Entrevistas

Sarvarth Misra, cofundador y director ejecutivo de Leah: serie de entrevistas

Antoine Tardif
Añade Unite.AI a tus fuentes preferidas en Google
Sarvarth Misra, Co-Founder and CEO of Leah
Puntos claveAñadir IA al software creado para humanos acelera las tareas pero deja el modelo…
Ver más
  • Añadir IA al software creado para humanos acelera las tareas pero deja el modelo operativo sin cambios.
  • Casi ocho de cada diez empresas carecen de herramientas eficaces para identificar agentes no autorizados.
  • La gobernanza debe integrarse en la arquitectura para que las organizaciones puedan ampliar con confianza la autonomía de los agentes.

Sarvarth Misra es cofundador y director ejecutivo de Leah, anteriormente ContractPodAi. Comenzó su carrera como abogado especializado en derecho corporativo y mercantil. El tiempo que dedicaba a buscar información, coordinar documentos y hacer seguimiento de obligaciones lo inspiró a crear tecnología para los equipos jurídicos. Desde entonces, su trabajo ha pasado de la gestión del ciclo de vida de los contratos a los sistemas basados en agentes que coordinan los flujos de trabajo empresariales, con especial atención a combinar conocimientos especializados, ejecución controlada y criterio humano.

Leah desarrolla una plataforma empresarial de IA agéntica que abarca los ámbitos jurídico, contractual, de compras, financiero y de servicios compartidos. Su plataforma conecta agentes especializados con sistemas empresariales, contexto de negocio, permisos y flujos de aprobación para ayudar a las organizaciones a ejecutar tareas en distintos departamentos. En esta entrevista, Misra habla sobre el paso de la asistencia de la IA a la ejecución, los desafíos de gobernanza e interoperabilidad que plantea ampliar el uso de agentes y cómo las empresas pueden medir resultados de negocio fiables sin renunciar a la supervisión humana.

Comenzaste tu carrera como abogado especializado en derecho corporativo y mercantil antes de cofundar Leah (anteriormente ContractPodAi). ¿Qué problemas encontraste en el trabajo jurídico que te inspiraron inicialmente a crear la empresa y cómo ha evolucionado esa visión fundacional hasta convertirse en lo que Leah es hoy?

Cuando ejercía como abogado especializado en derecho corporativo, vi de primera mano cuánto tiempo dedicaban los abogados a gestionar procesos en lugar de aplicar su criterio jurídico. Profesionales altamente cualificados pasaban incontables horas buscando información, distribuyendo documentos, haciendo seguimiento de obligaciones y coordinando tareas en sistemas desconectados. Mientras que áreas como ventas y finanzas habían experimentado una profunda transformación tecnológica, el ámbito jurídico se había quedado, en gran medida, atrás.

Esa constatación nos llevó a crear ContractPodAi a partir de una premisa sencilla: los equipos jurídicos necesitaban un sistema de registro y gestión del conocimiento para los contratos. Sin embargo, a medida que evolucionaba la tecnología, también cambiaba nuestra comprensión de la oportunidad. Nos dimos cuenta de que gestionar el trabajo era solo una parte del desafío. La oportunidad mucho mayor consistía en transformar la manera de ejecutar ese trabajo.

Esa convicción dio forma a Leah. Los contratos fueron nuestro punto de partida, pero la ambición siempre fue mayor: cambiar la manera en que las empresas ejecutan el trabajo, no solo cómo lo gestionan. Hoy desarrollamos sistemas capaces de planificar, coordinar y ejecutar flujos de trabajo empresariales complejos, lo que permite a las personas centrarse en el criterio, la estrategia y las decisiones en las que más importa la experiencia humana.

ContractPodAi pasó a llamarse Leah en enero de 2026, cuando la empresa amplió su actividad más allá de la gestión del ciclo de vida de los contratos para ofrecer una plataforma de IA agéntica más amplia. ¿Qué te convenció de que el futuro no consistía simplemente en añadir capacidades de IA al software empresarial existente, sino en rediseñar fundamentalmente la forma de trabajar en torno a agentes autónomos?

