Kanti Prabha、社長兼最高製品・技術責任者、Sirion — インタビューシリーズ

Kanti Prabhaは、Sirionの社長兼最高製品・技術責任者を務めるエンタープライズテクノロジー分野のリーダーです。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年以上の経験を有しています。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担い、社長に就任する前は、製品管理担当副社長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、製品戦略とマネジメント、顧客の成功支援、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にも助言を行っていました。

Sirionは、企業が契約の作成や交渉から、その後の履行状況、義務の遂行、価値の実現までを管理できるよう支援する、AIを活用した契約ライフサイクル管理（CLM）企業です。同社のプラットフォームは、対話型AIと、特定の用途に合わせて設計された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、契約リポジトリの一元化と構造化、契約条項に関する質問への回答、契約書の作成とレビュー、リスクの特定、修正案の提示、義務やサービスレベル契約の履行状況の監視を行えます。Sirionは、agentOSプラットフォームを通じて、エージェント型の契約業務を軸にテクノロジーの展開を進めています。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。大規模な組織が、契約を静的な文書から、検索可能で構造化された業務インテリジェンスの情報源へと変えながら、ガバナンスと人による監督を維持できるよう設計されています。

Sirionを創業するまでの道のりは異色です。化学を学んだ後、知的財産法の分野に進み、特許業務に携わり、さらにHewlett-Packardで働く中で、契約に対する見方が変わったそうですね。初期の経験を通じて何に気づき、それが最終的にSirionを立ち上げる機会があると確信するきっかけになったのでしょうか？ 

契約を軸に会社を立ち上げると考えながら育ったわけではありません。化学を学びましたが、研究室でキャリアを積むより、ビジネス上の課題を解決することに関心があると、比較的早い段階で気づきました。やがて知的財産の分野に進み、特許業務に携わった後、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。

大きな転機となったのは、Sirionの共同創業者であるAjayと私がHPと仕事を始めたときです。同社では、大規模な買収を受けて、何千件もの契約を整理し、管理する必要がありました。当初はリポジトリの問題だと考えていましたが、契約を詳しく調べていくうちに、保管は事業機会のごく一部にすぎないことが明らかになりました。契約からは、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、こうした情報のほとんどは、事業部門が簡単に活用できる状態にはありませんでした。これがSirionの着想の出発点です。契約は、ほとんど活用されていない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」の一形態と表現されています。通常、契約には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、その情報を法務部門以外のチーム、たとえば財務、調達、営業、オペレーションでも活用できるようにするには、どうすればよいのでしょうか？ 

契約は、企業の意図が実際の約束になる数少ない場の一つです。支払うことに合意した金額、顧客が購入に合意したもの、価格の変更が可能になる時期、達成すべきサービス水準、契約の更新時期、相手が期待に応えられなかった場合の対応、そして各義務の履行責任者が記されています。これは非常に価値のある情報ですが、従来は文書の中に埋もれていました。多くの人が契約書を開くのは、何かを交渉するときや、問題が起きたときだけでした。

AIによって、構造化されていない契約文言を、事業のほかの部門が実際に活用できる情報に変えられます。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、商取引上のコミットメントや、価値が失われる可能性を確認できます。営業部門は、更新条件や顧客への約束を把握できます。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。

これが、契約インテリジェンスを流動的にするという意味です。PDFの中に情報を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へ情報を流し込めます。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、事業運営の状況を把握するための生きた情報源にできるのです。

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を立ち上げた当初、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すが、比較的限定されたタスクごとにモデルを学習させる必要がありました。

大規模言語モデルによって、推論の層は飛躍的に拡張されました。今では、自然言語で書かれた質問を理解し、条項の周辺にある文脈を解釈し、文言を企業が望む立場と照らし合わせ、何がリスクに当たるのかを説明し、次に何をすべきか提案できるシステムが実現しています。

しかし、LLMがそれまでのすべて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。企業に必要なのは、説得力のある文章を生成するだけのAIではないため、この組み合わせが重要です。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段階から、その情報を推論し、さらにそれに基づいて行動する段階へと移行できるようになったことです。

Sirionでは現在、契約情報の抽出、問題の検出、修正案の提示、大規模な契約リポジトリの検索など、さまざまなタスクに特化した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、最終的に企業は契約プロセスにおいて、AIにどこまで自律的な行動を許すべきでしょうか。           

すべてをこなす巨大なAIエージェントが未来を担うとは思いません。契約書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。あるエージェントは、何千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、会社のプレイブック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すべて管理させるのではなく、エージェント同士が目標の達成に向けて連携するときです。

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」と尋ねる人がいるとします。システムは、最も関連性の高い条項を特定し、方針と照らし合わせて確認し、問題点を明らかにし、過去の事例を探し、変更を提案するとともに、何をしたのか、そしてその理由を説明できる必要があります。

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。繰り返し発生するルールベースの作業の多くをAIが自律的に処理することには、抵抗がありません。しかし、これまでにない責任条項や、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、不要な作業を減らしつつ、説明責任や人間関係が重要となる場面では、人間が主導権を保てるようにすることです。

契約書には、企業の商業上・法務上、特に機密性の高い情報が含まれていることがあります。Sirionは、セキュリティを妥協するくらいなら製品の発売を延期する方針だ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いっそう深く組み込まれるなか、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。

