Kanti Prabha, president, sjef for produkt og teknologi, Sirion – intervjuserie

Kanti Prabha, president og sjef for produkt og teknologi i Sirion, er en leder innen virksomhetsteknologi med over to tiårs erfaring fra produktutvikling, juridisk teknologi, immaterialrett, drift og SaaS. Som medlem av Sirions grunnleggerteam har hun spilt en sentral rolle i utformingen av selskapets produktvisjon, design og utvikling. Hun har hatt flere lederstillinger, blant annet som visepresident for produktledelse og driftsdirektør, før hun ble president. Kompetansen hennes omfatter utvikling av B2B-SaaS-produkter på bedriftsnivå, produktstrategi og -ledelse, kundeoppfølging, bedriftssalg samt oppskalering av team og organisasjonskultur. Tidligere i karrieren var Prabha den første ansatte og medlem av grunnleggerteamet i UnitedLex, der hun utviklet teknologibaserte løsninger for juridiske avdelinger i selskaper og ledet initiativer innen immaterialrett. Før dette hadde hun jobbet med patentrådgivning i Evalueserve. Hun er også rådgiver for akirolabs og har tidligere vært rådgiver for Clarisights.

Sirion er et selskap som tilbyr KI-drevet kontraktslivssyklushåndtering (CLM), og hjelper virksomheter med å håndtere kontrakter fra opprettelse og forhandling til løpende oppfølging av resultater, forpliktelser og verdirealisering. Plattformen kombinerer samtalebasert KI med spesialutviklede KI-agenter som kan samle og strukturere kontraktsarkiver, svare på spørsmål om kontraktsvilkår, utarbeide og gjennomgå avtaler, identifisere risikoer, foreslå endringer og overvåke forpliktelser og tjenestenivåavtaler. Sirion profilerer i økende grad teknologien sin innen agentbasert kontraktshåndtering gjennom plattformen agentOS, som gjør det mulig for organisasjoner å ta i bruk forhåndsutviklede kontraktsagenter og å lage tilpassede agenter som er koblet til virksomhetens data og arbeidsflyter. Plattformen er utviklet for store organisasjoner som vil gjøre kontrakter om fra statiske dokumenter til strukturerte, søkbare kilder til operasjonell innsikt, samtidig som de ivaretar styring og menneskelig kontroll.

Veien din til å grunnlegge Sirion var utradisjonell: Du studerte kjemi, gikk over til immaterialrett, jobbet med patenter og begynte deretter å se kontrakter på en annen måte mens du jobbet med Hewlett-Packard. Hva var det du oppdaget gjennom disse tidlige erfaringene, som til slutt overbeviste deg om at det lå en mulighet i å bygge Sirion? 

Jeg vokste ikke opp med en tanke om at jeg skulle bygge et selskap rundt kontrakter. Jeg studerte kjemi, men skjønte ganske raskt at jeg var mer interessert i å løse forretningsproblemer enn i å tilbringe karrieren på et laboratorium. Det førte meg etter hvert til immaterialrett, der jeg jobbet med patenter og senere ledet team som utviklet teknologiske og juridiske løsninger for store virksomheter.

Det virkelige vendepunktet kom da Sirion-medgründeren min, Ajay, og jeg begynte å jobbe med HP. De hadde tusenvis av kontrakter som måtte organiseres og håndteres etter et stort oppkjøp. Først så vi på det som et arkiveringsproblem, men da vi begynte å undersøke kontraktene nærmere, ble det tydelig at lagring bare utgjorde en liten del av mulighetene. Kontraktene fortalte hva selskapet hadde kjøpt og solgt, hva det hadde lovet, hva leverandørene hadde lovet, hva det betalte, hvor risikoen lå, og hvor verdier potensielt gikk tapt. Likevel var nesten ingen av disse opplysningene enkle for virksomheten å bruke. Det var denne innsikten som lå bak Sirion. Kontrakter var en i stor grad uutnyttet kilde til forretningsinnsikt.

Du har omtalt kontrakter som en form for «flytende intelligens» i en organisasjon. Hvilken verdifull informasjon er vanligvis skjult i kontrakter, og hvordan kan KI gjøre denne innsikten nyttig for andre team enn juridisk avdeling, blant annet økonomi, innkjøp, salg og drift? 