Llegamos a esa conclusión porque llevábamos años desarrollando la categoría de gestión del ciclo de vida de los contratos y fuimos de los primeros en incorporar la IA a este ámbito. Esa experiencia nos dio una perspectiva única tanto sobre el potencial de la IA como sobre las limitaciones del modelo de software subyacente.

Para 2023, habíamos llegado a una conclusión fundamental: añadir IA a un software diseñado para que lo manejen las personas agilizaría tareas concretas, pero no cambiaría de manera fundamental cómo se realiza el trabajo.

Las personas seguirían siendo responsables de recopilar información, coordinar los traspasos de tareas, pasar de una aplicación a otra y asegurarse de que se completara cada etapa de un proceso. La IA podía acelerar actividades concretas, pero el modelo operativo subyacente, y su dependencia de la intervención humana, apenas cambiaría.

Creíamos que la siguiente generación de software empresarial debía diseñarse en torno a la ejecución, no a la asistencia. Los sistemas debían ser capaces de comprender un objetivo, coordinar las actividades necesarias y hacer avanzar el trabajo entre distintas funciones y aplicaciones, con intervención humana cuando se requiriera criterio o aprobación.

Eso exigía un cambio arquitectónico fundamental, no simplemente otra función de IA. Fue una decisión estratégica importante, pero considerábamos que era esencial. El futuro del software empresarial no se definiría por la eficacia con que ayuda a las personas a gestionar el trabajo, sino por la fiabilidad con que puede ejecutarlo y ofrecer resultados.

El término «IA agéntica» se utiliza cada vez más en el sector. Desde tu perspectiva, ¿qué distingue a un sistema empresarial verdaderamente agéntico de un asistente de IA tradicional, un copiloto o una herramienta de automatización de flujos de trabajo?

La diferencia fundamental es la ejecución.

Los asistentes de IA y los copilotos ayudan a las personas a realizar tareas, mientras que la automatización tradicional de flujos de trabajo sigue secuencias predefinidas. Ambos pueden aportar mejoras significativas de productividad, pero, por lo general, las personas siguen siendo responsables de hacer avanzar el trabajo y coordinar los pasos entre sistemas.

Un sistema verdaderamente agéntico va más allá. Puede comprender un objetivo, determinar las acciones necesarias, coordinar capacidades especializadas y ejecutar tareas en sistemas empresariales, recurriendo al criterio humano cuando sea necesario.

Pero existe una distinción importante entre un agente inteligente y un sistema agéntico preparado para el entorno empresarial. La inteligencia por sí sola no basta. Para una ejecución fiable se necesita una infraestructura subyacente que proporcione el contexto y las herramientas adecuados, así como orquestación, flujos de trabajo deterministas, permisos y gobernanza.

También se requiere un conocimiento profundo del ámbito en cuestión. Por ejemplo, un agente que ejecuta un flujo de trabajo de contratación necesita algo más que capacidades generales de razonamiento. Debe comprender las posiciones contractuales de la organización, sus estrategias de negociación, los requisitos de aprobación y las consecuencias comerciales de sus acciones.

En última instancia, el modelo aporta inteligencia, la infraestructura proporciona la arquitectura para una ejecución controlada y la experiencia en el ámbito hace que esa ejecución sea relevante en un contexto empresarial.

La investigación de Leah con IDC reveló que el 66% de las organizaciones encuestadas ya tiene agentes de IA en producción y espera que su implementación se multiplique por seis para principios de 2027. ¿Qué cree que están subestimando las empresas al pasar de implementar unos pocos agentes a gestionar potencialmente cientos o miles?

Muchas organizaciones se centran en poner sus primeros agentes en producción. Sin embargo, el desafío cambia radicalmente cuando comienzan a implementarlos a gran escala.

La cuestión ya no es si un agente puede realizar una tarea. Se trata de si la organización puede coordinar y gobernar cientos o incluso miles de agentes que operan en distintos equipos, sistemas y funciones empresariales.

Nuestra investigación reveló que casi ocho de cada diez empresas carecen de herramientas eficaces para identificar agentes no autorizados, mientras que aproximadamente el 47% señaló la gobernanza centralizada como un ámbito prioritario de mejora. Esto apunta a una brecha cada vez mayor entre el ritmo de adopción y la capacidad de las organizaciones para gestionar lo que están implementando.

