Kanti Prabha, współzałożycielka i prezeska Sirion – seria wywiadów

Kanti Prabha, współzałożycielka i prezeska Sirion, jest liderką w branży technologii dla przedsiębiorstw z ponad dwudziestoletnim doświadczeniem obejmującym rozwój produktów, technologie prawnicze, własność intelektualną, działalność operacyjną i SaaS. Jako członkini zespołu założycielskiego Sirion odegrała kluczową rolę w kształtowaniu wizji produktowej firmy oraz projektowaniu i rozwijaniu jej produktów. Zajmowała stanowiska kierownicze, w tym wiceprezeski ds. zarządzania produktami i dyrektorki operacyjnej, zanim została prezeską. Jej specjalizacja obejmuje tworzenie produktów B2B SaaS klasy korporacyjnej, strategię i zarządzanie produktami, obsługę klienta, sprzedaż dla przedsiębiorstw oraz rozwijanie zespołów i kultury organizacyjnej. Na początku kariery Prabha była pierwszą pracowniczką i członkinią zespołu założycielskiego UnitedLex, gdzie opracowywała rozwiązania technologiczne dla działów prawnych przedsiębiorstw i zarządzała inicjatywami związanymi z własnością intelektualną. Wcześniej zdobywała doświadczenie w usługach patentowych w Evalueserve. Jest również doradczynią akirolabs, a wcześniej doradzała Clarisights.

Sirion to firma oferująca oparty na AI system zarządzania cyklem życia umów (CLM), który pomaga przedsiębiorstwom zarządzać umowami od ich tworzenia i negocjowania po bieżącą realizację, wypełnianie zobowiązań i uzyskiwanie z nich wartości. Platforma łączy konwersacyjną AI ze specjalnie zaprojektowanymi agentami AI, które mogą centralizować i porządkować repozytoria umów, odpowiadać na pytania dotyczące ich warunków, tworzyć i weryfikować umowy, identyfikować ryzyka, proponować zmiany w ich treści oraz monitorować zobowiązania i umowy o gwarantowanym poziomie świadczenia usług. Sirion coraz mocniej rozwija technologię w kierunku zawierania umów z wykorzystaniem agentów, oferując platformę agentOS, która pozwala organizacjom wdrażać gotowych agentów do obsługi umów, a także tworzyć niestandardowych agentów połączonych z danymi i przepływami pracy w przedsiębiorstwie. Platforma jest przeznaczona dla dużych organizacji, które chcą przekształcić umowy ze statycznych dokumentów w uporządkowane, przeszukiwalne źródła informacji operacyjnych, zachowując jednocześnie nadzór i kontrolę człowieka.

Twoja droga do założenia Sirion była nietypowa: studiowałaś chemię, zajęłaś się prawem własności intelektualnej, pracowałaś przy patentach, a potem, współpracując z Hewlett-Packard, zaczęłaś inaczej postrzegać umowy. Co dostrzegłaś w tych pierwszych doświadczeniach, co ostatecznie przekonało cię, że warto założyć Sirion? 

Nie dorastałam z myślą, że założę firmę zajmującą się umowami. Studiowałam chemię, ale dość szybko zrozumiałam, że bardziej interesuje mnie rozwiązywanie problemów biznesowych niż spędzenie kariery w laboratorium. Z czasem trafiłam do obszaru własności intelektualnej, gdzie pracowałam przy patentach, a później kierowałam zespołami opracowującymi rozwiązania technologiczne i prawne dla dużych przedsiębiorstw.

Prawdziwy przełom nastąpił, gdy wraz z Ajayem, moim współzałożycielem Sirion, rozpoczęliśmy współpracę z HP. Po dużym przejęciu firma miała tysiące umów, które należało uporządkować i którymi trzeba było zarządzać. Początkowo uznaliśmy, że chodzi o problem z repozytorium, ale gdy dokładniej przyjrzeliśmy się umowom, stało się jasne, że przechowywanie dokumentów stanowiło tylko niewielką część całej szansy. Umowy mówiły, co firma kupiła i sprzedała, do czego się zobowiązała, do czego zobowiązali się jej dostawcy, ile płaciła, gdzie była narażona na ryzyko i gdzie potencjalnie traciła wartość. Mimo to niemal żadna z tych informacji nie była łatwo dostępna dla osób prowadzących działalność biznesową. Na tym spostrzeżeniu opiera się Sirion. Umowy były w dużej mierze niewykorzystanym źródłem wiedzy biznesowej.

