Kanti Prabha, prezidentka a ředitelka produktové a technologické oblasti ve společnosti Sirion – série rozhovorů

Kanti Prabha, prezidentka a ředitelka produktové a technologické oblasti ve společnosti Sirion, je přední představitelkou podnikových technologií s více než dvacetiletou praxí v oblasti vývoje produktů, právních technologií, duševního vlastnictví, provozu a SaaS. Jako členka zakládajícího týmu společnosti Sirion se zásadně podílela na utváření produktové vize, návrhu a vývoji společnosti. Zastávala vedoucí pozice, mimo jiné viceprezidentky produktového managementu a provozní ředitelky, než se stala prezidentkou. Její odborné znalosti zahrnují vývoj podnikových produktů B2B SaaS, produktovou strategii a řízení, péči o zákazníky, podnikový prodej a rozšiřování týmů i budování organizační kultury. Na začátku své kariéry byla Prabha první zaměstnankyní a členkou zakládajícího týmu společnosti UnitedLex, kde vyvíjela technologická řešení pro právní oddělení firem a řídila iniciativy v oblasti duševního vlastnictví. Předtím působila v oblasti patentových služeb ve společnosti Evalueserve. Působí také jako poradkyně společnosti akirolabs a v minulosti radila společnosti Clarisights.

Sirion je společnost zaměřená na řízení životního cyklu smluv (CLM) s využitím umělé inteligence, která podnikům pomáhá spravovat smlouvy od jejich tvorby a vyjednávání až po průběžné plnění, závazky a realizaci hodnoty. Její platforma kombinuje konverzační umělou inteligenci se specializovanými agenty AI, kteří dokážou centralizovat a strukturovat úložiště smluv, odpovídat na otázky týkající se smluvních podmínek, vytvářet a kontrolovat smlouvy, odhalovat rizika, navrhovat úpravy znění a sledovat závazky i dohody o úrovni služeb. Sirion stále více staví svou technologii na smluvních procesech řízených agenty prostřednictvím platformy agentOS, která organizacím umožňuje nasazovat předpřipravené agenty pro práci se smlouvami a také vytvářet vlastní agenty propojené s podnikovými daty a pracovními postupy. Platforma je určena velkým organizacím, které chtějí proměnit smlouvy ze statických dokumentů ve strukturované a prohledávatelné zdroje provozních informací a zároveň zachovat správu a řízení i lidský dohled.

Vaše cesta k založení společnosti Sirion nebyla obvyklá: vystudovala jste chemii, přešla k právu duševního vlastnictví, pracovala na patentech a při spolupráci se společností Hewlett-Packard jste se na smlouvy začala dívat jinak. Čeho jste si během těchto prvních zkušeností všimla, že vás to nakonec přesvědčilo, že se naskýtá příležitost založit Sirion? 

Nevyrůstala jsem s představou, že založím společnost zaměřenou na smlouvy. Studovala jsem chemii, ale poměrně brzy jsem si uvědomila, že mě víc zajímá řešení obchodních problémů než celoživotní práce v laboratoři. Nakonec mě to přivedlo k duševnímu vlastnictví, kde jsem pracovala na patentech a později vedla týmy vyvíjející technologická a právní řešení pro velké podniky.

Zásadní zlom nastal, když jsme s Ajayem, mým spoluzakladatelem společnosti Sirion, začali spolupracovat s HP. Po rozsáhlé akvizici potřebovala společnost uspořádat a spravovat tisíce smluv. Zpočátku jsme to považovali za problém s úložištěm, ale jakmile jsme smlouvy začali podrobněji zkoumat, bylo zřejmé, že ukládání představuje jen nepatrnou část toho, co by se dalo řešit. Ze smluv jste mohli zjistit, co společnost koupila a prodala, k čemu se zavázala, k čemu se zavázali její dodavatelé, kolik platí, kde nese riziko a kde může přicházet o hodnotu. Téměř žádné z těchto informací však podniky nedokázaly snadno využít. Právě z tohoto poznání vzešel Sirion. Smlouvy byly z velké části nevyužitým zdrojem obchodních informací.

Smlouvy jste označila za určitý druh „tekuté inteligence“ v organizaci. Jaké cenné informace bývají ve smlouvách obvykle skryté a jak může umělá inteligence pomoci týmům mimo právní oddělení, například ve financích, nákupu, prodeji a provozu, tyto informace využívat? 

