kennzahlen zeigt, die es ermittelt hat. Das ist also nur eine weitere unserer Funktionen – nämlich natives Charting,

Ähm, wo es tatsächlich Diagramme, ähm, und Dashboards für Sie erstellen kann, ähm, mithilfe der KI. Und das ist alles, erneut, ähm, vollständig teilbar. Wenn Sie also, wissen Sie, diese, diese Konversation mit einer Ihrer Kolleginnen oder Kollegen teilen möchten, ähm, gibt es hier eine Option, mit der Sie einen Chat teilen können, ähm, einen Chat mit jeder anderen Nutzerin bzw. jedem anderen Nutzer, die bzw. der Zugriff auf Zuora hat, ähm, also Zuora-Zugriff. Okay. Ähm, das sind, das sind also all die, ähm, sozusagen, ähm, Lifecycle-, ähm, Prompts, die ich Ihnen allen, ähm, hierzu zeigen wollte, ähm, für dieses, ähm, ähm, Unternehmen Barkbrain AI. Ich zeige Ihnen noch ein paar weitere Dinge, die wir, ähm, im Produkt haben. Eine der Funktionen, die wir haben, sind y- Beachten Sie oben auf dieser Seite die Option „Save to runbook“. Was wir zunehmend sehen, ist, dass, hey, als

Sie nutzen KI; dabei gibt es möglicherweise Dinge, die Sie wiederholen und immer wieder ausführen möchten – zum Beispiel diese Analyse oder vielleicht die Quote-Simulation, die wir vorhin durchgeführt haben. Sie können tatsächlich auf diese Schaltfläche klicken und in einem Runbook speichern. Anschließend gibt es diese Runbook-Option, in der Sie im Grunde gespeicherte Prompts sehen können. Das hier ist ein gespeichertes Runbook aus der Mediationsanalyse, die wir durchgeführt haben; auf Basis der Konversation kann Zuora AI für Sie einen Prompt erstellen, und Sie können diesen einfach erneut ausführen. Die Idee ist: Sie klicken einfach auf diese Schaltfläche, und es wird eine neue Konversation gestartet – für die nächste Untersuchung, die Sie durchführen möchten. Außerdem haben wir das, was wir „Controls“ nennen.

Also, äh, zu den Kontrollen: Es gibt ein paar unterschiedliche Arten von Kontrollen, aber das sind im Wesentlichen Leitplanken, die Sie einbauen können, äh, um zu steuern, was mit Zuora AI passiert. Ähm, ich hatte – ich, ich zeige Ihnen dazu ein Beispiel. Ähm, da gibt es eine, ähm, Rechnung, äh, das ist diese, äh, Rechnung vier null acht, bei der ich sage: „Hey, ähm, wenn Zuora AI während dieses Webinars gebeten wird, zu buchen, anzuwenden, zu korrigieren oder, Sie wissen schon, irgendeine Art von Update vorzunehmen – ähm –, bei einem der folgenden Datensätze, dann blockieren Sie das und fügen dann dieses, dieses Zitat ein: ‚Hey, diese Aktion wird durch die BB-Demo blockiert‘,“

Ähm, Block-Hero, ähm, Hero-Record-Rechte.“ Was diese Prompts sind: Sie können so viele davon erstellen, wie Sie möchten. Sie können in natürlicher Sprache exakt steuern, was die KI tut, und damit steuern, wie alle Endnutzer, ähm, mit der KI interagieren. Wenn ich also einen neuen Chat, ähm, im Vollbildmodus starte, und lassen Sie mich den Prompt kurz, ähm, per Copy & Paste einfügen. Ähm, dann nehme ich mir die Rechnung, die auf vier null acht endet, weil das diejenige ist, bei der die Kontrolle … das Blockieren auslösen sollte. Wenn ich das ausführe, sollten wir diese Blockiermeldung erhalten. Ähm, und diese Blockiermeldung kommt aus der Kontrolle, die ich als Admin eingerichtet hatte, um zu verhindern, dass die KI bei, bei diesen Rechnungen irgendeine Aktion ausführt.

Während dies nun läuft, lässt sich das auf jede Art von Objekt oder jede Art von Aktion verallgemeinern. Sie können es … Sie können, äh, KI begrenzen, wenn – wenn ab einem bestimmten Dollarbetrag bei bestimmten Arten von Aktualisierungen – Sie sagen können: „Hey, die KI macht einfach nicht …“ Selbst im überwachten Modus, ähm, möchte ich nicht, dass die Zora-KI eine Aktualisierung vornimmt, wenn es sich – wenn es sich um eine Rechnung über, sagen wir, fünftausend Dollar handelt. Ähm, es gibt also eine enorme Menge an, ähm, Kontrolle, die wir Ihnen geben, äh, um zu steuern, wie sich die KI verhält. Und Sie sehen hier, ähm, diese hat es blockiert. Als Letztes zeige ich Ihnen, äh, in der Demo: Wir haben den überwachten Modus. Also, ähm, äh, jederzeit, wenn ein Nutzer … W-wenn Sie den überwachten Modus einschalten, er ist optional.

