Intervjuer

Sarvarth Misra, medgründer og administrerende direktør i Leah – intervjuserie

Antoine Tardif
Legg til Unite.AI blant dine foretrukne kilder på Google
Sarvarth Misra, Co-Founder and CEO of Leah
Viktige punkterÅ legge til AI i programvare bygget for mennesker gjør oppgaver raskere, men lar…
Vis mer
  • Å legge til AI i programvare bygget for mennesker gjør oppgaver raskere, men lar driftsmodellen være uendret.
  • Nesten åtte av ti selskaper mangler effektive verktøy for å identifisere ikke-godkjente agenter.
  • Styring må være innebygd i arkitekturen slik at organisasjoner trygt kan utvide agentenes autonomi.

Sarvarth Misra er medgründer og administrerende direktør i Leah, tidligere ContractPodAi. Han startet karrieren som forretningsjurist med spesialisering i selskapsrett og kommersiell rett. Tiden han brukte på å finne informasjon, samordne dokumenter og følge opp forpliktelser, inspirerte ham til å utvikle teknologi for juridiske team. Siden den gang har arbeidet hans beveget seg fra håndtering av kontrakters livssyklus til agentiske systemer som samordner arbeidsflyter i virksomheter. Han har særlig vært opptatt av å kombinere fagkompetanse, kontrollert gjennomføring og menneskelig skjønn.

Leah utvikler en agentisk KI-plattform for virksomheter som dekker juridiske tjenester, kontraktshåndtering, innkjøp, økonomi og fellestjenester. Plattformen kobler spesialiserte agenter til virksomhetens systemer, forretningskontekst, tilgangstillatelser og godkjenningsflyter for å hjelpe organisasjoner med å utføre arbeid på tvers av avdelinger. I dette intervjuet snakker Misra om overgangen fra KI-assistanse til gjennomføring, utfordringene knyttet til styring og samhandling når agenter skaleres opp, og hvordan virksomheter kan måle pålitelige forretningsresultater samtidig som de beholder menneskelig tilsyn.

Du startet karrieren som forretningsjurist med spesialisering i selskapsrett og kommersiell rett, før du var med på å grunnlegge Leah (tidligere ContractPodAi). Hvilke utfordringer møtte du i det juridiske arbeidet som opprinnelig inspirerte deg til å starte selskapet, og hvordan har denne grunnleggende visjonen utviklet seg til det Leah er i dag?

Da jeg arbeidet med selskapsrett, så jeg på nært hold hvor mye av en jurists tid som gikk med til å håndtere prosesser i stedet for å utøve juridisk skjønn. Høyt kvalifiserte fagfolk brukte utallige timer på å finne informasjon, videresende dokumenter, følge opp forpliktelser og samordne arbeid på tvers av systemer som ikke var koblet sammen. Mens funksjoner som salg og økonomi hadde gjennomgått en betydelig teknologisk omstilling, hadde jussen i stor grad blitt hengende etter.

Denne innsikten fikk oss til å bygge ContractPodAi ut fra en enkel tanke: Juridiske team trengte et system for registrering og innsikt i kontrakter. Men etter hvert som teknologien utviklet seg, endret også forståelsen vår av mulighetene seg. Vi innså at håndtering av arbeid bare var en del av utfordringen. Den langt større muligheten lå i å endre hvordan arbeidet faktisk ble utført.

Denne overbevisningen formet Leah. Kontrakter var utgangspunktet vårt, men ambisjonene har alltid vært større: å endre hvordan virksomheter utfører arbeid, ikke bare hvordan de håndterer det. I dag utvikler vi systemer som kan planlegge, samordne og utføre komplekse arbeidsflyter i virksomheter, slik at folk kan konsentrere seg om skjønn, strategi og beslutningene der menneskelig ekspertise er viktigst.

ContractPodAi skiftet navn til Leah i januar 2026, da selskapet utvidet virksomheten utover håndtering av kontrakters livssyklus og utviklet en bredere plattform for agentisk KI. Hva overbeviste deg om at framtiden ikke bare handlet om å legge KI-funksjoner til eksisterende virksomhetsprogramvare, men om å bygge om arbeidsmåtene grunnleggende rundt autonome agenter?

Vi kom fram til den konklusjonen fordi vi hadde brukt flere år på å bygge opp CLM-kategorien og var blant de første som tok i bruk KI på dette området. Denne erfaringen ga oss et unikt perspektiv på både KI-potensialet og begrensningene ved den underliggende programvaremodellen.

