Interviste
Sarvarth Misra, cofondatore e amministratore delegato di Leah – Serie di interviste

Punti chiaveAggiungere l'IA al software creato per gli esseri umani accelera le attività ma lascia…
Vedi di più
- Aggiungere l'IA al software creato per gli esseri umani accelera le attività ma lascia invariato il modello operativo.
- Quasi otto aziende su dieci mancano di strumenti efficaci per identificare gli agenti non autorizzati.
- La governance deve essere integrata nell'architettura affinché le organizzazioni possano espandere con fiducia l'autonomia degli agenti.
Sarvarth Misra è cofondatore e amministratore delegato di Leah, già ContractPodAi. Ha iniziato la sua carriera come avvocato specializzato in diritto societario e commerciale; il tempo dedicato a reperire informazioni, coordinare documenti e monitorare obblighi lo ha spinto a sviluppare tecnologie per i team legali. Da allora, il suo lavoro si è esteso dalla gestione del ciclo di vita dei contratti ai sistemi agentici che coordinano i flussi di lavoro aziendali, con l’obiettivo di combinare competenze settoriali, esecuzione controllata e giudizio umano.
Leah sviluppa una piattaforma aziendale di IA agentica che abbraccia gli ambiti legale, contrattuale, degli acquisti, finanziario e dei servizi condivisi. La piattaforma collega agenti specializzati ai sistemi aziendali, al contesto operativo, alle autorizzazioni e ai flussi di approvazione, per aiutare le organizzazioni a svolgere attività tra diversi reparti. In questa intervista, Misra parla del passaggio dall’assistenza dell’IA all’esecuzione, delle sfide di governance e interoperabilità legate alla diffusione degli agenti e di come le aziende possano misurare risultati aziendali affidabili mantenendo la supervisione umana.
Ha iniziato la sua carriera come avvocato specializzato in diritto societario e commerciale, prima di cofondare Leah (già ContractPodAi). Quali problemi ha incontrato nel lavoro legale che l’hanno inizialmente spinta a fondare l’azienda, e come si è evoluta quella visione iniziale fino a diventare ciò che Leah è oggi?
Quando esercitavo come avvocato specializzato in diritto societario, ho constatato in prima persona quanto tempo gli avvocati dedicassero alla gestione dei processi anziché all’esercizio del giudizio legale. Professionisti altamente qualificati trascorrevano innumerevoli ore a reperire informazioni, instradare documenti, monitorare obblighi e coordinare attività tra sistemi non collegati. Mentre funzioni come le vendite e la finanza avevano attraversato una significativa trasformazione tecnologica, l’ambito legale era rimasto in gran parte indietro.
Questa consapevolezza ci ha portato a fondare ContractPodAi partendo da un’idea semplice: i team legali avevano bisogno di un sistema di riferimento e di intelligence per i contratti. Ma, con l’evolversi della tecnologia, è cambiata anche la nostra comprensione delle opportunità. Ci siamo resi conto che gestire il lavoro era solo una parte della sfida. L’opportunità ben più grande consisteva nel trasformare il modo in cui quel lavoro veniva effettivamente svolto.
Questa convinzione ha plasmato Leah. I contratti sono stati il nostro punto di partenza, ma l’ambizione è sempre stata più ampia: cambiare il modo in cui le aziende svolgono il lavoro, non semplicemente il modo in cui lo gestiscono. Oggi sviluppiamo sistemi in grado di pianificare, coordinare ed eseguire flussi di lavoro aziendali complessi, consentendo alle persone di concentrarsi sul giudizio, sulla strategia e sulle decisioni in cui le competenze umane sono più importanti.
Nel gennaio 2026, ContractPodAi ha cambiato nome in Leah, ampliando la propria attività oltre la gestione del ciclo di vita dei contratti per sviluppare una piattaforma di IA agentica più ampia. Cosa l’ha convinta che il futuro non consistesse semplicemente nell’aggiungere funzionalità di IA ai software aziendali esistenti, ma nel riprogettare radicalmente il modo di lavorare attorno ad agenti autonomi?
Siamo giunti a questa conclusione perché avevamo trascorso anni a sviluppare il settore CLM ed eravamo stati tra i primi a introdurvi l’IA. Questa esperienza ci ha offerto una prospettiva unica sia sul potenziale dell’IA sia sui limiti del modello software sottostante.