Äh, einige unserer Kunden nutzen die KI ausschließlich im Nur-Lese-Modus. Wenn Sie jedoch den beaufsichtigten KI-Modus aktivieren – das ist eine Einstellung, die Sie konfigurieren können –, dann fordert die KI den Nutzer jedes Mal zur Bestätigung auf, sobald jemand in Zora versucht, eine schreibende Änderung vorzunehmen, z. B. wenn Sie eine Rechnung ausbuchen möchten. Die KI fragt den Nutzer dann, äh, um zu bestätigen, was sie gleich ausführen wird, und dass der Nutzer möchte, dass die KI fortfährt. Ähm, das ist also eine Sicherheitsmaßnahme, die wir bei Zora AI haben. Ich gebe jetzt hier noch einen weiteren Prompt ein, in dem ich sage: „Wenden Sie eine nicht zugeordnete Gutschrift über zehn Dollar auf eine bestimmte Rechnung an.“ Das wäre also eine Aktualisierungsaktion. Und was die KI in diesem Fall tun sollte, ist mir zu erklären, was sie gleich tun wird, und mich um Bestätigung zu bitten

dass ich dieses, ähm, dieses Update durchführen möchte. Beachten Sie: Hier steht „Ja, ich kann das durchführen“, und ich muss dann, ähm, „Ich genehmige diese Aktion“ bestätigen. Also klicke ich darauf, und dann wird, ähm, mit der Arbeit begonnen – also tatsächlich mit der Anwendung dieser Gutschrift. Ähm, also ich … Sieht so aus, als wäre ich da auf etwas gestoßen. Ähm … Ja, lassen Sie mich nachsehen. Äh, vielleicht habe ich die falsche Rechnungsnummer.

Okay, ich werde da jetzt nicht weiter daran herumdoktern, aber, ähm, Sie wissen ja, Sie können mit der KI ein Gespräch führen, um sie dazu zu bringen, das Richtige zu tun. Ähm, okay. Damit, äh, denke ich, ist alles, was ich in der Demo zeigen wollte. Äh, ich werde dann, äh, die Bildschirmfreigabe beenden, und wir können zurück zu den Folien gehen. Super. Danke, Kevin. Alles klar. Ähm, was Sie gerade gesehen haben, war, wie Kevin eine Kundengeschichte durch sieben Phasen von Quote-to-Cash verfolgt hat, aber der eigentliche Mehrwert, der aus dieser Demonstration kam, war das, was diese Phasen miteinander verbunden hat. Es gibt also eine Plattform mit gemeinsamem Kontext und gesteuerten Aktionen. Sie haben gesehen, wie er untersucht hat, ohne die Geschichte Bildschirm für Bildschirm neu aufbauen zu müssen. Sie haben gesehen, wie er operative

Nachweis eines realen finanziellen Impacts und der Schritt von der Erkenntnis zur Umsetzung – bei gleichzeitiger Beibehaltung der notwendigen Freigaben und vollständiger Auditierbarkeit der Arbeit. Und genau das ist das übergeordnete Versprechen von Zora AI. Es wird Ihre manuellen Tätigkeiten reduzieren, Entscheidungen beschleunigen und mehr Kapazität für strategische Finance-Arbeit schaffen, von der ich weiß, dass Sie alle sie gern verstärkt machen möchten. Wir wechseln nun zu einer weiteren Umfrage. Welche der von uns demonstrierten Use Cases wäre für Ihre tägliche Arbeit am wirkungsvollsten? Ich beende jetzt die Bildschirmfreigabe, damit wir die Ergebnisse sehen können.

