Wawancara

Sarvarth Misra, Salah Satu Pendiri dan CEO Leah – Seri Wawancara

Antoine Tardif
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Sarvarth Misra, Co-Founder and CEO of Leah
Poin utamaMenambahkan AI ke perangkat lunak yang dibangun untuk manusia mempercepat tugas tetapi…
Lihat selengkapnya
  • Menambahkan AI ke perangkat lunak yang dibangun untuk manusia mempercepat tugas tetapi membiarkan model operasi tidak berubah.
  • Hampir delapan dari sepuluh perusahaan kekurangan alat yang efektif untuk mengidentifikasi agen yang tidak disetujui.
  • Tata kelola harus tertanam dalam arsitektur agar organisasi dapat dengan percaya diri memperluas otonomi agen.

Sarvarth Misra adalah Salah Satu Pendiri dan CEO Leah, yang sebelumnya bernama ContractPodAi. Ia memulai karier sebagai pengacara korporasi dan komersial. Waktu yang ia habiskan untuk mencari informasi, mengoordinasikan dokumen, dan melacak kewajiban mendorongnya mengembangkan teknologi bagi tim hukum. Sejak itu, kiprahnya berkembang dari manajemen siklus hidup kontrak ke sistem agentik yang mengoordinasikan alur kerja perusahaan, dengan fokus memadukan keahlian di bidang terkait, pelaksanaan yang terkendali, dan pertimbangan manusia.

Leah mengembangkan platform AI agentik untuk perusahaan yang mencakup bidang hukum, pengelolaan kontrak, pengadaan, keuangan, dan layanan bersama. Platformnya menghubungkan agen-agen khusus dengan sistem perusahaan, konteks bisnis, izin akses, dan alur persetujuan untuk membantu organisasi melaksanakan pekerjaan lintas departemen. Dalam wawancara ini, Misra membahas peralihan dari bantuan AI ke pelaksanaan pekerjaan, tantangan tata kelola dan interoperabilitas dalam memperluas penggunaan agen, serta cara perusahaan mengukur hasil bisnis yang andal sambil mempertahankan pengawasan manusia.

Anda memulai karier sebagai pengacara korporasi dan komersial sebelum mendirikan Leah bersama pihak lain (sebelumnya bernama ContractPodAi). Masalah apa yang Anda temui dalam pekerjaan hukum yang awalnya mendorong Anda membangun perusahaan ini, dan bagaimana visi awal tersebut berkembang hingga menjadi Leah seperti sekarang?

Saat menjalani praktik hukum korporasi, saya melihat langsung betapa banyak waktu pengacara tersita untuk mengelola proses, alih-alih menggunakan pertimbangan hukum. Para profesional yang sangat terampil menghabiskan waktu berjam-jam untuk mencari informasi, meneruskan dokumen, melacak kewajiban, dan mengoordinasikan pekerjaan di berbagai sistem yang tidak terhubung. Sementara fungsi seperti penjualan dan keuangan telah mengalami transformasi teknologi yang signifikan, bidang hukum sebagian besar tertinggal.

Kesadaran itu mendorong kami membangun ContractPodAi berdasarkan premis sederhana: tim hukum membutuhkan sistem pencatatan utama dan sumber intelijen untuk kontrak. Namun, seiring perkembangan teknologi, pemahaman kami tentang peluang yang ada juga berubah. Kami menyadari bahwa mengelola pekerjaan hanyalah sebagian dari tantangan. Peluang yang jauh lebih besar adalah mengubah cara pekerjaan itu benar-benar dilaksanakan.

Keyakinan itulah yang membentuk Leah. Kontrak adalah titik awal kami, tetapi ambisi kami sejak awal jauh lebih besar: mengubah cara perusahaan melaksanakan pekerjaan, bukan sekadar cara mereka mengelolanya. Kini, kami membangun sistem yang dapat merencanakan, mengoordinasikan, dan melaksanakan alur kerja perusahaan yang kompleks, sehingga orang dapat berfokus pada pertimbangan, strategi, dan keputusan yang paling membutuhkan keahlian manusia.

