Kanti Prabha, cofundadora y directora de Producto & Tecnología de Sirion – Serie de entrevistas

Kanti Prabha, cofundadora y presidenta de Sirion, es una líder en tecnología empresarial con más de dos décadas de experiencia en desarrollo de productos, tecnología jurídica, propiedad intelectual, operaciones y SaaS. Como integrante del equipo fundador de Sirion, ha desempeñado un papel central en la definición de la visión de producto, el diseño y el desarrollo de la empresa. Antes de convertirse en presidenta, ocupó varios puestos directivos, entre ellos los de vicepresidenta de Gestión de Productos y directora de Operaciones. Su experiencia abarca la creación de productos SaaS B2B de nivel empresarial, la estrategia y gestión de productos, el éxito del cliente, las ventas empresariales y el crecimiento de equipos y de la cultura organizacional. Al inicio de su carrera, Prabha fue la primera empleada e integrante del equipo fundador de UnitedLex, donde desarrolló soluciones tecnológicas para los departamentos jurídicos de empresas y gestionó iniciativas de propiedad intelectual, tras haber trabajado en servicios de patentes en Evalueserve. También es asesora de akirolabs y anteriormente asesoró a Clarisights.

Sirion es una empresa de gestión del ciclo de vida de los contratos (CLM) impulsada por IA que ayuda a las empresas a gestionar contratos desde su creación y negociación hasta el seguimiento de su cumplimiento, las obligaciones y la materialización de su valor. Su plataforma combina IA conversacional con agentes de IA especializados, capaces de centralizar y estructurar repositorios de contratos, responder preguntas sobre sus términos, redactar y revisar acuerdos, identificar riesgos, proponer modificaciones y supervisar obligaciones y acuerdos de nivel de servicio. Sirion orienta cada vez más su tecnología hacia la contratación basada en agentes mediante su plataforma agentOS, que permite a las organizaciones implementar agentes de contratación prediseñados y crear agentes personalizados conectados con los datos y los flujos de trabajo de la empresa. La plataforma está diseñada para grandes organizaciones que buscan transformar los contratos, de documentos estáticos en fuentes estructuradas y consultables de inteligencia operativa, manteniendo al mismo tiempo la gobernanza y la supervisión humana.

Tu trayectoria hasta fundar Sirion fue poco convencional: estudiaste química, te adentraste en el derecho de propiedad intelectual, trabajaste con patentes y, más tarde, mientras trabajabas con Hewlett-Packard, empezaste a ver los contratos de otra manera. ¿Qué descubriste en esas primeras experiencias que finalmente te convenció de que había una oportunidad para crear Sirion? 

No crecí pensando que fundaría una empresa dedicada a los contratos. Estudié química, pero pronto me di cuenta de que me interesaba más resolver problemas empresariales que pasarme la carrera en un laboratorio. Eso me llevó al campo de la propiedad intelectual, donde trabajé con patentes y luego dirigí equipos que desarrollaban soluciones tecnológicas y jurídicas para grandes empresas.

El verdadero punto de inflexión llegó cuando mi cofundador de Sirion, Ajay, y yo empezamos a trabajar con HP. Tenían miles de contratos que debían organizar y gestionar tras una gran adquisición. Al principio pensamos que era un problema de repositorio, pero, cuando empezamos a examinar los contratos detenidamente, quedó claro que el almacenamiento era apenas una pequeña parte de la oportunidad. Los contratos revelaban qué había comprado y vendido una empresa, a qué se había comprometido, qué habían prometido sus proveedores, cuánto pagaba, dónde corría riesgos y dónde podía estar perdiendo valor. Sin embargo, casi nada de esa información era fácil de aprovechar para la empresa. Esa fue la idea que dio origen a Sirion. Los contratos eran una fuente de inteligencia empresarial prácticamente desaprovechada.

Has descrito los contratos como una forma de «inteligencia líquida» dentro de una organización. ¿Qué información valiosa suele quedar atrapada en los contratos y cómo puede la IA hacer que esa información resulte útil para equipos que van más allá del área jurídica, como los de finanzas, compras, ventas y operaciones? 

