Rozhovory
Sarvarth Misra, spoluzakladatel a generální ředitel Leah – série rozhovorů

Klíčové bodyPřidání umělé inteligence do softwaru vytvořeného pro lidi zrychluje úkoly, ale…
Zobrazit více
- Přidání umělé inteligence do softwaru vytvořeného pro lidi zrychluje úkoly, ale ponechává provozní model nezměněný.
- Téměř osm z deseti společností postrádá účinné nástroje k identifikaci neschválených agentů.
- Správa musí být zakotvena v architektuře, aby organizace mohly s jistotou rozšiřovat autonomii agentů.
Sarvarth Misra je spoluzakladatelem a generálním ředitelem společnosti Leah, dříve ContractPodAi. Kariéru zahájil jako podnikový a obchodní právník. Čas, který tehdy trávil vyhledáváním informací, koordinací dokumentů a sledováním závazků, ho inspiroval k vývoji technologií pro právní týmy. Od té doby se jeho práce rozšířila od řízení životního cyklu smluv k agentním systémům, které koordinují podnikové pracovní procesy. Zaměřuje se přitom na propojení odborných znalostí v daném oboru, řízeného provádění úkolů a lidského úsudku.
Leah vyvíjí podnikovou platformu agentní umělé inteligence, která pokrývá právní agendu, smlouvy, nákup, finance a sdílené služby. Její platforma propojuje specializované agenty s podnikovými systémy, obchodním kontextem, oprávněními a schvalovacími procesy, aby organizacím pomohla vykonávat práci napříč odděleními. V tomto rozhovoru Misra hovoří o přechodu od asistence AI k provádění úkolů, o výzvách v oblasti správy a interoperability při rozšiřování využití agentů a o tom, jak mohou podniky měřit spolehlivé obchodní výsledky a zároveň zachovat lidský dohled.
Kariéru jste zahájil jako podnikový a obchodní právník a poté jste spoluzaložil společnost Leah (dříve ContractPodAi). Na jaké problémy jste při právní práci narážel, že vás původně inspirovaly k založení společnosti, a jak se tato původní vize proměnila v dnešní Leah?
Když jsem vykonával praxi v oblasti podnikového práva, na vlastní oči jsem viděl, kolik času právníků zabírá řízení procesů namísto uplatňování právního úsudku. Vysoce kvalifikovaní odborníci trávili nespočet hodin vyhledáváním informací, předáváním dokumentů, sledováním závazků a koordinací práce napříč nespojenými systémy. Zatímco oblasti, jako jsou prodej a finance, prošly výraznou technologickou proměnou, právní oddělení z velké části zůstávala pozadu.
Právě toto poznání nás vedlo k vytvoření ContractPodAi, které vycházelo z jednoduchého předpokladu: právní týmy potřebují systém pro evidenci smluv a získávání informací o nich. S vývojem technologií se však měnilo i naše chápání příležitostí. Uvědomili jsme si, že řízení práce představuje jen část problému. Mnohem větší příležitostí bylo změnit způsob, jakým se tato práce skutečně vykonává.
Toto přesvědčení formovalo Leah. Smlouvy byly naším výchozím bodem, ale naše ambice byly od začátku širší: změnit způsob, jakým podniky vykonávají práci, nikoli pouze to, jak ji řídí. Dnes budujeme systémy, které dokážou plánovat, koordinovat a vykonávat složité podnikové pracovní procesy, aby se lidé mohli soustředit na úsudek, strategii a rozhodnutí, při nichž jsou lidské odborné znalosti nejdůležitější.
V lednu 2026 se společnost ContractPodAi přejmenovala na Leah, když rozšířila své působení za hranice řízení životního cyklu smluv a začala budovat širší platformu agentní umělé inteligence. Co vás přesvědčilo, že budoucnost nespočívá pouze v přidávání funkcí AI do stávajícího podnikového softwaru, ale v zásadní změně způsobu práce založené na autonomních agentech?
K tomuto závěru jsme dospěli proto, že jsme strávili řadu let budováním kategorie CLM a patřili jsme k prvním, kdo do ní zavedli AI. Tato zkušenost nám poskytla jedinečný pohled na možnosti AI i na omezení základního softwarového modelu.
