Interviews
Sarvarth Misra, medeoprichter en CEO van Leah – interviewreeks

Belangrijkste puntenHet toevoegen van AI aan software die voor mensen is gebouwd versnelt taken, maar laat…
Meer weergeven
- Het toevoegen van AI aan software die voor mensen is gebouwd versnelt taken, maar laat het operationele model ongewijzigd.
- Bijna acht op de tien bedrijven missen effectieve hulpmiddelen om niet-goedgekeurde agents te identificeren.
- Governance moet in de architectuur worden ingebed, zodat organisaties de autonomie van agents met vertrouwen kunnen uitbreiden.
Sarvarth Misra is medeoprichter en CEO van Leah, voorheen ContractPodAi. Hij begon zijn carrière als advocaat, gespecialiseerd in ondernemings- en handelsrecht. De tijd die hij besteedde aan het opzoeken van informatie, het coördineren van documenten en het bijhouden van verplichtingen, inspireerde hem om technologie voor juridische teams te ontwikkelen. Sindsdien heeft zijn werk zich uitgebreid van contractlevenscyclusbeheer naar agentische systemen die bedrijfsprocessen coördineren, met de nadruk op het combineren van vakinhoudelijke expertise, gecontroleerde uitvoering en menselijk beoordelingsvermogen.
Leah ontwikkelt een agentisch AI-platform voor bedrijven dat juridische zaken, contractbeheer, inkoop, financiën en gedeelde diensten omvat. Het platform verbindt gespecialiseerde agents met bedrijfssystemen, bedrijfscontext, machtigingen en goedkeuringsprocessen, zodat organisaties werk tussen afdelingen kunnen uitvoeren. In dit interview bespreekt Misra de verschuiving van AI-ondersteuning naar uitvoering, de uitdagingen op het gebied van governance en interoperabiliteit bij het opschalen van agents, en hoe bedrijven betrouwbare bedrijfsresultaten kunnen meten met behoud van menselijk toezicht.
U begon uw carrière als advocaat gespecialiseerd in ondernemings- en handelsrecht, voordat u Leah (voorheen ContractPodAi) mede oprichtte. Tegen welke problemen liep u in uw juridische werk aan die u er aanvankelijk toe inspireerden het bedrijf op te richten, en hoe heeft die oorspronkelijke visie zich ontwikkeld tot wat Leah nu is?
Toen ik ondernemingsrecht beoefende, zag ik van dichtbij hoeveel tijd advocaten kwijt waren aan het beheren van processen in plaats van juridisch te oordelen. Hooggekwalificeerde professionals besteedden talloze uren aan het opzoeken van informatie, het doorsturen van documenten, het bijhouden van verplichtingen en het coördineren van werk in niet-gekoppelde systemen. Terwijl functies als verkoop en financiën een ingrijpende technologische transformatie hadden doorgemaakt, was de juridische sector grotendeels achtergebleven.
Dat inzicht bracht ons ertoe ContractPodAi op te richten vanuit een eenvoudig uitgangspunt: juridische teams hadden een registratiesysteem en een bron van inzicht voor contracten nodig. Maar naarmate de technologie zich ontwikkelde, veranderde ook ons inzicht in de mogelijkheden. We beseften dat werk beheren slechts een deel van de uitdaging was. De veel grotere kans lag in het veranderen van de manier waarop dat werk daadwerkelijk werd uitgevoerd.
Die overtuiging vormde Leah. Contracten waren ons vertrekpunt, maar onze ambitie was altijd groter: veranderen hoe bedrijven werk uitvoeren, niet alleen hoe ze het beheren. Vandaag bouwen we systemen die complexe bedrijfsprocessen kunnen plannen, coördineren en uitvoeren, zodat mensen zich kunnen richten op beoordelingsvermogen, strategie en de beslissingen waarbij menselijke expertise het belangrijkst is.
ContractPodAi kreeg in januari 2026 de nieuwe naam Leah, toen het bedrijf zijn activiteiten uitbreidde van contractlevenscyclusbeheer naar een breder agentisch AI-platform. Wat overtuigde u ervan dat de toekomst niet lag in het simpelweg toevoegen van AI-mogelijkheden aan bestaande bedrijfssoftware, maar in een fundamenteel nieuw ontwerp van werkprocessen rond autonome agents?
We kwamen tot die conclusie omdat we jarenlang hadden gewerkt aan de ontwikkeling van de CLM-categorie en tot de eersten behoorden die er AI in introduceerden. Die ervaring gaf ons een uniek perspectief op zowel de mogelijkheden van AI als de beperkingen van het onderliggende softwaremodel.
