AI-modeller og platforme

Agiloft tilføjer tre AI-agenter til flertrinsopgaver med kontrakter

mm
Føj Unite.AI til dine foretrukne kilder på Google

Agiloft annoncerede den 5. november 2026 tre AI-agenter til Ask AI i sin platform til håndtering af kontraktlivscyklusser. Dermed udvides assistentens funktioner fra kontraktanalyse til administrative opgaver i flere trin. Masseopdateringsagenten, agenten til kontraktanmodninger og e-signaturagenten til Adobe Acrobat Sign lanceres sammen med en dokumentvisning med flere ruder og nye funktioner til håndtering af organisationens specifikke terminologi.

Agenter håndterer opdateringer, anmodninger og underskrifter

Masseopdateringsagenten kan ændre op til tre datafelter på tværs af flere kontrakter og bilag direkte fra søgeresultater i Ask AI. Den viser en forhåndsvisning af alle berørte filer og kræver udtrykkelig bekræftelse fra et menneske, før en opdatering udføres. En afsluttende rapport viser, hvilke poster der blev behandlet, mislykkedes eller blev sprunget over, så brugeren kan gennemgå, hvordan masseopdateringen blev håndteret.

Agenten til kontraktanmodninger fokuserer på modtagelse af anmodninger. En medarbejder beskriver med almindelige ord, hvad der er brug for, og Ask AI finder den relevante eksisterende anmodningsformular ud fra hensigten og brugerens tilladelser. Agiloft siger, at vejledningen skal mindske forvirring og fejlrutede anmodninger, så kontrakter fra begyndelsen følger den rigtige arbejdsgang.

Til underskrifter forbereder og igangsætter e-signaturagenten arbejdsgange i Adobe Acrobat Sign via Ask AI. Den guider brugerne gennem valg af dokumenter, identifikation af underskrivere, fastlæggelse af underskriftsrækkefølge og gennemgang af oplysningerne, inden dokumenterne sendes. Processen sikrer, at brugeren gennemgår opsætningen, som er blevet hjulpet på vej af AI, inden anmodningen om underskrift sendes.

Søgning og dokumentkontekst

Dokumentvisningen med flere ruder samler Ask AI, kontraktposter, dokumentvisninger og tabeldata i ét arbejdsområde. Brugerne kan gennemgå kontraktens ordlyd, stille spørgsmål og sammenligne oplysninger uden at skifte mellem separate skærmbilleder, så den underliggende aftale hele tiden er synlig ved siden af AI-interaktionen.

Et konfigurerbart semantisk lag gør det muligt for administratorer at knytte interne forretningsbegreber, feltværdier, synonymer og forkortelser til data, der er gemt i Agiloft. Brugerne kan derefter søge uden at kende de præcise feltnavne eller systemets terminologi. Denne organisationsspecifikke ordforråd supplerer masseopdateringsagenten, der tager udgangspunkt i søgeresultater fra Ask AI.

Indkøbsdata bag lanceringen

Agiloft knyttede lanceringen til en undersøgelse, som virksomheden offentliggjorde den 15. september 2026. Censuswide adspurgte 2.005 indkøbschefer og andre ledende medarbejdere med ansvar for indkøb i virksomheder i USA og Storbritannien med mindst 250 ansatte. Svarene blev indsamlet fra den 5. til den 20. august 2026.

Agiloft oplyste, at indkøbsledere vurderede, at mindst 15 % af leverandørforbruget ligger uden for kontraktlige aftaler, mens 52 % af organisationerne ikke fik håndhævet en kontraktuel misligholdelsesbeføjelse i året før rapporten, fordi forholdet ikke blev fulgt eller gjort gældende i tide.

Undersøgelsen viste også, at kun 36 % af organisationerne automatisk overfører vilkårene fra en tildeling i forbindelse med leverandørvalg til den efterfølgende kontrakt, mens 57 % i et vist omfang er afhængige af manuel genindtastning. Tallene sætter Agilofts fokus på administrative overleveringer i perspektiv: Forhandlede vilkår kan blive afkoblet fra de poster og systemer, der bruges til at føre dem ud i livet.

Produktchef Jason Barnwell sagde, at automatiseringen er udformet til at mindske rutinepræget administration og passe ind i eksisterende drift, efterlevelseskrav og arbejdsgange, så teams kan fokusere på at forhindre værditab.

Produktgrundlag og ekstern adgang

Agenterne bygger videre på funktioner, der blev introduceret med den generelle tilgængelighed af Astra den 14. juli 2026. Via Ask AI kunne brugere af CLM identificere kontrakter i deres vidensbase og sende dem til Astra til analyse. AI-assisteret kontraktmodtagelse udtrak strukturerede data fra uploadede dokumenter for at oprette kontraktposter, mens vejledte kontraktopdateringer håndterede ændringer af datoer, status og bilag gennem en samtale med almindelige ord.

Novemberudgivelsen føjer masseændringer, vidererutning af anmodninger og forberedelse af underskrifter til dette grundlag. Den introducerer også en server til Model Context Protocol, eller MCP-server, der skal give eksterne softwareværktøjer en standardiseret grænseflade til Agilofts centrale kontraktarkiv.

Anthropics Claude kan bruges som MCP-klient i betamiljøet. Agiloft siger, at serveren er udviklet til at understøtte andre virksomhedsværktøjer efter den endelige lancering, og at flere MCP-klienter er planlagt over tid. Udrulningen skal bevare de tilladelser, kontroller og sikkerhedsstandarder, der allerede er indbygget i kundernes CLM-miljøer. Adgangen til de annoncerede funktioner vil fortsat blive udvidet, efterhånden som de udrulles, så tilgængeligheden indfases gradvist i denne proces.

Udgivelsens praktiske betydning ligger i forbindelsen mellem kontraktindsigt og administrativ udførelse. Masseændringer kræver fortsat bekræftelse fra et menneske, anmodningsformularer følger brugerens tilladelser, opsætning af underskrifter skal gennemgås, og eksterne agenters adgang er stadig i betafasen. For juridiske afdelinger og indkøbsteams er det åbne spørgsmål, om disse kontrollerede overleveringer kan mindske det gab mellem aftale og udførelse, som Agilofts undersøgelse beskriver, samtidig med at mennesker fortsat inddrages i væsentlige ændringer af kontraktposten.

Zane Elric er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker kunstig intelligens i jura, juridisk teknologi og overholdelse af lovgivningen. Hans arbejde fokuserer på, hvordan AI forvandler juridisk forskning, kontraktanalyse, risikovurdering og overholdelsesworkflows i både virksomheder og den offentlige sektor.
Med et formelt og stærkt analytisk perspektiv undersøger Zane, hvordan maskinlæringsværktøjer anvendes til dokumentgennemgang, regulativ overvågning, støtte til retssager og styrestrukturer. Han lægger særlig vægt på nøjagtighed, ansvarlighed og de juridiske grænser omkring ibrugtagning af AI, samt implikationerne for juridiske fagfolk og institutionelle beslutningsprocesser.
Artikler skrevet af Zane Elric er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre præcision, neutralitet og ansvarlig dækning af AIs udviklende rolle inden for juridiske systemer.