インタビュー

Leahの共同創業者兼CEO、Sarvarth Misra:インタビューシリーズ

Antoine Tardif
Unite.AI を Google の優先ソースに追加
Sarvarth Misra, Co-Founder and CEO of Leah
要点人間向けに構築されたソフトウェアにAIを追加するとタスクは速くなるが、運用モデルは変わらないままである。
もっと見る
  • 人間向けに構築されたソフトウェアにAIを追加するとタスクは速くなるが、運用モデルは変わらないままである。
  • 企業のほぼ8割が、未承認のエージェントを特定するための効果的なツールを欠いている。
  • 組織が自信を持ってエージェントの自律性を拡大できるよう、ガバナンスはアーキテクチャに組み込まれなければならない。

Sarvarth Misraは、Leah(旧ContractPodAi)の共同創業者兼CEOです。企業法務・商事法務の弁護士としてキャリアをスタートし、情報の検索、文書の調整、義務の追跡に多くの時間を費やした経験から、法務チーム向けのテクノロジーを構築することを思い立ちました。その後、取り組みは契約ライフサイクル管理から、企業の業務プロセスを調整するエージェント型システムへと広がっています。専門領域の知見、統制された実行、人間の判断を組み合わせることに重点を置いています。

Leahは、法務、契約、調達、財務、共通サービスにまたがる、企業向けエージェント型AIプラットフォームを開発しています。同プラットフォームは、専門エージェントを企業システム、業務上のコンテキスト、権限、承認ワークフローに接続し、組織が部門横断で業務を遂行できるよう支援します。このインタビューでMisraは、AIによる支援から実行への移行、エージェントを大規模展開する際のガバナンスと相互運用性の課題、そして人間による監督を維持しながら、企業が信頼できる事業成果をどのように測定できるかについて語ります。

企業法務・商事法務の弁護士としてキャリアをスタートさせた後、Leah(旧ContractPodAi)を共同創業されました。法務の仕事でどのような課題に直面し、それが会社を立ち上げるきっかけになったのでしょうか。また、創業時のビジョンは、現在のLeahへとどのように発展してきましたか?

企業法務に携わっていた頃、弁護士が法的判断を下すことよりも、プロセスの管理に多くの時間を費やしていることを、私は目の当たりにしました。高度な専門性を持つ人々が、情報の検索、文書の回付、義務の追跡、分断されたシステム間での業務調整に、数え切れないほどの時間を費やしていました。営業や財務などの部門ではテクノロジーによる変革が大きく進んでいた一方、法務はほとんど取り残されていました。

この気づきを受け、法務チームには契約に関する記録とインテリジェンスの基盤が必要だというシンプルな考えのもと、私たちはContractPodAiを立ち上げました。しかし、テクノロジーの進化に伴い、私たちの可能性に対する理解も深まりました。業務の管理は課題の一部にすぎないと気づいたのです。はるかに大きな可能性は、業務の実行方法そのものを変革することにありました。

その確信がLeahの方向性を形作りました。出発点は契約でしたが、私たちの目標は常にそれよりも大きく、企業が業務を管理する方法だけでなく、業務を遂行する方法そのものを変えることでした。現在、私たちは複雑な企業業務のプロセスを計画、調整、実行できるシステムを構築しています。これにより、人々は判断や戦略、そして人間の専門性が最も重要となる意思決定に集中できます。

ContractPodAiは、契約ライフサイクル管理の枠を超えて、より広範なエージェント型AIプラットフォームへと事業を拡大するなか、2026年1月にLeahへと社名を変更しました。既存の企業向けソフトウェアにAI機能を加えるだけでなく、自律型エージェントを中心に業務の進め方を根本から再設計することが未来だと確信した理由は何でしょうか?