Smlouvy jsou jedním z mála míst, kde se záměry společnosti skutečně mění v závazky. Ukazují, kolik jsme se zavázali zaplatit, co se zákazník zavázal koupit, kdy se mohou změnit ceny, jaké úrovně služeb je třeba dosáhnout, kdy se smlouva obnovuje, co se stane, pokud někdo nepodává očekávaný výkon, a kdo odpovídá za jednotlivé závazky. Jde o mimořádně cenné informace, které však byly historicky skryté v dokumentech, jež většina lidí otevře jen tehdy, když potřebuje něco vyjednat nebo když se něco pokazí.

Umělá inteligence to mění, protože nám umožňuje převést nestrukturovaný smluvní jazyk na informace, které mohou využívat i další části podniku. Nákup může lépe porozumět závazkům dodavatelů a cenovým podmínkám. Finance získají přehled o obchodních závazcích a možných ztrátách hodnoty. Prodej může lépe porozumět podmínkám obnovy smluv a závazkům vůči zákazníkům. Provoz může sledovat, zda se skutečně plní to, co bylo přislíbeno.

Tím myslím, když mluvím o tom, že smluvní informace mají být tekuté. Místo aby zůstávaly uvězněné v souboru PDF, mohou proudit do rozhodnutí a systémů, kde jsou nejvíce potřeba. Tekutá inteligence umožňuje, aby smlouva nebyla koncem transakce, ale aktivním zdrojem souvislostí pro fungování podniku.

Sirion se vyvinul ze softwaru pro řízení životního cyklu smluv v platformu, která stále více využívá umělou inteligenci. Jak nástup velkých jazykových modelů změnil možnosti práce se smluvními daty ve srovnání s přístupy strojového učení, které byly k dispozici, když jste společnost zakládali?

Když jsme zakládali Sirion, umělá inteligence ve smluvní oblasti se zaměřovala především na extrakci a klasifikaci. Modely strojového učení dokázaly velmi dobře rozpoznávat ustanovení, datum, název smluvní strany nebo závazek, ale pro poměrně specifické úkoly bylo nutné modely trénovat.

Velké jazykové modely výrazně rozšířily možnosti uvažování. Systém dnes dokáže porozumět otázce formulované přirozeným jazykem, vyložit kontext daného ustanovení, porovnat znění s preferovaným postojem společnosti, vysvětlit, proč něco představuje riziko, a navrhnout, jak by měl člověk dál postupovat.

Nemyslím si ale, že velké jazykové modely nahradí všechno, co jim předcházelo. Smlouvy jsou na to příliš složité. V Sirionu používáme přístup kombinující více modelů, který spojuje velké jazykové modely se specializovanými modely a pokročilou smluvní inteligencí. Každý model je dobrý v něčem jiném. Tato kombinace je důležitá, protože podniky nepotřebují jen umělou inteligenci, která dokáže vytvářet přesvědčivý text. Potřebují přesnost. Nejzajímavější změnou je, že můžeme přejít od extrakce informací ze smluv k uvažování nad těmito informacemi a stále častěji také k tomu, že na jejich základě jednáme.

Sirion nyní zavádí specializované agenty umělé inteligence pro úkoly, jako je extrakce údajů ze smluv, odhalování problémů, navrhování úprav a vyhledávání v rozsáhlých úložištích smluv. Jak si představujete spolupráci těchto agentů a do jaké míry by podniky měly nakonec umožnit umělé inteligenci autonomně jednat v průběhu smluvního procesu?           

Nemyslím si, že budoucnost patří jedinému obřímu agentovi umělé inteligence, který zvládne všechno. Příprava smluv zahrnuje mnoho specializovaných úkolů a každý z nich vyžaduje jiný kontext i jinou míru úsudku. Jeden agent může extrahovat podmínky z tisíců smluv. Jiný rozpoznává formulace, které se odchylují od interních pravidel. Agent pro navrhování úprav pak může doporučit přesnou změnu podle interní metodiky společnosti. Skutečný přínos se projeví, když agenti dokážou spolupracovat na dosažení určitého výsledku, místo aby uživatel musel řídit každý jednotlivý krok.

Někdo se například může zeptat: „Můžeme tuto smlouvu s dodavatelem přijmout?“ Systém by měl být schopen určit nejdůležitější ustanovení, porovnat je s interními pravidly, upozornit na problémy, najít příslušné precedenty a doporučit změny, a přitom vysvětlit, co udělal a proč.

Hranice autonomie by se měla odvíjet od míry rizika. Jsem příznivcem toho, aby umělá inteligence autonomně zvládala řadu opakujících se úkonů založených na pravidlech. Nové ustanovení o odpovědnosti nebo strategicky důležité vyjednávání však mohou vyžadovat lidský úsudek. Konečným cílem autonomie by mělo být odbourání zbytečné práce a zároveň zachování lidské kontroly tam, kde záleží na odpovědnosti a vztazích.