Nel 2023 eravamo giunti a una conclusione fondamentale: aggiungere l’IA a software progettati per essere utilizzati dalle persone avrebbe velocizzato le singole attività, ma non avrebbe trasformato radicalmente il modo in cui si svolge il lavoro.
Le persone sarebbero comunque rimaste responsabili della raccolta delle informazioni, del coordinamento dei passaggi di consegne, dello spostamento tra applicazioni e della verifica del completamento di ogni fase di un processo. L’IA avrebbe potuto accelerare le singole attività, ma il modello operativo sottostante, e la sua dipendenza dall’intervento umano, sarebbero rimasti in gran parte invariati.
Ritenevamo che la prossima generazione di software aziendale dovesse essere progettata per eseguire, anziché limitarsi ad assistere. I sistemi avrebbero dovuto essere in grado di comprendere un obiettivo, coordinare le attività necessarie e portare avanti il lavoro tra funzioni e applicazioni, coinvolgendo le persone quando fosse necessario esercitare il giudizio o ottenere un’approvazione.
Questo richiedeva un cambiamento architetturale radicale, non un’altra funzionalità di IA. Era una decisione strategica importante, ma la ritenevamo essenziale. Il futuro del software aziendale sarebbe stato definito non dall’efficacia con cui aiuta le persone a gestire il lavoro, ma dall’affidabilità con cui è in grado di eseguirlo e produrre risultati.
Il termine «IA agentica» è sempre più diffuso nel settore. Dal suo punto di vista, cosa distingue un sistema aziendale realmente agentico da un tradizionale assistente di IA, copilota o strumento di automazione dei flussi di lavoro?
La distinzione fondamentale sta nell’esecuzione.
Gli assistenti e i copiloti di IA aiutano le persone a svolgere attività, mentre gli strumenti tradizionali di automazione dei flussi di lavoro seguono sequenze predefinite. Entrambi possono apportare significativi miglioramenti della produttività, ma in genere sono le persone a rimanere responsabili di portare avanti il lavoro e coordinare i passaggi tra i sistemi.
Un sistema realmente agentico va oltre. È in grado di comprendere un obiettivo, determinare le azioni necessarie, coordinare capacità specializzate ed eseguire attività attraverso i sistemi aziendali, ricorrendo al giudizio umano quando necessario.
Ma esiste una distinzione importante tra un agente intelligente e un sistema agentico pronto per l’impiego aziendale. La sola intelligenza non basta. Un’esecuzione affidabile richiede una struttura di supporto sottostante che fornisca il contesto e gli strumenti adeguati, l’orchestrazione, flussi di lavoro deterministici, autorizzazioni e governance.
È necessaria anche una conoscenza approfondita del dominio. Per esempio, un agente che esegue un flusso di lavoro di gestione contrattuale ha bisogno di più di semplici capacità di ragionamento generale. Deve comprendere le posizioni contrattuali dell’organizzazione, le strategie di negoziazione, i requisiti di approvazione e le conseguenze commerciali delle proprie azioni.
In definitiva, il modello fornisce l’intelligenza, la struttura di supporto fornisce l’architettura per un’esecuzione controllata e la competenza di dominio dà significato a tale esecuzione nel contesto aziendale.
Una ricerca condotta da Leah con IDC ha rilevato che il 66% delle organizzazioni intervistate ha già agenti di IA in produzione e prevede di aumentare di sei volte le implementazioni entro l’inizio del 2027. Secondo lei, che cosa sottovalutano le aziende quando passano dall’implementazione di pochi agenti alla possibile gestione di centinaia o migliaia?
Molte organizzazioni si concentrano sull’introduzione dei primi agenti in produzione. Ma la sfida cambia radicalmente quando iniziano a distribuirli su larga scala.
La questione non è più se un singolo agente sia in grado di svolgere un’attività. Il punto è se l’organizzazione sappia coordinare e governare centinaia, o potenzialmente migliaia, di agenti che operano in team, sistemi e funzioni aziendali diversi.
La nostra ricerca ha rilevato che quasi otto aziende su dieci non dispongono di strumenti efficaci per identificare gli agenti non autorizzati, mentre circa il 47% ha indicato la governance centralizzata come un’area prioritaria da migliorare. Ciò evidenzia il divario crescente tra il ritmo di adozione e la capacità delle organizzazioni di gestire ciò che stanno implementando.