In 2023 waren we tot een fundamentele conclusie gekomen: AI toevoegen aan software die is ontworpen om door mensen te worden bediend, zou afzonderlijke taken versnellen, maar niet fundamenteel veranderen hoe werk wordt gedaan.
Mensen zouden nog steeds verantwoordelijk zijn voor het verzamelen van informatie, het coördineren van overdrachten, het schakelen tussen applicaties en het controleren of elke procesfase was afgerond. AI kon afzonderlijke activiteiten versnellen, maar het onderliggende werkmodel en de afhankelijkheid daarvan van menselijk ingrijpen bleven grotendeels onveranderd.
We waren ervan overtuigd dat de volgende generatie bedrijfssoftware ontworpen moest zijn voor uitvoering in plaats van ondersteuning. Systemen zouden in staat moeten zijn een doel te begrijpen, de benodigde activiteiten te coördineren en werk binnen verschillende functies en applicaties voort te zetten, met menselijke betrokkenheid wanneer beoordelingsvermogen of goedkeuring nodig is.
Daarvoor was een fundamentele verandering van de architectuur nodig, niet zomaar een nieuwe AI-functie. Het was een belangrijke strategische beslissing, maar we geloofden dat die essentieel was. De toekomst van bedrijfssoftware zou niet worden bepaald door hoe goed software mensen helpt werk te beheren, maar door hoe betrouwbaar ze werk kan uitvoeren en resultaten kan opleveren.
De term ‘agentische AI’ wordt in de sector steeds vaker gebruikt. Wat is volgens u het verschil tussen een echt agentisch bedrijfssysteem en een traditionele AI-assistent, copiloot of tool voor workflowautomatisering?
Het fundamentele verschil zit in de uitvoering.
AI-assistenten en copiloten helpen mensen bij het uitvoeren van taken, terwijl traditionele workflowautomatisering vooraf vastgelegde stappen volgt. Beide kunnen de productiviteit aanzienlijk verhogen, maar doorgaans blijven mensen verantwoordelijk voor het voortzetten van het werk en het coördineren van de stappen tussen systemen.
Een echt agentisch systeem gaat verder. Het kan een doel begrijpen, bepalen welke acties nodig zijn, gespecialiseerde mogelijkheden coördineren en werk uitvoeren in verschillende bedrijfssystemen, waarbij het zo nodig menselijk beoordelingsvermogen inschakelt.
Maar er is een belangrijk verschil tussen een intelligente agent en een agentisch systeem dat klaar is voor gebruik in een onderneming. Intelligentie alleen is niet genoeg. Betrouwbare uitvoering vereist een onderliggend raamwerk dat de juiste context, tools, orkestratie, deterministische workflows, machtigingen en governance biedt.
Ook diepgaande domeinkennis is vereist. Een agent die bijvoorbeeld een contractproces uitvoert, heeft meer nodig dan algemene redeneervaardigheden. De agent moet inzicht hebben in de contractuele standpunten van de organisatie, onderhandelingsstrategieën, goedkeuringsvereisten en de commerciële gevolgen van zijn acties.
Uiteindelijk levert het model de intelligentie, biedt het onderliggende raamwerk de architectuur voor gecontroleerde uitvoering en zorgt domeinexpertise ervoor dat die uitvoering betekenisvol is binnen een zakelijke context.
Uit onderzoek van Leah in samenwerking met IDC bleek dat 66% van de ondervraagde organisaties al AI-agents in productie heeft en verwacht dat het aantal implementaties tegen begin 2027 zes keer zo groot zal zijn. Wat denkt u dat ondernemingen onderschatten wanneer ze de overstap maken van de inzet van een handvol agents naar het beheer van mogelijk honderden of duizenden agents?
Veel organisaties richten zich op het in productie nemen van hun eerste agents. Maar de uitdaging verandert fundamenteel zodra ze agents op grote schaal gaan inzetten.
De vraag is niet langer of één agent een taak kan uitvoeren. De vraag is of de organisatie honderden of mogelijk duizenden agents kan coördineren en aansturen wanneer die binnen verschillende teams, systemen en bedrijfsfuncties werken.
Uit ons onderzoek bleek dat bijna acht op de tien bedrijven niet over doeltreffende tools beschikken om niet-goedgekeurde agents op te sporen, terwijl ongeveer 47% gecentraliseerde governance aanwees als een belangrijk punt voor verbetering. Dat wijst op een groeiende kloof tussen het tempo van de invoering en het vermogen van organisaties om te beheren wat ze implementeren.
