Sarah Webb, Direktur Operasional dan Salah Satu Pendiri LawVu – Seri Wawancara

Sarah Webb adalah Direktur Operasional dan Salah Satu Pendiri LawVu. Ia memiliki latar belakang di bidang teknik dan kepemimpinan perangkat lunak, termasuk pernah bekerja di LOVEFiLM dan Amazon. Ia bergabung dengan LawVu sebagai CTO pada 2015 dan menjadi Direktur Operasional pada 2020, dengan pengalaman di bidang teknologi, operasional, keamanan, dan tata kelola. Fokus pekerjaannya adalah membantu tim hukum menghubungkan data dan alur kerja mereka sembari menyeimbangkan inovasi AI dengan risiko perusahaan.

LawVu menyediakan sistem operasi hukum bagi tim hukum internal, yang menyatukan penerimaan permintaan, penanganan perkara, kontrak, pengeluaran, dan pengetahuan dalam satu platform terintegrasi. Kemampuan AI dan integrasinya membantu tim bekerja dengan berbagai perangkat yang sudah mereka gunakan, sembari tetap menjaga pengaturan hak akses dan pengawasan. Dalam wawancara ini, Webb membahas AI bayangan, alur kerja berbasis agen, pengetahuan institusional, serta fondasi yang dibutuhkan perusahaan untuk menerapkan AI dengan tata kelola yang baik.

Anda mendirikan LawVu bersama rekan Anda setelah menghabiskan sebagian besar karier untuk membangun dan memimpin tim perangkat lunak, termasuk di LOVEFiLM dan Amazon. Apa yang membuat Anda melihat operasional hukum perusahaan sebagai masalah yang layak diatasi, dan bagaimana visi awal Anda untuk LawVu berkembang seiring AI mengubah lanskap teknologi?

Sebagian besar awal karier saya dihabiskan dalam peran di bidang teknik dan teknologi, termasuk di LOVEFiLM dan Amazon. Saya tidak merencanakan untuk terjun ke teknologi hukum; hal itu terjadi karena keadaan. Saya sudah hampir 11 tahun bekerja di LawVu. Awalnya saya menjabat sebagai CTO, tetapi tak lama kemudian beralih menjadi COO. Peralihan itu saja telah banyak mengubah cara saya memandang bisnis ini.

Pada masa-masa awal, masalah pertama yang ingin kami atasi adalah kurangnya visibilitas. Sebagian besar pelanggan beralih dari Outlook dan lembar kerja Excel, sehingga mengumpulkan semuanya di satu tempat saja sudah terasa sebagai pencapaian besar. Kemudian, saat tim-tim mulai bekerja jarak jauh, kolaborasi menjadi semakin sulit tanpa platform terpusat. Hal itu menegaskan sesuatu yang sudah kami amati: banyak pekerjaan hukum yang berulang tidak dihargai atau bahkan tidak terlihat oleh bagian bisnis lainnya karena tidak ada tempat untuk menampilkannya. Periode tersebut mendorong kami untuk benar-benar mengedukasi pelanggan tentang cara menyusun data dan mengelola perubahan di dalam organisasi, bukan sekadar memberikan sebuah alat.

Sejak awal, kami juga mengembangkan integrasi di seluruh rangkaian produk Microsoft karena tujuannya selalu agar bisnis dapat menggunakan LawVu di tempat mereka bekerja sehari-hari, alih-alih meminta tim meninggalkan hal-hal yang sudah mereka kenal. Yang berubah sejak saat itu adalah skala kebutuhan yang muncul dari gagasan yang sama. Dahulu, menurunkan hambatan untuk mendapatkan kumpulan data yang dapat digunakan merupakan soal kemudahan. Kini, hal itu menentukan apakah AI benar-benar dapat menangani pekerjaan hukum atau hanya memantulkan kembali fragmentasi yang sama.