Senza un’architettura adeguata, ogni agente aggiuntivo rischia di introdurre un ulteriore livello di complessità. Team diversi potrebbero implementare agenti usando modelli, strumenti e piattaforme diversi, ciascuno con il proprio contesto, le proprie autorizzazioni e i propri flussi di lavoro.
Le aziende hanno quindi bisogno di più della semplice visibilità sui singoli agenti. Serve un ambiente coordinato in cui gli agenti possano condividere il contesto pertinente, operare entro limiti chiaramente definiti e collaborare nell’esecuzione dei processi aziendali.
Governance e orchestrazione non possono essere aspetti secondari: devono essere funzionalità fondamentali. Altrimenti, le organizzazioni rischiano di sostituire applicazioni software frammentate con un panorama altrettanto frammentato di agenti intelligenti.
La stessa ricerca ha individuato nella governance, nell’orchestrazione e nella collaborazione interfunzionale tre pilastri fondamentali dell’IA agentica. Perché la governance diventa più difficile quando gli agenti sono in grado di ragionare autonomamente, formulare raccomandazioni e avviare azioni attraverso i sistemi aziendali?
La governance diventa più complessa perché gli agenti non si limitano più a produrre informazioni che le persone possono valutare. Sono in grado di interpretare il contesto, prendere decisioni e avviare azioni, spesso attraverso più sistemi aziendali.
Questo cambia radicalmente la natura del rischio. Le organizzazioni devono capire non solo che cosa un agente è autorizzato a fare, ma anche quali informazioni hanno guidato le sue azioni, quali controlli sono stati applicati e quali sono state le conseguenze.
La complessità aumenta quando gli agenti operano in funzioni con politiche, autorizzazioni e soglie di tolleranza al rischio diverse. Un’azione accettabile in un flusso di lavoro potrebbe richiedere ulteriori verifiche o approvazioni in un altro. La governance deve quindi estendersi all’intero processo di esecuzione, anziché essere applicata ai singoli agenti in modo isolato.
Per questo crediamo che la governance debba essere integrata nell’architettura sottostante. Le aziende hanno bisogno di controlli deterministici sulle azioni critiche, percorsi di escalation chiari, requisiti di approvazione configurabili e una registrazione verificabile delle attività svolte.
L’obiettivo non è limitare inutilmente l’autonomia, ma creare le condizioni che consentano alle organizzazioni di ampliarla con fiducia. Una governance efficace è ciò che rende possibile l’autonomia su scala aziendale.
Una delle sfide legate agli agenti aziendali è l’interoperabilità: gli agenti possono essere sviluppati da fornitori diversi, utilizzare modelli diversi e operare in sistemi non collegati tra loro. Come dovrebbero progettare le aziende un ambiente in cui questi agenti possano condividere il contesto in modo sicuro e coordinarsi tra loro?
Le aziende devono smettere di considerare gli agenti come prodotti autonomi e iniziare a trattarli come partecipanti a un sistema di lavoro interconnesso.
Il vero valore emerge quando gli agenti possono condividere il contesto, coordinare le azioni e contribuire a un risultato aziendale comune, anche se operano in funzioni, piattaforme e modelli sottostanti diversi.
Per riuscirci serve un livello di orchestrazione sovraordinato ai singoli agenti e alle applicazioni aziendali. Questo livello fornisce l’architettura necessaria per gestire contesto, autorizzazioni, integrazioni, flussi di lavoro e governance, consentendo a capacità diverse di operare come un unico sistema coordinato.
Altrettanto importante è preservare la sovranità delle imprese. Le organizzazioni dovrebbero mantenere il controllo sui propri dati, sul know-how aziendale, sulle regole di business e sui flussi di lavoro, indipendentemente dai modelli o dai fornitori di tecnologia che scelgono di utilizzare.
Riteniamo che le imprese debbano essere libere di adottare nuovi modelli e tecnologie senza dover ricostruire i processi e le conoscenze che sono alla base delle loro attività.
In definitiva, l’interoperabilità non consiste soltanto nel collegare tecnicamente gli agenti. Si tratta di consentire loro di svolgere il lavoro in modo coerente, sicuro e responsabile in tutta l’impresa.