Smlouvy mohou obsahovat některé z obchodně i právně nejcitlivějších informací společnosti. Řekl jste, že Sirion raději odloží uvedení produktu na trh, než aby slevil z bezpečnostních požadavků. Když se generativní umělá inteligence stále hlouběji začleňuje do podnikových pracovních postupů, která zjednodušení v oblasti bezpečnosti nebo ochrany soukromí vás znepokojují nejvíc?

Smlouvy mohou obsahovat informace o cenách, duševním vlastnictví, zaměstnancích, akvizicích i strategických závazcích, stejně jako mimořádně citlivé informace o zákaznících a dodavatelích. Společnosti potřebují přesně vědět, kam se tyto informace dostávají, když s nimi pracuje systém umělé inteligence, jak jsou zpracovávány, kdo k nim má přístup a zda se používají k trénování jiného modelu.

V současnosti je obrovský tlak na rychlé uvádění funkcí umělé inteligence, ale nejvíc mě znepokojuje zjednodušení, při němž se s podnikovými daty zachází jako s běžným trénovacím materiálem. Tomuto tlaku rozumím, ale podnikovou umělou inteligenci nelze stavět na přístupu „správu dat vyřešíme později“. Bezpečnost musí být součástí architektury od samého začátku.

To znamená důslednou kontrolu přístupu, šifrování, možnost auditu, jasné hranice pro práci s daty a velmi promyšlená rozhodnutí o používání modelů třetích stran. V Sirionu jsme se rozhodně setkali se situacemi, kdy nás bezpečnost zpomalila, a s tímto kompromisem jsem smířený. V podnikovém softwaru, zvlášť při práci se smlouvami, trvá budování důvěry roky, ale jediné neopatrné rozhodnutí ji může poškodit.

Jedním z přetrvávajících problémů generativní umělé inteligence je, že odpověď může znít přesvědčivě, i když je chybná. Jak navrhujete systémy umělé inteligence pro práci se smlouvami tak, aby si jejich uživatelé mohli odpovědi ověřit a důvěřovat jim, když i drobná chyba může mít finanční nebo právní důsledky? 

To je jeden z nejdůležitějších rozdílů mezi umělou inteligencí pro spotřebitele a podnikovou umělou inteligencí. Když požádám asistenta s umělou inteligencí o doporučení restaurace a splete se, důsledky jsou omezené. Pokud se právní tým zeptá, zda 5 000 smluv s dodavateli obsahuje určité právo na ukončení smlouvy, a systém sebejistě přehlédne 200 z nich, jde o zcela jiný problém.

Systémy navrhujeme tak, aby bylo možné jejich výstupy ověřovat. Pokud vám umělá inteligence sdělí něco o smlouvě, měli byste být schopni dohledat odpověď až k příslušnému znění smlouvy. Pokud doporučí úpravu, měli byste rozumět tomu, které interní pravidlo nebo stanovisko obsažené v interní metodice toto doporučení ovlivnilo. Vysvětlitelnost je pro přijetí umělé inteligence zásadní, protože důvěra vzniká tehdy, když lze její fungování kontrolovat.

Sirion klade důraz na odpovědi AI podložené vlastními smlouvami a precedenty organizace, nikoli na odpovědi založené pouze na univerzálních modelech. Myslíte si, že další významná etapa podnikového využití AI bude stále více poháněna systémy, které kombinují základní modely s vysoce specializovanými proprietárními firemními daty?

Rozhodně. Základní modely jsou mimořádně schopné, ale nevědí, jak vaše společnost skutečně funguje. Samy od sebe nevědí, jaké ústupky váš právní tým schválil loni, jak nastavujete ceny pro strategického zákazníka, kteří dodavatelé opakovaně nedodržují úrovně služeb ani kdy vaše organizace vyžaduje eskalaci. Právě díky tomuto kontextu se podniková AI stává skutečně užitečnou.

Spojíme-li cenný záznam rozhodnutí a závazků mezi organizacemi, který představují smlouvy, s jedinečnými firemními zásadami, vyjednávacími příručkami, historickými dohodami a provozními daty, může systém AI přejít od obecných odpovědí k odpovědím, které odrážejí způsob fungování vašeho podniku. Myslím si, že konkurenční výhoda v oblasti podnikové AI bude stále více vycházet z tohoto kontextu, protože většina podniků už má přístup k podobným základním modelům. Rozhodující bude, nakolik efektivně dokážou tyto modely propojit s důvěryhodnými proprietárními informacemi a poskytnout jim dostatek kontextu pro přesné uvažování, aniž by byla ohrožena bezpečnost.