Zonder de juiste architectuur dreigt elke extra agent een nieuwe laag complexiteit toe te voegen. Verschillende teams kunnen agents implementeren met uiteenlopende modellen, tools en platforms, die elk hun eigen context, machtigingen en workflows hebben.
Ondernemingen hebben daarom meer nodig dan inzicht in individuele agents. Ze hebben een gecoördineerde omgeving nodig waarin agents relevante context kunnen delen, binnen duidelijk vastgestelde grenzen kunnen werken en gezamenlijk bedrijfsprocessen kunnen uitvoeren.
Governance en orkestratie mogen geen sluitpost zijn. Ze moeten fundamentele capaciteiten vormen. Anders lopen organisaties het risico versnipperde softwaretoepassingen te vervangen door een al even versnipperd landschap van intelligente agents.
In hetzelfde onderzoek werden governance, orkestratie en samenwerking tussen verschillende bedrijfsfuncties aangemerkt als drie essentiële pijlers van agentische AI. Waarom wordt governance lastiger wanneer agents zelfstandig kunnen redeneren, aanbevelingen kunnen doen en acties kunnen starten in bedrijfssystemen?
Governance wordt complexer omdat agents niet langer alleen informatie produceren die mensen kunnen beoordelen. Ze kunnen context interpreteren, beslissingen nemen en acties starten, vaak in meerdere bedrijfssystemen.
Daardoor verandert de aard van het risico fundamenteel. Organisaties moeten niet alleen begrijpen waartoe een agent bevoegd is, maar ook welke informatie aan zijn acties ten grondslag lag, welke controles zijn toegepast en wat daarvan het resultaat was.
De complexiteit neemt toe wanneer agents werken in verschillende bedrijfsfuncties met uiteenlopende beleidsregels, machtigingen en risicotoleranties. Een actie die binnen de ene workflow aanvaardbaar is, kan in een andere workflow extra validatie of goedkeuring vereisen. Governance moet zich daarom uitstrekken over het volledige uitvoeringsproces, in plaats van uitsluitend op individuele agents afzonderlijk te worden toegepast.
Daarom vinden we dat governance in de onderliggende architectuur moet zijn ingebouwd. Ondernemingen hebben deterministische controles nodig voor kritieke acties, duidelijke escalatieroutes, instelbare goedkeuringsvereisten en een controleerbaar uitvoeringslogboek.
Het doel is niet om autonomie onnodig te beperken. Het gaat erom de voorwaarden te scheppen waaronder organisaties die autonomie met vertrouwen kunnen uitbreiden. Doeltreffende governance maakt autonomie op ondernemingsschaal mogelijk.
Een van de uitdagingen van agents in ondernemingen is interoperabiliteit: agents kunnen door verschillende leveranciers zijn ontwikkeld, verschillende modellen gebruiken en in niet-gekoppelde systemen werken. Hoe kunnen bedrijven hun omgeving zo inrichten dat deze agents veilig context kunnen delen en met elkaar kunnen samenwerken?
Ondernemingen moeten verder kijken dan agents als zelfstandige producten en ze gaan beschouwen als deelnemers aan een verbonden werkomgeving.
De echte meerwaarde ontstaat wanneer agents context kunnen delen, acties kunnen coördineren en kunnen bijdragen aan een gemeenschappelijk bedrijfsresultaat, ook als ze binnen verschillende functies en platforms werken en op verschillende onderliggende modellen zijn gebaseerd.
Daarvoor is een orkestratielaag nodig die boven afzonderlijke agents en bedrijfsapplicaties ligt. Deze laag biedt de architectuur voor het beheer van context, machtigingen, integraties, workflows en governance, zodat verschillende capaciteiten als één gecoördineerd systeem kunnen functioneren.
Even belangrijk is het behoud van de soevereiniteit van ondernemingen. Organisaties moeten de controle behouden over hun gegevens, institutionele kennis, bedrijfsregels en workflows, ongeacht welke modellen of technologieleveranciers ze kiezen.
Wij vinden dat ondernemingen vrij moeten zijn om nieuwe modellen en technologieën in te voeren, zonder de processen en intelligentie waarop hun activiteiten berusten opnieuw te moeten opbouwen.
Interoperabiliteit draait uiteindelijk niet alleen om het technisch verbinden van agents. Het gaat erom dat zij binnen de hele onderneming samenhangend, veilig en verantwoord werk kunnen uitvoeren.
