Kanti Prabha, Sirionin perustajajäsen ja toimitusjohtaja – haastattelusarja

Kanti Prabha on Sirionin perustajajäsen ja toimitusjohtaja sekä yritysteknologian johtaja, jolla on yli kahden vuosikymmenen kokemus tuotekehityksestä, oikeusteknologiasta, immateriaalioikeuksista, operatiivisesta toiminnasta ja SaaS-palveluista. Sirionin perustajajäsenenä hän on ollut keskeisessä roolissa yhtiön tuotevision, suunnittelun ja kehityksen muovaamisessa. Hän on toiminut useissa johtotehtävissä, muun muassa tuotehallinnan varatoimitusjohtajana ja operatiivisena johtajana, ennen nimitystään toimitusjohtajaksi. Hänen osaamisalueisiinsa kuuluvat yrityskäyttöön tarkoitettujen B2B SaaS -tuotteiden rakentaminen, tuotestrategia ja -hallinta, asiakasmenestys, yritysmyynti sekä tiimien ja organisaatiokulttuurin kasvattaminen. Uransa alkuvaiheessa Prabha oli UnitedLexin ensimmäinen työntekijä ja yksi sen perustajajäsenistä. Siellä hän kehitti teknologiavetoisia ratkaisuja yritysten lakiosastoille ja johti immateriaalioikeushankkeita. Tätä ennen hän oli työskennellyt patenttipalveluiden parissa Evalueservellä. Hän toimii myös akirolabsin neuvonantajana ja on aiemmin neuvonut Clarisightsia.

Sirion on tekoälypohjainen sopimuksen elinkaaren hallintaan (CLM) keskittyvä yritys, joka auttaa yrityksiä hallitsemaan sopimuksia niiden laatimisesta ja neuvottelusta aina sopimusten toteutumiseen, velvoitteiden täyttämiseen ja arvon saavuttamiseen asti. Sen alustassa yhdistyvät keskustelevan tekoälyn ominaisuudet ja tiettyihin käyttötarkoituksiin kehitetyt tekoälyagentit. Niiden avulla sopimusvarastot voidaan koota yhteen ja jäsentää, sopimusehdoista voidaan esittää kysymyksiä, sopimuksia voidaan laatia ja tarkistaa, riskejä tunnistaa ja muutoksia ehdottaa sekä velvoitteita ja palvelutasosopimuksia valvoa. Sirion suuntaa teknologiaansa yhä vahvemmin kohti agenttivetoista sopimushallintaa agentOS-alustansa kautta. Organisaatiot voivat ottaa sen avulla käyttöön valmiita sopimusagentteja sekä luoda mukautettuja agentteja, jotka kytkeytyvät yrityksen tietoihin ja työnkulkuihin. Alusta on suunniteltu suurille organisaatioille, jotka haluavat muuttaa sopimukset staattisista asiakirjoista jäsennellyiksi ja haettaviksi operatiivisen tiedon lähteiksi säilyttäen samalla hallintakeinot ja ihmisten valvonnan.

Polkusi Sirionin perustamiseen oli epätavallinen: opiskelit kemiaa, siirryit immateriaalioikeuksien pariin, työskentelit patenttien kanssa ja aloit sitten nähdä sopimukset uudella tavalla työskennellessäsi Hewlett-Packardilla. Mitä huomasit näissä varhaisissa kokemuksissasi, mikä lopulta sai sinut vakuuttumaan siitä, että Sirionin perustamiselle oli tilaisuus? 

En kasvanut ajatellen, että perustaisin sopimuksiin keskittyvän yrityksen. Opiskelin kemiaa, mutta huomasin melko pian olevani kiinnostuneempi liiketoiminnan ongelmien ratkaisemisesta kuin uran tekemisestä laboratoriossa. Se johti minut lopulta immateriaalioikeuksien pariin. Työskentelin patenttien kanssa ja johdin myöhemmin tiimejä, jotka kehittivät teknologia- ja lakiratkaisuja suurille yrityksille.

Todellinen käännekohta oli se, kun aloin työskennellä HP:n kanssa yhdessä Sirionin perustajakumppanini Ajayn kanssa. HP:llä oli tuhansia sopimuksia, jotka piti järjestää ja ottaa hallintaan suuren yritysoston jälkeen. Aluksi pidimme ongelmaa sopimusten arkistointiin liittyvänä, mutta kun aloimme tarkastella sopimuksia lähemmin, kävi selväksi, että tallentaminen oli vain pieni osa mahdollisuudesta. Sopimuksista kävi ilmi, mitä yritys oli ostanut ja myynyt, mihin se oli sitoutunut, mihin sen toimittajat olivat sitoutuneet, mitä se maksoi, missä siihen kohdistui riskejä ja missä arvoa saatettiin menettää. Lähes mitään tästä tiedosta ei kuitenkaan ollut yrityksen helppo hyödyntää. Tämä oivallus oli Sirionin taustalla. Sopimukset olivat suurelta osin hyödyntämätön liiketoimintatiedon lähde.