I 2023 hadde vi kommet fram til en grunnleggende konklusjon: Å legge KI til programvare som er utviklet for at mennesker skal bruke den, ville gjøre enkeltoppgaver raskere, men ikke endre hvordan arbeidet utføres i bunn og grunn.

Folk ville fortsatt ha ansvaret for å samle inn informasjon, samordne overleveringer, bytte mellom applikasjoner og sørge for at hvert trinn i en prosess ble fullført. KI kunne effektivisere enkeltaktiviteter, men den underliggende arbeidsmodellen og avhengigheten av menneskelig inngripen ville i stor grad forbli uendret.

Vi mente at neste generasjon virksomhetsprogramvare måtte utformes med gjennomføring som mål, ikke bare assistanse. Systemene burde kunne forstå et mål, samordne aktivitetene som kreves, og føre arbeidet videre på tvers av funksjoner og applikasjoner, med menneskelig involvering der det er nødvendig med skjønn eller godkjenning.

Det krevde en grunnleggende endring av arkitekturen, ikke bare enda en KI-funksjon. Det var en viktig strategisk beslutning, men vi mente den var helt nødvendig. Framtiden for virksomhetsprogramvare ville bli definert ikke av hvor godt den hjelper folk med å håndtere arbeid, men av hvor pålitelig den kan utføre arbeidet og levere resultater.

Begrepet «agentisk KI» brukes stadig oftere i bransjen. Hva mener du skiller et genuint agentisk system for virksomheter fra en tradisjonell KI-assistent, KI-copilot eller et verktøy for automatisering av arbeidsflyter?

Det grunnleggende skillet handler om gjennomføring.

KI-assistenter og copiloter hjelper folk med å utføre oppgaver, mens tradisjonell automatisering av arbeidsflyter følger forhåndsdefinerte sekvenser. Begge kan gi betydelige produktivitetsforbedringer, men folk har som regel fortsatt ansvaret for å føre arbeidet videre og samordne trinnene mellom systemene.

Et genuint agentisk system går lenger. Det kan forstå et mål, fastslå hvilke handlinger som kreves, samordne spesialiserte funksjoner og utføre arbeid på tvers av virksomhetens systemer, samtidig som det trekker inn menneskelig skjønn når det er nødvendig.

Men det er en viktig forskjell mellom en intelligent agent og et agentbasert system som er klart for bruk i virksomheter. Intelligens alene er ikke nok. Pålitelig gjennomføring krever et underliggende rammeverk som sørger for riktig kontekst, verktøy, orkestrering, deterministiske arbeidsflyter, tillatelser og styring.

Det krever også inngående domenekunnskap. En agent som utfører en arbeidsflyt for kontraktsinngåelse, trenger for eksempel mer enn generelle evner til å resonnere. Den må forstå organisasjonens kontraktsposisjoner, forhandlingsstrategier, godkjenningskrav og de forretningsmessige konsekvensene av handlingene sine.

Kort sagt gir modellen intelligensen, rammeverket gir arkitekturen for kontrollert gjennomføring, og domenekompetansen gjør gjennomføringen meningsfull i en forretningssammenheng.

Leahs forskning sammen med IDC viste at 66 % av de spurte organisasjonene allerede har AI-agenter i produksjon, og at de forventer at utrullingen vil bli seks ganger større innen begynnelsen av 2027. Hva tror du virksomheter undervurderer når de går fra å ta i bruk en håndfull agenter til potensielt å administrere hundrevis eller tusenvis?

Mange organisasjoner fokuserer på å få sine første agenter i produksjon. Men utfordringen endrer seg grunnleggende når de begynner å ta i bruk agenter i stor skala.

Spørsmålet er ikke lenger om én enkelt agent kan utføre en oppgave. Spørsmålet er om organisasjonen kan koordinere og styre hundrevis eller potensielt tusenvis av agenter som arbeider på tvers av ulike team, systemer og forretningsområder.

Forskningen vår viste at nesten åtte av ti selskaper mangler effektive verktøy for å identifisere ikke-godkjente agenter, mens omtrent 47 % pekte på sentralisert styring som et kritisk forbedringsområde. Det tyder på et økende gap mellom innføringstakten og organisasjonenes evne til å håndtere det de tar i bruk.