Do roku 2023 jsme dospěli k zásadnímu závěru: přidání AI do softwaru navrženého pro ovládání lidmi by sice urychlilo jednotlivé úkoly, ale zásadně by nezměnilo způsob, jakým se práce vykonává.
Lidé by stále odpovídali za shromažďování informací, koordinaci předávání úkolů, přecházení mezi aplikacemi a zajišťování dokončení každé fáze procesu. AI mohla urychlit jednotlivé činnosti, základní model fungování i jeho závislost na lidském zásahu však zůstávaly z velké části beze změny.
Věřili jsme, že nová generace podnikového softwaru musí být navržena tak, aby práci vykonávala, nikoli pouze poskytovala asistenci. Systémy by měly být schopné pochopit cíl, koordinovat potřebné činnosti a posouvat práci napříč funkcemi a aplikacemi, přičemž zapojí člověka tam, kde je zapotřebí úsudek nebo schválení.
To vyžadovalo zásadní změnu architektury, nikoli jen další funkci AI. Bylo to významné strategické rozhodnutí, o jehož nezbytnosti jsme však byli přesvědčeni. Budoucnost podnikového softwaru nebude určovat to, jak účinně pomáhá lidem řídit práci, ale jak spolehlivě dokáže práci vykonávat a přinášet výsledky.
Pojem „agentní AI“ se v celém odvětví používá stále častěji. Co podle vás odlišuje skutečně agentní podnikový systém od tradičního asistenta AI, kopilota nebo nástroje pro automatizaci pracovních procesů?
Zásadní rozdíl spočívá v tom, že systém práci skutečně vykonává.
Asistenti AI a kopiloti pomáhají lidem plnit úkoly, zatímco tradiční automatizace pracovních procesů se řídí předem stanovenými postupy. Obě řešení mohou výrazně zvýšit produktivitu, lidé však obvykle stále odpovídají za posouvání práce kupředu a koordinaci jednotlivých kroků mezi systémy.
Skutečně agentní systém jde dál. Dokáže pochopit cíl, určit potřebné kroky, koordinovat specializované schopnosti a vykonávat práci napříč podnikovými systémy, přičemž v případě potřeby zapojuje lidský úsudek.
Mezi inteligentním agentem a agentním systémem připraveným pro podnikové nasazení je však důležitý rozdíl. Samotná inteligence nestačí. Spolehlivé vykonávání vyžaduje základní infrastrukturu, která zajišťuje správný kontext, nástroje, orchestraci, deterministické pracovní postupy, oprávnění a správu.
Vyžaduje také hlubokou znalost dané oblasti. Agent vykonávající například pracovní postup pro uzavírání smluv potřebuje víc než jen obecné schopnosti uvažování. Musí rozumět smluvním pozicím organizace, vyjednávacím postupům, požadavkům na schvalování i obchodním důsledkům svých kroků.
Model nakonec poskytuje inteligenci, základní infrastruktura architekturu pro řízené vykonávání a odborné znalosti dané oblasti dávají tomuto vykonávání smysl v obchodním kontextu.
Výzkum společnosti Leah ve spolupráci s IDC zjistil, že 66 % dotazovaných organizací již používá AI agenty v produkčním prostředí a očekává, že se jejich nasazení do začátku roku 2027 zvýší šestinásobně. Co podle vás podniky podceňují při přechodu od nasazení několika agentů k potenciální správě stovek či tisíců?
Mnoho organizací se soustředí na to, aby uvedly své první agenty do produkčního prostředí. Když však začnou agenty nasazovat ve velkém, výzva se zásadně mění.
Otázkou už není, zda jednotlivý agent dokáže splnit nějaký úkol. Jde o to, zda organizace dokáže koordinovat a spravovat stovky, případně tisíce agentů působících v různých týmech, systémech a podnikových funkcích.
Náš výzkum zjistil, že téměř osm z deseti společností nemá účinné nástroje k odhalování neschválených agentů, zatímco přibližně 47 % označilo centralizovanou správu za zásadní oblast, kterou je třeba zlepšit. To poukazuje na prohlubující se nesoulad mezi tempem zavádění a schopností organizací řídit to, co nasazují.