Kontrakter er et av de få stedene der en virksomhets intensjoner faktisk blir til forpliktelser. De forteller hva selskapet har gått med på å betale, hva en kunde har gått med på å kjøpe, når prisene kan endres, hvilke tjenestenivåer som må oppfylles, når en avtale fornyes, hva som skjer hvis noen ikke leverer som avtalt, og hvem som har ansvar for hver enkelt forpliktelse. Dette er svært verdifull informasjon, men historisk sett har den vært låst i dokumenter som de fleste bare åpner når de skal forhandle om noe, eller når noe har gått galt.

KI endrer dette fordi teknologien gjør det mulig å omdanne ustrukturert kontraktsspråk til informasjon som resten av virksomheten faktisk kan bruke. Innkjøpsavdelingen kan få oversikt over leverandørforpliktelser og priser. Økonomiavdelingen kan se kommersielle forpliktelser og potensielle inntektstap. Salgsavdelingen kan få oversikt over fornyelsesvilkår og kundeløfter. Driftsavdelingen kan følge med på om det som ble lovet, faktisk blir levert.

Det er dette jeg mener med å gjøre kontraktsinnsikt flytende. I stedet for at informasjonen blir liggende i en PDF, kan den flyte videre til beslutningene og systemene der den trengs mest. I stedet for at kontrakten blir slutten på en transaksjon, gjør flytende innsikt den til en aktiv kilde til kontekst for hvordan en virksomhet drives.

Sirion har utviklet seg fra programvare for kontraktslivssyklushåndtering til en plattform som i stadig større grad er KI-drevet. Hvordan har fremveksten av store språkmodeller endret hva som er teknisk mulig med kontraktsdata, sammenlignet med maskinlæringsmetodene som var tilgjengelige da dere startet selskapet?

Da vi startet Sirion, handlet kunstig intelligens innen kontraktshåndtering først og fremst om uttrekk og klassifisering. Maskinlæring kunne bli svært god til å identifisere en klausul, en dato, et partenavn eller en forpliktelse, men modellene måtte trenes for nokså spesifikke oppgaver.

Store språkmodeller har utvidet resonneringslaget betraktelig. Nå kan et system forstå et spørsmål formulert i naturlig språk, tolke konteksten rundt en klausul, sammenligne ordlyden med selskapets foretrukne standpunkt, forklare hvorfor noe utgjør en risiko og foreslå hva man bør gjøre videre.

Men jeg ser ikke på dette som at store språkmodeller erstatter alt som kom før dem. Kontrakter er for komplekse til det. I Sirion bruker vi en tilnærming med flere modeller, som kombinerer store språkmodeller med spesialiserte modeller og inngående kontraktsforståelse. Ulike modeller er gode til ulike ting. Denne kombinasjonen er viktig fordi virksomheter ikke bare trenger kunstig intelligens som kan generere overbevisende språk. De trenger presisjon. Den mest spennende endringen er at vi kan gå fra å hente ut informasjon fra kontrakter til å resonnere rundt denne informasjonen og i stadig større grad handle på grunnlag av den.

Sirion introduserer nå spesialiserte KI-agenter for oppgaver som uttrekk av kontraktsinformasjon, avviksdeteksjon, forslag til endringer og søk i store kontraktsarkiver. Hvordan ser du for deg at disse agentene skal arbeide sammen, og hvor langt bør virksomheter til slutt la kunstig intelligens handle autonomt i kontraktsprosessen?           

Jeg tror ikke framtiden vil bestå av én enorm KI-agent som gjør alt. Utarbeidelse av kontrakter omfatter mange spesialiserte oppgaver, og hver av dem krever ulik kontekst og ulik grad av skjønn. Én agent kan hente ut vilkår fra tusenvis av avtaler. En annen identifiserer formuleringer som avviker fra retningslinjene. Deretter kan en agent for endringsforslag foreslå en presis endring basert på selskapets retningslinjer for kontraktsforhandlinger. Den virkelige styrken ligger i at agentene kan samarbeide om et resultat, i stedet for å tvinge brukeren til å styre hvert enkelt trinn.

Noen kan for eksempel spørre: «Kan vi godta denne leverandøravtalen?» Systemet bør kunne identifisere de mest relevante vilkårene, sammenligne dem med retningslinjene, synliggjøre problemene, finne tidligere praksis og anbefale endringer, samtidig som det forklarer hva det gjorde og hvorfor.

