Wywiady
Kanti Prabha, prezeska i dyrektorka ds. produktu i technologii w Sirion – cykl wywiadów

Kluczowe punktyUmowy kryją niewykorzystaną wiedzę biznesową, ponieważ zapisują zobowiązania, z którymi…
Zobacz więcej
- Umowy kryją niewykorzystaną wiedzę biznesową, ponieważ zapisują zobowiązania, z którymi większość zespołów nigdy się nie zapoznaje.
- AI klasy enterprise potrzebuje zastrzeżonego kontekstu firmy, ponieważ modele bazowe nie mogą znać wewnętrznych polityk ani precedensów.
- Autonomia AI powinna kończyć się tam, gdzie ryzyko wymaga ludzkiej oceny nowatorskich lub strategicznych warunków umowy.
Kanti Prabha, prezeska i dyrektorka ds. produktu i technologii w Sirion, jest liderką w dziedzinie 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, projektowaniu i rozwoju jej produktów. Pełniła funkcje kierownicze, w tym wiceprezeski ds. zarządzania produktem i dyrektorki operacyjnej, zanim została prezeską. Jej doświadczenie obejmuje tworzenie produktów SaaS B2B dla przedsiębiorstw, strategię i zarządzanie produktem, obsługę klienta, sprzedaż dla przedsiębiorstw oraz rozwijanie zespołów i kultury organizacyjnej. Wcześniej Prabha była pierwszą pracowniczką i członkinią zespołu założycielskiego UnitedLex, gdzie opracowywała rozwiązania technologiczne dla działów prawnych przedsiębiorstw i zarządzała inicjatywami w zakresie własności intelektualnej. Wcześniej zdobywała doświadczenie w usługach patentowych w Evalueserve. Jest również doradczynią akirolabs, a wcześniej doradzała Clarisights.
Sirion to firma oferująca oparte na AI rozwiązania do zarządzania cyklem życia umów (CLM), które pomagają przedsiębiorstwom zarządzać umowami od ich tworzenia i negocjowania po bieżące monitorowanie realizacji, zobowiązań i uzyskiwanej wartości. Jej platforma łączy konwersacyjną AI z wyspecjalizowanymi agentami AI, które mogą centralizować i porządkować repozytoria umów, odpowiadać na pytania dotyczące ich warunków, tworzyć i weryfikować umowy, identyfikować ryzyka, proponować zmiany oraz monitorować zobowiązania i umowy o gwarantowanym poziomie usług. Sirion coraz mocniej koncentruje się na wykorzystaniu agentów w obsłudze umów za pośrednictwem platformy agentOS, która pozwala organizacjom wdrażać gotowych agentów do obsługi umów, a także tworzyć agentów dostosowanych do ich potrzeb i połączonych z danymi oraz procesami roboczymi przedsiębiorstwa. Platformę zaprojektowano z myślą o dużych organizacjach, które chcą przekształcić umowy ze statycznych dokumentów w uporządkowane, przeszukiwalne źródła informacji operacyjnych, zachowując przy tym nadzór i kontrolę człowieka.
Droga do założenia Sirion była nietypowa: studiowałaś chemię, zajęłaś się prawem własności intelektualnej, pracowałaś nad patentami, a później, pracując w Hewlett-Packard, zaczęłaś inaczej patrzeć na umowy. Co dostrzegłaś w tych wczesnych doświadczeniach, co ostatecznie przekonało cię, że warto założyć Sirion?
Nie dorastałam z myślą, że założę firmę zajmującą się umowami. Studiowałam chemię, ale dość szybko zdałam sobie sprawę, że bardziej interesuje mnie rozwiązywanie problemów biznesowych niż spędzenie kariery w laboratorium. W końcu trafiłam do obszaru własności intelektualnej, gdzie pracowałam nad patentami, a później kierowałam zespołami opracowującymi rozwiązania technologiczne i prawne dla dużych przedsiębiorstw.