Bez správné architektury hrozí, že každý další agent přinese další vrstvu složitosti. Různé týmy mohou nasazovat agenty využívající různé modely, nástroje a platformy, přičemž každý z nich pracuje s vlastním kontextem, oprávněními a pracovními postupy.
Podniky proto potřebují víc než jen přehled o jednotlivých agentech. Potřebují koordinované prostředí, v němž mohou agenti sdílet relevantní kontext, pracovat v jasně stanovených mezích a společně vykonávat úkoly napříč podnikovými procesy.
Správa a orchestrace nemohou být dodatečnou záležitostí. Musí patřit k základním schopnostem. Jinak hrozí, že organizace vymění roztříštěné softwarové aplikace za stejně roztříštěné prostředí inteligentních agentů.
Týž výzkum označil správu, orchestraci a spolupráci napříč podnikovými funkcemi za tři zásadní pilíře agentní AI. Proč je správa obtížnější, když agenti dokážou samostatně uvažovat, předkládat doporučení a iniciovat kroky napříč podnikovými systémy?
Správa je složitější, protože agenti už pouze nevytvářejí informace, které lidé posuzují. Dokážou vyhodnocovat kontext, rozhodovat se a iniciovat kroky, často napříč několika podnikovými systémy.
Tím se zásadně mění povaha rizika. Organizace potřebují rozumět nejen tomu, k čemu je agent oprávněn, ale také tomu, jaké informace ovlivnily jeho kroky, jaké kontroly byly uplatněny a co následovalo.
Složitost narůstá, když agenti působí napříč funkcemi, které se řídí různými pravidly, oprávněními a mírou přijatelného rizika. Krok přípustný v jednom pracovním postupu může v jiném vyžadovat dodatečné ověření nebo schválení. Správa se proto musí vztahovat na celý proces vykonávání, nikoli se uplatňovat pouze u jednotlivých agentů odděleně.
Proto se domníváme, že správa musí být zabudována do základní architektury. Podniky potřebují deterministické kontroly u zásadních kroků, jasně stanovené postupy eskalace, nastavitelné požadavky na schvalování a auditovatelný záznam vykonaných činností.
Cílem není zbytečně omezovat autonomii. Jde o vytvoření podmínek, díky nimž ji organizace mohou s jistotou rozšiřovat. Právě účinná správa umožňuje autonomii v podnikovém měřítku.
Jednou z výzev spojených s podnikovými agenty je interoperabilita: agenti mohou pocházet od různých dodavatelů, využívat různé modely a fungovat v propojených systémech. Jak by měly společnosti navrhnout prostředí, v němž mohou tito agenti bezpečně sdílet kontext a vzájemně spolupracovat?
Podniky musí přestat vnímat agenty jako samostatné produkty a začít s nimi počítat jako s účastníky propojeného pracovního systému.
Skutečná hodnota se projeví, když agenti dokážou sdílet kontext, koordinovat své kroky a přispívat ke společnému obchodnímu výsledku, i když působí v různých funkcích, na různých platformách a s různými základními modely.
K tomu je zapotřebí vrstva orchestrace, která stojí nad jednotlivými agenty a podnikovými aplikacemi. Tato vrstva poskytuje architekturu pro správu kontextu, oprávnění, integrací, pracovních postupů a správy a umožňuje různým schopnostem fungovat jako jeden koordinovaný systém.
Stejně důležité je zachovat suverenitu podniku. Organizace by si měly ponechat kontrolu nad svými daty, institucionálními znalostmi, obchodními pravidly a pracovními postupy bez ohledu na to, které modely nebo poskytovatele technologií se rozhodnou využívat.
Věříme, že podniky by měly mít možnost svobodně zavádět nové modely a technologie, aniž by musely znovu budovat procesy a znalosti, na nichž stojí jejich fungování.
Interoperabilita v konečném důsledku neznamená pouze technické propojení agentů. Jde o to, aby mohli v rámci celého podniku koordinovaně, bezpečně a odpovědně vykonávat práci.