ContractPodAi berganti nama menjadi Leah pada Januari 2026 seiring dengan langkah perusahaan memperluas cakupan, dari manajemen siklus hidup kontrak menjadi platform AI agentik yang lebih luas. Apa yang meyakinkan Anda bahwa masa depan bukan sekadar menambahkan kemampuan AI ke perangkat lunak perusahaan yang sudah ada, melainkan merancang ulang secara mendasar cara pekerjaan dilakukan dengan mengandalkan agen otonom?

Kami sampai pada kesimpulan itu karena telah bertahun-tahun mengembangkan kategori CLM dan termasuk yang pertama memperkenalkan AI ke dalamnya. Pengalaman tersebut memberi kami perspektif unik tentang potensi AI sekaligus keterbatasan model perangkat lunak yang mendasarinya.

Pada 2023, kami sampai pada kesimpulan mendasar: menambahkan AI ke perangkat lunak yang dirancang untuk dioperasikan manusia akan mempercepat tugas-tugas tertentu, tetapi tidak akan mengubah secara mendasar cara pekerjaan dilakukan.

Orang tetap akan bertanggung jawab untuk mengumpulkan informasi, mengoordinasikan serah terima, berpindah antar aplikasi, dan memastikan setiap tahap proses diselesaikan. AI dapat mempercepat aktivitas tertentu, tetapi model operasional yang mendasarinya—beserta ketergantungannya pada campur tangan manusia—sebagian besar tetap tidak berubah.

Kami percaya bahwa generasi berikutnya dari perangkat lunak perusahaan harus dirancang dengan berfokus pada pelaksanaan, bukan sekadar bantuan. Sistem harus mampu memahami tujuan, mengatur aktivitas yang diperlukan, dan memajukan pekerjaan lintas fungsi dan aplikasi, dengan keterlibatan manusia saat pertimbangan atau persetujuan diperlukan.

Hal itu membutuhkan perubahan arsitektur yang mendasar, bukan sekadar fitur AI tambahan. Ini merupakan keputusan strategis yang signifikan, tetapi kami yakin keputusan tersebut sangat penting. Masa depan perangkat lunak perusahaan akan ditentukan bukan oleh seberapa efektif perangkat lunak itu membantu orang mengelola pekerjaan, melainkan oleh seberapa andal perangkat lunak itu dapat melaksanakan pekerjaan dan memberikan hasil.

Istilah “AI agentik” semakin banyak digunakan di industri. Menurut Anda, apa yang membedakan sistem perusahaan yang benar-benar agentik dari asisten AI tradisional, kopilot, atau alat otomatisasi alur kerja?

Perbedaan mendasarnya terletak pada pelaksanaan.

Asisten AI dan kopilot membantu orang menyelesaikan tugas, sementara otomatisasi alur kerja tradisional mengikuti urutan yang telah ditentukan. Keduanya dapat meningkatkan produktivitas secara signifikan, tetapi orang umumnya tetap bertanggung jawab untuk memajukan pekerjaan dan mengoordinasikan tahapan di antara berbagai sistem.

Sistem yang benar-benar agentik melangkah lebih jauh. Sistem tersebut dapat memahami tujuan, menentukan tindakan yang diperlukan, mengoordinasikan kemampuan khusus, dan melaksanakan pekerjaan di berbagai sistem perusahaan, dengan melibatkan pertimbangan manusia bila diperlukan.

Namun, ada perbedaan penting antara agen cerdas dan sistem berbasis agen yang siap diterapkan di perusahaan. Kecerdasan saja tidak cukup. Agar dapat bekerja dengan andal, sistem membutuhkan kerangka pendukung yang menyediakan konteks, alat, orkestrasi, alur kerja deterministik, izin, dan tata kelola yang tepat.

Sistem juga membutuhkan pemahaman mendalam atas bidang terkait. Sebagai contoh, agen yang menjalankan alur kerja kontrak memerlukan lebih dari sekadar kemampuan penalaran umum. Agen tersebut harus memahami posisi organisasi dalam kontrak, panduan negosiasi, persyaratan persetujuan, serta konsekuensi komersial dari tindakannya.

Pada akhirnya, model menyediakan kecerdasan, kerangka pendukung menyediakan arsitektur untuk pelaksanaan yang terkendali, dan keahlian di bidang terkait membuat pelaksanaan tersebut bermakna dalam konteks bisnis.