私たちがその結論に至ったのは、CLMというカテゴリーを何年もかけて築き上げ、その分野にいち早くAIを導入した企業の一つだったからです。この経験によって、AIの可能性と、その基盤となるソフトウェアモデルの限界の双方について、独自の視点を得ることができました。

2023年までに、私たちは根本的な結論に達しました。人が操作することを前提に設計されたソフトウェアにAIを追加すれば、個々の作業は速くなりますが、業務の進め方そのものは根本的には変わりません。

情報の収集、引き継ぎの調整、アプリケーション間の移動、プロセスの各段階が完了したことの確認は、引き続き人が担うことになります。AIによって個々の作業を速めることはできても、基盤となる業務モデルと、人の介入に依存する状態は、ほとんど変わらずに残ります。

私たちは、次世代の企業向けソフトウェアは、支援ではなく実行を中心に設計される必要があると考えました。システムは、目標を理解し、必要な作業を調整し、部門やアプリケーションをまたいで業務を進められる必要があります。その際、判断や承認が必要な場面では人が関与します。

それには、AI機能をもう一つ追加するだけではなく、アーキテクチャを根本から変える必要がありました。これは重要な戦略的決断でしたが、不可欠だと私たちは考えていました。企業向けソフトウェアの未来を決めるのは、人々の業務管理をどれだけ効果的に支援できるかではなく、業務をどれだけ確実に実行し、成果をもたらせるかです。

「エージェント型AI」という言葉は、業界でますます広く使われるようになっています。あなたの考えでは、真にエージェント型の企業システムと、従来型のAIアシスタント、コパイロット、ワークフロー自動化ツールを分けるものは何でしょうか?

根本的な違いは、実行能力です。

AIアシスタントやコパイロットは人々の作業を支援し、従来型のワークフロー自動化は事前に定められた手順に従って処理を進めます。どちらも生産性を大きく向上させる可能性がありますが、通常、業務を先へ進め、システム間の各ステップを調整する責任は人に残ります。

真にエージェント型のシステムは、さらに先へ進みます。目標を理解し、必要な行動を判断し、専門的な機能を連携させ、企業システム全体にわたって業務を実行できます。また、必要に応じて人間の判断を取り入れます。

しかし、知能を備えたエージェントと、企業での利用に対応したエージェント型システムとの間には、重要な違いがあります。知能があるだけでは不十分です。信頼性の高い実行には、適切なコンテキストやツール、オーケストレーション、決定論的なワークフロー、権限、ガバナンスを提供する基盤が必要です。

また、専門領域に関する深い知識も欠かせません。たとえば、契約業務のワークフローを実行するエージェントには、一般的な推論能力だけでなく、組織の契約上の立場、交渉の手順や方針、承認要件、そして自らの行動がもたらす商業的な影響を理解する能力が求められます。

最終的に、モデルが知能を提供し、実行基盤が制御された実行のためのアーキテクチャを提供し、専門領域の知識がビジネスの文脈においてその実行を意味あるものにします。

LeahがIDCと実施した調査によると、調査対象となった組織の66%がすでにAIエージェントを本番環境で稼働させており、2027年初頭までに導入数が6倍に増えると見込んでいます。少数のエージェントの導入から、数百、あるいは数千のエージェントを管理する段階へ移行する際、企業が過小評価しているのはどのような点だと思いますか?

多くの組織は、まず最初のエージェントを本番環境に導入することに注力しています。しかし、エージェントを大規模に展開し始めると、課題の性質は根本的に変わります。

もはや問われるのは、個々のエージェントがタスクを実行できるかどうかではありません。異なるチーム、システム、業務機能にまたがって稼働する数百、あるいは数千のエージェントを、組織として連携させ、統制できるかどうかです。

私たちの調査では、企業の約10社中8社が、未承認のエージェントを特定するための有効なツールを持っていないことが分かりました。また、約47%が、ガバナンスの一元化を重要な改善課題として挙げています。この結果は、導入の進む速さと、組織が導入したものを管理する能力との間で、隔たりが拡大していることを示しています。

