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

Kanti Prabha, presidenta y directora de Producto y Tecnología 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 miembro del equipo fundador de Sirion, ha desempeñado un papel central en la definición de la visión, el diseño y el desarrollo de los productos de la empresa. Ha ocupado cargos directivos, entre ellos el de vicepresidenta de Gestión de Productos y directora de Operaciones, antes de convertirse en presidenta. Su experiencia incluye la creación de productos SaaS B2B de nivel empresarial, estrategia y gestión de productos, éxito del cliente, ventas a empresas y expansión de equipos y de la cultura organizacional. Al principio de su carrera, Prabha fue la primera empleada y miembro del equipo fundador de UnitedLex, donde desarrolló soluciones tecnológicas para departamentos jurídicos de empresas y gestionó iniciativas de propiedad intelectual, tras trabajar anteriormente en servicios de patentes en Evalueserve. También asesora a 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 sus contratos desde la creación y la negociación hasta el seguimiento del desempeño, las obligaciones y la materialización del valor. Su plataforma combina IA conversacional con agentes de IA diseñados específicamente para centralizar y estructurar repositorios de contratos, responder preguntas sobre sus cláusulas, generar y revisar acuerdos, identificar riesgos, proponer modificaciones y supervisar obligaciones y acuerdos de nivel de servicio. Sirion está orientando 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 a los datos y flujos de trabajo empresariales. La plataforma está diseñada para grandes organizaciones que buscan transformar los contratos, de documentos estáticos en fuentes estructuradas y consultables de inteligencia operativa, sin dejar de mantener la gobernanza y la supervisión humana.

Tu trayectoria hasta fundar Sirion fue poco convencional: estudiaste química, te pasaste al derecho de propiedad intelectual, trabajaste en 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 ámbito de la propiedad intelectual, donde trabajé en patentes y, más adelante, 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 había que organizar y gestionar tras una gran adquisición. Al principio lo vimos como un problema de almacenamiento, pero, cuando empezamos a examinar los contratos de cerca, quedó claro que almacenarlos era solo una pequeña parte de la oportunidad. Los contratos indicaban qué había comprado una empresa, qué había vendido, qué había prometido, qué habían prometido sus proveedores, cuánto pagaba, dónde corría riesgos y dónde podía estar perdiendo valor. Sin embargo, casi ninguna de esas informaciones era fácil de aprovechar para el negocio. Esa fue la idea que dio origen a Sirion. Los contratos eran una fuente de inteligencia empresarial prácticamente inexplorada.

Has descrito los contratos como una forma de «inteligencia líquida» dentro de una organización. ¿Qué información valiosa suele estar atrapada en los contratos y cómo puede la IA hacer que esa inteligencia sea útil para equipos ajenos al 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 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 realmente pueda utilizar. El equipo de compras puede conocer las obligaciones de los proveedores y sus precios. El de finanzas puede consultar los compromisos comerciales y las posibles pérdidas de ingresos. El de ventas puede entender las condiciones de renovación y los compromisos con los clientes. El 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 encerrada en 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 la 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 enfoques de aprendizaje automático disponibles cuando fundaste la empresa?

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

Los modelos de lenguaje de gran tamaño ampliaron enormemente la capacidad de razonamiento. Ahora un sistema puede entender una pregunta formulada en lenguaje natural, interpretar el contexto de una cláusula, comparar el texto con la posición preferida de una empresa, explicar por qué algo supone un riesgo y sugerir qué hacer a continuación.

Pero no creo que los modelos de lenguaje de gran tamaño vayan a reemplazar todo lo que existía antes. Los contratos son demasiado complejos para eso. En Sirion, empleamos un enfoque multimodelo que combina modelos de lenguaje de gran tamaño con modelos especializados y un profundo conocimiento de los contratos. Cada modelo destaca en aspectos diferentes. Esa combinación es importante porque las empresas no necesitan simplemente una IA capaz de generar un lenguaje convincente. Necesitan precisión. El cambio más emocionante es que podemos pasar de extraer información de los contratos a razonar a partir de ella y, cada vez más, actuar en consecuencia.

Sirion está empezando a incorporar agentes de IA especializados en tareas como la extracción de datos de contratos, la detección de problemas, la revisión con control de cambios y la búsqueda en grandes repositorios de contratos. ¿Cómo imagina que trabajarán estos agentes en conjunto 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 consista en un único agente de IA gigantesco que lo haga todo. La elaboración de contratos implica muchas tareas especializadas, y cada una requiere un contexto distinto y un grado de criterio diferente. Un agente podría extraer cláusulas de miles de acuerdos. Otro identificaría el lenguaje que se aparta de las políticas. Después, un agente de revisión con control de cambios podría sugerir una modificación precisa basada en el manual de negociación de la empresa. El verdadero potencial surge cuando esos agentes pueden colaborar para alcanzar 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, encontrar 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 ocupe de forma autónoma de muchas acciones repetitivas y sujetas a reglas. Sin embargo, 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 en los ámbitos donde importan la rendición de cuentas y las relaciones.

