Kanti Prabha、Sirion共同創業者兼社長インタビュー

Kanti Prabhaは、Sirionの共同創業者兼社長であり、製品開発、リーガルテクノロジー、知的財産、オペレーション、SaaSにわたり20年以上の経験を持つエンタープライズテクノロジー分野のリーダーです。Sirionの創業メンバーとして、同社の製品ビジョンの策定、設計、開発を中心となって推進してきました。社長に就任する前には、製品管理担当バイスプレジデントや最高執行責任者などの要職を務めました。エンタープライズ向けB2B SaaS製品の構築、製品戦略と管理、顧客の成功、エンタープライズ営業、チームと組織文化の拡大を専門としています。キャリアの初期には、UnitedLexの最初の従業員であり創業メンバーの一人として、企業の法務部門向けにテクノロジーを活用したソリューションを開発し、知的財産関連の取り組みを統括しました。それ以前にはEvalueserveで特許関連サービスに携わっていました。また、akirolabsのアドバイザーを務めており、以前はClarisightsにも助言を提供していました。

Sirionは、AIを活用した契約ライフサイクル管理（CLM）企業です。契約の作成や交渉から、履行状況、義務の管理、価値の実現に至るまで、企業による契約管理を支援します。同社のプラットフォームは、対話型AIと特定の目的に合わせて構築されたAIエージェントを組み合わせています。これらのエージェントは、契約書の保管場所を一元化して整理し、契約条件に関する質問に答え、契約書の作成とレビュー、リスクの特定や修正案の提示、義務やサービス水準合意（SLA）の監視を行うことができます。Sirionは、agentOSプラットフォームを通じて、エージェント型契約業務に向けた技術の展開を強めています。このプラットフォームにより、組織はあらかじめ用意された契約業務向けエージェントを導入できるほか、企業データやワークフローに接続するカスタムエージェントを作成できます。大規模組織を対象に設計されたこのプラットフォームは、ガバナンスと人による監督を維持しながら、契約書を静的な文書から、構造化され検索可能な業務インテリジェンスの情報源へと変えることを目指しています。

Sirionを創業するまでの道のりは異色です。化学を学び、知的財産法の分野に進み、特許関連の仕事に携わった後、Hewlett-Packardで働くなかで契約に対する見方が変わったそうですね。そうした初期の経験から何を見いだし、最終的にSirionを立ち上げる機会があると確信したのでしょうか？ 

契約を軸に会社を立ち上げるとは、若い頃には考えてもいませんでした。化学を学びましたが、研究室でキャリアを過ごすよりも、ビジネス上の課題を解決することに関心があると、かなり早い段階で気づきました。その後、知的財産の分野に進み、特許関連の仕事に携わりました。さらに、大企業向けのテクノロジーソリューションや法務ソリューションを開発するチームを率いるようになりました。

本当の転機は、Sirionの共同創業者であるAjayと私がHPと仕事を始めたときに訪れました。大規模な買収の後、整理して管理する必要のある契約書が何千件もありました。当初は契約書の保管場所を整える問題だと考えていましたが、詳しく調べるうちに、保管は機会のほんの一部にすぎないことが明らかになりました。契約書からは、会社が何を購入し、何を販売し、何を約束したのか、サプライヤーが何を約束したのか、いくら支払っているのか、どこにリスクがあり、どこで価値が失われる可能性があるのかが分かります。それにもかかわらず、そうした情報のほとんどは、事業に携わる人々が簡単に活用できる状態ではありませんでした。これがSirionの着想の出発点です。契約書は、これまで十分に活用されてこなかったビジネスインテリジェンスの情報源でした。

契約を、組織内に存在する「流動的なインテリジェンス」と表現されています。契約書には通常、どのような価値ある情報が埋もれているのでしょうか。また、AIによって、法務以外の財務、調達、営業、オペレーションなどのチームにもその情報を役立てられるようにするには、どうすればよいのでしょうか？ 