Riset Leah bersama IDC menemukan bahwa 66% organisasi yang disurvei telah menggunakan agen AI dalam produksi dan memperkirakan jumlah penerapannya akan meningkat enam kali lipat pada awal 2027. Menurut Anda, apa yang kurang diperhitungkan perusahaan ketika beralih dari menerapkan segelintir agen ke kemungkinan mengelola ratusan atau ribuan agen?

Banyak organisasi berfokus pada upaya menerapkan agen pertama mereka dalam produksi. Namun, tantangannya berubah secara mendasar ketika mereka mulai menerapkan agen dalam skala besar.

Pertanyaannya bukan lagi apakah satu agen mampu melaksanakan suatu tugas. Pertanyaannya adalah apakah organisasi mampu mengoordinasikan dan mengatur ratusan, atau bahkan ribuan, agen yang beroperasi di berbagai tim, sistem, dan fungsi bisnis.

Riset kami menemukan bahwa hampir delapan dari sepuluh perusahaan tidak memiliki perangkat yang efektif untuk mengidentifikasi agen yang digunakan tanpa izin, sementara sekitar 47% menyebut tata kelola terpusat sebagai bidang penting yang perlu ditingkatkan. Hal ini menunjukkan kesenjangan yang kian besar antara laju adopsi dan kemampuan organisasi untuk mengelola teknologi yang mereka terapkan.

Tanpa arsitektur yang tepat, setiap agen tambahan berisiko menambah lapisan kompleksitas. Tim yang berbeda mungkin menerapkan agen dengan model, alat, dan platform yang berbeda-beda, yang masing-masing beroperasi dengan konteks, izin, dan alur kerjanya sendiri.

Karena itu, perusahaan membutuhkan lebih dari sekadar visibilitas atas setiap agen. Mereka membutuhkan lingkungan terkoordinasi tempat agen dapat berbagi konteks yang relevan, beroperasi dalam batasan yang ditetapkan dengan jelas, dan bekerja bersama di berbagai proses bisnis.

Tata kelola dan orkestrasi tidak boleh dipikirkan belakangan. Keduanya harus menjadi kemampuan mendasar. Jika tidak, organisasi berisiko mengganti aplikasi perangkat lunak yang terfragmentasi dengan ekosistem agen cerdas yang sama terfragmentasinya.

Riset yang sama mengidentifikasi tata kelola, orkestrasi, dan kolaborasi lintas fungsi sebagai tiga pilar penting bagi AI agentik. Mengapa tata kelola menjadi lebih sulit ketika agen dapat bernalar secara mandiri, memberikan rekomendasi, dan memulai tindakan di berbagai sistem perusahaan?

Tata kelola menjadi lebih kompleks karena agen kini tidak hanya menghasilkan informasi untuk dinilai oleh manusia. Agen dapat menafsirkan konteks, mengambil keputusan, dan memulai tindakan, sering kali di berbagai sistem perusahaan.

Hal ini secara mendasar mengubah sifat risikonya. Organisasi perlu memahami bukan hanya tindakan apa yang boleh dilakukan agen, tetapi juga informasi apa yang menjadi dasar tindakannya, kontrol apa yang diterapkan, dan apa yang terjadi sebagai akibatnya.

Kompleksitas meningkat ketika agen beroperasi lintas fungsi dengan kebijakan, izin, dan toleransi risiko yang berbeda. Tindakan yang dapat diterima dalam satu alur kerja mungkin memerlukan validasi atau persetujuan tambahan dalam alur kerja lain. Karena itu, tata kelola perlu mencakup seluruh proses pelaksanaan, bukan diterapkan secara terpisah pada masing-masing agen.

Itulah sebabnya kami percaya bahwa tata kelola harus tertanam dalam arsitektur yang mendasarinya. Perusahaan membutuhkan kontrol deterministik atas tindakan penting, jalur eskalasi yang jelas, persyaratan persetujuan yang dapat dikonfigurasi, dan catatan pelaksanaan yang dapat diaudit.

Tujuannya bukan membatasi otonomi tanpa alasan yang memadai, melainkan menciptakan kondisi agar organisasi dapat memperluasnya dengan yakin. Tata kelola yang efektif memungkinkan otonomi dalam skala perusahaan.