適切なアーキテクチャがなければ、エージェントを追加するたびに、複雑さがさらに増すおそれがあります。チームごとに異なるモデル、ツール、プラットフォームを使ってエージェントを導入し、それぞれが独自のコンテキスト、権限、ワークフローで稼働する可能性があるためです。

そのため企業に必要なのは、個々のエージェントを可視化することだけではありません。エージェントが関連するコンテキストを共有し、明確に定められた境界の範囲内で動作し、業務プロセス全体を通じて連携して実行できる環境が必要です。

ガバナンスとオーケストレーションは、後回しにできるものではありません。基盤となる機能として備える必要があります。そうでなければ、断片化したソフトウェアアプリケーションを、同じように断片化した知能を持つエージェントの環境に置き換えることになりかねません。

同じ調査では、ガバナンス、オーケストレーション、部門横断の連携が、エージェント型AIを支える3つの重要な柱として挙げられました。エージェントが自律的に推論し、提案を行い、企業システムをまたいでアクションを開始できるようになると、なぜガバナンスは難しくなるのでしょうか?

エージェントが単に人が評価するための情報を生成するだけではなくなるため、ガバナンスはより複雑になります。エージェントはコンテキストを解釈し、判断を下し、しばしば複数の企業システムにまたがってアクションを開始できます。

それによって、リスクの性質は根本的に変わります。組織は、エージェントに何を実行する権限があるかだけでなく、どの情報がその行動の判断材料となったのか、どの制御が適用されたのか、そしてその結果何が起きたのかも把握する必要があります。

異なるポリシー、権限、リスク許容度を持つ部門にまたがってエージェントが稼働すると、複雑さはさらに増します。あるワークフローでは許容されるアクションでも、別のワークフローでは追加の検証や承認が必要となる場合があります。そのため、ガバナンスは個々のエージェントに個別に適用するのではなく、実行プロセス全体に及ぶ必要があります。

だからこそ、ガバナンスは基盤となるアーキテクチャに組み込まれなければならないと私たちは考えています。企業には、重要なアクションに対する決定論的な制御、明確なエスカレーション経路、設定可能な承認要件、そして監査可能な実行記録が必要です。

目的は、自律性を不必要に制限することではありません。組織が安心して自律性を拡大できる条件を整えることです。効果的なガバナンスがあってこそ、企業規模での自律化が可能になります。

企業向けエージェントの課題の一つに相互運用性があります。エージェントは異なるベンダーによって構築され、異なるモデルを使い、互いに接続されていないシステム上で稼働することがあります。こうしたエージェントがコンテキストを安全に共有し、相互に連携できる環境を、企業はどのように設計すべきでしょうか?

企業は、エージェントを単独で機能する製品として捉える考え方から脱却し、相互につながった業務システムに参加する存在として扱い始める必要があります。

真の価値は、異なる部門、プラットフォーム、基盤モデルにまたがって稼働する場合でも、エージェントがコンテキストを共有し、アクションを連携させ、共通のビジネス成果に貢献できるときに生まれます。

その実現には、個々のエージェントや企業アプリケーションの上位に位置するオーケストレーション層が必要です。この層は、コンテキスト、権限、統合、ワークフロー、ガバナンスを管理するためのアーキテクチャを提供し、さまざまな機能が一つの連携したシステムとして動作できるようにします。

同じく重要なのは、企業が自らの主権を維持することです。どのモデルやテクノロジープロバイダーを利用するかにかかわらず、企業は自社のデータ、組織に蓄積された知識、業務ルール、ワークフローを引き続き管理できるべきです。

企業は、事業運営の基盤となるプロセスや知見を再構築することなく、新しいモデルやテクノロジーを自由に導入できるべきだと、私たちは考えています。

結局のところ、相互運用性とは、単にエージェントを技術的につなぐことではありません。企業全体にわたって、エージェントが一貫性を保ち、安全かつ説明責任を果たせる形で業務を遂行できるようにすることです。