Olet kuvaillut sopimuksia organisaation sisällä vapaasti virtaavaksi älykkyydeksi. Millaista arvokasta tietoa sopimuksiin tyypillisesti kätkeytyy, ja miten tekoäly voi auttaa tekemään siitä hyödyllistä tietoa myös muille kuin lakitiimeille, kuten taloushallinnolle, hankinnalle, myynnille ja operatiiviselle toiminnalle? 

Sopimukset ovat yksi harvoista paikoista, joissa yrityksen aikomuksista todella tulee sitoumuksia. Niistä käy ilmi, mitä yritys on sopinut maksavansa, mitä asiakas on sopinut ostavansa, milloin hinnat voivat muuttua, mitä palvelutasoja on noudatettava, milloin sopimus uusitaan, mitä tapahtuu, jos joku ei suoriudu tehtävistään, ja kuka vastaa mistäkin velvoitteesta. Tämä tieto on erittäin arvokasta, mutta historiallisesti se on ollut piilossa asiakirjoissa, jotka useimmat avaavat vain silloin, kun heidän täytyy neuvotella jostakin tai kun jokin on mennyt pieleen.

Tekoäly muuttaa tilanteen, koska sen avulla jäsentämätön sopimusteksti voidaan muuttaa tiedoksi, jota muu liiketoiminta voi todella hyödyntää. Hankinta voi saada selville toimittajien velvoitteet ja hinnoittelun. Taloushallinto voi tarkastella kaupallisia sitoumuksia ja mahdollista arvon menetystä. Myynti voi perehtyä sopimusten uusimisehtoihin ja asiakassitoumuksiin. Operatiivinen toiminta voi valvoa, toteutuvatko sovitut asiat käytännössä.

Tarkoitan tällä sitä, että sopimustieto saadaan virtaamaan ja laajasti hyödynnettäväksi. Sen sijaan, että tieto jäisi PDF-tiedoston sisään, se voi siirtyä sinne, missä sitä eniten tarvitaan: päätöksenteon tueksi ja järjestelmiin. Sopimus ei tällöin ole liiketoimen päätepiste, vaan virtaava tieto tarjoaa jatkuvasti kontekstia yrityksen toimintaan.

Sirion on kehittynyt sopimuksen elinkaaren hallintaohjelmistosta yhä vahvemmin tekoälypohjaiseksi alustaksi. Miten suurten kielimallien yleistyminen on muuttanut sitä, mitä sopimustiedolla voidaan teknisesti tehdä verrattuna koneoppimismenetelmiin, jotka olivat käytettävissä yrityksen perustamisen aikaan?

Kun aloitimme Sirionin, tekoälyn käyttö sopimustyössä keskittyi pääasiassa tietojen poimintaan ja luokitteluun. Koneoppimismallit saattoivat oppia tunnistamaan erittäin hyvin esimerkiksi sopimuslausekkeen, päivämäärän, sopimusosapuolen nimen tai velvoitteen, mutta mallit piti kouluttaa melko rajattuihin tehtäviin.

Suuret kielimallit laajensivat päättelykykyä merkittävästi. Nyt järjestelmä voi ymmärtää luonnollisella kielellä esitetyn kysymyksen, tulkita sopimuslausekkeen asiayhteyttä, verrata sanamuotoa yrityksen suosimaan kantaan, selittää, miksi jokin asia on riski, ja ehdottaa, mitä seuraavaksi pitäisi tehdä.

En kuitenkaan näe, että suuret kielimallit korvaisivat kaiken niitä edeltäneen. Sopimukset ovat siihen liian monimutkaisia. Sirionissa käytämme usean mallin lähestymistapaa, jossa yhdistyvät suuret kielimallit, erikoistuneet mallit ja syvällinen sopimusäly. Eri mallit soveltuvat eri tehtäviin. Tämä yhdistelmä on tärkeä, koska yritykset eivät tarvitse vain tekoälyä, joka pystyy tuottamaan vakuuttavaa tekstiä. Ne tarvitsevat täsmällisyyttä. Jännittävintä on se, että voimme siirtyä sopimustietojen poiminnasta niiden pohjalta päättelyyn ja yhä useammin myös toimintaan.