Anda berpendapat bahwa “AI bayangan” sering kali merupakan masalah alur kerja, bukan masalah karyawan. Apa artinya dalam praktik, dan apa yang dapat dipelajari organisasi ketika karyawan melewati alat atau sistem AI yang disetujui demi menggunakan solusi mereka sendiri?

Jika Anda tidak menyediakan perangkat yang tepat di lingkungan internal, orang akan mencari sendiri perangkat yang dapat meningkatkan efisiensi. Itulah akar masalahnya. Ketika seseorang melewati sistem yang disetujui, reaksi spontan biasanya menganggapnya sebagai pelanggaran kepatuhan—sesuatu yang harus dibatasi atau dilarang melalui kebijakan. Padahal, dalam praktiknya, hal itu biasanya menunjukkan masalah pada alur kerja itu sendiri: jalur yang disetujui lebih lambat atau lebih merepotkan daripada alternatifnya, sehingga orang mencari cara sendiri untuk mengakalinya.

Itulah sebabnya AI bayangan menimbulkan tanggung jawab yang lebih besar daripada TI bayangan. Insiden yang melibatkan AI bayangan kini mencakup 20 persen pelanggaran data, dengan biaya rata-rata sebesar 10,2 juta dolar. Sebab, orang bukan sekadar menggunakan alat yang tidak disetujui; mereka juga memasukkan langsung materi sensitif ke dalamnya, seperti bahasa kontrak, ketentuan kesepakatan, dan penalaran internal.

Hal yang seharusnya dipelajari organisasi dari sini adalah letak kesenjangannya. Tidak adanya alternatif yang aman dan berlandaskan konteks tidak akan menghentikan orang menggunakan AI; hal itu hanya mendorong mereka untuk menggunakannya di tempat yang tidak dapat Anda lihat. Ada pula risiko lebih mendalam yang mendasarinya, yang melampaui soal keamanan. Ketika pekerjaan tersebar di berbagai alat AI pribadi alih-alih berada dalam sistem bersama yang terstruktur, bisnis akhirnya mengambil keputusan berdasarkan gambaran yang tidak lengkap, bahkan tanpa menyadari bahwa ada bagian yang hilang. Jika sebuah alat AI hanya dapat mengakses 60 persen data yang relevan karena sisanya tersimpan di akun pribadi seseorang, akurasinya menurun dan risiko pengambilan keputusan yang keliru meningkat. Melarang cara kerja alternatif itu tidak menyelesaikan masalah tersebut. Menyediakan sesuatu yang lebih baik daripada cara tersebutlah yang dapat mengatasinya.

Berdasarkan pengalaman LawVu bekerja sama dengan ratusan tim hukum perusahaan, kesalahan apa yang paling sering dilakukan organisasi saat menetapkan tata kelola AI, khususnya ketika karyawan semakin mudah mengakses alat AI serbaguna yang semakin canggih?

Kesalahan yang paling umum adalah mengira kebijakan tertulis sama dengan pengendalian nyata. Kini, banyak organisasi memiliki dokumen yang menjelaskan bagaimana AI seharusnya dan tidak seharusnya digunakan. Namun, sangat sedikit yang membangun mekanisme operasional untuk mendukungnya—mekanisme yang benar-benar mengatur akses alat, mencatat tindakan yang dilakukan, dan memungkinkan Anda merekonstruksi kejadian setelahnya jika diperlukan.

Kesalahan kedua adalah tidak memperhitungkan seberapa besar risiko yang bertambah setiap kali satu alat ditambahkan. Setiap solusi khusus yang diadopsi tim, baik untuk kontrak, pengeluaran, maupun penerimaan permintaan, memerlukan integrasi sendiri, menggunakan protokol autentikasi sendiri, dan menyimpan salinan data sensitifnya sendiri. Jika dilihat satu per satu, masing-masing tampak mudah dikelola. Namun, secara keseluruhan, semuanya mengubah tumpukan teknologi hukum menjadi simpul risiko yang terfragmentasi. Lebih dari sepertiga pelanggaran keamanan bermula dari akses pihak ketiga seperti ini. Kebanyakan tim tidak menyadari besarnya akumulasi risiko tersebut sampai mereka sendiri harus menjalani pemeriksaan setelah terjadi masalah.