Sin una arquitectura adecuada, cada agente adicional puede introducir otra capa de complejidad. Los distintos equipos pueden implementar agentes con modelos, herramientas y plataformas diferentes, cada uno con su propio contexto, permisos y flujos de trabajo.

Por eso, las empresas necesitan algo más que visibilidad sobre cada agente. Necesitan un entorno coordinado en el que los agentes puedan compartir el contexto pertinente, operar dentro de límites claramente definidos y ejecutar tareas conjuntamente en los procesos empresariales.

La gobernanza y la orquestación no pueden dejarse para después: deben ser capacidades fundamentales. De lo contrario, las organizaciones corren el riesgo de sustituir las aplicaciones de software fragmentadas por un panorama igualmente fragmentado de agentes inteligentes.

La misma investigación identificó la gobernanza, la orquestación y la colaboración interfuncional como tres pilares fundamentales de la IA agéntica. ¿Por qué se vuelve más difícil la gobernanza cuando los agentes pueden razonar de forma autónoma, hacer recomendaciones e iniciar acciones en distintos sistemas empresariales?

La gobernanza se vuelve más compleja porque los agentes ya no se limitan a producir información para que las personas la evalúen. Pueden interpretar el contexto, tomar decisiones e iniciar acciones, a menudo en varios sistemas empresariales.

Esto cambia radicalmente la naturaleza del riesgo. Las organizaciones deben entender no solo qué está autorizado a hacer un agente, sino también qué información fundamentó sus acciones, qué controles se aplicaron y qué ocurrió como resultado.

La complejidad aumenta cuando los agentes operan en distintas funciones con políticas, permisos y tolerancias al riesgo diferentes. Una acción aceptable en un flujo de trabajo puede requerir validación o aprobación adicional en otro. Por eso, la gobernanza debe abarcar todo el proceso de ejecución, en lugar de aplicarse a cada agente de forma aislada.

Por eso creemos que la gobernanza debe estar integrada en la arquitectura subyacente. Las empresas necesitan controles deterministas para las acciones críticas, vías claras de escalamiento, requisitos de aprobación configurables y un registro auditable de la ejecución.

El objetivo no es restringir innecesariamente la autonomía, sino crear las condiciones para que las organizaciones puedan ampliarla con confianza. Una gobernanza eficaz es lo que hace posible la autonomía a escala empresarial.

Uno de los desafíos de los agentes empresariales es la interoperabilidad: pueden haber sido desarrollados por distintos proveedores, utilizar modelos diferentes y operar en sistemas desconectados. ¿Cómo deberían diseñar las empresas un entorno en el que estos agentes puedan compartir contexto de forma segura y coordinarse entre sí?

Las empresas deben dejar de considerar los agentes como productos independientes y empezar a tratarlos como participantes de un sistema de trabajo conectado.

El verdadero valor surge cuando los agentes pueden compartir contexto, coordinar acciones y contribuir a un objetivo empresarial común, incluso si operan en distintas funciones, plataformas y modelos subyacentes.

Para lograrlo, se necesita una capa de orquestación que se sitúe por encima de los agentes individuales y las aplicaciones empresariales. Esta capa proporciona la arquitectura necesaria para gestionar el contexto, los permisos, las integraciones, los flujos de trabajo y la gobernanza, y permite que distintas capacidades funcionen como un sistema coordinado.

Igualmente importante es preservar la soberanía empresarial. Las organizaciones deben mantener el control de sus datos, conocimientos institucionales, normas empresariales y flujos de trabajo, independientemente de los modelos o proveedores de tecnología que elijan.

Creemos que las empresas deben tener libertad para adoptar nuevos modelos y tecnologías sin tener que reconstruir los procesos y la inteligencia que sustentan sus operaciones.

En última instancia, la interoperabilidad no consiste únicamente en conectar técnicamente a los agentes. Se trata de permitirles ejecutar tareas de forma coherente, segura y responsable en toda la empresa.

Los ámbitos jurídico y contractual son especialmente delicados, porque las decisiones generadas por la IA pueden tener consecuencias financieras, regulatorias y legales. ¿Dónde deberían trazar las organizaciones el límite entre las acciones que un agente de IA puede ejecutar de forma autónoma y las decisiones que deberían seguir requiriendo aprobación humana?