Sirion ottaa nyt käyttöön erikoistuneita tekoälyagentteja esimerkiksi sopimustietojen poimintaan, ongelmien tunnistamiseen, sopimusmuutosten ehdottamiseen ja laajojen sopimusarkistojen hakuun. Miten näet näiden agenttien toimivan yhdessä, ja kuinka pitkälle yritysten pitäisi lopulta antaa tekoälyn toimia itsenäisesti sopimusprosessin aikana?           

En usko, että tulevaisuudessa yksi valtava tekoälyagentti hoitaa kaiken. Sopimusten laatimiseen kuuluu monia erikoistuneita tehtäviä, joista kukin edellyttää erilaista asiayhteyttä ja erilaista harkintaa. Yksi agentti voi poimia ehtoja tuhansista sopimuksista. Toinen tunnistaa yrityksen käytännöistä poikkeavat sanamuodot. Sopimusmuutoksia ehdottava agentti voi sitten suositella täsmällistä muutosta yrityksen sopimusohjeiston perusteella. Todellinen hyöty syntyy siitä, että agentit voivat työskennellä yhdessä yhteisen tavoitteen saavuttamiseksi sen sijaan, että käyttäjän pitäisi hallita jokaista vaihetta erikseen.

Joku voi esimerkiksi kysyä: ”Voimmeko hyväksyä tämän toimittajasopimuksen?” Järjestelmän pitäisi pystyä tunnistamaan olennaisimmat ehdot, vertaamaan niitä yrityksen käytäntöihin, tuomaan esiin ongelmakohdat, etsimään aiempia sopimuksia ja suosittelemaan muutoksia sekä samalla selittämään, mitä se teki ja miksi.

Autonomian rajojen pitäisi määräytyä riskin mukaan. Minusta tekoäly voi hyvin hoitaa itsenäisesti monia toistuvia, sääntöihin perustuvia tehtäviä. Uusi vastuunrajoitusehto tai strategisesti tärkeä neuvottelu voi kuitenkin edellyttää ihmisen harkintaa. Autonomian perimmäisenä tavoitteena pitäisi olla tarpeettoman työn vähentäminen ja samalla ihmisen päätösvallan säilyttäminen tilanteissa, joissa vastuuvelvollisuudella ja ihmissuhteilla on merkitystä.

Sopimukset voivat sisältää yrityksen kaupallisesti ja oikeudellisesti arkaluonteisimpia tietoja. Olet sanonut, että Sirion lykkäisi mieluummin tuotteen julkaisua kuin tinkisi tietoturvasta. Kun generatiivinen tekoäly nivoutuu yhä syvemmin yritysten työnkulkuihin, millaiset tietoturvaan tai yksityisyyden suojaan liittyvät oikopolut huolestuttavat sinua eniten?

Sopimukset voivat sisältää hinnoittelutietoja, immateriaalioikeuksiin liittyviä tietoja, työntekijöiden tietoja, yrityskauppoihin liittyviä yksityiskohtia, strategisia sitoumuksia sekä erittäin arkaluonteisia asiakas- ja toimittajatietoja. Yritysten on tiedettävä tarkasti, minne nämä tiedot päätyvät tekoälyjärjestelmän käsitellessä niitä, miten niitä käsitellään, kenellä on pääsy niihin ja käytetäänkö niitä toisen mallin kouluttamiseen.

Tekoälyominaisuuksia halutaan juuri nyt saada käyttöön valtavalla kiireellä, mutta eniten minua huolestuttaa oikotie, jossa yritysten tietoja käsitellään kuin ne olisivat tavallista koulutusmateriaalia. Ymmärrän tämän paineen, mutta yritystekoälyä ei voi rakentaa sen varaan, että ”hallintamalli korjataan myöhemmin”. Tietoturvan on oltava osa arkkitehtuuria alusta alkaen.

Tämä tarkoittaa vahvoja käyttöoikeuksien hallintakeinoja, salausta, tarkastettavuutta, selkeitä tietorajoja ja hyvin harkittuja päätöksiä siitä, miten kolmansien osapuolten malleja käytetään. Sirionissa olemme ehdottomasti tehneet päätöksiä, jotka ovat hidastaneet meitä tietoturvan vuoksi, ja pidän tätä kompromissia hyväksyttävänä. Yritysohjelmistoissa, varsinkin sopimuksia käsiteltäessä, luottamuksen rakentaminen vie vuosia, mutta sen voi romuttaa yhdellä huolimattomalla päätöksellä.