Prawdziwy przełom nastąpił, gdy wraz z Ajayem, moim współzałożycielem Sirion, zaczęliśmy współpracować 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 przyjrzeliśmy się umowom, stało się jasne, że przechowywanie dokumentów to tylko niewielka część możliwości. Umowy mówiły, co firma kupiła i sprzedała, do czego się zobowiązała, do czego zobowiązali się jej dostawcy, ile płaci, gdzie jest narażona na ryzyko i gdzie może tracić wartość. Mimo to niemal żadna z tych informacji nie była łatwo dostępna dla firmy. Na tym właśnie polegało odkrycie, które dało początek Sirion. Umowy stanowiły w dużej mierze niewykorzystane źródło wiedzy biznesowej.
Opisywałaś umowy jako rodzaj „płynnej inteligencji” w organizacji. Jakie cenne informacje zazwyczaj kryją się w umowach i jak AI może sprawić, że będą przydatne dla zespołów spoza działu prawnego, w tym finansów, zaopatrzenia, sprzedaży i operacji?
Umowy to jedno z niewielu miejsc, w których intencje firmy faktycznie stają się zobowiązaniami. Wynika z nich, ile firma zgodziła się zapłacić, co klient zgodził się kupić, kiedy mogą zmienić się ceny, jakie poziomy usług trzeba zapewnić, kiedy umowa zostanie odnowiona, co się stanie, jeśli któraś ze stron nie wywiąże się z obowiązków, oraz kto odpowiada za poszczególne zobowiązania. To niezwykle cenne informacje, które jednak przez lata pozostawały zamknięte w dokumentach otwieranych przez większość osób tylko wtedy, gdy trzeba było coś negocjować albo gdy pojawił się problem.
AI zmienia tę sytuację, ponieważ pozwala przekształcać nieustrukturyzowany język umów w informacje, z których może korzystać reszta firmy. Dział zaopatrzenia może poznać zobowiązania dostawców i ceny. Dział finansowy może śledzić zobowiązania handlowe i potencjalne straty. Zespół sprzedaży może sprawdzać warunki odnowienia umów i zobowiązania wobec klientów. Zespoły operacyjne mogą monitorować, czy faktycznie realizowane są obietnice.
To właśnie mam na myśli, mówiąc o nadaniu wiedzy zawartej w umowach płynnego charakteru. Zamiast pozostawać w pliku PDF, informacje mogą trafiać do decyzji i systemów, w których są najbardziej potrzebne. Zamiast kończyć transakcję, umowa może dzięki płynnej inteligencji stać się aktywnym źródłem kontekstu dla działalności firmy.
Sirion przekształciło się z dostawcy oprogramowania do zarządzania cyklem życia umów w platformę, która w coraz większym stopniu wykorzystuje AI. Jak pojawienie się dużych modeli językowych zmieniło to, co można technicznie zrobić z danymi z umów, w porównaniu z metodami uczenia maszynowego dostępnymi w czasie, gdy zakładaliście firmę?
Kiedy zaczynaliśmy działalność Sirion, sztuczna inteligencja w obszarze umów służyła przede wszystkim do ekstrakcji danych i klasyfikacji. Uczenie maszynowe mogło bardzo skutecznie rozpoznawać klauzule, daty, nazwy stron czy zobowiązania, ale modele trzeba było trenować do wykonywania dość konkretnych zadań.
Duże modele językowe znacznie rozwinęły warstwę rozumowania. Obecnie system może rozumieć pytania zadawane językiem naturalnym, interpretować kontekst klauzuli, porównywać jej brzmienie z preferowanym stanowiskiem firmy, wyjaśniać, dlaczego coś stanowi ryzyko, i sugerować, jakie powinny być kolejne kroki.