Kesalahan ketiga adalah memperlakukan alat AI serbaguna secara berbeda dari perangkat lunak lain yang menangani data sensitif. Sejak hari pertama, setiap klien yang bekerja sama dengan kami, termasuk klien pemerintah, telah menjalani penilaian keamanan menyeluruh bersama kami. Pasalnya, informasi yang tersimpan dalam sistem seperti milik kami termasuk yang paling sensitif bagi sebuah perusahaan: rahasia dagang, data merger dan akuisisi (M&A), serta informasi pengenal pribadi (PII). Setiap hari, karyawan menyerahkan informasi serupa kepada alat AI publik tanpa pemeriksaan yang mendekati tingkat ketat tersebut. Sebab, hal itu tidak terasa seperti menggunakan vendor baru, melainkan sekadar memakai alat. Kesenjangan antara hal-hal yang diaudit dan hal-hal yang sesungguhnya mengandung risiko inilah yang membuat sebagian besar program tata kelola gagal.

LawVu telah mengintegrasikan agen AI dan alur kerja agentik ke dalam operasional hukum. Bagaimana Anda menentukan proses hukum mana yang sesuai untuk dijalankan secara mandiri oleh AI dan mana yang harus selalu memerlukan peninjauan atau persetujuan manusia?

Kami lebih mempertimbangkan dampak dan kemudahan membatalkan suatu proses daripada kerumitannya di atas kertas. Jika kesalahan mudah diketahui dan mudah diperbaiki, proses itu biasanya cocok untuk dijalankan secara mandiri. Karena itu, pekerjaan bervolume tinggi dengan alur yang jelas, seperti penerimaan dan triase, cenderung sesuai.

Apa pun yang menyangkut komitmen kepada pihak luar, risiko hukum, atau keputusan yang sulit dibatalkan harus melibatkan manusia, seberapa akurat pun kinerja agen dalam pengujian. Prinsip yang sama mendasari cara kami memikirkan toleransi risiko secara lebih luas di LawVu. Kami menentukan risiko yang dapat diterima oleh suatu tim, menerapkan pengendalian yang tepat, lalu baru memperluas penggunaannya. Ukuran yang sebenarnya bukanlah akurasi, melainkan apakah kami dapat menjelaskan apa yang diakses agen, alasan agen mengambil tindakan tersebut, apakah agen berwenang melakukannya, dan apakah kami dapat membuktikannya setelah kejadian. Jika kami tidak dapat menjawab pertanyaan-pertanyaan itu, proses tersebut belum siap dijalankan secara mandiri.

Keputusan-keputusan ini bukanlah keputusan sekali jadi. Proses yang aman untuk diotomatisasi saat ini bisa menjadi tidak aman ketika penggunaannya meluas atau alur kerjanya mulai menyentuh materi yang lebih sensitif daripada sebelumnya. Karena itu, batas tersebut perlu ditinjau kembali, bukan hanya ditetapkan sekali.

Server MCP LawVu memungkinkan organisasi menghubungkan alat seperti ChatGPT, Claude, dan Microsoft Copilot langsung ke lingkungan operasional hukum mereka. Bagaimana perusahaan dapat memberi sistem AI eksternal akses yang bermanfaat ke data perusahaan, sekaligus tetap menjaga izin akses, kemampuan audit, privasi, dan kendali?

Orang cenderung menganggap bahwa konektivitas dan keamanan saling bertentangan, padahal tidak harus demikian. Platform harus tetap menjadi sumber utama kebenaran untuk izin akses, bukan alat AI yang berada di atasnya. Baik seseorang memulai percakapan di ChatGPT, Claude, maupun Copilot, hal-hal yang boleh mereka lihat dan lakukan seharusnya tidak berubah hanya karena antarmuka yang mereka buka hari itu berbeda.