Yksi generatiivisen tekoälyn sitkeistä haasteista on se, että vastaus voi kuulostaa vakuuttavalta, vaikka se olisi väärä. Sopimusälyssä hienovaraisellakin virheellä voi olla taloudellisia tai oikeudellisia seurauksia. Miten suunnittelette tekoälyjärjestelmiä, joiden vastaukset käyttäjät voivat tarkistaa ja joihin he voivat luottaa? 

Tämä on yksi tärkeimmistä kuluttajille suunnatun ja yrityksille tarkoitetun tekoälyn eroista. Jos pyydän tekoälyavustajalta ravintolasuositusta ja se erehtyy, seuraukset ovat vähäiset. Jos lakitiimi kysyy, sisältyykö 5 000 toimittajasopimukseen tietty irtisanomisoikeus, ja järjestelmä jättää itsevarmasti 200 sopimusta huomaamatta, kyse on aivan toisenlaisesta ongelmasta.

Suunnittelemme järjestelmät niin, että niiden vastaukset voidaan tarkistaa. Jos tekoäly kertoo sinulle jotakin sopimuksesta, sinun pitäisi pystyä jäljittämään vastaus alkuperäiseen sopimustekstiin. Jos se ehdottaa sopimusmuutosta, sinun pitäisi ymmärtää, mihin käytäntöön tai sopimusohjeiston linjaukseen suositus perustuu. Selitettävyys on käyttöönoton kannalta keskeistä, sillä luottamus syntyy siitä, että tekoälyn toimintaa voi tarkastella.

Sirion painottaa tekoälyn tuottamia vastauksia, jotka perustuvat organisaation omiin sopimuksiin ja ennakkotapauksiin, sen sijaan että ne nojaisivat yksinomaan yleiskäyttöisiin malleihin. Uskotko, että yritystekoälyn seuraavaa merkittävää kehitysvaihetta vievät yhä enemmän eteenpäin järjestelmät, joissa yhdistyvät perustamallit ja yritysten tarkasti rajattu oma data?

Ehdottomasti. Perustamallit ovat poikkeuksellisen kyvykkäitä, mutta ne eivät tunne yrityksenne toimintatapoja. Ne eivät automaattisesti tiedä, mistä myönnytyksistä lakitiiminne sopi viime vuonna, miten hinnoittelette strategisen asiakkaan kanssa, mitkä toimittajat toistuvasti alittavat palvelutasotavoitteet tai milloin organisaationne edellyttää asian eskalointia. Juuri tämän kontekstin ansiosta yritystekoälystä tulee aidosti hyödyllistä.

Kun sopimusten tarjoama arvokas tallenne organisaatioiden välisistä päätöksistä ja sitoumuksista yhdistetään yrityksen omiin käytäntöihin, neuvotteluohjeistuksiin, aiempiin sopimuksiin ja operatiiviseen dataan, tekoälyjärjestelmä voi siirtyä yleisluonteisista vastauksista vastauksiin, jotka heijastavat yrityksenne toimintatapoja. Uskon, että yritystekoälyn kilpailuetu syntyy yhä enemmän tästä kontekstista, sillä useimmilla yrityksillä on jo käytössään samankaltaisia perustamalleja. Erottavaksi tekijäksi muodostuu se, miten tehokkaasti ne pystyvät yhdistämään mallit luotettavaan, omaan tietoon ja tarjoamaan niille riittävästi kontekstia tarkkaan päättelyyn tietoturvasta tinkimättä.

Olet rakentanut Sirionia yli vuosikymmenen ajan ja työskennellyt tehtävissä, jotka kattavat tuotekehityksen, operatiivisen toiminnan ja yrityksen johtamisen. Mitä opit yritysohjelmistojen tekoälyn skaalaamisesta, mitä et olisi ymmärtänyt yrityksen ensimmäisinä vuosina?

Yksi oppimani asia on, että teknologian rakentaminen on joskus helppo osa. Kitkaa syntyy, kun aletaan muuttaa suuren organisaation toimintatapoja. Alkuvuosina keskitytään luonnollisesti siihen, pystyykö tuote ratkaisemaan ongelman. Yrityskäytössä huomaa, että teknisesti erinomainen vastaus on hyödyllinen vain, jos ihmiset luottavat siihen, se sopii heidän nykyisiin työnkulkuihinsa ja pystyy käsittelemään maailmanlaajuisen organisaation valtavaa monimutkaisuutta.