Opisywałaś umowy jako rodzaj „płynnej inteligencji” w organizacji. Jakie cenne informacje są zwykle ukryte w umowach i jak AI może sprawić, że będą przydatne dla zespołów spoza działu prawnego, w tym dla finansów, zaopatrzenia, sprzedaży i operacji? 

Umowy to jedno z niewielu miejsc, w których zamiary firmy stają się konkretnymi zobowiązaniami. Wynika z nich, ile firma zgodziła się zapłacić, co klient zgodził się kupić, kiedy mogą zmienić się ceny, jakie poziomy usług trzeba spełnić, kiedy umowa zostanie odnowiona, co się stanie, jeśli ktoś nie wywiąże się z obowiązków, oraz kto odpowiada za poszczególne zobowiązania. To niezwykle cenne informacje, ale historycznie były ukryte w dokumentach, które większość osób otwierała tylko wtedy, gdy trzeba było coś negocjować albo gdy coś poszło nie tak.

AI zmienia tę sytuację, ponieważ pozwala przekształcić nieustrukturyzowany język umów w informacje, z których mogą korzystać pozostałe obszary firmy. Zespoły ds. zaopatrzenia mogą poznać zobowiązania dostawców i ceny. Działy finansowe mogą śledzić zobowiązania handlowe i potencjalne straty wartości. Zespoły sprzedażowe mogą sprawdzać warunki odnowienia umów i zobowiązania wobec klientów. Zespoły operacyjne mogą monitorować, czy faktycznie realizowane są obietnice.

Właśnie to mam na myśli, mówiąc o upłynnieniu wiedzy zawartej w umowach. Zamiast pozostawać w pliku PDF, informacje mogą trafiać do procesów decyzyjnych i systemów, w których są najbardziej potrzebne. Dzięki płynnej inteligencji umowa nie jest końcem transakcji, lecz aktywnym źródłem kontekstu dotyczącego sposobu funkcjonowania firmy.

Sirion przekształcił się z dostawcy oprogramowania do zarządzania cyklem życia umów w platformę, w której coraz większą rolę odgrywa AI. Jak pojawienie się dużych modeli językowych zmieniło techniczne możliwości wykorzystania danych z umów w porównaniu z metodami uczenia maszynowego dostępnymi, gdy zakładaliście firmę?

Kiedy zaczynaliśmy działalność Sirion, wykorzystanie AI przy zawieraniu umów polegało głównie na ekstrakcji i klasyfikacji danych. Uczenie maszynowe mogło bardzo dobrze rozpoznawać klauzule, daty, nazwy stron czy zobowiązania, ale modele trzeba było trenować do stosunkowo ściśle określonych zadań.

Duże modele językowe znacznie poszerzyły możliwości w zakresie rozumowania. Teraz system może rozumieć pytania zadawane w języku naturalnym, interpretować kontekst klauzuli, porównywać jej treść z preferowanym stanowiskiem firmy, wyjaśniać, dlaczego coś stanowi ryzyko, i podpowiadać, jakie powinny być kolejne kroki.

Nie uważam jednak, że duże modele językowe zastąpią wszystko, co powstało wcześniej. Umowy są na to zbyt złożone. W Sirion stosujemy podejście wielomodelowe, które łączy duże modele językowe z modelami wyspecjalizowanymi i zaawansowaną inteligencją kontraktową. Różne modele sprawdzają się w różnych zadaniach. To połączenie jest ważne, ponieważ przedsiębiorstwa potrzebują nie tylko AI zdolnej do generowania przekonujących wypowiedzi. Potrzebują precyzji. Najbardziej ekscytująca zmiana polega na tym, że możemy przejść od wyodrębniania informacji z umów do wnioskowania na ich podstawie, a coraz częściej także do podejmowania działań w oparciu o te informacje.