Uten riktig arkitektur risikerer hver nye agent å introdusere enda et lag med kompleksitet. Ulike team kan ta i bruk agenter med forskjellige modeller, verktøy og plattformer, der hver agent opererer med sin egen kontekst, sine egne tillatelser og arbeidsflyter.

Virksomheter trenger derfor mer enn innsyn i enkeltagenter. De trenger et koordinert miljø der agenter kan dele relevant kontekst, operere innenfor tydelig definerte rammer og samarbeide på tvers av forretningsprosesser.

Styring og orkestrering kan ikke være noe man tenker på i etterkant. De må være grunnleggende funksjoner. Ellers risikerer organisasjoner å erstatte fragmenterte programvareapplikasjoner med et like fragmentert landskap av intelligente agenter.

Den samme forskningen identifiserte styring, orkestrering og samarbeid på tvers av funksjoner som tre kritiske bærebjelker for agentisk KI. Hvorfor blir styringen vanskeligere når agenter selvstendig kan resonnere, komme med anbefalinger og sette i gang handlinger på tvers av virksomhetens systemer?

Styringen blir mer kompleks fordi agenter ikke lenger bare produserer informasjon som mennesker skal vurdere. De kan tolke kontekst, ta beslutninger og sette i gang handlinger, ofte på tvers av flere av virksomhetens systemer.

Det endrer grunnleggende risikobildet. Organisasjoner må forstå ikke bare hva en agent har tillatelse til å gjøre, men også hvilken informasjon som lå til grunn for handlingene, hvilke kontroller som ble brukt, og hva resultatet ble.

Kompleksiteten øker når agenter arbeider på tvers av funksjoner med ulike retningslinjer, tillatelser og risikotoleranser. En handling som er akseptabel i én arbeidsflyt, kan kreve ytterligere validering eller godkjenning i en annen. Styringen må derfor omfatte hele gjennomføringsprosessen, i stedet for å bli anvendt på enkeltagenter hver for seg.

Derfor mener vi at styring må bygges inn i den underliggende arkitekturen. Virksomheter trenger deterministiske kontroller for kritiske handlinger, tydelige rutiner for eskalering, konfigurerbare godkjenningskrav og en sporbar logg over gjennomføringen.

Målet er ikke å begrense autonomien unødvendig. Målet er å skape forutsetningene for at organisasjoner trygt kan utvide den. Effektiv styring er det som gjør autonomi i stor skala mulig for virksomheter.

En av utfordringene med agenter i virksomheter er interoperabilitet – agenter kan være utviklet av ulike leverandører, bruke ulike modeller og operere på tvers av systemer som ikke er koblet sammen. Hvordan bør selskaper utforme en arkitektur for et miljø der disse agentene kan dele kontekst på en sikker måte og koordinere med hverandre?

Virksomheter må slutte å betrakte agenter som frittstående produkter og i stedet begynne å se dem som deltakere i et sammenkoblet arbeidssystem.

Den virkelige verdien oppstår når agenter kan dele kontekst, koordinere handlinger og bidra til et felles forretningsresultat, også når de opererer på tvers av ulike funksjoner, plattformer og underliggende modeller.

For å få til dette trengs et orkestreringslag som ligger over enkeltagenter og virksomhetens applikasjoner. Dette laget gir arkitekturen for håndtering av kontekst, tillatelser, integrasjoner, arbeidsflyter og styring, slik at ulike funksjoner kan virke sammen som ett koordinert system.

Like viktig er det å ivareta virksomhetenes selvbestemmelse. Organisasjoner bør beholde kontrollen over egne data, sin institusjonelle kunnskap, sine forretningsregler og arbeidsflyter, uavhengig av hvilke modeller eller teknologileverandører de velger å bruke.

Vi mener at virksomheter bør stå fritt til å ta i bruk nye modeller og teknologier uten å måtte bygge opp prosessene og kunnskapen som ligger til grunn for driften, på nytt.

I bunn og grunn handler interoperabilitet ikke bare om å koble sammen agenter rent teknisk. Det handler om å gjøre det mulig for dem å utføre arbeid på en helhetlig, sikker og ansvarlig måte på tvers av virksomheten.

Juridisk arbeid og kontraktsinngåelse er særlig sensitive områder fordi KI-genererte beslutninger kan få økonomiske, regulatoriske og juridiske konsekvenser. Hvor bør organisasjoner trekke grensen mellom handlinger en KI-agent kan utføre selvstendig, og beslutninger som fortsatt bør kreve menneskelig godkjenning?