Hal itu hanya dapat berjalan jika lingkungan di sisi penerima sudah memiliki pengendalian yang tepat sebelum apa pun dihubungkan. Justru persiapan inilah yang sering dilewatkan oleh sebagian besar perusahaan. Semua orang menganggap MCP otomatis meningkatkan keamanan karena lebih sedikit data yang berpindah-pindah. Anggapan itu benar, tetapi hanya jika sistem penerima dapat menjelaskan apa yang diakses, alasannya, agen mana yang mengaksesnya dan atas nama siapa, serta dapat membuktikannya setelah kejadian.

Ada pula alasan bisnis di sini. Jika alat AI pusat dapat mengenali bahwa suatu permintaan berkaitan dengan hukum dan secara otomatis meneruskannya ke LawVu, karyawan tidak perlu bolak-balik mencari tahu sistem mana yang harus digunakan sejak awal. Ini juga berarti mereka tidak akan beralih ke alat AI pribadi yang sama sekali tidak memiliki akses ke kumpulan data yang tepercaya dan aman. Menyediakan satu titik awal dengan tata kelola yang baik pada akhirnya lebih mendorong adopsi daripada mengunci semuanya rapat-rapat.

Model AI serbaguna mungkin sangat andal, tetapi sering kali tidak memiliki memori institusional organisasi, keputusan-keputusan terdahulu, dan profil risiko yang spesifik. Informasi dan infrastruktur apa yang perlu melengkapi sebuah model AI agar benar-benar bermanfaat untuk pekerjaan perusahaan berisiko tinggi?

Saya membayangkan AI horizontal seperti orang asing yang sangat cerdas: seseorang yang telah membaca begitu banyak hal, menulis dengan indah, dan dapat berbincang tentang hampir apa saja. Namun, orang itu belum pernah bertemu klien Anda. Belum pernah mengikuti negosiasi Anda. Tidak tahu bagaimana organisasi Anda menyeimbangkan risiko. Orang itu juga belum pernah melihat percakapan yang mendasari pengecualian yang disepakati tim Anda enam bulan lalu.

Itulah sebabnya salah satu langkah pertama yang dilakukan banyak tim hukum adalah menghubungkan AI ke panduan kerja. Perlu ditegaskan, langkah ini sangat bermanfaat. Berikan model AI akses ke klausul pilihan, posisi alternatif, ambang batas persetujuan, dan panduan negosiasi Anda, maka peningkatan efisiensi akan segera terasa. Tantangannya, keputusan hukum yang paling penting sering kali muncul ketika posisi standar tak lagi sesuai: pelanggan strategis membutuhkan pengecualian, peluang dengan potensi pertumbuhan tinggi membenarkan risiko tambahan, atau negosiasi mencapai titik ketika prioritas komersial lebih diutamakan daripada klausul yang diinginkan.

Di situlah pertimbangan hukum mulai terlihat. Sebagian pengetahuan paling berharga tersimpan dalam pengecualian, bukan dalam panduan kerja. Mengapa kita membuat pengecualian untuk pelanggan ini? Apa yang terjadi saat terakhir kali kita menegosiasikan posisi ini dengan pihak lawan yang sama? Apakah perusahaan pernah menerima risiko ini di situasi lain? Apakah masalah ini pernah dieskalasikan sebelumnya, dan apa keputusan akhirnya?

Jawabannya jarang tersimpan dalam satu dokumen. Informasi tersebut tersebar di berbagai kontrak, persetujuan, email, catatan perkara, notula rapat, dan pengalaman yang terkumpul dari orang-orang yang terlibat saat itu. Dokumen hanya mencatat hasil akhirnya, sementara organisasi menyimpan pertimbangannya di tempat lain.