Sirion wprowadza obecnie wyspecjalizowanych agentów AI do takich zadań jak ekstrakcja danych z umów, wykrywanie problemów, nanoszenie zmian w umowach i przeszukiwanie obszernych repozytoriów umów. Jak wyobraża sobie Pan współpracę tych agentów i jak daleko przedsiębiorstwa powinny ostatecznie pozwolić AI działać autonomicznie w procesie zawierania umów?           

Nie sądzę, by przyszłość należała do jednego wielkiego agenta AI, który robi wszystko. Tworzenie umów obejmuje wiele wyspecjalizowanych zadań, a każde z nich wymaga innego kontekstu i innego poziomu oceny. Jeden agent może wyodrębniać warunki z tysięcy umów. Inny wykrywa zapisy odbiegające od przyjętych zasad. Następnie agent nanoszący zmiany może zaproponować precyzyjną poprawkę na podstawie firmowego zestawu wytycznych. Prawdziwa siła tych agentów ujawnia się wtedy, gdy mogą współpracować, by osiągnąć określony cel, zamiast zmuszać użytkownika do samodzielnego zarządzania każdym kolejnym etapem.

Na przykład ktoś może zapytać: „Czy możemy zaakceptować tę umowę z dostawcą?”. System powinien umieć wskazać najistotniejsze warunki, porównać je z przyjętymi zasadami, zwrócić uwagę na problemy, znaleźć odpowiednie precedensy i zaproponować zmiany, a przy tym wyjaśnić, co zrobił i dlaczego.

To, gdzie kończy się autonomia, powinno zależeć od ryzyka. Nie mam obaw przed powierzaniem AI wielu powtarzalnych działań opartych na regułach. Jednak nowe postanowienie dotyczące odpowiedzialności lub negocjacje o strategicznym znaczeniu mogą wymagać ludzkiej oceny. Celem autonomii powinno być eliminowanie zbędnej pracy przy jednoczesnym zachowaniu ludzkiej kontroli tam, gdzie istotne są odpowiedzialność i relacje.

Umowy mogą zawierać jedne z najbardziej wrażliwych pod względem handlowym i prawnym informacji o firmie. Powiedział Pan, że Sirion wolałoby opóźnić premierę produktu, niż iść na kompromis w kwestii bezpieczeństwa. W miarę coraz głębszego włączania generatywnej AI do procesów biznesowych przedsiębiorstw, jakie kompromisy dotyczące bezpieczeństwa lub prywatności budzą Pana największe obawy?

Umowy mogą zawierać informacje o cenach, własności intelektualnej, pracownikach, przejęciach, zobowiązaniach strategicznych, a także niezwykle wrażliwe dane dotyczące klientów i dostawców. Firmy muszą dokładnie wiedzieć, dokąd trafiają te informacje, gdy przetwarza je system AI, w jaki sposób są przetwarzane, kto ma do nich dostęp i czy służą do trenowania innego modelu.

Obecnie wywierana jest ogromna presja, by szybko udostępniać funkcje AI, ale najbardziej obawiam się pójścia na skróty i traktowania danych przedsiębiorstwa jak zwykłego materiału treningowego. Rozumiem tę presję, ale nie można budować AI dla przedsiębiorstw na założeniu: „kwestie ładu i nadzoru rozwiążemy później”. Bezpieczeństwo musi być uwzględnione w architekturze od samego początku.

Oznacza to rygorystyczną kontrolę dostępu, szyfrowanie, możliwość przeprowadzania audytów, jasno określone granice dotyczące danych oraz bardzo przemyślane decyzje o sposobie korzystania z modeli podmiotów trzecich. W Sirion podejmowaliśmy decyzje, które spowolniły nas z powodu kwestii bezpieczeństwa, i akceptuję ten kompromis. W oprogramowaniu dla przedsiębiorstw, zwłaszcza przy obsłudze umów, na zaufanie pracuje się latami, a jedna nieostrożna decyzja może je zniszczyć.