Gli ambiti legale e contrattuale sono particolarmente delicati, perché le decisioni generate dall’IA possono avere conseguenze finanziarie, normative e legali. Dove dovrebbero tracciare le organizzazioni il confine tra le azioni che un agente IA può eseguire autonomamente e le decisioni che dovrebbero continuare a richiedere l’approvazione umana?
Il confine dovrebbe essere determinato dal rischio, non dal tipo di attività svolta.
Molte attività in ambito legale e contrattuale sono strutturate, ripetibili e disciplinate da politiche consolidate. Sono quindi adatte all’esecuzione autonoma, purché siano predisposti controlli adeguati.
Per esempio, un agente che esamina un NDA standard potrebbe valutarlo sulla base di linee guida operative approvate, individuare eventuali scostamenti, applicare le posizioni alternative concordate e portare avanti l’accordo senza richiedere l’intervento di un avvocato in ogni fase.
Un accordo che comporta una significativa esposizione finanziaria, una posizione insolita in materia di responsabilità, incertezze normative o una concessione commerciale strategica può invece richiedere il giudizio o l’approvazione di una persona.
È importante sottolineare che, a mio avviso, l’obiettivo non dovrebbe essere escludere le persone dal processo, ma cambiare il momento e il modo in cui vi contribuiscono. Invece di richiedere un intervento umano a ogni passaggio, le organizzazioni dovrebbero poter configurare il livello di autonomia adeguato a ciascun flusso di lavoro, compresi i momenti in cui il coinvolgimento umano è obbligatorio.
Ciò consente ai professionisti qualificati di concentrarsi sulle eccezioni, sulle strategie di negoziazione, sulle valutazioni dei rischi complessi e sulle decisioni che richiedono davvero la loro competenza.
L’opportunità non consiste semplicemente nel rendere più rapide le attività dei team legali, ma nel ripensare profondamente il modo in cui viene svolto il lavoro legale, facendo sì che persone e IA contribuiscano ciascuna dove possono creare il maggior valore.
Leah sta estendendo l’IA agentica agli ambiti legale, contrattuale, degli approvvigionamenti e della finanza, nonché ai servizi condivisi. Che cosa diventa possibile quando gli agenti possono coordinarsi tra queste funzioni, invece di automatizzare ogni reparto separatamente?
La maggior parte del lavoro nelle imprese non inizia e non finisce all’interno di un singolo reparto. Un contratto negoziato dal reparto legale ha implicazioni per gli approvvigionamenti, la finanza, le operations e la conformità normativa. Eppure, storicamente, il software aziendale è stato sviluppato attorno a singole funzioni, lasciando alle persone il compito di collegare le informazioni, le decisioni e i processi che le attraversano.
L’IA agentica offre l’opportunità di cambiare questo modello operativo.
Quando gli agenti possono coordinarsi tra diverse funzioni, sono in grado di riunire le informazioni, le politiche e le competenze pertinenti necessarie per portare avanti il lavoro dall’inizio alla fine, invece di completare un’attività isolata e lasciare a qualcun altro il compito di gestire il passaggio successivo.
Consideriamo un accordo con un fornitore. Le condizioni contrattuali influenzano le decisioni in materia di approvvigionamenti, gli obblighi di pagamento, l’esposizione finanziaria e le prestazioni continuative del fornitore. In un ambiente agentico interconnesso, le informazioni contenute nel contratto possono orientare e attivare azioni in tutte queste funzioni, anziché restare confinate in un archivio di contratti.
È qui che vediamo emergere l’intelligence commerciale: la capacità di collegare il contesto contrattuale, legale, degli approvvigionamenti e finanziario, affinché decisioni e azioni tengano conto dell’intero quadro commerciale.
Il valore va ben oltre l’aumento della produttività nei singoli reparti. Offre l’opportunità di ottimizzare i processi che li collegano, riducendo la frammentazione, migliorando il processo decisionale e consentendo al lavoro di passare da una funzione all’altra in tutta l’impresa con un coordinamento manuale molto minore.
Man mano che le imprese introducono più agenti, come dovrebbero misurare se l’IA agentica sta davvero creando valore? Le metriche tradizionali, come la produttività e il risparmio sui costi, sono ancora sufficienti oppure le aziende hanno bisogno di un nuovo quadro di riferimento basato sui risultati e sulla quantità di lavoro che gli agenti sono in grado di svolgere in modo affidabile?