Právo a smluvní agenda představují obzvlášť citlivé oblasti, protože rozhodnutí vytvořená pomocí AI mohou mít finanční, regulatorní a právní důsledky. Kde by organizace měly stanovit hranici mezi úkony, které může agent AI provádět autonomně, a rozhodnutími, která by měla i nadále vyžadovat schválení člověkem?
Hranice by se měla určovat podle míry rizika, nikoli podle typu vykonávaného úkolu.
Mnohé činnosti v právní a smluvní agendě mají jasnou strukturu, opakují se a řídí se zavedenými pravidly. Při zavedení odpovídajících kontrol jsou proto vhodné k autonomnímu provádění.
Agent, který například kontroluje běžnou dohodu o mlčenlivosti (NDA), ji může posoudit podle schválené metodiky, odhalit odchylky, uplatnit dohodnuté záložní pozice a posunout sjednávání smlouvy dál, aniž by musel právník zasahovat v každé fázi.
Smlouva, která však zahrnuje značné finanční riziko, neobvyklé nastavení odpovědnosti, regulatorní nejistotu nebo strategický obchodní ústupek, může vyžadovat lidský úsudek nebo schválení.
Je důležité, že cílem podle mě nemá být vyřadit lidi z procesu. Jde o změnu toho, kde a jak se zapojují. Namísto toho, aby byl zásah člověka nutný v každém kroku, by organizace měly mít možnost nastavit míru autonomie odpovídající každému pracovnímu postupu, včetně určení fází, v nichž je zapojení člověka povinné.
Díky tomu se mohou kvalifikovaní odborníci soustředit na výjimky, vyjednávací strategii, komplexní posuzování rizik a rozhodnutí, která skutečně vyžadují jejich odbornost.
Příležitost nespočívá pouze v tom, aby právní týmy pracovaly rychleji. Jde o zásadní přehodnocení způsobu poskytování právních služeb, při němž lidé i AI přispívají tam, kde vytvářejí největší hodnotu.
Leah rozšiřuje využití agentní AI v právní agendě, smluvních procesech, nákupu, financích a sdílených službách. Co bude možné, až budou agenti schopni koordinovat práci napříč těmito oblastmi, místo aby každé oddělení automatizovali samostatně?
Většina práce v podniku nezačíná a nekončí v jediném oddělení. Smlouva vyjednaná právním oddělením má dopad na nákup, finance, provoz i dodržování předpisů. Podnikový software se však tradičně vyvíjel pro jednotlivé funkce, takže odpovědnost za propojování informací, rozhodnutí a procesů mezi nimi zůstávala na lidech.
Agentní AI nabízí příležitost tento model fungování změnit.
Když agenti dokážou koordinovat práci napříč jednotlivými oblastmi, mohou propojit potřebné informace, pravidla a odborné znalosti a dovést práci od začátku do konce. Nemusí tak pouze dokončit izolovaný úkol a ponechat na někom jiném, aby zajistil další předání.
Vezměme si smlouvu s dodavatelem. Její podmínky ovlivňují rozhodování o nákupu, platební povinnosti, finanční riziko i průběžné hodnocení dodavatele. V propojeném prostředí využívajícím agentní AI mohou informace ze smlouvy sloužit jako podklad pro činnosti napříč těmito oblastmi a také je spouštět, místo aby zůstávaly uzamčené v úložišti smluv.
Právě zde podle nás vzniká obchodní inteligence: schopnost propojit smluvní, právní, nákupní a finanční kontext tak, aby rozhodnutí a kroky odrážely celkový obchodní obraz.
Přínosy zdaleka přesahují zvýšení produktivity jednotlivých oddělení. Otevírá se možnost optimalizovat procesy, které je propojují, omezit roztříštěnost, zlepšit rozhodování a umožnit plynulejší průchod práce celým podnikem s výrazně menší potřebou ruční koordinace.
Jak by měly podniky při nasazování stále většího počtu agentů měřit, zda jim agentní AI skutečně přináší hodnotu? Stačí tradiční ukazatele, jako jsou produktivita a úspora nákladů, nebo firmy potřebují nový rámec založený na výsledcích a na objemu práce, kterou agenti dokážou spolehlivě vykonat?