Los contratos son uno de los pocos lugares donde las intenciones de una empresa se convierten realmente en compromisos. Indican cuánto se acordó pagar, qué aceptó comprar un cliente, cuándo pueden cambiar los precios, qué niveles de servicio deben cumplirse, cuándo se renueva un acuerdo, qué ocurre si alguien no cumple lo acordado y quién es responsable de cada obligación. Es información sumamente valiosa, pero históricamente ha quedado atrapada en documentos que la mayoría de las personas solo abre cuando necesita negociar algo o cuando algo sale mal.

La IA cambia esto porque nos permite transformar el lenguaje no estructurado de los contratos en información que el resto de la empresa puede utilizar. El área de compras puede conocer las obligaciones y los precios de los proveedores. El área de finanzas puede consultar los compromisos comerciales y las posibles fugas de valor. El equipo de ventas puede conocer las condiciones de renovación y los compromisos con los clientes. El área de operaciones puede supervisar si realmente se está cumpliendo lo prometido.

A esto me refiero cuando hablo de hacer que la inteligencia contractual sea líquida. En lugar de quedar dentro de un PDF, la información puede llegar a las decisiones y los sistemas que más la necesitan. En vez de ser el final de una transacción, el contrato, gracias a esa inteligencia líquida, puede convertirse en una fuente activa de contexto sobre el funcionamiento de una empresa.

Sirion ha pasado de ser un software de gestión del ciclo de vida de los contratos a convertirse en una plataforma cada vez más impulsada por la IA. ¿Cómo ha cambiado la aparición de los grandes modelos de lenguaje lo que es técnicamente posible hacer con los datos contractuales, en comparación con los métodos de aprendizaje automático disponibles cuando fundaste la empresa?

Cuando iniciamos Sirion, la IA aplicada a la gestión de contratos se centraba principalmente en la extracción y la clasificación. El aprendizaje automático podía llegar a ser muy eficaz para identificar una cláusula, una fecha, el nombre de una parte o una obligación, pero había que entrenar los modelos para tareas relativamente específicas.

Los grandes modelos de lenguaje ampliaron enormemente la capacidad de razonamiento. Ahora, un sistema puede comprender una pregunta formulada en lenguaje natural, interpretar el contexto de una cláusula, comparar su redacción con la postura preferida de una empresa, explicar por qué algo representa un riesgo y sugerir qué debería hacer alguien a continuación.

Pero no creo que los LLM vayan a sustituir todo lo que había antes. Los contratos son demasiado complejos para eso. En Sirion, usamos un enfoque multimodelo que combina grandes modelos de lenguaje con modelos especializados y una inteligencia contractual profunda. Cada modelo destaca en tareas distintas. Esa combinación es importante porque las empresas no solo necesitan una IA capaz de generar textos convincentes. Necesitan precisión. El cambio más emocionante es que podemos pasar de extraer información de los contratos a razonar sobre ella y, cada vez más, actuar en consecuencia.

Sirion está empezando a incorporar agentes de IA especializados para tareas como la extracción de datos de contratos, la detección de problemas, la propuesta de cambios y la búsqueda en grandes repositorios de contratos. ¿Cómo imagina que trabajarán juntos estos agentes y hasta qué punto deberían permitir las empresas que la IA actúe de forma autónoma durante el proceso de contratación?           

No creo que el futuro sea un único agente de IA gigantesco que lo haga todo. La elaboración de contratos comprende muchas tareas especializadas, y cada una requiere un contexto distinto y diferentes niveles de criterio. Un agente podría extraer cláusulas de miles de acuerdos. Otro identificaría las disposiciones que se apartan de las políticas. Después, un agente encargado de proponer cambios podría sugerir una modificación precisa basándose en las directrices de la empresa. El verdadero potencial reside en que esos agentes colaboren para lograr un resultado, en lugar de obligar al usuario a gestionar cada paso por separado.

Por ejemplo, alguien podría preguntar: «¿Podemos aceptar este acuerdo con el proveedor?». El sistema debería poder identificar las cláusulas más pertinentes, compararlas con las políticas, señalar los problemas, buscar precedentes y recomendar cambios, explicando al mismo tiempo qué hizo y por qué.