Una delle lezioni emerse dalla prima ondata di adozione dell’IA è che l’attività svolta e il valore creato non sono la stessa cosa.
Le organizzazioni possono misurare prompt, token, interazioni e tempo risparmiato, ma queste metriche ci dicono relativamente poco sul raggiungimento di risultati aziendali significativi.
La produttività e il risparmio sui costi continueranno a essere importanti, ma l’IA agentica richiede un quadro di riferimento più ampio, incentrato sull’esecuzione. Quanto lavoro viene portato a termine? Con quale affidabilità viene svolto? I processi procedono più rapidamente? Gli arretrati si stanno riducendo? Le eccezioni vengono individuate e risolte con maggiore efficacia?
Dovremmo anche misurare il grado di autonomia raggiunto entro limiti di controllo adeguati. Per esempio, ridurre il tempo che un avvocato dedica alla revisione di un contratto è una cosa. Un’altra è consentire all’intero processo contrattuale di procedere, dalla presa in carico alla revisione, alla negoziazione e all’approvazione, concentrando l’intervento umano nei punti in cui è davvero necessario.
Questa distinzione è importante perché il valore economico dell’IA agentica non si limita alle ore risparmiate. Deriva anche dall’aumento della capacità, da una maggiore coerenza, dalla riduzione degli attriti operativi e da migliori risultati aziendali.
Nel tempo, mi aspetto che le organizzazioni diano molta più importanza al volume e alla complessità del lavoro che l’IA è in grado di svolgere con affidabilità, alla qualità dell’esecuzione e all’impatto commerciale che produce.
La domanda non sarà più quanta IA stiamo usando, ma che cosa può fare oggi la nostra organizzazione che prima non era in grado di fare.
Guardando ai prossimi tre-cinque anni, come pensa che cambierà il rapporto tra dipendenti, software aziendale tradizionale e agenti IA autonomi, e che cosa distinguerà le organizzazioni capaci di passare con successo a un modello operativo basato su agenti?
Credo che stiamo passando da un’epoca caratterizzata dai sistemi di registrazione a una sempre più caratterizzata dai sistemi di esecuzione.
Il software aziendale tradizionale continuerà a essere importante, fornendo i dati sottostanti, i registri aziendali e l’infrastruttura da cui dipendono le organizzazioni. Sempre più spesso, però, i sistemi agentici opereranno trasversalmente a queste applicazioni, coordinando ed eseguendo attività che in precedenza richiedevano alle persone di spostarsi da un sistema all’altro, gestire i passaggi di consegne e portare avanti singole attività.
Per i dipendenti, questo rappresenta un cambiamento fondamentale nel modo di interagire con la tecnologia. Anziché gestire ogni fase di un flusso di lavoro, le persone definiranno sempre più spesso gli obiettivi, stabiliranno i limiti, eserciteranno il proprio giudizio e interverranno là dove la loro competenza può apportare il massimo valore.
Ma realizzare questa transizione richiede più che implementare agenti o aggiungere funzionalità di IA alle applicazioni esistenti. Le organizzazioni devono ripensare la struttura del lavoro, il modo in cui vengono prese le decisioni e come l’intelligenza circola tra le diverse funzioni.
La nostra ricerca con IDC ribadisce l’importanza della governance, dell’orchestrazione e della collaborazione interfunzionale. Aggiungerei che una conoscenza approfondita del settore è altrettanto fondamentale. Un sistema deve disporre sia delle capacità ingegneristiche necessarie per operare in modo affidabile, sia del contesto aziendale per capire che cosa significhi eseguire bene.
Le organizzazioni che avranno successo non saranno necessariamente quelle che implementeranno il maggior numero di agenti. Saranno quelle che riconosceranno nell’IA agentica un’opportunità per riprogettare radicalmente il proprio modello operativo.
La vera opportunità non consiste nel rendere più efficiente il modo in cui lavoriamo oggi, ma nel creare un modello completamente nuovo per svolgere il lavoro aziendale.
Grazie per questa splendida intervista. I lettori che desiderano saperne di più sull’IA agentica per le aziende e sui flussi di lavoro interconnessi in ambito legale, contrattuale, degli acquisti e finanziario possono visitare Leah.












