Interviews
Kanti Prabha, president en directeur Product & Technologie bij Sirion – interviewreeks

Belangrijkste puntenContracten bevatten onbenutte bedrijfsintelligentie, omdat ze verplichtingen vastleggen…
Meer weergeven
- Contracten bevatten onbenutte bedrijfsintelligentie, omdat ze verplichtingen vastleggen die de meeste teams nooit raadplegen.
- Enterprise-AI heeft eigen bedrijfscontext nodig, omdat basismodellen interne beleidsregels of precedenten niet kunnen kennen.
- AI-autonomie moet stoppen waar het risico menselijk oordeel vereist over nieuwe of strategische contractvoorwaarden.
Kanti Prabha, president en directeur Product & Technologie bij Sirion, is een leider op het gebied van bedrijfstechnologie met meer dan twintig jaar ervaring in productontwikkeling, juridische technologie, intellectueel eigendom, bedrijfsvoering en SaaS. Als lid van het oprichtersteam van Sirion speelde ze een centrale rol bij het vormgeven van de productvisie, het ontwerp en de ontwikkeling van het bedrijf. Ze bekleedde verschillende leidinggevende functies, waaronder die van vicepresident Productmanagement en operationeel directeur, voordat ze president werd. Haar expertise omvat de ontwikkeling van B2B-SaaS-producten voor grote ondernemingen, productstrategie en -management, klantensucces, zakelijke verkoop en het opschalen van teams en organisatiecultuur. Eerder in haar carrière was Prabha de eerste medewerker en lid van het oprichtersteam van UnitedLex, waar ze technologiegedreven oplossingen ontwikkelde voor juridische afdelingen van bedrijven en initiatieven op het gebied van intellectueel eigendom beheerde. Daarvoor deed ze ervaring op met octrooidiensten bij Evalueserve. Ze is ook adviseur bij akirolabs en was eerder adviseur van Clarisights.
Sirion is een AI-gestuurd bedrijf voor contractlevenscyclusbeheer (CLM) dat ondernemingen helpt contracten te beheren vanaf het opstellen en onderhandelen tot en met de doorlopende uitvoering, verplichtingen en het realiseren van waarde. Het platform combineert conversationele AI met speciaal ontwikkelde AI-agenten die contractenverzamelingen kunnen centraliseren en structureren, vragen over contractvoorwaarden kunnen beantwoorden, overeenkomsten kunnen opstellen en beoordelen, risico’s kunnen signaleren, wijzigingen kunnen voorstellen en verplichtingen en service level agreements kunnen monitoren. Sirion richt zijn technologie steeds nadrukkelijker op contractering met AI-agenten via het agentOS-platform. Organisaties kunnen daarmee kant-en-klare contractagenten inzetten en daarnaast aangepaste agenten maken die zijn gekoppeld aan bedrijfsgegevens en workflows. Het platform is bedoeld voor grote organisaties die contracten willen omvormen van statische documenten tot gestructureerde, doorzoekbare bronnen van operationele inzichten, met behoud van governance en menselijk toezicht.
Je weg naar de oprichting van Sirion was ongebruikelijk: je studeerde scheikunde, stapte over naar het intellectuele-eigendomsrecht, werkte aan octrooien en ging contracten vervolgens anders bekijken toen je bij Hewlett-Packard werkte. Wat zag je in die vroege ervaringen waardoor je uiteindelijk overtuigd raakte dat er een kans lag om Sirion op te richten?
Ik ben niet opgegroeid met het idee dat ik een bedrijf rond contracten zou oprichten. Ik studeerde scheikunde, maar besefte al vrij snel dat ik liever zakelijke problemen oploste dan mijn carrière in een laboratorium doorbracht. Zo kwam ik uiteindelijk in de wereld van intellectueel eigendom terecht, waar ik aan octrooien werkte en later leiding gaf aan teams die technologische en juridische oplossingen voor grote ondernemingen ontwikkelden.