Hallo, Shaylin. Es sieht so aus, als würden sich ziemlich viele Leute bei uns zurückmelden und sagen, dass das Design des Packaging- und Katalogs für ein neues Angebot, ähm, Usage Metering und Investigations, ähm, aber im Grunde hält es sich über alle Optionen, die wir haben, in etwa die Waage – wobei Packaging- und Katalogdesign für das neue Angebot aktuell der Favorit ist. Super. Vielen Dank fürs Teilen. Ähm, das ist sehr interessant. Ähm, ich glaube, das zeigt auch ein Stück weit die Herausforderungen, die ihr dort möglicherweise spürt [lacht]. Alles klar. Ähm, ich wollte jetzt nur kurz einen kleinen Vorgeschmack darauf geben, was als Nächstes für Zora AI kommt. Das heute ist Teil dieser übergeordneten Ausrichtung. Ähm, für

in der zweiten Jahreshälfte werden wir uns an diesen fünf Themen orientieren, die Sie hier auf dem Bildschirm sehen. Erstens, wie ich gerne sage: eine Armee von Agenten – mit mehr Agenten, mehr Skills, mehr passenden Aktionen und vollständigeren Workflows entlang des gesamten Quote-to-Cash-Prozesses. Ich möchte, dass Sie im Grunde so denken: Für alles im Quote-to-Cash, für jede Aufgabe, die entlang dieses Lebenszyklus zu erledigen ist, gibt es einen Agenten dafür. Zweitens: Vertrauen, Sicherheit und Kontrolle – mit granulareren Berechtigungen, Freigaben, Audit-Trails und Transparenz über die KI-Nutzung in Ihren Teams. Drittens: Personalisierung und Genauigkeit – also KI, die Ihre Organisation, Ihre Terminologie, Ihre Präferenzen, Berechtigungen und den Kontext versteht. Viertens: proaktive und Always-on-Erlebnisse – also KI, die nicht

Ich warte nur auf die Eingabeaufforderung, bei der Sie gesehen haben, wie Kevin, ähm, Kevin, Sie wissen schon, so oft etwas eingibt. Ähm, die KI wird proaktiv hervorheben, was für Sie relevant ist, Ausnahmen überwachen und alles markieren, was Ihre Aufmerksamkeit erfordert, und Routineaufgaben für Sie nach Zeitplan erledigen. Das ist also ein bisschen „hands-off“ für Sie. Und fünftens werden wir an der Agent-zu-Agent-Interaktion arbeiten – also externe Agents über unseren MCP mit Zuora-Agents verbinden –, damit sich Ihre Arbeit systemübergreifend bewegen kann, ohne dass Sie ständig zwischen Tools wechseln müssen. Ich glaube, wir wechseln jetzt, ähm, zu einer weiteren Umfrage. Diese hier geht, ähm, eher um die Zukunft

Nachdenken. Welche Anwendungsfälle wären für Ihre tägliche Finanzarbeit am wirkungsvollsten? Denken Sie dabei an die Zukunft – träumen Sie ruhig groß. Wir möchten von Ihnen wirklich hören, was wir als Nächstes hier entwickeln sollen. Ich beende jetzt meine Bildschirmfreigabe. Und Sabrina gibt uns ein Update, während die Ergebnisse einlaufen. Es sieht nach einem vollständig autonomen Zahlungs-/Rechnungslauf aus – m-hm … und einer Rechnungs-QA innerhalb von Autofix für die niedrigsten Risikoerwartungen. Einige Personen haben auch etwas anderes genannt. Bitte teilen Sie uns das gern im Chat mit. Wir möchten auf jeden Fall von Ihnen dazu hören

womit Sie es zu tun haben, damit wir weiter iterieren können. Ähm, aber die eine, die ich erwähnt habe – Sha- Shailyn –, ist mit Abstand der Favorit zum jetzigen Zeitpunkt. Proaktive Warnmeldungen vor Nutzungslücken, Abrechnungsfehlern oder dem Eintreten eines Close-Risikos stehen ebenfalls ganz oben auf der Liste. Gleiches gilt für durchgängige Quote-to-Cash-Workflows, die teamübergreifend übergeben werden, ohne dass dafür die Tools gewechselt werden müssen. Nun, Kevin, überrascht Sie davon irgendetwas oder …? Ja, nein, das – ich meine, das ist wirklich gut zu hören. Äh, n-nicht allzu überraschend. Ähm, aber, äh, ja, spannend. Super. Ähm, und ich glaube, wir haben nur noch eine letzte, äh, Umfrage, die Sie ausfüllen können, bevor Sie uns heute verlassen. Ähm, also bevor ich schließe, möchte ich einfach sagen: Vielen Dank an Sie alle, dass Sie dabei waren. Ähm, wir haben dieses Gespräch wirklich genossen, und wie ich eingangs erwähnt habe, wird eine Aufzeichnung verfügbar sein.

Bitte geben Sie uns einfach Bescheid, wenn Sie möchten, dass sich ein Account-Team bei Ihnen meldet, um noch etwas ausführlicher über Zuora AI zu sprechen – und dann können Sie Ihren Weg fortsetzen. Vielen Dank, dass Sie dabei waren.