El punto en el que debe detenerse la autonomía debería depender del riesgo. Me parece bien que la IA se encargue de forma autónoma de muchas acciones repetitivas y regidas por normas. Pero una cláusula de responsabilidad novedosa o una negociación de importancia estratégica pueden requerir criterio humano. El objetivo último de la autonomía debería ser eliminar el trabajo innecesario y, al mismo tiempo, preservar el control humano allí donde importan la rendición de cuentas y las relaciones.

Los contratos pueden contener parte de la información comercial y jurídica más delicada de una empresa. Ha dicho que Sirion preferiría retrasar el lanzamiento de un producto antes que comprometer la seguridad. A medida que la IA generativa se integra cada vez más en los flujos de trabajo empresariales, ¿qué atajos en materia de seguridad o privacidad le preocupan más?

Los contratos pueden contener precios, propiedad intelectual, información de empleados, detalles sobre adquisiciones, compromisos estratégicos e información sumamente delicada sobre clientes y proveedores. Las empresas necesitan saber exactamente adónde va esa información cuando un sistema de IA la procesa, cómo se trata, quién puede acceder a ella y si se utiliza para entrenar otro modelo.

Actualmente existe una enorme presión para lanzar funciones de IA con rapidez, pero el atajo que más me preocupa es tratar los datos empresariales como si fueran material de entrenamiento corriente. Entiendo esa presión, pero la IA empresarial no puede desarrollarse con la idea de que «ya nos ocuparemos de la gobernanza más adelante». La seguridad debe formar parte de la arquitectura desde el principio.

Eso implica controles de acceso sólidos, cifrado, capacidad de auditoría, límites claros para los datos y decisiones muy meditadas sobre el uso de modelos de terceros. En Sirion, hemos tomado decisiones que nos han ralentizado por motivos de seguridad, y me parece aceptable ese sacrificio. En el software empresarial, sobre todo cuando se gestionan contratos, la confianza tarda años en construirse y basta una decisión imprudente para dañarla.

Uno de los problemas persistentes de la IA generativa es que una respuesta puede sonar convincente incluso cuando es incorrecta. En la inteligencia contractual, donde un error sutil puede tener consecuencias financieras o jurídicas, ¿cómo diseñan sistemas de IA que los usuarios puedan verificar y en los que puedan confiar? 

Esta es una de las diferencias más importantes entre la IA de consumo y la IA empresarial. Si le pido a un asistente de IA que me recomiende un restaurante y se equivoca, las consecuencias son limitadas. Si un equipo jurídico pregunta si 5.000 contratos con proveedores incluyen un determinado derecho de rescisión y el sistema omite con seguridad 200 de ellos, estamos ante un problema muy distinto.

Diseñamos pensando en la verificación. Si la IA le dice algo sobre un contrato, debería poder rastrear la respuesta hasta la redacción original. Si recomienda un cambio, debería entender qué política o directriz fundamenta esa recomendación. La explicabilidad es esencial para la adopción, porque la confianza nace de poder examinar la IA.

Sirion hace hincapié en que las respuestas de la IA se basen en los contratos y precedentes propios de una organización, en lugar de depender únicamente de modelos de propósito general. ¿Crees que la próxima gran etapa de la IA empresarial estará cada vez más impulsada por sistemas que combinen modelos fundacionales con datos empresariales propios y altamente especializados?

Sin duda. Los modelos fundacionales son extraordinariamente capaces, pero no saben cómo funciona realmente tu empresa. No conocen automáticamente qué concesiones aprobó tu equipo jurídico el año pasado, cómo estructuras los precios con un cliente estratégico, qué proveedores incumplen repetidamente los niveles de servicio ni en qué situaciones tu organización exige una escalada. Ese contexto es lo que hace que la IA empresarial resulte realmente útil.

Si se combina el valioso registro de decisiones y compromisos entre organizaciones que ofrecen los contratos con las políticas propias de cada empresa, sus manuales de negociación, los acuerdos históricos y los datos operativos, un sistema de IA puede pasar de ofrecer una respuesta genérica a dar una que refleje cómo funciona tu negocio. Creo que la ventaja competitiva en la IA empresarial dependerá cada vez más de ese contexto, ya que la mayoría de las empresas ya tienen acceso a modelos fundacionales similares. La diferencia radicará en la eficacia con que puedan conectar esos modelos con información propia de confianza y proporcionarles contexto suficiente para razonar con precisión sin comprometer la seguridad.