Het echte keerpunt kwam toen mijn medeoprichter bij Sirion, Ajay, en ik met HP gingen samenwerken. Na een grote overname moesten duizenden contracten worden geordend en beheerd. Aanvankelijk zagen we dat als een archiveringsprobleem, maar toen we de contracten nader bekeken, werd duidelijk dat opslag maar een heel klein deel van de kans vormde. Contracten lieten zien wat een bedrijf had gekocht en verkocht, wat het had toegezegd, wat zijn leveranciers hadden toegezegd, wat het betaalde, waar risico’s lagen en waar mogelijk waarde verloren ging. Toch was vrijwel geen van die informatie gemakkelijk bruikbaar voor het bedrijf. Dat inzicht vormde de basis voor Sirion. Contracten waren een grotendeels onbenutte bron van bedrijfsinformatie.
Je hebt contracten omschreven als een vorm van ‘vloeibare intelligentie’ binnen een organisatie. Welke waardevolle informatie zit doorgaans verborgen in contracten, en hoe kan AI die informatie bruikbaar maken voor teams buiten de juridische afdeling, zoals financiën, inkoop, verkoop en bedrijfsvoering?
Contracten zijn een van de weinige plekken waar de intenties van een bedrijf daadwerkelijk verplichtingen worden. Ze laten zien welk bedrag je hebt afgesproken te betalen, wat een klant heeft toegezegd af te nemen, wanneer prijzen kunnen veranderen, aan welke serviceniveaus moet worden voldaan, wanneer een overeenkomst wordt verlengd, wat er gebeurt als iemand ondermaats presteert en wie welke verplichting heeft. Dat is bijzonder waardevolle informatie, maar van oudsher zit die opgesloten in documenten die de meeste mensen alleen openen wanneer ze iets moeten onderhandelen of wanneer er iets mis is gegaan.
AI brengt daar verandering in, omdat we daarmee ongestructureerde contracttaal kunnen omzetten in informatie die de rest van het bedrijf daadwerkelijk kan gebruiken. Inkoop krijgt inzicht in verplichtingen van leveranciers en prijsafspraken. Financiën kan commerciële verplichtingen en mogelijk omzetverlies in beeld brengen. Verkoop krijgt inzicht in verlengingsvoorwaarden en toezeggingen aan klanten. Bedrijfsvoering kan bewaken of daadwerkelijk wordt geleverd wat is toegezegd.
Dat bedoel ik met contractinformatie vloeibaar maken. In plaats van informatie in een pdf te laten staan, kan die doorstromen naar de besluitvorming en systemen waar ze het hardst nodig is. In plaats van het contract als eindpunt van een transactie te beschouwen, maakt vloeibare informatie het tot een actieve bron van context voor de manier waarop een bedrijf werkt.
Sirion heeft zich ontwikkeld van software voor contractlevenscyclusbeheer tot een platform dat steeds sterker door AI wordt aangedreven. Hoe heeft de opkomst van grote taalmodellen veranderd wat technisch mogelijk is met contractgegevens, vergeleken met de machinelearningmethoden die beschikbaar waren toen jullie het bedrijf oprichtten?
Toen we Sirion oprichtten, draaide AI bij contractbeheer vooral om het extraheren en classificeren van gegevens. Machinelearningmodellen konden heel goed worden in het herkennen van een clausule, datum, partijnaam of verplichting, maar voor relatief specifieke taken moest je de modellen trainen.
Grote taalmodellen hebben de redeneermogelijkheden enorm uitgebreid. Een systeem kan nu een in natuurlijke taal geformuleerde vraag begrijpen, de context rond een clausule interpreteren, formuleringen vergelijken met de gewenste positie van een bedrijf, uitleggen waarom iets een risico vormt en aangeven wat iemand vervolgens zou moeten doen.