El límite debería determinarse en función del riesgo, no del tipo de tarea que se realiza.

Muchas actividades jurídicas y contractuales están estructuradas, son repetitivas y se rigen por políticas establecidas. Son idóneas para la ejecución autónoma, siempre que se apliquen los controles adecuados.

Por ejemplo, un agente que revise un acuerdo de confidencialidad rutinario (NDA) podría evaluarlo conforme a una guía de actuación aprobada, detectar desviaciones, aplicar las posiciones alternativas acordadas y avanzar el acuerdo sin necesidad de que un abogado intervenga en cada etapa.

Sin embargo, un acuerdo que implique una exposición financiera significativa, una posición de responsabilidad inusual, incertidumbre regulatoria o una concesión comercial estratégica puede requerir criterio o aprobación humana.

Es importante señalar que no creo que el objetivo deba ser excluir a las personas del proceso, sino cambiar dónde y cómo contribuyen. En lugar de exigir la intervención humana en cada etapa, las organizaciones deberían poder configurar el nivel de autonomía adecuado para cada flujo de trabajo, incluidos los momentos en que la participación humana sea obligatoria.

Esto permite que los profesionales cualificados se concentren en las excepciones, la estrategia de negociación, las evaluaciones de riesgos complejos y las decisiones que realmente requieren su experiencia.

La oportunidad no consiste simplemente en hacer que los equipos jurídicos trabajen más rápido, sino en replantear fundamentalmente cómo se presta el trabajo jurídico, de modo que tanto las personas como la IA contribuyan allí donde aporten más valor.

Leah está ampliando el uso de la IA agéntica en los ámbitos jurídico, contractual, de compras y aprovisionamiento, financiero y de servicios compartidos. ¿Qué se hace posible cuando los agentes pueden coordinarse entre estas funciones, en lugar de automatizar cada departamento por separado?

La mayor parte del trabajo en las empresas no empieza ni termina en un solo departamento. Un contrato negociado por el equipo jurídico tiene implicaciones para compras y aprovisionamiento, finanzas, operaciones y cumplimiento normativo. Sin embargo, históricamente, el software empresarial se ha diseñado en torno a funciones individuales, por lo que las personas han tenido que conectar la información, las decisiones y los procesos entre ellas.

La IA agéntica ofrece la oportunidad de cambiar ese modelo operativo.

Cuando los agentes pueden coordinarse entre distintas funciones, pueden reunir la información, las políticas y los conocimientos especializados pertinentes para llevar el trabajo desde el principio hasta el final, en lugar de completar una tarea aislada y dejar que otra persona se ocupe del siguiente traspaso.

Pensemos en un acuerdo con un proveedor. Sus condiciones contractuales influyen en las decisiones de compras y aprovisionamiento, las obligaciones de pago, la exposición financiera y el desempeño continuo del proveedor. En un entorno agéntico conectado, esa información contractual puede orientar y activar acciones en todas esas funciones, en lugar de quedar confinada en un repositorio de contratos.

Es aquí donde vemos surgir la inteligencia comercial: la capacidad de conectar el contexto contractual, jurídico, de compras y aprovisionamiento y financiero para que las decisiones y las acciones reflejen la situación comercial en su conjunto.

El valor va mucho más allá de aumentar la productividad en departamentos individuales. Abre la posibilidad de optimizar los procesos que los conectan, reducir la fragmentación, mejorar la toma de decisiones y facilitar que el trabajo avance por toda la empresa con mucha menos coordinación manual.

A medida que las empresas implementan más agentes, ¿cómo deberían medir si la IA agéntica está generando valor realmente? ¿Siguen siendo suficientes las métricas tradicionales, como la productividad y el ahorro de costos, o necesitan las empresas un nuevo marco basado en los resultados y en la cantidad de trabajo que los agentes pueden ejecutar de forma fiable?

Una de las lecciones de la primera ola de adopción de la IA es que la actividad y el valor no son lo mismo.

Las organizaciones pueden medir las instrucciones, los tokens, las interacciones y el tiempo ahorrado, pero esas métricas nos dicen relativamente poco sobre si se están logrando resultados empresariales significativos.