Salah satu tantangan dalam penggunaan agen di perusahaan adalah interoperabilitas: agen dapat dibuat oleh vendor yang berbeda, menggunakan model yang berbeda, dan beroperasi di berbagai sistem yang tidak saling terhubung. Bagaimana sebaiknya perusahaan merancang lingkungan agar agen-agen ini dapat berbagi konteks dengan aman dan berkoordinasi satu sama lain?

Perusahaan perlu berhenti memandang agen sebagai produk yang berdiri sendiri dan mulai memperlakukannya sebagai bagian dari sistem kerja yang saling terhubung.

Nilai sesungguhnya muncul ketika agen dapat berbagi konteks, mengoordinasikan tindakan, dan berkontribusi pada hasil bisnis bersama, sekalipun beroperasi lintas fungsi, platform, dan model yang mendasarinya.

Untuk mewujudkannya, diperlukan lapisan orkestrasi yang berada di atas masing-masing agen dan aplikasi perusahaan. Lapisan ini menyediakan arsitektur untuk mengelola konteks, izin, integrasi, alur kerja, dan tata kelola, sehingga berbagai kemampuan dapat beroperasi sebagai satu sistem yang terkoordinasi.

Sama pentingnya adalah menjaga kedaulatan perusahaan. Organisasi harus tetap memegang kendali atas data, pengetahuan institusional, aturan bisnis, dan alur kerja mereka, terlepas dari model atau penyedia teknologi yang mereka pilih.

Kami percaya perusahaan seharusnya bebas mengadopsi model dan teknologi baru tanpa harus membangun ulang proses dan kecerdasan yang menopang operasional mereka.

Pada akhirnya, interoperabilitas bukan sekadar menghubungkan agen secara teknis. Interoperabilitas berarti memungkinkan agen menjalankan pekerjaan secara terpadu, aman, dan akuntabel di seluruh perusahaan.

Bidang hukum dan pengelolaan kontrak sangat sensitif karena keputusan yang dihasilkan AI dapat menimbulkan konsekuensi finansial, regulasi, dan hukum. Di mana organisasi sebaiknya menetapkan batas antara tindakan yang dapat dijalankan agen AI secara mandiri dan keputusan yang tetap harus mendapat persetujuan manusia?

Batas tersebut seharusnya ditentukan berdasarkan risiko, bukan jenis tugas yang dikerjakan.

Banyak kegiatan di bidang hukum dan pengelolaan kontrak memiliki struktur yang jelas, berulang, dan diatur oleh kebijakan yang sudah ditetapkan. Kegiatan-kegiatan ini cocok dijalankan secara mandiri, asalkan kontrol yang tepat tersedia.

Sebagai contoh, agen yang meninjau NDA rutin mungkin dapat menilainya berdasarkan panduan kerja yang telah disetujui, mengidentifikasi penyimpangan, menerapkan posisi alternatif yang telah disepakati, dan melanjutkan proses perjanjian tanpa perlu meminta pengacara turun tangan pada setiap tahap.

Namun, perjanjian yang melibatkan paparan finansial signifikan, posisi tanggung jawab yang tidak lazim, ketidakpastian regulasi, atau konsesi komersial strategis mungkin memerlukan pertimbangan atau persetujuan manusia.

Yang terpenting, saya tidak percaya bahwa tujuannya adalah menghilangkan keterlibatan manusia dalam proses. Tujuannya adalah mengubah di mana dan bagaimana mereka berkontribusi. Alih-alih mewajibkan campur tangan manusia pada setiap langkah, organisasi seharusnya dapat mengatur tingkat otonomi yang sesuai untuk setiap alur kerja, termasuk menentukan tahap-tahap yang mewajibkan keterlibatan manusia.

Dengan demikian, para profesional terampil dapat berfokus pada pengecualian, strategi negosiasi, penilaian risiko yang kompleks, dan keputusan yang benar-benar membutuhkan keahlian mereka.

Peluangnya bukan sekadar membuat tim hukum bekerja lebih cepat. Peluangnya adalah memikirkan ulang secara mendasar cara kerja hukum dijalankan, dengan manusia dan AI masing-masing berkontribusi di bidang yang memungkinkan mereka memberikan nilai terbesar.