Jednym z utrzymujących się problemów generatywnej AI jest to, że odpowiedź może brzmieć wiarygodnie, nawet jeśli jest błędna. W obszarze inteligencji kontraktowej subtelny błąd może mieć konsekwencje finansowe lub prawne. Jak projektuje Pan systemy AI, by użytkownicy mogli weryfikować ich odpowiedzi i im ufać? 

To jedna z najważniejszych różnic między AI dla konsumentów a AI dla przedsiębiorstw. Jeśli poproszę asystenta AI o polecenie restauracji, a on się pomyli, konsekwencje będą ograniczone. Jeśli zespół prawny zapyta, czy 5000 umów z dostawcami zawiera określone prawo do rozwiązania umowy, a system z pełnym przekonaniem przeoczy 200 z nich, problem będzie zupełnie inny.

Projektujemy nasze rozwiązania tak, by umożliwiały weryfikację. Jeśli AI przekazuje informację o umowie, użytkownik powinien móc prześledzić jej źródło w odpowiednim fragmencie dokumentu. Jeśli system rekomenduje naniesienie zmiany, użytkownik powinien wiedzieć, która zasada lub wytyczna z firmowego zestawu posłużyła za podstawę tej rekomendacji. Możliwość wyjaśnienia działania systemu ma fundamentalne znaczenie dla jego wdrożenia, ponieważ zaufanie wynika z tego, że działanie AI można sprawdzić.

Sirion podkreśla, że odpowiedzi AI powinny opierać się na własnych umowach i precedensach danej organizacji, a nie wyłącznie na modelach ogólnego przeznaczenia. Czy uważa Pan, że kolejny ważny etap rozwoju AI dla przedsiębiorstw będzie w coraz większym stopniu napędzany przez systemy łączące modele bazowe z wysoce wyspecjalizowanymi, zastrzeżonymi danymi firmowymi?

Zdecydowanie. Modele bazowe mają niezwykłe możliwości, ale nie wiedzą, jak działa konkretna firma. Nie wiedzą automatycznie, na jakie ustępstwa zgodził się w zeszłym roku jej zespół prawny, jak ustala ceny dla strategicznego klienta, którzy dostawcy regularnie nie dotrzymują uzgodnionych poziomów usług ani w jakich sytuacjach organizacja wymaga eskalacji. To właśnie dzięki temu kontekstowi AI dla przedsiębiorstw staje się naprawdę użyteczna.

Połączenie bogatego zapisu decyzji i zobowiązań między organizacjami, jaki zapewniają umowy, z unikalnymi politykami firmy, scenariuszami negocjacyjnymi, wcześniejszymi umowami i danymi operacyjnymi pozwala systemowi AI przejść od ogólnikowych odpowiedzi do takich, które odzwierciedlają sposób działania danej firmy. Uważam, że przewaga konkurencyjna w obszarze AI dla przedsiębiorstw będzie w coraz większym stopniu wynikać właśnie z tego kontekstu, ponieważ większość przedsiębiorstw ma już dostęp do podobnych modeli bazowych. O przewadze zdecyduje to, jak skutecznie firmy połączą te modele z wiarygodnymi, zastrzeżonymi informacjami i zapewnią im wystarczający kontekst, by mogły trafnie wnioskować bez uszczerbku dla bezpieczeństwa.

Od ponad dekady rozwija Pan Sirion i pełnił różne funkcje, obejmujące obszary produktu, operacji i kierowania firmą. Czego nauczył się Pan o skalowaniu oprogramowania AI dla przedsiębiorstw, czego nie mógł Pan jeszcze zrozumieć w pierwszych latach działalności firmy?

Jedną z rzeczy, których się nauczyłem, jest to, że stworzenie technologii bywa czasem łatwiejszą częścią zadania. Trudności zaczynają się, gdy próbuje się zmienić sposób działania dużej organizacji. W pierwszych latach naturalnie skupia się Pan na tym, czy produkt rozwiązuje dany problem. W przypadku dużego przedsiębiorstwa okazuje się, że nawet znakomita technicznie odpowiedź jest użyteczna tylko wtedy, gdy ludzie jej ufają, pasuje do ich dotychczasowych procesów pracy i radzi sobie z ogromną złożonością globalnej organizacji.