契約書は、企業の意図が実際の約束になる数少ない場の一つです。何を支払うことに合意したのか、顧客が何を購入することに合意したのか、いつ価格が変更されるのか、どのサービス水準を満たさなければならないのか、契約がいつ更新されるのか、当事者の履行が不十分な場合に何が起きるのか、誰がどの義務を負うのかを示します。これは非常に価値のある情報ですが、これまでは、何かを交渉するときや問題が起きたときにしか開かれない文書の中に埋もれていました。

AIによって、構造化されていない契約文言を、事業の他の部門が実際に活用できる情報へと変えられるようになります。調達部門は、サプライヤーの義務や価格を把握できます。財務部門は、商業上の約束や価値の流出の可能性を確認できます。営業部門は、契約更新の条件や顧客への約束を理解できます。オペレーション部門は、約束した内容が実際に提供されているかを監視できます。

契約インテリジェンスを流動的にするとは、こういうことです。情報をPDFの中に閉じ込めておくのではなく、最も必要とされる意思決定やシステムに届けられるようになります。契約を取引の終点とするのではなく、流動的なインテリジェンスによって、契約は事業運営の状況を理解するための、常に活用できる情報源になります。

Sirionは、契約ライフサイクル管理ソフトウェアから、AIをますます活用するプラットフォームへと進化してきました。大規模言語モデルの登場によって、創業当時に利用できた機械学習の手法と比べ、契約データに関して技術的に可能なことはどのように変わりましたか？

Sirionを創業した当時、契約業務におけるAIの主な用途は、情報の抽出と分類でした。機械学習を使えば、条項、日付、当事者名、義務などを非常に高い精度で特定できるようになりましたが、比較的限定された個々のタスクに合わせてモデルを訓練する必要がありました。

大規模言語モデルによって、推論の能力は飛躍的に向上しました。今では、自然言語で表現された質問を理解し、条項の前後関係を解釈し、企業が望む立場と文言を比較し、ある内容がなぜリスクに当たるのかを説明したうえで、次に何をすべきかを提案できるようになっています。

しかし、大規模言語モデルがそれ以前のあらゆるものに取って代わるとは考えていません。契約はそれほど単純ではないからです。Sirionでは、大規模言語モデルに特化型モデルと高度な契約インテリジェンスを組み合わせる、マルチモデルのアプローチを採用しています。モデルごとに得意分野は異なります。この組み合わせが重要なのは、企業が必要としているのは、説得力のある文章を生成するAIだけではないからです。求められるのは正確さです。最も大きな変化は、契約から情報を抽出するだけでなく、その情報を推論に活用し、さらに、それに基づいて行動する段階へと進めることです。

Sirionは現在、契約情報の抽出、問題点の検出、修正案の提示、大規模な契約リポジトリの検索などの業務に特化したAIエージェントを導入しています。こうしたエージェントはどのように連携するとお考えですか。また、契約プロセスにおいて、最終的に企業はAIによる自律的な処理をどこまで認めるべきでしょうか。           

すべてをこなす巨大なAIエージェントが将来登場するとは考えていません。契約の作成には多くの専門的なタスクがあり、それぞれで必要な文脈や判断の度合いが異なります。たとえば、あるエージェントは何千件もの契約書から条項を抽出するかもしれません。別のエージェントは、社内方針から逸脱した文言を特定します。さらに、修正案を提示するエージェントが、会社の交渉指針に基づいて具体的な変更を提案できます。真価が発揮されるのは、ユーザーに個々の手順を一つずつ管理させるのではなく、目標の達成に向けてエージェント同士が連携できるときです。

たとえば、「このサプライヤー契約を受け入れてもよいでしょうか」と尋ねる人がいるかもしれません。システムは、関連性の高い条項を特定し、社内方針と照らし合わせ、問題点を明らかにし、過去の契約例を見つけ、変更案を提案できる必要があります。その際、実行した内容とその理由もすべて説明できなければなりません。

自律性をどこまで認めるかは、リスクに応じて決めるべきです。反復的でルールに基づく多くの作業をAIが自律的に処理することには賛成です。一方、前例のない責任条項や、戦略上重要な交渉では、人間の判断が必要になる場合があります。自律化の最終的な目標は、不要な作業をなくしつつ、説明責任や人間関係が重要となる場面では、人が主導権を保てるようにすることです。