Budujete Sirion už více než deset let a zastával jste pozice v oblasti produktového řízení, provozu i vedení společnosti. Co jste se naučil o rozšiřování podnikového softwaru s AI, čemu byste v prvních letech existence společnosti ještě nerozuměl?

Jedna věc, kterou jsem se naučil, je, že vybudovat technologii bývá někdy ta snadnější část. Tření nastává ve chvíli, kdy začnete měnit způsob fungování velké organizace. V prvních letech se přirozeně soustředíte na to, zda produkt dokáže problém vyřešit. Při nasazení ve velkém podniku zjistíte, že technicky skvělá odpověď je užitečná pouze tehdy, pokud jí lidé důvěřují, zapadá do jejich stávajících pracovních postupů a dokáže zvládnout obrovskou složitost globální organizace.

Díky AI je toto poučení ještě důležitější. Dnes můžete velmi rychle vytvořit působivé demo. Vybudovat něco, čemu podnik svěří miliony datových bodů a pracovních postupů, je něco jiného.

Umožňuje-li AI průběžně analyzovat povinnosti, rizika, cenové podmínky, prodloužení smluv a plnění závazků napříč tisíci dohodami, mohly by se smlouvy nakonec stát vrstvou provozních dat v reálném čase pro celý podnik, místo aby šlo o dokumenty, do nichž se nahlíží především ve chvíli, kdy se něco pokazí?

Myslím, že přesně tímto směrem se ubíráme. Smlouva se dlouho považovala za cílovou pásku. Všichni vyjednávají, podepíší ji, oslaví to a dokument se pak uloží do úložiště. O šest měsíců později ji někdo otevře kvůli sporu, prodloužení smlouvy nebo otázce, co bylo přislíbeno. Tento model nedává smysl, když AI dokáže průběžně sledovat, co se děje napříč celým portfoliem smluv.

V ideálním světě byste například věděli, že dodavatel nedodržel SLA, ještě než bude schválena další faktura, nebo byste zjistili, že úprava ceny měla proběhnout už před třemi měsíci. Představte si, že by obchodní tým dostal upozornění na blížící se prodloužení smlouvy spolu s vyjednanými závazky zákazníka nebo že by se finanční oddělení mohlo ve svých systémech přímo opírat o informace o obchodních závazcích.

Smlouvy určují vztahy mezi společnostmi, takže smluvní data by měla být propojena se systémy, v nichž se tyto vztahy skutečně spravují. Věřím, že smlouva se bude stále více stávat vrstvou provozních dat, která podniku pomáhá porozumět nejen tomu, na čem se dohodl, ale také tomu, zda tyto dohody přinášejí hodnotu, kterou všichni očekávali.

Jak si podle vás bude vypadat správa smluv, až budou agenti AI výrazně schopnější? Zanikne tradiční kategorie správy životního cyklu smluv (CLM) nakonec jako samostatná součást a splyne s širší vrstvou podnikové inteligence? A jakou roli podle vás bude Sirion v této proměně hrát? 

Doufám, že hranice CLM budou postupem času mnohem méně viditelné. Dnes uživatelé stále uvažují v jednotlivých krocích: potřebuji vytvořit smlouvu, zkontrolovat ji, získat schválení, podepsat ji, uložit a potom spravovat. S tím, jak budou agenti schopnější, by lidé neměli muset sami koordinovat všechny tyto systémy a pracovní postupy. Měli by být schopni vyjádřit svůj záměr a nechat specializované agenty, aby za ně vyřídili velkou část související práce.

K větší změně však dochází až po podpisu. Pokud AI dokáže porozumět každé povinnosti, obchodní podmínce, riziku a vztahu napříč miliony dohod, budou informace ze smluv užitečné daleko za hranicemi právního oddělení. Právě to mě nadchává: smlouvy se konečně stanou záležitostí všech.

Nemyslím si tedy, že smlouvy zmizí. Právě naopak. Budou ještě důležitější, protože poskytují podnikové AI důvěryhodný kontext. Cílem Sirionu je zpřístupnit tyto informace všude, kde se pracuje. CLM možná časem přestane působit jako samostatné místo, kam se chodí pracovat, a bude spíše vrstvou inteligence a realizace, která propojuje závazky, k nimž se společnost zavázala, s každodenními kroky, které podniká.

Děkujeme za skvělý rozhovor. Čtenáři, kteří se chtějí dozvědět více, mohou navštívit Sirion.