Maar ik zie dit niet als een vervanging van alles wat eraan voorafging door grote taalmodellen. Contracten zijn daarvoor te complex. Bij Sirion gebruiken we een aanpak met meerdere modellen, waarin grote taalmodellen worden gecombineerd met gespecialiseerde modellen en diepgaande contractintelligentie. Verschillende modellen zijn goed in verschillende dingen. Die combinatie is belangrijk, omdat bedrijven niet alleen een AI nodig hebben die overtuigende taal kan genereren. Ze hebben precisie nodig. De spannendste verandering is dat we kunnen overstappen van informatie uit contracten halen naar over die informatie redeneren en er steeds vaker ook naar handelen.
Sirion introduceert nu gespecialiseerde AI-agenten voor taken als het extraheren van contractgegevens, het opsporen van problemen, het voorstellen van contractwijzigingen en het doorzoeken van grote contractdatabases. Hoe ziet u deze agenten met elkaar samenwerken, en hoeveel autonomie moeten bedrijven AI uiteindelijk geven tijdens het contractproces?
Ik denk niet dat de toekomst bestaat uit één enorme AI-agent die alles doet. Bij het opstellen van contracten komen veel gespecialiseerde taken kijken, die elk een andere context en een ander niveau van oordeelsvermogen vereisen. De ene agent kan bijvoorbeeld voorwaarden uit duizenden overeenkomsten halen. Een andere herkent formuleringen die afwijken van het beleid. Vervolgens kan een agent voor contractwijzigingen een precieze aanpassing voorstellen op basis van de richtlijnen van het bedrijf. De echte kracht schuilt erin dat die agenten samen naar een resultaat toe kunnen werken, in plaats van de gebruiker elke afzonderlijke stap te laten beheren.
Iemand kan bijvoorbeeld vragen: ‘Kunnen we deze leveranciersovereenkomst accepteren?’ Het systeem moet dan de meest relevante voorwaarden kunnen herkennen, ze met het beleid vergelijken, de aandacht vestigen op problemen, eerdere gevallen opzoeken en wijzigingen aanbevelen, en daarbij uitleggen wat het heeft gedaan en waarom.
Waar de autonomie ophoudt, moet afhangen van het risico. Ik vind het prima als AI veel repetitieve, regelgebaseerde handelingen zelfstandig uitvoert. Maar voor een nieuwe aansprakelijkheidsbepaling of een onderhandeling van strategisch belang kan menselijk oordeelsvermogen nodig zijn. Het uiteindelijke doel van autonomie moet zijn om onnodig werk weg te nemen, met behoud van menselijke controle waar verantwoordelijkheid en relaties ertoe doen.
Contracten kunnen informatie bevatten die voor een bedrijf commercieel en juridisch uiterst gevoelig is. U hebt gezegd dat Sirion een productlancering liever uitstelt dan concessies doet aan de beveiliging. Nu generatieve AI steeds dieper verankerd raakt in bedrijfsprocessen, welke concessies op het gebied van beveiliging of privacy baren u de meeste zorgen?
Contracten kunnen prijsinformatie, intellectueel eigendom, personeelsgegevens, informatie over overnames, strategische toezeggingen en uiterst gevoelige informatie over klanten en leveranciers bevatten. Bedrijven moeten precies weten waar die informatie naartoe gaat wanneer een AI-systeem ermee aan de slag gaat, hoe ze wordt verwerkt, wie er toegang toe heeft en of ze wordt gebruikt om een ander model te trainen.
Er is momenteel enorme druk om AI-functies snel uit te brengen, maar de concessie die me het meest zorgen baart, is bedrijfsgegevens behandelen alsof het gewoon trainingsmateriaal is. Ik begrijp die druk, maar bedrijfs-AI kan niet worden gebouwd op het idee dat we het gegevensbeheer later wel regelen. Beveiliging moet vanaf het begin onderdeel zijn van de architectuur.