Orang asing yang cerdas bisa mempelajari aturan dengan sangat cepat, tetapi memahami alasan aturan itu pertama kali dilonggarkan adalah tantangan yang sama sekali berbeda. Yang biasanya membedakan AI yang berguna dari AI yang transformatif adalah seberapa banyak pengalaman organisasi itu sendiri yang telah dilestarikan untuk dipelajari AI.

Banyak perusahaan telah mengumpulkan sistem kontrak, perangkat pengelolaan perkara, spreadsheet, arsip email, dan sumber pengetahuan perusahaan lainnya yang tidak saling terhubung. Seberapa penting fondasi data terpadu sebelum menerapkan agen AI, dan apa yang perlu dilakukan organisasi agar datanya benar-benar siap digunakan oleh AI?

Bidang hukum adalah contoh yang tepat untuk menunjukkan pentingnya hal ini: kontrak diberi revisi menggunakan Word, persetujuan diberikan melalui email, keputusan dibuat lewat Slack, lalu AI ditambahkan ke atas repositori dokumen alih-alih benar-benar menghubungkan seluruh proses kerja. Menambahkan AI di atas sistem yang terfragmentasi hanya mempercepat akses ke kekacauan.

Perusahaan yang bertahun-tahun membangun infrastruktur data yang kokoh dan menata sistemnya sebelum AI hadir adalah perusahaan yang kini telah merasakan manfaat AI. Itulah intinya. Anda tidak bisa memperluas penggunaan agen di atas sistem kontrak, perangkat pengelolaan perkara, spreadsheet, dan arsip email yang tidak saling terhubung, lalu berharap mendapatkan hasil yang dapat dipercaya. Fondasinya harus dibangun terlebih dahulu: sistem yang saling terhubung, kontrol akses yang jelas, dan toleransi risiko yang telah ditetapkan, sebelum Anda bahkan bisa mulai memikirkan perluasan penggunaan AI.

Saat perusahaan besar mempertimbangkan apakah akan membangun aplikasi AI sendiri, membeli platform AI khusus, atau menghubungkan model serbaguna ke sistem yang sudah ada, bagaimana sebaiknya para pemimpin teknologi mempertimbangkan pilihan antara membangun, membeli, atau mengintegrasikan?

Pilihan membangun atau membeli terdengar seperti keputusan teknologi. Namun, menurut pengalaman saya, ini sebenarnya soal tingkat kematangan operasional fungsi hukum. Ini berkaitan dengan seberapa serius tim hukum memandang dirinya sebagai suatu fungsi tersendiri, dengan alur kerja, data, dan model operasionalnya sendiri. Jika tingkat kematangan itu sudah tepat, strategi AI untuk bidang hukum yang sesuai biasanya akan mengikuti dengan sendirinya.

Soal membangun: bagi segelintir tim yang memiliki sumber daya untuk beroperasi seperti perusahaan perangkat lunak, pilihan ini bisa masuk akal. Model terus berkembang, infrastruktur berubah, dan pekerjaan ini tak pernah benar-benar selesai. Bagi kebanyakan tim, tantangannya bukan membangunnya sekali, melainkan memeliharanya selamanya.

Soal membeli: kebanyakan tim memilih opsi ini, tetapi “membeli” bukanlah satu pilihan tunggal. Setidaknya ada tiga hal berbeda yang kerap disatukan dalam kategori ini. AI horizontal seperti ChatGPT, Copilot, dan Claude memang canggih, tetapi tidak secara inheren memahami struktur perkara, proses penerimaan permintaan, atau alur persetujuan. AI yang terhubung ke satu solusi khusus melalui sesuatu seperti MCP merupakan langkah maju yang berarti, tetapi cakupannya tetap terbatas pada apa pun yang tersedia di satu sistem tersebut.