Tekoäly tekee tästä opista entistä tärkeämmän. Nykyään vaikuttavan demon voi rakentaa hyvin nopeasti. Eri asia on rakentaa ratkaisu, jonka yritys uskaltaa ottaa käyttöön miljoonien datapisteiden ja työnkulkujen hallinnassa.

Kun tekoälyn avulla voidaan analysoida jatkuvasti tuhansien sopimusten velvoitteita, riskejä, hinnoitteluehtoja, uusimisia ja suoriutumista, voisivatko sopimukset lopulta muodostaa yritykselle reaaliaikaisen operatiivisen datakerroksen niiden asiakirjojen sijaan, joihin palataan lähinnä ongelmien ilmetessä?

Uskon, että juuri tähän suuntaan olemme menossa. Sopimusta on pitkään pidetty prosessin päätepisteenä. Osapuolet neuvottelevat, allekirjoittavat sopimuksen ja juhlistavat sitä, minkä jälkeen asiakirja siirtyy arkistoon. Kuuden kuukauden kuluttua joku avaa sen riidan, sopimuksen uusimisen tai sovittua koskevan kysymyksen vuoksi. Tällaisessa toimintamallissa ei ole järkeä, kun tekoäly pystyy jatkuvasti ymmärtämään, mitä sopimuskannassa tapahtuu.

Ihanteellisessa tilanteessa voisimme tietää, että toimittaja ei ole täyttänyt SLA:ssa sovittua palvelutasoa, ennen kuin seuraava lasku hyväksytään, tai huomata, että hinnanmuutoksen olisi pitänyt astua voimaan jo kolme kuukautta sitten. Kuvitelkaa, että myyntitiimi saisi ilmoituksen lähestyvästä sopimuksen uusimisesta sekä tiedot asiakkaan kanssa sovituista sitoumuksista tai että taloushallinto näkisi kaupalliset velvoitteet suoraan omissa järjestelmissään.

Sopimukset määrittävät yritysten välisiä suhteita, joten sopimusdatan pitäisi olla yhteydessä järjestelmiin, joissa näitä suhteita tosiasiassa hallitaan. Uskon, että sopimuksesta tulee yhä useammin operatiivinen datakerros, joka auttaa yritystä ymmärtämään paitsi sen, mistä se on sopinut, myös sen, tuottavatko sopimukset sitä arvoa, jota kaikki odottivat.

Miltä sopimushallinta mielestäsi näyttää tulevaisuudessa, kun tekoälyagentit kehittyvät huomattavasti kyvykkäämmiksi? Sulautuuko perinteinen sopimuksen elinkaaren hallinnan (CLM) kategoria lopulta laajemmaksi yrityksen älykerrokseksi, ja millaisena näet Sirionin roolin tässä muutoksessa? 

Toivon, että CLM:n rajat hämärtyvät ajan myötä huomattavasti. Nykyään käyttäjät ajattelevat yhä prosessin vaiheita: minun täytyy laatia sopimus, tarkistaa se, hankkia hyväksyntä, allekirjoittaa ja tallentaa se sekä huolehtia sen hallinnoinnista. Agenttien kehittyessä ihmisten ei pitäisi joutua itse koordinoimaan kaikkia näitä järjestelmiä ja työnkulkuja. Heidän pitäisi voida ilmaista, mitä he haluavat saada aikaan, ja antaa erikoistuneiden agenttien hoitaa suuri osa taustalla tehtävästä työstä.

Suurempi muutos tapahtuu kuitenkin allekirjoituksen jälkeen. Jos tekoäly pystyy ymmärtämään miljoonien sopimusten kaikki velvoitteet, kaupalliset ehdot, riskit ja suhteet, sopimustiedosta tulee hyödyllistä paljon muuallakin kuin lakiasioissa. Minusta siinä onkin kaikkein innostavinta: sopimuksista tulee vihdoin kaikkien asia.

En siis usko, että sopimukset katoavat. Päinvastoin. Niiden merkitys kasvaa, sillä ne tarjoavat yritystekoälylle luotettavaa kontekstia. Sirionin tavoitteena on tehdä tästä älystä hyödynnettävää kaikkialla, missä työtä tehdään. CLM saattaa lopulta tuntua vähemmän erilliseltä kohteelta ja enemmän äly- ja toteutuskerrokselta, joka yhdistää yrityksen tekemät sitoumukset sen päivittäisiin toimiin.

Kiitos hienosta haastattelusta. Lukijat, jotka haluavat kuulla lisää, voivat vierailla osoitteessa Sirion.