Dat betekent strenge toegangscontroles, versleuteling, controleerbaarheid, duidelijke grenzen voor het gebruik van gegevens en zeer weloverwogen beslissingen over het gebruik van modellen van derden. Bij Sirion hebben we zeker beslissingen genomen waarbij beveiliging ons vertraagde, en ik vind die afweging aanvaardbaar. In bedrijfssoftware, vooral wanneer je met contracten werkt, kost het jaren om vertrouwen op te bouwen en kan één ondoordachte beslissing het beschadigen.
Een hardnekkig probleem met generatieve AI is dat een antwoord gezaghebbend kan klinken, ook als het onjuist is. Hoe ontwerpt u AI-systemen die gebruikers kunnen controleren en vertrouwen, als een subtiele fout in contractintelligentie financiële of juridische gevolgen kan hebben?
Dit is een van de belangrijkste verschillen tussen AI voor consumenten en AI voor bedrijven. Als ik een AI-assistent om een restaurantaanbeveling vraag en die zit ernaast, zijn de gevolgen beperkt. Maar als een juridisch team vraagt of 5.000 leverancierscontracten een bepaalde opzeggingsmogelijkheid bevatten en het systeem er vol vertrouwen 200 over het hoofd ziet, is dat een heel ander probleem.
We ontwerpen onze systemen zo dat de uitkomsten te controleren zijn. Als de AI iets over een contract vertelt, moet je dat antwoord kunnen herleiden tot de onderliggende formulering. Als de AI een wijziging voorstelt, moet je kunnen begrijpen welk beleid of welke richtlijn aan die aanbeveling ten grondslag ligt. Uitlegbaarheid is essentieel voor de acceptatie, omdat vertrouwen voortkomt uit de mogelijkheid om AI te controleren.
Sirion benadrukt dat AI-antwoorden moeten zijn gebaseerd op de eigen contracten en precedenten van een organisatie, in plaats van uitsluitend op algemene modellen. Denkt u dat de volgende grote fase van AI voor bedrijven steeds meer zal worden aangedreven door systemen die basismodellen combineren met zeer gespecialiseerde, bedrijfseigen gegevens?
Absoluut. Basismodellen zijn buitengewoon capabel, maar weten niet hoe uw bedrijf precies werkt. Ze weten niet vanzelf welke concessies uw juridische team vorig jaar heeft goedgekeurd, hoe u de prijzen voor een strategische klant vaststelt, welke leveranciers herhaaldelijk de serviceniveaus niet halen of wanneer uw organisatie een kwestie moet escaleren. Juist met die context wordt AI voor bedrijven echt nuttig.
Combineer de waardevolle vastlegging in contracten van beslissingen en toezeggingen tussen organisaties met unieke bedrijfsrichtlijnen, onderhandelingsdraaiboeken, historische overeenkomsten en operationele gegevens, en een AI-systeem kan meer bieden dan een algemeen antwoord: het kan een antwoord geven dat weerspiegelt hoe uw bedrijf werkt. Ik denk dat het concurrentievoordeel bij AI voor bedrijven steeds meer uit deze context zal voortkomen, omdat de meeste bedrijven al toegang hebben tot vergelijkbare basismodellen. Het onderscheid zal afhangen van hoe effectief ze die modellen kunnen koppelen aan betrouwbare, bedrijfseigen informatie en ze voldoende context kunnen bieden om nauwkeurig te redeneren zonder de beveiliging in gevaar te brengen.
U bouwt al meer dan tien jaar aan Sirion en hebt functies bekleed op het gebied van product, bedrijfsvoering en bedrijfsleiding. Wat hebt u geleerd over het opschalen van AI-software voor bedrijven dat u in de eerste jaren van het bedrijf nog niet had kunnen begrijpen?
Eén ding dat ik heb geleerd, is dat de technologie bouwen soms het makkelijke deel is. De weerstand ontstaat wanneer je begint te veranderen hoe een grote organisatie werkt. In de beginjaren richt je je vanzelfsprekend op de vraag of het product het probleem kan oplossen. Op de schaal van grote bedrijven besef je dat een technisch uitstekend antwoord alleen nuttig is als mensen erop vertrouwen, het in hun bestaande werkprocessen past en het de enorme complexiteit van een wereldwijde organisatie aankan.