Grensen bør trekkes ut fra risikoen, ikke typen oppgave som utføres.

Mange oppgaver innen juridisk arbeid og kontraktsinngåelse er strukturerte og gjentakende, og styres av etablerte retningslinjer. De egner seg godt for selvstendig utførelse, forutsatt at nødvendige kontrollmekanismer er på plass.

En agent som gjennomgår en standard NDA, kan for eksempel vurdere den opp mot et godkjent regelsett, avdekke avvik, bruke avtalte reserveposisjoner og føre avtalen videre uten at en advokat må gripe inn i hvert trinn.

Men en avtale som innebærer betydelig økonomisk risiko, en uvanlig ansvarsposisjon, regulatorisk usikkerhet eller et strategisk kommersielt avkall, kan kreve menneskelig skjønn eller godkjenning.

Det er viktig å understreke at jeg ikke tror målet bør være å fjerne mennesker fra prosessen. Det handler om å endre hvor og hvordan de bidrar. I stedet for å kreve menneskelig inngripen i hvert trinn bør organisasjoner kunne tilpasse graden av autonomi til hver arbeidsflyt, også ved å fastsette hvilke trinn som krever menneskelig involvering.

Det gjør det mulig for fagfolk å konsentrere seg om unntakssituasjoner, forhandlingsstrategi, komplekse risikovurderinger og beslutninger som faktisk krever deres ekspertise.

Muligheten handler ikke bare om å gjøre juridiske team raskere. Den handler om å tenke grunnleggende nytt om hvordan juridisk arbeid utføres, slik at mennesker og KI bidrar der de skaper størst verdi.

Leah utvider bruken av agentisk KI innen juridisk arbeid, kontraktsinngåelse, innkjøp, økonomi og fellestjenester. Hva blir mulig når agenter kan samordne arbeidet på tvers av disse funksjonene, i stedet for å automatisere hver avdeling for seg?

Det meste av arbeidet i en virksomhet starter og slutter ikke innenfor én enkelt avdeling. En kontrakt som forhandles fram av juridisk avdeling, får følger for innkjøp, økonomi, drift og etterlevelse. Likevel har programvare for virksomheter tradisjonelt vært utviklet for enkeltfunksjoner, slik at medarbeiderne har fått ansvaret for å knytte sammen informasjonen, beslutningene og prosessene mellom dem.

Agentisk KI gir en mulighet til å endre denne driftsmodellen.

Når agenter kan samordne arbeidet på tvers av funksjoner, kan de samle relevant informasjon, retningslinjer og kompetanse som trengs for å føre arbeidet fra start til slutt, i stedet for å fullføre én avgrenset oppgave og overlate neste overlevering til noen andre.

Tenk på en leverandøravtale. Avtalevilkårene påvirker beslutninger om innkjøp, betalingsforpliktelser, økonomisk risiko og leverandørens løpende ytelser. I et sammenkoblet agentbasert miljø kan denne informasjonen fra avtalen danne grunnlag for og utløse handlinger på tvers av disse funksjonene, i stedet for å bli liggende utilgjengelig i et avtaleoppbevaringssystem.

Her ser vi at kommersiell innsikt vokser fram: evnen til å koble sammen konteksten fra avtaler, juridiske forhold, innkjøp og økonomi, slik at beslutninger og handlinger gjenspeiler helheten i virksomhetens kommersielle situasjon.

Verdien strekker seg langt utover økt produktivitet i enkeltavdelinger. Den gir mulighet til å optimalisere prosessene som knytter dem sammen, redusere oppsplitting, forbedre beslutningstakingen og gjøre det mulig for arbeidet å flyte gjennom virksomheten med langt mindre manuell samordning.

Når virksomheter tar i bruk flere agenter, hvordan bør de måle om agentisk KI faktisk skaper verdi? Er tradisjonelle måltall som produktivitet og kostnadsbesparelser fortsatt tilstrekkelige, eller trenger selskapene et nytt rammeverk som tar utgangspunkt i resultater og hvor mye arbeid agentene kan utføre pålitelig?

En av lærdommene fra den første bølgen av KI-bruk er at aktivitet og verdi ikke er det samme.

Organisasjoner kan måle forespørsler, tokenmengder, interaksjoner og spart tid, men disse måltallene sier relativt lite om hvorvidt man oppnår meningsfulle forretningsresultater.