Hvor autonomien bør ta slutt, avhenger av risikoen. Jeg er komfortabel med at kunstig intelligens håndterer mange repetitive, regelstyrte oppgaver på egen hånd. Men en ny type ansvarsbestemmelse eller en strategisk viktig forhandling kan kreve menneskelig skjønn. Målet med autonomi bør være å fjerne unødvendig arbeid, samtidig som mennesker beholder kontrollen der ansvarlighet og relasjoner er viktige.

Kontrakter kan inneholde noe av den mest kommersielt og juridisk sensitive informasjonen et selskap har. Du har sagt at Sirion heller vil utsette en produktlansering enn å gå på akkord med sikkerheten. Etter hvert som generativ kunstig intelligens blir stadig mer integrert i arbeidsflytene i virksomheter, hvilke snarveier innen sikkerhet eller personvern bekymrer deg mest?

Kontrakter kan inneholde priser, immaterielle rettigheter, opplysninger om ansatte, informasjon om oppkjøp, strategiske forpliktelser og svært sensitive opplysninger om kunder og leverandører. Selskaper må vite nøyaktig hvor denne informasjonen sendes når et KI-system behandler den, hvordan den behandles, hvem som har tilgang til den, og om den brukes til å trene en annen modell.

Akkurat nå er presset stort for å lansere KI-funksjoner raskt, men snarveien som bekymrer meg mest, er å behandle virksomhetsdata som om de var vanlig treningsmateriale. Jeg forstår presset, men KI for virksomheter kan ikke bygges på «vi ordner styringen senere». Sikkerhet må være en del av arkitekturen fra starten av.

Det innebærer solide tilgangskontroller, kryptering, mulighet for revisjon, tydelige grenser for data og svært bevisste beslutninger om hvordan tredjepartsmodeller brukes. I Sirion har vi absolutt tatt beslutninger som har forsinket oss på grunn av sikkerhetshensyn, og det er en avveining jeg er komfortabel med. I programvare for virksomheter, særlig når man håndterer kontrakter, tar det årevis å bygge tillit, men bare én uforsiktig beslutning å ødelegge den.

Et vedvarende problem med generativ kunstig intelligens er at et svar kan høres overbevisende ut selv når det er feil. Innen kontraktsanalyse, der en liten feil kan få økonomiske eller juridiske konsekvenser, hvordan utformer dere KI-systemer som brukerne kan kontrollere og stole på? 

Dette er en av de viktigste forskjellene mellom KI for forbrukere og KI for virksomheter. Hvis jeg ber en KI-assistent om en restaurantanbefaling og den tar feil, er konsekvensene begrensede. Hvis et juridisk team spør om 5 000 leverandørkontrakter inneholder en bestemt oppsigelsesrett, og systemet selvsikkert overser 200 av dem, er det en helt annen sak.

Vi utformer systemene med tanke på at resultatene skal kunne kontrolleres. Hvis KI-en forteller deg noe om en kontrakt, bør du kunne spore svaret tilbake til den underliggende ordlyden. Hvis den anbefaler en endring, bør du forstå hvilke retningslinjer eller føringer i selskapets kontraktsveiledning som ligger til grunn for anbefalingen. Forklarbarhet er avgjørende for at teknologien skal tas i bruk, fordi tillit skapes når KI-en kan etterprøves.

Sirion legger vekt på at KI-svar skal bygge på organisasjonens egne kontrakter og presedens, i stedet for å basere seg utelukkende på generelle modeller. Tror du at neste store fase innen KI for bedrifter i stadig større grad vil drives fram av systemer som kombinerer grunnmodeller med svært spesialiserte, proprietære bedriftsdata?

Absolutt. Grunnmodeller er svært kapable, men de vet ikke hvordan akkurat din bedrift drives. De vet ikke automatisk hvilke innrømmelser juridisk avdeling godkjente i fjor, hvordan dere fastsetter priser for en strategisk kunde, hvilke leverandører som gjentatte ganger ikke oppfyller tjenestenivåene, eller når organisasjonen krever eskalering. Det er denne konteksten som gjør KI for bedrifter virkelig nyttig.

Kombiner kontraktenes verdifulle oversikt over beslutninger og forpliktelser mellom organisasjoner med unike bedriftspolicyer, forhandlingshåndbøker, historiske avtaler og driftsdata, så kan et KI-system gå fra å gi et generisk svar til å gi et svar som gjenspeiler hvordan virksomheten din fungerer. Jeg tror konkurransefortrinnet innen KI for bedrifter i stadig større grad vil komme fra denne konteksten, siden de fleste bedrifter allerede har tilgang til lignende grunnmodeller. Det som vil skille dem fra hverandre, er hvor effektivt de kan koble modellene til pålitelig, proprietær informasjon og gi dem nok kontekst til å trekke presise slutninger uten å sette sikkerheten i fare.