法務や契約業務は、AIが生成した判断が財務、規制、法務上の影響を及ぼす可能性があるため、とりわけ慎重さが求められる領域です。AIエージェントが自律的に実行できる行為と、引き続き人間の承認を必要とすべき判断との境界を、どのように定めるべきでしょうか。

その境界は、実行するタスクの種類ではなく、リスクに基づいて定めるべきです。

法務や契約業務には、手順が明確で、反復可能であり、確立された方針に基づいて行われる作業が数多くあります。適切な管理策が整っていれば、こうした作業は自律的な実行に適しています。

たとえば、定型的な秘密保持契約(NDA)を確認するエージェントは、承認済みの対応方針に照らして内容を評価し、逸脱を特定し、合意済みの代替条件を適用したうえで、各段階で弁護士の介入を求めることなく契約手続きを進められる可能性があります。

一方、大きな財務リスクを伴う契約、異例の責任条項、規制上の不確実性、または戦略的な商業上の譲歩を含む契約には、人間による判断や承認が必要となる場合があります。

重要なのは、プロセスから人を排除することが目標であるべきだとは、私は考えていないという点です。変えるべきなのは、人がどこで、どのように貢献するかです。あらゆる段階で人間の介入を求めるのではなく、各ワークフローに適した自律性のレベルを設定できるようにすべきです。その設定には、人の関与が必須となるタイミングも含まれます。

そうすることで、高度な専門性を持つ人材は、例外的なケース、交渉戦略、複雑なリスク評価、そして真に専門知識を必要とする判断に集中できます。

目指すべきなのは、法務チームの業務を単に迅速化することではありません。人間とAIがそれぞれ最大の価値を生み出す領域で貢献できるよう、法務業務の提供方法そのものを根本から見直すことです。

Leahは、法務、契約、調達、財務、シェアードサービスの各領域で、エージェント型AIを拡大しています。各部門を個別に自動化するのではなく、エージェントがこれらの機能をまたいで連携できるようになると、何が可能になるでしょうか。

企業の業務の大半は、単一の部門内で始まり、そこで完結するわけではありません。法務部門が交渉した契約は、調達、財務、オペレーション、コンプライアンスにも影響します。それにもかかわらず、これまでの企業向けソフトウェアは個々の機能ごとに構築されてきたため、部門間の情報、判断、プロセスをつなぐ役割を人が担ってきました。

エージェント型AIは、この業務モデルを変える機会をもたらします。

エージェントが部門をまたいで連携できれば、業務を最初から最後まで進めるために必要な情報、方針、専門知識を集約できます。個別のタスクだけを完了させ、その後の引き継ぎを誰かに任せるのとは異なります。

サプライヤーとの契約を考えてみましょう。契約条件は、調達の判断、支払い義務、財務リスク、継続的なサプライヤーの業績に影響します。エージェントが連携する環境では、契約に関する知見を契約リポジトリ内に閉じ込めておくのではなく、各機能にまたがる行動の判断材料とし、実際のアクションにつなげることができます。

ここから生まれるのが、コマーシャル・インテリジェンスです。契約、法務、調達、財務に関する背景情報を結び付け、商業上の全体像を踏まえた判断と行動を可能にする力を指します。

その価値は、各部門内の生産性向上にとどまりません。部門間をつなぐプロセスを最適化し、分断を減らし、意思決定を改善するとともに、手作業による調整を大幅に減らしながら、企業全体で業務を進められる可能性が生まれます。

企業がより多くのエージェントを導入するなか、エージェント型AIが実際に価値を生み出しているかどうかを、どのように測定すべきでしょうか。生産性やコスト削減といった従来の指標で十分でしょうか。それとも、成果と、エージェントが確実に実行できる業務量に基づく新たな枠組みが必要でしょうか。

AI導入の第一波から得られた教訓の一つは、活動量と価値は同じではないということです。

企業はプロンプト数、トークン数、やり取りの回数、削減された時間を測定できます。しかし、こうした指標からは、意味のある事業成果が達成されているかどうかは、ほとんど分かりません。