契約書には、価格、知的財産、従業員情報、買収に関する詳細、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微な情報が含まれることがあります。企業は、AIシステムがその情報を扱う際に、情報がどこへ送られ、どのように処理され、誰がアクセスできるのか、また別のモデルの学習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機能を急いでリリースするよう求める圧力が非常に強まっていますが、最も懸念しているのは、企業データを通常の学習用データと同じように扱うことです。そうした圧力があることは理解していますが、「ガバナンスの問題は後で解決すればいい」という考え方では、企業向けAIを構築できません。セキュリティは、当初からアーキテクチャに組み込む必要があります。

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を慎重に決めることが必要です。Sirionでは、セキュリティを優先した結果、開発が遅れる判断を実際にしてきましたが、そのトレードオフは受け入れられます。企業向けソフトウェア、とりわけ契約を扱う分野では、信頼を築くには何年もかかりますが、たった一度の不用意な判断で損なわれることがあります。

生成AIに根強く残る課題の一つは、誤った回答でも、権威があるように聞こえてしまうことです。わずかな誤りが金銭的または法的な影響を及ぼしかねない契約インテリジェンスの分野で、ユーザーが回答を検証し、信頼できるAIシステムをどのように設計していますか。 

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推薦してもらい、その回答が間違っていたとしても、影響は限られます。一方、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尋ねたとき、システムが自信ありげに回答しながら、そのうち200件を見落としたとしたら、まったく別の問題になります。

私たちは、検証を前提に設計しています。AIが契約について何かを伝えるなら、その回答を元の契約文言までたどって確認できるべきです。修正案が提示された場合は、どの方針やプレイブックの内容がその提案の根拠になったのかを理解できる必要があります。AIの挙動を確認できることが信頼につながるため、説明可能性は導入を進めるうえで不可欠です。

Sirionは、汎用モデルだけに頼るのではなく、組織独自の契約や先例に基づいたAIの回答を重視しています。企業向けAIの次の大きな発展は、基盤モデルと、企業が保有する高度に専門化された独自データを組み合わせたシステムによって、ますます推進されていくと思いますか？

そのとおりです。基盤モデルは非常に高い能力を備えていますが、個々の企業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、戦略的な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組織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、そうした背景情報があってこそです。

組織間の意思決定や約束を詳細に記録した契約に、企業独自のポリシー、交渉用プレイブック、過去の契約、業務データを組み合わせれば、AIシステムは一般的な回答にとどまらず、その企業の業務の進め方を反映した回答を提示できるようになります。ほとんどの企業がすでに同様の基盤モデルを利用できることを考えると、企業向けAIにおける競争優位性は、今後ますます、こうした背景情報から生まれると思います。差別化の鍵となるのは、信頼できる独自情報にモデルを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、正確に推論するための十分な背景情報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、経営など幅広い役割を担ってこられました。企業向けAIソフトウェアの規模を拡大するうえで、会社の初期数年間には想像もできなかった、どのようなことを学びましたか？

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ようとすると、摩擦が生じます。初期の段階では、製品で問題を解決できるかどうかに自然と重点を置きます。しかし、企業規模で展開する段階になると、技術的に優れた回答も、人々から信頼され、既存の業務フローに適合し、グローバル組織が抱える膨大な複雑さに対応できて初めて役立つのだと分かります。

AIによって、この教訓はいっそう重要になっています。今日では、見栄えのするデモを非常に短時間で構築できます。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考えるものを作るのは、それとは別のことです。

AIによって、数千件の契約にわたる義務、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。問題が起きたときに主に参照される文書ではなく、契約が企業のリアルタイムな業務データ層になる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、祝った後、文書はリポジトリに保管されます。それから6か月後、紛争や更新、あるいは何を約束したの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のであれば、こうしたモデルは理にかなわなくなります。

理想的な世界を想像してみてください。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を把握したり、価格調整が3か月前に行われるべきだったと気付いたりできます。営業チームには、顧客と交渉した契約上の約束とともに、間近に迫った更新について通知が届き、財務部門は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ことを確認できます。

契約は企業間の関係を定めるものです。したがって、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されるべきです。契約は今後ますます、企業が何に合意したかだけでなく、その合意が関係者全員の期待した価値をもたらしているかどうかを把握するための、業務データ層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ったとき、契約管理はどのような姿になるとお考えですか？従来の契約ライフサイクル管理（CLM）というカテゴリーは、いずれ、より広範な企業インテリジェンス層に統合されていくのでしょうか。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？ 

時間の経過とともに、CLMの境界がずっと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、レビューし、承認を得て、署名し、保管し、その後管理する」という一連の段階で考えています。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すべて自分で取りまとめ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その実現に必要な作業の多くを担えるようになるでしょう。

しかし、より大きな変化は署名の後に起こります。AIが何百万件もの契約にわたるすべての義務、商取引条件、リスク、関係性を理解できれば、契約インテリジェンスは法務部門をはるかに超えて役立つものになります。私にとって、そこが最も期待している点です。契約がついに、すべての人に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。むしろその反対です。契約は、企業向けAIに信頼できる背景情報を提供するため、より重要になります。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。いずれCLMは、独立した目的地というより、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読者は、Sirionをご覧ください。