Leah memperluas penerapan AI agentik ke bidang hukum, pengelolaan kontrak, pengadaan, keuangan, dan layanan bersama. Apa yang dapat diwujudkan ketika agen bisa berkoordinasi di berbagai fungsi ini, alih-alih mengotomatiskan setiap departemen secara terpisah?

Sebagian besar pekerjaan di perusahaan tidak dimulai dan berakhir di satu departemen saja. Kontrak yang dinegosiasikan oleh tim hukum berdampak pada pengadaan, keuangan, operasional, dan kepatuhan. Namun, perangkat lunak perusahaan secara historis dibangun untuk fungsi-fungsi tertentu, sehingga orang harus menghubungkan sendiri informasi, keputusan, dan proses di antara fungsi-fungsi tersebut.

AI agentik membuka peluang untuk mengubah model operasional tersebut.

Ketika agen dapat berkoordinasi lintas fungsi, mereka dapat menghimpun informasi, kebijakan, dan keahlian yang relevan untuk menuntaskan pekerjaan dari awal hingga akhir, alih-alih hanya menyelesaikan satu tugas terpisah lalu membiarkan seseorang mengurus tahap berikutnya.

Sebagai contoh, pertimbangkan perjanjian dengan pemasok. Ketentuan kontrak memengaruhi keputusan pengadaan, kewajiban pembayaran, paparan finansial, dan kinerja pemasok yang berkelanjutan. Dalam lingkungan agentik yang saling terhubung, informasi dalam kontrak tersebut dapat menjadi dasar dan pemicu tindakan di berbagai fungsi, alih-alih hanya tersimpan di repositori kontrak.

Di sinilah kami melihat munculnya kecerdasan komersial: kemampuan menghubungkan konteks kontrak, hukum, pengadaan, dan keuangan agar keputusan dan tindakan mencerminkan gambaran komersial secara utuh.

Manfaatnya jauh melampaui peningkatan produktivitas di masing-masing departemen. Hal ini membuka peluang untuk mengoptimalkan proses yang menghubungkan departemen-departemen tersebut, mengurangi fragmentasi, meningkatkan kualitas pengambilan keputusan, dan memungkinkan pekerjaan berjalan di seluruh perusahaan dengan jauh lebih sedikit koordinasi manual.

Ketika perusahaan menerapkan lebih banyak agen, bagaimana mereka sebaiknya mengukur apakah AI agentik benar-benar menghasilkan nilai? Apakah metrik tradisional seperti produktivitas dan penghematan biaya masih memadai, atau perusahaan memerlukan kerangka baru yang berfokus pada hasil dan jumlah pekerjaan yang dapat dijalankan agen secara andal?

Salah satu pelajaran dari gelombang pertama adopsi AI adalah bahwa aktivitas dan nilai bukanlah hal yang sama.

Organisasi dapat mengukur jumlah perintah, token, interaksi, dan waktu yang dihemat, tetapi metrik tersebut hanya sedikit memberi tahu kita tentang tercapai atau tidaknya hasil bisnis yang bermakna.

Produktivitas dan penghematan biaya akan tetap penting, tetapi AI agentik membutuhkan kerangka yang lebih luas dengan fokus pada pelaksanaan. Seberapa banyak pekerjaan yang diselesaikan? Seberapa andal pekerjaan itu dijalankan? Apakah proses berjalan lebih cepat? Apakah tumpukan pekerjaan yang belum terselesaikan berkurang? Apakah pengecualian teridentifikasi dan tertangani dengan lebih efektif?

Kita juga perlu mengukur tingkat otonomi yang tercapai dalam batas kendali yang sesuai. Misalnya, mengurangi waktu yang dihabiskan pengacara untuk meninjau kontrak adalah satu hal. Namun, memungkinkan seluruh proses kontrak berjalan—mulai dari penerimaan hingga peninjauan, negosiasi, dan persetujuan—dengan intervensi manusia yang difokuskan pada bagian yang benar-benar membutuhkannya adalah hal lain.