Produktivitet og kostnadsbesparelser vil fortsatt være viktige, men agentisk KI krever et bredere rammeverk med vekt på gjennomføring. Hvor mye arbeid blir utført? Hvor pålitelig blir det utført? Går prosessene raskere? Blir restansene færre? Blir unntakssituasjoner identifisert og håndtert mer effektivt?

Vi bør også måle hvor stor grad av autonomi som oppnås innenfor forsvarlige rammer. Det er for eksempel én ting å redusere tiden en advokat bruker på å gjennomgå en kontrakt. Noe helt annet er å legge til rette for at hele kontraktsprosessen kan gå videre – fra mottak via gjennomgang og forhandling til godkjenning – med menneskelig inngripen konsentrert om de stedene der den virkelig trengs.

Dette skillet er viktig fordi den økonomiske verdien av agentisk KI ikke bare handler om sparte arbeidstimer. Den kommer også av økt kapasitet, større konsistens, mindre friksjon i driften og bedre forretningsresultater.

Over tid forventer jeg at organisasjoner vil legge langt større vekt på omfanget og kompleksiteten i arbeidet KI kan utføre pålitelig, kvaliteten på arbeidet og den kommersielle effekten det gir.

Spørsmålet vil endre seg fra «Hvor mye KI bruker vi?» til «Hva kan organisasjonen vår nå utrette som den ikke kunne før?»

Når vi ser tre til fem år fram i tid, hvordan tror du forholdet mellom ansatte, tradisjonell bedriftsprogramvare og autonome KI-agenter vil endre seg, og hva vil kjennetegne organisasjoner som lykkes med overgangen til en agentisk driftsmodell?

Jeg tror vi beveger oss fra en tid preget av systemer for registrering til en tid som i stadig større grad preges av systemer for gjennomføring.

Tradisjonell bedriftsprogramvare vil fortsatt være viktig og levere de underliggende dataene, forretningsregistrene og infrastrukturen organisasjoner er avhengige av. Men i stadig større grad vil agentiske systemer arbeide på tvers av disse applikasjonene og koordinere og utføre oppgaver som tidligere krevde at folk beveget seg mellom systemer, håndterte overleveringer og fulgte opp enkeltoppgaver.

For de ansatte innebærer dette en grunnleggende endring i hvordan de samhandler med teknologi. I stedet for å håndtere hvert trinn i en arbeidsflyt vil folk i stadig større grad definere mål, sette rammer, utøve skjønn og gripe inn der ekspertisen deres bidrar mest.

Men denne overgangen krever mer enn å ta i bruk agenter eller legge KI-funksjoner til eksisterende applikasjoner. Organisasjoner må tenke nytt om hvordan arbeidet organiseres, hvordan beslutninger tas, og hvordan intelligens flyter på tvers av funksjoner.

Forskningen vår sammen med IDC understreker hvor viktig styring, orkestrering og samarbeid på tvers av fagområder er. Jeg vil legge til at inngående domeneforståelse er like avgjørende. Et system trenger både teknisk evne til å utføre oppgaver pålitelig og forretningsforståelse for å vite hva god gjennomføring innebærer.

Organisasjonene som lykkes, vil ikke nødvendigvis være de som tar i bruk flest agenter. Det vil være de som ser agentisk KI som en mulighet til å redesigne driftsmodellen sin grunnleggende.

Den virkelige muligheten ligger ikke i å gjøre måten vi arbeider på i dag mer effektiv. Den ligger i å skape en helt ny modell for hvordan arbeidet i virksomheter utføres.

Takk for et flott intervju. Lesere som ønsker å lære mer om agentisk KI for virksomheter og sammenhengende arbeidsflyter innen juss, kontraktsbehandling, innkjøp og økonomi, bør besøke Leah.

Antoine er en visjonær leder og medgrunnlegger i Unite.AI, drevet av en urokkelig lidenskap for å forme og fremme fremtiden for AI og robotikk. Som seriegründer mener han at AI vil forandre samfunnet like grunnleggende som elektrisiteten, og han snakker ofte begeistret om potensialet i banebrytende teknologier og kunstig generell intelligens (AGI).

Som futurist er han opptatt av å utforske hvordan disse innovasjonene vil forme verden. Han er også grunnlegger av Securities.io, en plattform som fokuserer på investeringer i avanserte teknologier som omdefinerer fremtiden og omformer hele bransjer.