生産性とコスト削減は今後も重要ですが、エージェント型AIには、業務の遂行に焦点を当てた、より幅広い評価の枠組みが必要です。どれだけの業務が完了しているでしょうか。どの程度確実に遂行されているでしょうか。プロセスは迅速化しているでしょうか。滞留案件は減っているでしょうか。例外はより効果的に特定され、解決されているでしょうか。

適切な管理のもとで、どの程度の自律性を実現できているかも測るべきです。たとえば、弁護士が契約書の確認に費やす時間を短縮することと、契約の受付から確認、交渉、承認に至るプロセス全体を進められるようにし、本当に必要な場面に人の介入を集中させることは、別の話です。

この違いが重要なのは、エージェント型AIの経済的価値が、削減できる時間だけに限られないからです。処理能力の向上、一貫性の強化、業務上の摩擦の軽減、そしてビジネス成果の改善も、その価値を生み出します。

今後、組織は、AIが確実に実行できる業務の量と複雑さ、その実行の質、そしてもたらされる商業的な効果を、はるかに重視するようになると考えています。

問いは、「AIをどれだけ活用しているか」から、「以前はできなかったどんなことを、今の組織なら実現できるのか」へと移っていくでしょう。

今後3年から5年の間に、従業員、従来型のエンタープライズソフトウェア、自律型AIエージェントの関係はどのように変化するとお考えですか。また、エージェント型の事業運営モデルへの移行を成功させる組織には、どのような特徴があるでしょうか。

私たちは、記録システムが中心だった時代から、実行システムがますます重要になる時代へと移行していると考えています。

従来型のエンタープライズソフトウェアは今後も重要な役割を担い、組織が依存する基盤データ、業務記録、インフラを提供し続けるでしょう。しかし、エージェント型システムがこうしたアプリケーションを横断して機能し、かつては人がシステム間を移動し、引き継ぎを管理し、個々のタスクを進める必要があった業務を、調整して実行する場面が増えていきます。

従業員にとって、これはテクノロジーとの関わり方に根本的な変化をもたらします。ワークフローのあらゆる段階を自ら操作するのではなく、目標を定め、境界を設定し、判断を下し、専門知識が最も価値を発揮する場面で介入するようになるでしょう。

しかし、この移行を実現するには、エージェントを導入したり、既存のアプリケーションにAI機能を追加したりするだけでは不十分です。組織は、業務の構成、意思決定の方法、部門を横断したインテリジェンスの流れを見直す必要があります。

IDCとの共同調査からも、ガバナンス、オーケストレーション、部門横断の連携が重要であることが裏付けられています。さらに付け加えるなら、業務領域に関する深い理解も同じくらい欠かせません。システムには、確実に実行するためのエンジニアリング能力と、優れた実行とは何かを理解するためのビジネス上の文脈の両方が必要です。

成功する組織は、必ずしも最も多くのエージェントを導入する組織ではありません。エージェント型AIを、事業運営モデルを根本から再設計する機会と捉える組織こそが成功するでしょう。

本当の機会は、現在の働き方をより効率的にすることではありません。企業の業務の進め方そのものに、まったく新しいモデルを創り出すことです。

素晴らしいインタビューをありがとうございました。企業向けエージェント型AIや、法務、契約、調達、財務の各ワークフローの連携について詳しく知りたい方は、Leahをご覧ください。

アントワーヌは、先見の明を持つリーダーであり、Unite.AIの創業パートナーです。AIとロボティクスの未来を形作り、その発展を促すことに揺るぎない情熱を注いでいます。複数の企業を立ち上げてきた起業家として、AIは電気と同じほど社会を大きく変えると考えており、革新的な技術や汎用人工知能(AGI)の可能性について熱く語ることがよくあります。

未来を展望するフューチャリストとして、こうした革新が世界をどのように形作るかを探究しています。また、未来を再定義し、業界全体を変革する最先端技術への投資に焦点を当てたプラットフォーム、Securities.ioの創設者でもあります。