Los contratos pueden contener información comercial y jurídica sumamente sensible 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 extremadamente sensible 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.

En este momento hay una enorme presión para lanzar rápidamente funciones de IA, 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 basarse en «ya resolveremos 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 ralentizaron nuestro avance por motivos de seguridad, y acepto plenamente 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 desafíos 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 derecho de rescisión concreto y el sistema pasa por alto 200 con total seguridad, estamos ante un problema muy distinto.

Diseñamos los sistemas para que sus resultados puedan verificarse. Si la IA le dice algo sobre un contrato, debería poder rastrear la respuesta hasta el texto subyacente. Si recomienda un cambio, debería entender qué política o qué directriz del manual de negociación fundamenta esa recomendación. La explicabilidad es fundamental para la adopción, porque la confianza nace de que la IA pueda examinarse.

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

Absolutamente. Los modelos fundacionales son extraordinariamente capaces, pero no saben cómo funciona específicamente su empresa. No saben automáticamente qué concesiones aprobó su equipo jurídico el año pasado, cómo estructura los precios con un cliente estratégico, qué proveedores incumplen repetidamente los niveles de servicio ni en qué situaciones su 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 la empresa, sus manuales de negociación, los acuerdos históricos y los datos operativos, un sistema de IA puede pasar de dar una respuesta genérica a ofrecer una que refleje cómo funciona su 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 estará en la eficacia con que puedan conectar esos modelos con información propia y fiable, y proporcionarles contexto suficiente para razonar con precisión sin comprometer la seguridad.

Lleva más de una década desarrollando Sirion y ha desempeñado funciones que abarcan producto, operaciones y liderazgo empresarial. ¿Qué aprendió sobre cómo ampliar la IA empresarial que no habría comprendido durante los primeros años de la compañía?

Una de las cosas que he aprendido es que, a veces, desarrollar la tecnología es la parte fácil. Las dificultades aparecen cuando se empieza a cambiar la forma de trabajar de una gran organización. Durante los primeros años, es natural centrarse en si el producto puede resolver el problema. A escala empresarial, uno se da cuenta de que una respuesta técnicamente excelente solo resulta útil si la gente confía en ella, encaja en sus flujos de trabajo actuales y puede manejar la enorme complejidad de una organización global.

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

A medida que la IA permite analizar de forma continua obligaciones, riesgos, condiciones de precios, renovaciones y desempeño 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 ser documentos que se consultan principalmente cuando algo sale mal?

Creo que ese es exactamente el rumbo que estamos tomando. Durante mucho tiempo, se ha tratado el contrato como la meta final. Todos negocian, firman, celebran y luego el documento se guarda en un repositorio. Seis meses después, alguien lo consulta porque hay una disputa, una renovación o una pregunta sobre lo que se prometió. Ese modelo deja de tener sentido cuando la IA puede comprender continuamente lo que ocurre en toda la cartera de contratos.

En un mundo ideal, imaginemos poder saber que un proveedor ha incumplido un SLA antes de aprobar la siguiente factura, o advertir que un ajuste de precios debería haberse aplicado hace tres meses. Imaginemos que se alerta a un equipo de ventas sobre una próxima renovación, junto con los compromisos negociados con el cliente, o que el área financiera ve reflejadas las obligaciones comerciales directamente en sus sistemas.

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

De cara al futuro, ¿cómo cree 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, y qué papel ve desempeñar a Sirion en esa transición? 

Espero que, con el tiempo, los límites de la gestión del ciclo de vida de los contratos (CLM) 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, las personas no deberían tener que coordinar por sí mismas todos esos sistemas y flujos de trabajo. Deberían poder expresar una intención y dejar que agentes especializados se encarguen de gran parte del trabajo necesario.

Pero el cambio más importante ocurre después de la firma. Si la IA puede comprender todas las obligaciones, condiciones comerciales, riesgos y relaciones de millones de acuerdos, la inteligencia contractual resulta útil mucho más allá del ámbito jurídico. Para mí, esa es la parte emocionante: que, por fin, los contratos sean asunto de todos.

Así que no creo que los contratos desaparezcan. Todo lo contrario: cobrarán más importancia porque proporcionan un contexto fiable para la IA empresarial. El objetivo de Sirion es que esa inteligencia pueda utilizarse allí donde se trabaja. Es posible que, con el tiempo, la gestión del ciclo de vida de los contratos se perciba menos como un destino independiente y más como una capa de inteligencia y ejecución que conecta los compromisos asumidos por una empresa con las acciones que lleva a cabo cada día.

Gracias por esta excelente entrevista. Los lectores que deseen obtener más información pueden visitar Sirion.