La productividad y el ahorro de costos seguirán siendo importantes, pero la IA agéntica requiere un marco más amplio centrado en la ejecución. ¿Cuánto trabajo se está completando? ¿Con qué fiabilidad se ejecuta? ¿Están avanzando más rápido los procesos? ¿Se están reduciendo los atrasos? ¿Se detectan y resuelven las excepciones con mayor eficacia?

También deberíamos medir el grado de autonomía alcanzado dentro de los controles adecuados. Por ejemplo, una cosa es reducir el tiempo que un abogado dedica a revisar un contrato. Otra muy distinta es permitir que todo el proceso contractual avance, desde la recepción inicial hasta la revisión, la negociación y la aprobación, concentrando la intervención humana allí donde realmente se necesita.

Esa distinción importa porque el valor económico de la IA agéntica no se limita a las horas ahorradas. También proviene del aumento de la capacidad, una mayor coherencia, la reducción de las fricciones operativas y mejores resultados empresariales.

Con el tiempo, espero que las organizaciones presten mucha más atención al volumen y la complejidad del trabajo que la IA puede ejecutar de forma fiable, a la calidad de esa ejecución y al impacto comercial que genera.

La pregunta dejará de ser cuánta IA estamos usando y pasará a ser qué puede lograr ahora nuestra organización que antes no podía.

De cara a los próximos tres a cinco años, ¿cómo espera que cambie la relación entre los empleados, el software empresarial tradicional y los agentes autónomos de IA, y qué distinguirá a las organizaciones que logren pasar con éxito a un modelo operativo agéntico?

Creo que estamos pasando de una era definida por los sistemas de registro a otra cada vez más definida por los sistemas de ejecución.

El software empresarial tradicional seguirá siendo importante, ya que proporcionará los datos subyacentes, los registros empresariales y la infraestructura de los que dependen las organizaciones. Sin embargo, cada vez más, los sistemas agénticos operarán sobre esas aplicaciones, coordinando y ejecutando tareas que antes requerían que las personas pasaran de un sistema a otro, gestionaran los traspasos y llevaran adelante tareas individuales.

Para los empleados, esto representa un cambio fundamental en la forma de interactuar con la tecnología. En lugar de encargarse de cada etapa de un flujo de trabajo, las personas definirán cada vez más los objetivos, establecerán límites, ejercerán su criterio e intervendrán allí donde su experiencia aporte el mayor valor.

Pero lograr esa transición requiere algo más que implementar agentes o añadir capacidades de IA a las aplicaciones existentes. Las organizaciones deben replantearse cómo se estructura el trabajo, cómo se toman las decisiones y cómo circula la inteligencia entre las distintas áreas.

Nuestra investigación con IDC reafirma la importancia de la gobernanza, la orquestación y la colaboración interfuncional. Añadiría que un conocimiento profundo del dominio es igual de crucial. Un sistema necesita tanto la capacidad de ingeniería para ejecutar de forma fiable como el contexto empresarial para entender cómo es una buena ejecución.

Las organizaciones que tengan éxito no serán necesariamente las que implementen el mayor número de agentes. Serán aquellas que reconozcan la IA agéntica como una oportunidad para rediseñar fundamentalmente su modelo operativo.

La verdadera oportunidad no consiste en hacer más eficiente nuestra forma actual de trabajar. Consiste en crear un modelo completamente nuevo para realizar el trabajo empresarial.

Gracias por esta excelente entrevista. Los lectores que deseen obtener más información sobre la IA agéntica empresarial y los flujos de trabajo conectados de asuntos legales, contratación, compras y finanzas deberían visitar Leah.

Antoine es un líder visionario y socio fundador de Unite.AI, impulsado por una pasión inquebrantable por dar forma e impulsar el futuro de la IA y la robótica. Como emprendedor que ha fundado varias empresas, cree que la IA transformará la sociedad tanto como la electricidad y suele hablar con entusiasmo del potencial de las tecnologías disruptivas y de la inteligencia artificial general (AGI).

Como futurista, se dedica a explorar cómo estas innovaciones darán forma a nuestro mundo. Además, es el fundador de Securities.io, una plataforma centrada en invertir en tecnologías de vanguardia que están redefiniendo el futuro y transformando sectores enteros.