契約には、企業の商業上・法律上、特に機密性の高い情報が含まれることがあります。Sirionは、セキュリティを損なうくらいなら製品の発売を延期する方を選ぶとおっしゃっていました。生成AIが企業の業務プロセスにさらに深く組み込まれるなかで、どのようなセキュリティやプライバシー上の妥協を最も懸念していますか。

契約には、価格情報、知的財産、従業員情報、買収の詳細、戦略上の約束に加え、顧客やサプライヤーに関する極めて機密性の高い情報が含まれることがあります。AIシステムが情報を扱う際、企業は、その情報がどこに送られるのか、どのように処理されるのか、誰がアクセスできるのか、別のモデルの訓練に使われるのかを正確に把握する必要があります。

今はAI機能を迅速にリリースするよう強く求められていますが、私が最も懸念する近道は、企業データを一般的な学習素材と同じように扱うことです。そうした圧力は理解していますが、「ガバナンスは後で整えればよい」という姿勢で企業向けAIを構築することはできません。セキュリティは、最初からアーキテクチャに組み込まれていなければなりません。

そのためには、強固なアクセス制御、暗号化、監査可能性、明確なデータ境界に加え、サードパーティ製モデルの利用方法について慎重に判断することが必要です。Sirionでは、セキュリティを優先した結果、開発や提供が遅れたことが実際にありますが、そうしたトレードオフを受け入れています。企業向けソフトウェア、特に契約を扱う場合、信頼を築くには何年もかかりますが、不用意な判断一つで損なわれてしまいます。

生成AIが抱える根強い課題の一つは、誤った回答でも、確信に満ちたように聞こえることです。わずかな誤りが金銭的または法的な影響を招きかねない契約インテリジェンスにおいて、利用者が回答を検証し、AIを信頼できるようにするには、どのようなシステム設計が必要でしょうか。 

これは、消費者向けAIと企業向けAIの最も重要な違いの一つです。AIアシスタントにレストランを勧めてもらい、その回答が間違っていたとしても、影響は限られます。しかし、法務チームが、5,000件のサプライヤー契約に特定の解除権が含まれているかを尋ね、システムが自信満々に回答しながら、そのうち200件を見落としたとしたら、まったく別の問題です。

私たちは、検証できることを前提に設計しています。AIが契約について何かを伝えたら、その回答の根拠を元の契約文言までたどれるべきです。修正案を推奨する場合は、どの社内方針や交渉指針に基づいた提案なのかを理解できなければなりません。説明可能性は、AIの導入を進めるうえで欠かせません。AIを検証できるようにすることが、信頼につながるからです。

Sirionは、汎用モデルだけに頼るのではなく、組織独自の契約や過去の事例に基づいたAIの回答を重視しています。企業向けAIの次の大きな進展は、基盤モデルと、企業が独自に保有する高度に専門化されたデータを組み合わせたシステムによって、ますます牽引されるようになると思いますか？

その通りです。基盤モデルは非常に高い能力を備えていますが、各社が実際にどのように業務を進めているかまでは把握していません。法務チームが昨年どのような譲歩を承認したのか、重要顧客との価格設定をどのように行っているのか、どのサプライヤーがサービス水準を繰り返し達成できていないのか、あるいはどのような場合に社内でエスカレーションが必要なのかを、自動的に知っているわけではありません。企業向けAIが真に役立つのは、こうした文脈を踏まえられるからです。

組織間の意思決定や約束を詳細に記録した契約に、企業独自の方針、交渉の手引き、過去の合意、業務データを組み合わせれば、AIシステムは一般論を答えるだけでなく、その企業の業務の実態を反映した回答を返せるようになります。企業向けAIにおける競争優位性は、今後ますます、こうした文脈から生まれると思います。大半の企業が、すでに同様の基盤モデルを利用できるからです。差を生むのは、それらのモデルを信頼できる独自情報にどれだけ効果的に結び付け、セキュリティを損なうことなく正確に推論できるだけの文脈を与えられるかです。