Juridische zaken en contractering zijn bijzonder gevoelige domeinen, omdat beslissingen die met AI zijn gegenereerd financiële, regelgevende en juridische gevolgen kunnen hebben. Waar moeten organisaties de grens trekken tussen handelingen die een AI-agent zelfstandig kan uitvoeren en beslissingen waarvoor menselijke goedkeuring nodig blijft?
De grens moet worden bepaald door het risico, niet door het soort taak dat wordt uitgevoerd.
Veel activiteiten op het gebied van juridische zaken en contractering zijn gestructureerd, herhaalbaar en gebaseerd op vastgesteld beleid. Ze lenen zich goed voor autonome uitvoering, mits de juiste controles zijn ingesteld.
Een agent die bijvoorbeeld een standaard-NDA beoordeelt, kan die toetsen aan goedgekeurde richtlijnen, afwijkingen signaleren, overeengekomen terugvalposities toepassen en de overeenkomst verder afhandelen zonder dat een jurist in elke fase hoeft in te grijpen.
Maar voor een overeenkomst met aanzienlijke financiële risico’s, een ongebruikelijke aansprakelijkheidsregeling, onzekerheid over regelgeving of een strategische commerciële concessie kan menselijk oordeel of goedkeuring nodig zijn.
Belangrijk is dat ik niet vind dat het doel moet zijn om mensen uit het proces te halen. Het gaat erom hun rol en bijdrage te veranderen. In plaats van menselijke tussenkomst bij elke stap te vereisen, moeten organisaties voor elke workflow het passende niveau van autonomie kunnen instellen, met inbegrip van de momenten waarop menselijke betrokkenheid verplicht is.
Zo kunnen deskundige professionals zich richten op uitzonderingen, onderhandelingsstrategieën, complexe risicobeoordelingen en beslissingen waarvoor hun expertise echt nodig is.
De kans bestaat niet alleen uit het sneller laten werken van juridische teams. Het gaat erom de manier waarop juridisch werk wordt uitgevoerd fundamenteel te herzien, zodat mensen en AI elk bijdragen waar ze de meeste waarde toevoegen.
Leah breidt agentische AI uit naar juridische zaken, contractering, inkoop, financiën en gedeelde diensten. Wat wordt mogelijk wanneer agents binnen deze functies kunnen samenwerken, in plaats van elke afdeling afzonderlijk te automatiseren?
Het meeste werk binnen ondernemingen begint en eindigt niet op één afdeling. Een overeenkomst waarover de juridische afdeling onderhandelt, heeft gevolgen voor inkoop, financiën, bedrijfsvoering en compliance. Toch is bedrijfssoftware van oudsher rond afzonderlijke functies opgebouwd, waardoor medewerkers verantwoordelijk zijn voor het verbinden van de informatie, beslissingen en processen daartussen.
Agentische AI biedt de mogelijkheid om dat bedrijfsmodel te veranderen.
Wanneer agents tussen verschillende functies kunnen samenwerken, kunnen ze de relevante informatie, beleidsregels en expertise bijeenbrengen die nodig zijn om werk van begin tot eind voort te zetten. Zo ronden ze niet alleen een op zichzelf staande taak af, waarna iemand anders de volgende overdracht moet regelen.
Neem een leveranciersovereenkomst. De contractvoorwaarden beïnvloeden inkoopbeslissingen, betalingsverplichtingen, financiële risico’s en de doorlopende prestaties van de leverancier. In een verbonden agentische omgeving kan die contractuele informatie acties binnen al die functies ondersteunen en in gang zetten, in plaats van opgesloten te blijven in een contractarchief.
Hier zien we commerciële intelligentie ontstaan: het vermogen om contractuele, juridische, inkoop- en financiële context met elkaar te verbinden, zodat beslissingen en acties het volledige commerciële plaatje weerspiegelen.
De waarde reikt veel verder dan hogere productiviteit binnen afzonderlijke afdelingen. Het biedt de mogelijkheid om de processen die afdelingen met elkaar verbinden te optimaliseren, versnippering terug te dringen, de besluitvorming te verbeteren en werk met veel minder handmatige coördinatie door de hele onderneming te laten verlopen.
Hoe moeten ondernemingen meten of agentische AI daadwerkelijk waarde oplevert wanneer ze steeds meer agents inzetten? Zijn traditionele maatstaven zoals productiviteit en kostenbesparingen nog voldoende, of hebben bedrijven een nieuw raamwerk nodig dat is gebaseerd op resultaten en op de hoeveelheid werk die agents betrouwbaar kunnen uitvoeren?