Jedním z poučení z první vlny zavádění AI je, že aktivita a hodnota nejsou totéž.
Organizace mohou měřit počet zadání, tokenů a interakcí i ušetřený čas, ale tyto ukazatele nám říkají poměrně málo o tom, zda se daří dosahovat podstatných obchodních výsledků.
Produktivita a úspora nákladů zůstanou důležité, ale agentní AI vyžaduje širší rámec zaměřený na realizaci práce. Kolik práce se dokončuje? Jak spolehlivě se vykonává? Probíhají procesy rychleji? Zmenšují se nevyřízené úkoly? Daří se výjimky účinněji rozpoznávat a řešit?
Měli bychom také měřit, jaké míry autonomie se podařilo dosáhnout při zachování odpovídajících kontrolních mechanismů. Například je jedna věc zkrátit dobu, kterou právník stráví kontrolou smlouvy. Něco jiného je umožnit, aby celý smluvní proces postupoval od přijetí požadavku přes kontrolu a vyjednávání až po schválení, přičemž lidský zásah se soustředí tam, kde je skutečně potřeba.
Tento rozdíl je důležitý, protože ekonomická hodnota agentní AI nespočívá jen v ušetřených hodinách. Přináší také vyšší kapacitu, větší konzistenci, méně provozních překážek a lepší obchodní výsledky.
Očekávám, že organizace budou postupem času klást mnohem větší důraz na objem a složitost práce, kterou AI dokáže spolehlivě vykonávat, na kvalitu jejího provedení a na obchodní přínos, který přináší.
Otázka se změní z „Kolik AI používáme?“ na „Co nyní naše organizace dokáže, co dříve nedokázala?“
Jak podle vás v příštích třech až pěti letech změní vztah mezi zaměstnanci, tradičním podnikovým softwarem a autonomními agenty AI a čím se budou vyznačovat organizace, které úspěšně přejdou na agentní provozní model?
Domnívám se, že se přesouváme z éry definované systémy evidence do éry, kterou stále více určují systémy zaměřené na realizaci.
Tradiční podnikový software zůstane důležitý, protože poskytuje základní data, obchodní záznamy a infrastrukturu, na nichž jsou organizace závislé. Agentní systémy však budou stále častěji fungovat napříč těmito aplikacemi a koordinovat i vykonávat práci, kvůli níž lidé dříve museli přecházet mezi systémy, zajišťovat předávání úkolů a posouvat jednotlivé činnosti dál.
Pro zaměstnance to znamená zásadní změnu ve způsobu, jakým pracují s technologiemi. Lidé už nebudou obsluhovat každou fázi pracovního postupu, ale stále častěji budou určovat cíle, stanovovat hranice, uplatňovat vlastní úsudek a zasahovat tam, kde jejich odborné znalosti přinášejí největší hodnotu.
K této změně však nestačí nasadit agenty nebo přidat funkce AI do stávajících aplikací. Organizace musí přehodnotit, jak je práce strukturovaná, jak se rozhoduje a jak se poznatky sdílejí napříč jednotlivými útvary.
Náš výzkum ve spolupráci s IDC potvrzuje důležitost správy, orchestrací a mezioborové spolupráce. Dodal bych, že stejně zásadní je hluboká znalost dané oblasti. Systém potřebuje jak technické schopnosti k tomu, aby spolehlivě vykonával úkoly, tak znalost podnikatelského prostředí, aby dokázal rozpoznat, jak vypadá kvalitní provedení.
Úspěšné organizace nemusí být nutně ty, které nasadí největší počet agentů. Budou to ty, které pochopí, že agentní AI nabízí příležitost zásadně přepracovat jejich provozní model.
Skutečnou příležitostí není zefektivnit způsob, jakým pracujeme dnes. Jde o vytvoření zcela nového modelu toho, jak se vykonává práce v podnicích.
Děkujeme za skvělý rozhovor. Čtenáři, kteří se chtějí dozvědět více o agentní AI pro podniky a propojených pracovních postupech v oblasti práva, smluv, nákupu a financí, by měli navštívit Leah.