Llevas más de una década construyendo Sirion y has desempeñado funciones que abarcan producto, operaciones y dirección de la empresa. ¿Qué aprendiste sobre cómo escalar software de IA empresarial que no habrías entendido durante los primeros años de la compañía?

Una cosa que he aprendido es que desarrollar la tecnología a veces es la parte fácil. Las dificultades surgen cuando empiezas a cambiar la forma de trabajar de una gran organización. En los primeros años, es natural centrarse en si el producto puede resolver el problema. A escala empresarial, te das cuenta de que una respuesta técnicamente excelente solo es útil si la gente confía en ella, si encaja en los flujos de trabajo existentes y si puede gestionar la enorme complejidad de una organización global.

La IA hace que esa lección sea aún más importante. Hoy se puede crear una demostración impresionante con mucha rapidez. Pero crear algo en lo que una empresa esté dispuesta a confiar para gestionar millones de datos y flujos de trabajo es otra cosa.

Ahora que la IA permite analizar continuamente obligaciones, riesgos, condiciones de precios, renovaciones y rendimiento en miles de acuerdos, ¿podrían los contratos convertirse con el tiempo en una capa de datos operativos en tiempo real para la empresa, en lugar de seguir siendo documentos que se consultan principalmente cuando algo sale mal?

Creo que ese es exactamente el rumbo que estamos tomando. Durante mucho tiempo, el contrato se ha considerado el punto final. Todos negocian, firman, lo celebran y luego el documento se guarda en un repositorio. Seis meses después, alguien lo abre porque hay una disputa, una renovación o una pregunta sobre lo que se prometió. Ese modelo no tiene sentido cuando la IA puede comprender continuamente lo que sucede en toda la cartera de contratos.

En un mundo ideal, imagina saber que un proveedor ha incumplido un SLA antes de aprobar la siguiente factura, o detectar que un ajuste de precios debería haberse aplicado hace tres meses. Imagina que se avisara a un equipo de ventas de una próxima renovación, junto con los compromisos negociados con el cliente, o que el departamento financiero viera reflejadas las obligaciones comerciales directamente en sus sistemas.

Los contratos definen las relaciones entre empresas, por lo que sus datos deberían estar conectados con los sistemas en los que realmente se gestionan esas relaciones. Creo que el contrato se convertirá cada vez más en una capa de datos operativos que ayude a la empresa a entender no solo a qué se comprometió, sino también si esos acuerdos están dando el valor que todos esperaban.

De cara al futuro, ¿cómo crees que será la gestión de contratos cuando los agentes de IA sean mucho más capaces? ¿Acabará desapareciendo la categoría tradicional de gestión del ciclo de vida de los contratos para integrarse en una capa más amplia de inteligencia empresarial? ¿Qué papel crees que desempeñará Sirion en esa transición? 

Espero que, con el tiempo, los límites de la gestión del ciclo de vida de los contratos (CLM, por sus siglas en inglés) sean mucho menos visibles. Hoy, los usuarios todavía piensan en términos de pasos: necesito crear un contrato, revisarlo, obtener la aprobación, firmarlo, guardarlo y luego gestionarlo. A medida que los agentes sean más capaces, la gente no debería tener que coordinar por sí misma todos esos sistemas y flujos de trabajo. Debería poder expresar una intención y dejar que agentes especializados se encarguen de gran parte del trabajo.

Pero el cambio más importante se produce después de la firma. Si la IA puede comprender cada obligación, condición comercial, riesgo y relación en millones de acuerdos, la inteligencia contractual resulta útil mucho más allá del ámbito jurídico. Para mí, esa es la parte emocionante: que los contratos por fin sean asunto de todos.

Así que no creo que los contratos vayan a desaparecer. Todo lo contrario. Cobrarán más importancia porque aportan contexto fiable a la IA empresarial. En Sirion, nuestro objetivo es que esa inteligencia esté disponible allí donde se trabaja. Puede que, con el tiempo, la gestión del ciclo de vida de los contratos deje de parecer un destino independiente y se convierta más bien en una capa de inteligencia y ejecución que conecte los compromisos asumidos por una empresa con las acciones que lleva a cabo cada día.

Gracias por la excelente entrevista. Quienes deseen obtener más información pueden visitar Sirion.