Een van de lessen uit de eerste golf van AI-toepassingen is dat activiteit en waarde niet hetzelfde zijn.
Organisaties kunnen het aantal prompts, tokens en interacties en de bespaarde tijd meten, maar die maatstaven zeggen relatief weinig over de vraag of er betekenisvolle bedrijfsresultaten worden behaald.
Productiviteit en kostenbesparingen blijven belangrijk, maar agentische AI vereist een breder raamwerk dat gericht is op uitvoering. Hoeveel werk wordt er afgerond? Hoe betrouwbaar wordt het uitgevoerd? Verlopen processen sneller? Worden achterstanden kleiner? Worden uitzonderingen effectiever gesignaleerd en opgelost?
We moeten ook meten in hoeverre autonomie wordt bereikt binnen passende kaders. Het is bijvoorbeeld één ding om de tijd te verkorten die een advocaat aan het beoordelen van een contract besteedt. Heel iets anders is het om het volledige contractproces mogelijk te maken: van intake en beoordeling tot onderhandeling en goedkeuring, waarbij menselijke tussenkomst vooral nodig is op de momenten waarop die daadwerkelijk iets toevoegt.
Dat onderscheid is belangrijk, omdat de economische waarde van agentische AI niet beperkt blijft tot bespaarde uren. Die waarde komt ook voort uit een grotere capaciteit, meer consistentie, minder operationele belemmeringen en betere bedrijfsresultaten.
Ik verwacht dat organisaties na verloop van tijd veel meer nadruk zullen leggen op de hoeveelheid en complexiteit van het werk dat AI betrouwbaar kan uitvoeren, op de kwaliteit van die uitvoering en op de commerciële impact ervan.
De vraag zal verschuiven van ‘Hoeveel AI gebruiken we?’ naar ‘Wat kan onze organisatie nu bereiken wat voorheen niet mogelijk was?’
Hoe verwacht u dat de relatie tussen werknemers, traditionele bedrijfssoftware en autonome AI-agenten zich de komende drie tot vijf jaar zal ontwikkelen, en waarin zullen organisaties die succesvol overstappen op een agentisch bedrijfsmodel zich onderscheiden?
Ik denk dat we de overgang maken van een tijdperk dat werd gekenmerkt door registratiesystemen naar een tijdperk waarin uitvoeringssystemen steeds bepalender worden.
Traditionele bedrijfssoftware blijft belangrijk en levert de onderliggende gegevens, bedrijfsinformatie en infrastructuur waarvan organisaties afhankelijk zijn. Maar agentische systemen zullen steeds vaker over die applicaties heen werken en taken coördineren en uitvoeren waarvoor mensen voorheen tussen systemen moesten schakelen, overdrachten moesten regelen en afzonderlijke taken moesten afhandelen.
Voor werknemers betekent dit een fundamentele verandering in de manier waarop ze met technologie omgaan. In plaats van elke fase van een workflow zelf uit te voeren, zullen mensen steeds vaker doelen bepalen, kaders vaststellen, hun oordeel gebruiken en ingrijpen waar hun expertise de meeste waarde toevoegt.
Maar voor die overgang is meer nodig dan alleen agenten inzetten of AI-mogelijkheden toevoegen aan bestaande applicaties. Organisaties moeten opnieuw nadenken over hoe werk wordt ingericht, hoe beslissingen worden genomen en hoe intelligentie tussen verschillende afdelingen wordt gedeeld.
Ons onderzoek met IDC onderstreept het belang van governance, orkestratie en samenwerking tussen verschillende bedrijfsfuncties. Ik zou daaraan willen toevoegen dat diepgaande domeinkennis minstens zo belangrijk is. Een systeem heeft zowel de technische capaciteit nodig om betrouwbaar taken uit te voeren als de bedrijfscontext om te begrijpen waaraan een goede uitvoering moet voldoen.
De organisaties die succesvol zijn, zullen niet noodzakelijkerwijs de organisaties zijn die de meeste agenten inzetten. Het zullen de organisaties zijn die inzien dat agentische AI de kans biedt om hun operationele model fundamenteel opnieuw vorm te geven.
De werkelijke kans is niet om de manier waarop we nu werken efficiënter te maken. Het gaat erom een volledig nieuw model te creëren voor de manier waarop werk binnen bedrijven wordt uitgevoerd.
Bedankt voor het geweldige interview. Lezers die meer willen weten over agentische AI voor bedrijven en geïntegreerde workflows voor juridische zaken, contractering, inkoop en financiën, kunnen terecht bij Leah.