Peluang yang lebih besar terletak pada AI yang memahami keterkaitan pekerjaan hukum di seluruh fungsi, bukan hanya apa yang terjadi di dalam satu perangkat tertentu. Ketika proses penerimaan permintaan, perkara, kontrak, pengeluaran, dan pengetahuan berada di satu tempat, AI dapat menganalisis gambaran utuh alih-alih hanya satu bagiannya.

Anda pernah menjabat sebagai CTO dan COO di LawVu, dengan tanggung jawab di bidang teknologi, operasional, keamanan, dan pelaksanaan produk. Bagaimana perpaduan pengalaman tersebut membentuk pendekatan Anda dalam menyeimbangkan inovasi AI yang pesat dengan keamanan, kepatuhan, keandalan, dan risiko perusahaan?

Saya bergabung dengan LawVu sebagai CTO pada 2015 dan mengemban peran COO pada 2020, jadi saya telah bekerja di bidang teknologi sekaligus operasional selama lebih dari satu dekade.

Kombinasi tersebut mengubah cara Anda memandang inovasi AI dibandingkan dengan keamanan dan kepatuhan, karena keduanya tidak Anda alami sebagai dua pembahasan yang terpisah. Mengelola tata kelola, risiko, dan kepatuhan secara internal sekaligus membangun platform yang membantu pelanggan mengelola fungsi-fungsi yang sama berarti saya tidak bisa menganggap inovasi dan keamanan sebagai tahapan berurutan: yang satu tidak menyusul yang lain; keduanya harus berlangsung bersamaan atau tidak sama sekali. Sejak hari pertama, setiap pelanggan kami telah menjalani penilaian keamanan menyeluruh. Setiap kali Anda menambahkan alat baru ke ekosistem, risiko terhadap data di dalamnya pun meningkat. Hal itu sama benarnya bagi kami secara internal maupun bagi pelanggan. Karena itu, membangun platform sekaligus bertanggung jawab atas tata kelolanya mengharuskan Anda memperhatikan keduanya secara bersamaan.

Ke depan, bagaimana menurut Anda AI agentik akan mengubah peran tim hukum perusahaan? Apakah menurut Anda departemen hukum terutama akan menggunakan AI sebagai lapisan produktivitas, atau pada akhirnya dapat menjadi pengawas alur kerja yang sebagian besar berjalan secara otonom di seluruh perusahaan?

AI generatif telah menggeser pembahasan dari peningkatan efisiensi secara bertahap ke pemikiran ulang yang mendasar tentang cara kerja hukum dilakukan dan seperti apa model operasional yang dibutuhkan di dunia yang dengan cepat beralih ke kemampuan agentik. Saya memandang AI agentik bukan sebagai sensasi belaka, melainkan sebagai lapisan eksekusi yang dapat membantu tim hukum beralih dari mengelola pekerjaan menjadi melaksanakannya secara aktif, dengan kontrol dan pengaman yang tepat.

Saat ini, terjadi pergeseran ke «pintu depan» di berbagai organisasi: pengguna dari unit bisnis semakin sering memulai dengan alat seperti Microsoft Copilot atau Claude, sehingga muncul pertanyaan tentang bagaimana tim hukum memastikan interaksi tersebut terhubung dengan sistem, data, dan alur kerja yang tepat.

Jadi, saya tidak melihatnya sebagai pilihan antara lapisan produktivitas dan pengawas, melainkan sebagai suatu perkembangan. Tim hukum mulai menggunakan AI agar dapat menyelesaikan tugas individual dengan lebih cepat. Namun, seiring semakin matangnya kemampuan agentik, peluang yang sesungguhnya adalah bagi tim hukum untuk mengelola sendiri lapisan eksekusi dan melaksanakan pekerjaan secara aktif melalui sistem yang tata kelolanya terjaga, bukan sekadar menghasilkan draf awal dengan lebih cepat.

Terima kasih atas wawancara yang menarik ini. Pembaca yang ingin menjelajahi operasional hukum terpadu dan alur kerja AI dengan tata kelola yang terjaga dapat mengunjungi LawVu.