AI sprawia, że ta lekcja jest jeszcze ważniejsza. Dziś można bardzo szybko przygotować imponującą wersję demonstracyjną. Czym innym jest jednak stworzenie rozwiązania, któremu przedsiębiorstwo zechce powierzyć miliony punktów danych i procesów pracy.

Skoro AI umożliwia ciągłą analizę zobowiązań, ryzyka, warunków cenowych, odnowień i wyników w tysiącach umów, czy umowy mogą w końcu stać się warstwą danych operacyjnych dostępną w czasie rzeczywistym dla całego przedsiębiorstwa, zamiast dokumentami, do których sięga się głównie wtedy, gdy coś idzie nie tak?

Uważam, że właśnie w tym kierunku zmierzamy. Przez długi czas umowę traktowano jako metę. Strony negocjują, podpisują ją, świętują, a potem dokument trafia do repozytorium. Sześć miesięcy później ktoś do niego zagląda, bo pojawił się spór, zbliża się odnowienie albo trzeba sprawdzić, co zostało obiecane. Taki model nie ma sensu, gdy AI może nieustannie analizować sytuację w całym portfelu umów.

W idealnym świecie można by wiedzieć, że dostawca nie dotrzymał warunków SLA, zanim zatwierdzona zostanie kolejna faktura, albo zauważyć, że korekta cen powinna była nastąpić trzy miesiące temu. Zespół sprzedaży mógłby otrzymywać powiadomienia o zbliżającym się odnowieniu umowy wraz z informacjami o wynegocjowanych zobowiązaniach klienta, a dział finansowy widziałby zobowiązania handlowe bezpośrednio w swoich systemach.

Umowy określają relacje między firmami, dlatego dane umowne powinny być połączone z systemami, w których te relacje są faktycznie zarządzane. Uważam, że umowa będzie w coraz większym stopniu stawać się warstwą danych operacyjnych, która pomoże przedsiębiorstwu zrozumieć nie tylko, na co się zgodziło, lecz także czy umowy przynoszą wartość, jakiej oczekiwały wszystkie strony.

Jak, Pana zdaniem, będzie wyglądało zarządzanie umowami, gdy agenci AI staną się znacznie bardziej zaawansowani? Czy tradycyjna kategoria zarządzania cyklem życia umów (CLM) ostatecznie zniknie, włączając się w szerszą warstwę inteligencji przedsiębiorstwa, i jaką rolę odegra Sirion w tej transformacji? 

Mam nadzieję, że z czasem granice CLM staną się znacznie mniej widoczne. Dziś użytkownicy nadal myślą kategoriami kolejnych etapów: muszę sporządzić umowę, sprawdzić ją, uzyskać zatwierdzenie, podpisać, przechować, a potem nią zarządzać. W miarę jak agenci będą zyskiwać na możliwościach, ludzie nie powinni musieć samodzielnie koordynować wszystkich tych systemów i procesów pracy. Powinni móc określić, co chcą osiągnąć, a wyspecjalizowani agenci powinni zajmować się większością związanych z tym zadań.

Większa zmiana następuje jednak po podpisaniu umowy. Jeśli AI potrafi rozumieć wszystkie zobowiązania, warunki handlowe, ryzyka i relacje opisane w milionach umów, analiza ich treści staje się przydatna daleko poza działem prawnym. To właśnie uważam za najbardziej ekscytujące: umowy wreszcie stają się sprawą całej firmy.

Nie sądzę więc, by umowy miały zniknąć. Wręcz przeciwnie. Ich znaczenie wzrośnie, ponieważ dostarczają AI dla przedsiębiorstw wiarygodnego kontekstu. Naszym celem w Sirion jest udostępnienie tych informacji wszędzie tam, gdzie toczy się praca. Z czasem CLM może przestać przypominać odrębne narzędzie, a bardziej stać się warstwą analizy i realizacji, która łączy zobowiązania podjęte przez firmę z działaniami, jakie podejmuje ona każdego dnia.

Dziękuję za interesujący wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić stronę Sirion.