AI maakt die les nog belangrijker. Tegenwoordig kun je heel snel een indrukwekkende demo bouwen. Iets bouwen waaraan een bedrijf miljoenen datapunten en werkprocessen durft toe te vertrouwen, is iets heel anders.
Nu AI het mogelijk maakt om verplichtingen, risico’s, prijsvoorwaarden, verlengingen en prestaties in duizenden overeenkomsten doorlopend te analyseren, kunnen contracten uiteindelijk uitgroeien tot een realtime operationele gegevenslaag voor bedrijven, in plaats van documenten die vooral worden geraadpleegd als er iets misgaat?
Ik denk dat we precies die kant op gaan. Lange tijd werd het contract gezien als de eindstreep. Iedereen onderhandelt, ondertekent, viert dat en slaat het document vervolgens op in een repository. Zes maanden later opent iemand het omdat er een geschil is, een verlenging aan de orde is of er een vraag is over wat er was toegezegd. Dat model is niet logisch wanneer AI voortdurend kan begrijpen wat er binnen de contractportefeuille gebeurt.
Stel je in een ideale wereld eens voor dat je weet dat een leverancier een SLA niet heeft gehaald voordat de volgende factuur wordt goedgekeurd, of dat je ziet dat een prijsaanpassing drie maanden geleden had moeten plaatsvinden. Stel je voor dat een verkoopteam een melding krijgt over een aanstaande verlenging, samen met de afspraken die met de klant zijn onderhandeld, of dat de financiële afdeling ziet dat commerciële verplichtingen rechtstreeks in haar systemen zijn opgenomen.
Contracten bepalen de relaties tussen bedrijven. Daarom moeten contractgegevens worden gekoppeld aan de systemen waarin die relaties daadwerkelijk worden beheerd. Ik denk dat het contract steeds meer een operationele gegevenslaag wordt, die bedrijven helpt niet alleen te begrijpen wat ze zijn overeengekomen, maar ook of die afspraken de waarde opleveren die iedereen ervan verwachtte.
Hoe denkt u dat contractbeheer eruit zal zien wanneer AI-agenten aanzienlijk capabeler worden? Zal de traditionele categorie contractlevenscyclusbeheer uiteindelijk opgaan in een bredere intelligentielaag voor bedrijven, en welke rol ziet u voor Sirion in die overgang?
Ik hoop dat de grenzen van CLM na verloop van tijd veel minder zichtbaar worden. Gebruikers denken nu nog in stappen: ik moet een contract opstellen, het beoordelen, goedkeuring krijgen, het ondertekenen, opslaan en vervolgens beheren. Naarmate agenten capabeler worden, zouden mensen niet al die systemen en werkprocessen zelf hoeven aan te sturen. Ze moeten kunnen aangeven wat ze willen bereiken en gespecialiseerde agenten een groot deel van het werk daarachter laten uitvoeren.
Maar de grotere verandering vindt plaats na de ondertekening. Als AI alle verplichtingen, commerciële voorwaarden, risico’s en relaties in miljoenen overeenkomsten kan begrijpen, wordt contractuele informatie veel breder inzetbaar dan alleen voor juridische zaken. Dat vind ik het mooie eraan: contracten worden eindelijk iets waar iedereen zich mee bezighoudt.
Dus ik denk niet dat contracten verdwijnen. Integendeel. Ze worden belangrijker omdat ze AI voor bedrijven betrouwbare context bieden. Bij Sirion willen we die informatie bruikbaar maken, waar het werk ook plaatsvindt. CLM zal uiteindelijk misschien minder aanvoelen als een op zichzelf staande bestemming en meer als een intelligentie- en uitvoeringslaag die de toezeggingen van een bedrijf verbindt met de acties die het dagelijks onderneemt.
Bedankt voor het fijne interview. Lezers die meer willen weten, kunnen terecht bij Sirion.