Sirionの構築に10年以上携わり、製品、オペレーション、経営にまたがる役職を経験されてきました。企業向けAIソフトウェアを拡大するうえで、創業から数年間には理解できなかったものの、その後学んだことは何ですか？

私が学んだことの一つは、テクノロジーを構築することは、時に最も簡単な部分だということです。大きな組織の働き方を変え始めると、さまざまな摩擦が生じます。初期の段階では、製品が課題を解決できるかどうかに自然と注目します。しかし、企業規模で導入する段階になると、技術的に優れた回答であっても、人々の信頼を得て、既存の業務フローに組み込め、グローバル組織の膨大な複雑さに対応できなければ役に立たないとわかります。

AIによって、この教訓はいっそう重要になっています。今では、短時間で印象的なデモを作れます。しかし、数百万件のデータポイントや業務フローを安心して任せられると企業が信頼するものを構築するのは、また別の話です。

AIによって、数千件の契約にまたがる義務、リスク、価格条件、更新、履行状況を継続的に分析できるようになっています。そうなると、契約は、問題が起きたときに主に参照する文書ではなく、企業のリアルタイムな業務データ基盤になっていく可能性はあるでしょうか？

まさにその方向に進んでいると思います。長い間、契約はゴールとして扱われてきました。誰もが交渉し、署名し、成立を祝い、その後、文書は保管庫にしまわれます。6か月後、紛争や更新、あるいは何が約束されていたかという疑問が生じて、誰かが契約を開きます。AIが契約ポートフォリオ全体で何が起きているかを継続的に把握できるようになれば、このやり方は理にかなわなくなります。

理想的な状況を考えてみてください。次の請求書が承認される前に、サプライヤーがSLAを達成できなかったことがわかる。あるいは、価格調整が3か月前に行われるべきだったと把握できる。営業チームが、顧客と合意した義務の内容とともに、間近に迫った契約更新の通知を受け取る。財務部門が、商取引上の義務が自社のシステムに直接反映されているのを確認できる。そんな状況を想像してみてください。

契約は企業間の関係を定めるものです。だからこそ、契約データは、そうした関係が実際に管理されているシステムと連携すべきです。契約は今後、企業が何に合意したかだけでなく、その合意が皆の期待した価値をもたらしているかどうかを把握するのに役立つ、業務データ基盤になっていくと考えています。

今後、AIエージェントの能力が大幅に高まると、契約管理はどのような姿になると思いますか？従来の契約ライフサイクル管理という分野は、いずれ、より広範な企業インテリジェンス基盤に統合されて姿を消すのでしょうか。その移行において、Sirionはどのような役割を果たすとお考えですか？ 

今後、CLMの境界が次第に見えにくくなっていくことを期待しています。現在、ユーザーは依然として、「契約を作成し、確認し、承認を得て、署名し、保管し、その後管理する」という段階ごとに考えています。エージェントの能力が高まれば、人々がこうしたシステムや業務フローを自ら調整する必要はなくなるはずです。意図を伝えるだけで、専門のエージェントが背後の作業の多くを担えるようになるでしょう。

しかし、より大きな変化が起こるのは、署名の後です。AIが何百万件もの契約に含まれるあらゆる義務、商取引条件、リスク、関係性を把握できるようになれば、契約インテリジェンスは法務以外の領域でも役立ちます。私にとって、そこが最も楽しみな点です。契約がついに、誰もが関わるものになるのです。

ですから、契約がなくなるとは思いません。むしろ、その逆です。契約は、企業向けAIに信頼できる文脈を与えるため、ますます重要になります。Sirionの目標は、業務が行われるあらゆる場所で、そのインテリジェンスを活用できるようにすることです。CLMはやがて、単独の目的地というより、企業が交わした約束と日々の行動をつなぐ、インテリジェンスと実行の基盤として捉えられるようになるかもしれません。

素晴らしいインタビューをありがとうございました。さらに詳しく知りたい方は、Sirionをご覧ください。