Perbedaan itu penting karena nilai ekonomi AI agentik tidak hanya berasal dari penghematan waktu. Nilai tersebut juga datang dari peningkatan kapasitas, konsistensi yang lebih tinggi, berkurangnya hambatan operasional, dan hasil bisnis yang lebih baik.

Seiring waktu, saya memperkirakan organisasi akan jauh lebih menitikberatkan pada volume dan kompleksitas pekerjaan yang dapat dieksekusi AI secara andal, kualitas pelaksanaannya, serta dampak komersial yang dihasilkannya.

Pertanyaannya akan bergeser dari seberapa banyak AI yang kita gunakan menjadi apa yang kini dapat dicapai organisasi kita, padahal sebelumnya tidak bisa?

Melihat tiga hingga lima tahun ke depan, bagaimana Anda memperkirakan hubungan antara karyawan, perangkat lunak perusahaan tradisional, dan agen AI otonom akan berubah? Apa yang akan membedakan organisasi yang berhasil beralih ke model operasi agentik?

Saya percaya kita sedang beralih dari era yang ditandai oleh sistem pencatatan ke era yang semakin ditandai oleh sistem eksekusi.

Perangkat lunak perusahaan tradisional akan tetap penting karena menyediakan data dasar, catatan bisnis, dan infrastruktur yang diandalkan organisasi. Namun, sistem agentik akan semakin banyak beroperasi di berbagai aplikasi tersebut, mengoordinasikan dan menjalankan pekerjaan yang sebelumnya mengharuskan orang berpindah-pindah antarsistem, mengelola serah terima, dan menuntaskan tugas satu per satu.

Bagi karyawan, hal ini merupakan perubahan mendasar dalam cara mereka berinteraksi dengan teknologi. Alih-alih menangani setiap tahap alur kerja, orang akan semakin berperan dalam menetapkan tujuan, menentukan batasan, menggunakan pertimbangan, dan turun tangan ketika keahlian mereka memberikan nilai terbesar.

Namun, mewujudkan peralihan ini membutuhkan lebih dari sekadar menerapkan agen atau menambahkan kemampuan AI ke aplikasi yang sudah ada. Organisasi perlu memikirkan ulang bagaimana pekerjaan disusun, bagaimana keputusan dibuat, dan bagaimana kecerdasan mengalir lintas fungsi.

Riset kami bersama IDC menegaskan pentingnya tata kelola, orkestrasi, dan kolaborasi lintas fungsi. Saya juga ingin menambahkan bahwa pemahaman mendalam tentang bidang terkait sama pentingnya. Sebuah sistem membutuhkan kemampuan rekayasa untuk bekerja secara andal sekaligus konteks bisnis untuk memahami seperti apa pelaksanaan yang baik.

Organisasi yang berhasil belum tentu organisasi yang menerapkan agen dalam jumlah terbanyak. Mereka adalah organisasi yang menyadari bahwa AI agentik membuka peluang untuk merancang ulang model operasi mereka secara mendasar.

Peluang sesungguhnya bukanlah membuat cara kerja kita saat ini menjadi lebih efisien, melainkan menciptakan model yang sama sekali baru untuk menyelesaikan pekerjaan di perusahaan.

Terima kasih atas wawancara yang menarik ini. Pembaca yang ingin mengetahui lebih lanjut tentang AI agentik untuk perusahaan serta alur kerja hukum, kontrak, pengadaan, dan keuangan yang saling terhubung dapat mengunjungi Leah.

Antoine adalah pemimpin visioner dan mitra pendiri Unite.AI, yang didorong oleh semangat tak tergoyahkan untuk membentuk dan memajukan masa depan AI dan robotika. Sebagai pengusaha yang telah mendirikan beberapa perusahaan, ia percaya bahwa AI akan mengubah masyarakat secara mendasar seperti listrik. Ia kerap berbicara dengan antusias tentang potensi teknologi disruptif dan kecerdasan buatan umum (AGI).

Sebagai futuris, ia berdedikasi untuk menelusuri bagaimana inovasi ini akan membentuk dunia kita. Ia juga merupakan pendiri Securities.io, platform yang berfokus pada investasi dalam teknologi mutakhir yang mendefinisikan ulang masa depan dan mengubah berbagai sektor secara menyeluruh.