Du har brukt mer enn et tiår på å bygge opp Sirion og har hatt roller innen produkt, drift og selskapsledelse. Hva har du lært om å skalere KI-programvare for bedrifter som du ikke ville ha forstått i løpet av selskapets første år?

Noe jeg har lært, er at det noen ganger er den enkle delen å utvikle teknologien. Utfordringene oppstår når man begynner å endre måten en stor organisasjon arbeider på. I de første årene er man naturlig nok opptatt av om produktet kan løse problemet. Når man skalerer til bedriftsnivå, innser man at et teknisk sett utmerket svar bare er nyttig hvis folk stoler på det, det passer inn i de eksisterende arbeidsflytene deres, og det kan håndtere kompleksiteten i en global organisasjon.

KI gjør denne lærdommen enda viktigere. I dag kan man raskt lage en imponerende demonstrasjon. Det er noe annet å bygge noe en bedrift er villig til å betro millioner av datapunkter og arbeidsflyter til.

Etter hvert som KI gjør det mulig å analysere forpliktelser, risikoer, prisvilkår, fornyelser og resultater på tvers av tusenvis av avtaler fortløpende, kan kontrakter etter hvert bli et operativt datalag i sanntid for bedriften, i stedet for dokumenter man først og fremst slår opp i når noe går galt?

Jeg tror det er akkurat dit vi er på vei. I lang tid har kontrakten blitt sett på som mållinjen. Alle forhandler, signerer, feirer, og så legges dokumentet i et arkiv. Seks måneder senere åpner noen det fordi det har oppstått en tvist, en fornyelse nærmer seg eller noen har spørsmål om hva som ble lovet. Den modellen gir ikke mening når KI fortløpende kan forstå hva som skjer i hele kontraktsporteføljen.

I en ideell verden kan man tenke seg at man får vite at en leverandør ikke har oppfylt en SLA før den neste fakturaen blir godkjent, eller ser at en prisjustering skulle ha blitt gjennomført for tre måneder siden. Tenk deg at salgsteamet får et varsel om en forestående fornyelse, sammen med kundens avtalte forpliktelser, eller at økonomiavdelingen ser at de kommersielle forpliktelsene gjenspeiles direkte i systemene deres.

Kontrakter definerer forholdet mellom selskaper, så kontraktsdata bør kobles til systemene der disse forholdene faktisk forvaltes. Jeg tror kontrakten i stadig større grad vil bli et operativt datalag som hjelper bedriften med å forstå ikke bare hva den har avtalt, men også om avtalene gir den verdien alle forventet.

Hva tror du kontraktsforvaltning vil innebære framover, når KI-agenter blir betydelig mer kapable? Vil den tradisjonelle kategorien kontraktslivssyklusstyring (CLM) etter hvert gå opp i et bredere lag for bedriftsintelligens, og hvilken rolle ser du for deg at Sirion vil spille i denne overgangen? 

Jeg håper at grensene for CLM blir langt mindre synlige over tid. I dag tenker brukerne fortsatt i trinn: Jeg må opprette en kontrakt, gjennomgå den, få den godkjent, signere den, lagre den og deretter forvalte den. Etter hvert som agentene blir mer kapable, bør ikke folk måtte styre alle disse systemene og arbeidsflytene selv. De bør kunne uttrykke hva de ønsker å oppnå og la spesialiserte agenter utføre mye av arbeidet.

Men den største endringen skjer etter signeringen. Hvis KI kan forstå alle forpliktelser, kommersielle vilkår, risikoer og relasjoner på tvers av millioner av avtaler, blir kontraktsinnsikt nyttig langt utover juridisk arbeid. For meg er det den spennende delen: at kontrakter endelig blir alles anliggende.

Jeg tror altså ikke at kontrakter forsvinner. Tvert imot. De blir viktigere fordi de gir KI for bedrifter en pålitelig kontekst. Målet vårt i Sirion er å gjøre denne innsikten tilgjengelig der arbeidet utføres. CLM kan etter hvert oppleves mindre som et frittstående mål og mer som et lag for innsikt og gjennomføring, som kobler sammen forpliktelsene et selskap har påtatt seg, og handlingene det utfører hver dag.

Takk for et flott intervju. Lesere som ønsker å vite mer, kan besøke Sirion.