Nie uważam jednak, że LLM-y zastąpią wszystko, co je poprzedzało. Umowy są na to zbyt złożone. W Sirion stosujemy podejście oparte na wielu modelach, łączące duże modele językowe z modelami wyspecjalizowanymi i zaawansowaną analizą umów. Różne modele sprawdzają się w różnych zadaniach. To połączenie jest ważne, ponieważ przedsiębiorstwa potrzebują czegoś więcej niż sztucznej inteligencji, która potrafi generować przekonująco brzmiące wypowiedzi. Potrzebują precyzji. Najbardziej ekscytujące jest to, że możemy przejść od wydobywania 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 zadań takich jak ekstrakcja danych z umów, wykrywanie problemów, redagowanie zmian i przeszukiwanie dużych repozytoriów umów. Jak wyobraża sobie Pan współpracę tych agentów i jak daleko przedsiębiorstwa powinny ostatecznie pozwolić sztucznej inteligencji działać autonomicznie w procesie zawierania umów?
Nie sądzę, by przyszłość należała do jednego wielkiego agenta AI, który robi wszystko. Przygotowywanie umów obejmuje wiele wyspecjalizowanych zadań, z których każde wymaga innego kontekstu i innego poziomu osądu. Jeden agent może wyodrębniać warunki z tysięcy umów. Inny wykrywa zapisy odbiegające od przyjętej polityki. Następnie agent redagujący zmiany może zaproponować precyzyjną poprawkę na podstawie wytycznych firmy. Prawdziwa siła tych agentów ujawnia się, gdy potrafią współpracować, by osiągnąć określony cel, zamiast zmuszać użytkownika do samodzielnego zarządzania każdym etapem.
Na przykład ktoś może zapytać: „Czy możemy zaakceptować tę umowę z dostawcą?”. System powinien umieć wskazać najistotniejsze warunki, porównać je z przyjętą polityką, 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 zastrzeżeń do autonomicznego wykonywania przez AI wielu powtarzalnych działań opartych na regułach. Jednak nowatorskie postanowienie dotyczące odpowiedzialności lub negocjacje o strategicznym znaczeniu mogą wymagać ludzkiego osądu. Ostatecznym celem autonomii powinno być eliminowanie zbędnej pracy przy jednoczesnym zachowaniu kontroli człowieka tam, gdzie istotne są odpowiedzialność i relacje.
Umowy mogą zawierać jedne z najbardziej wrażliwych z punktu widzenia biznesu i prawa informacji o firmie. Powiedział Pan, że Sirion woli opóźnić premierę produktu, niż narażać bezpieczeństwo. W miarę jak generatywna sztuczna inteligencja coraz głębiej przenika do procesów biznesowych, jakie pójście na skróty w kwestii bezpieczeństwa lub prywatności budzi Pana największe obawy?
Umowy mogą zawierać informacje o cenach, własności intelektualnej, pracownikach, szczegółach przejęć, zobowiązaniach strategicznych, a także bardzo 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 może uzyskać do nich dostęp i czy służą do trenowania innego modelu.
Obecnie panuje ogromna presja, by szybko udostępniać funkcje oparte na AI, ale najbardziej niepokoi mnie pójście na skróty polegające na traktowaniu danych przedsiębiorstwa jak zwykłego materiału treningowego. Rozumiem tę presję, ale rozwiązań AI dla firm nie można budować w myśl zasady: „kwestiami zarządzania zajmiemy się później”. Bezpieczeństwo musi być uwzględnione w architekturze od samego początku.
Oznacza to rygorystyczną kontrolę dostępu, szyfrowanie, możliwość przeprowadzania audytów, wyraźne granice dotyczące danych oraz bardzo przemyślane decyzje o sposobie korzystania z modeli podmiotów trzecich. W Sirion podejmowaliśmy decyzje, które bez wątpienia nas spowalniały ze względu na bezpieczeństwo, i akceptuję ten kompromis. W oprogramowaniu dla przedsiębiorstw, zwłaszcza gdy przetwarza się umowy, budowanie zaufania trwa latami, a zniszczyć je może jedna nieostrożna decyzja.
Jednym z nieustających wyzwań związanych z generatywną sztuczną inteligencją jest to, że odpowiedź może brzmieć autorytatywnie, nawet jeśli jest błędna. Jak projektuje Pan systemy AI do analizy umów, w których subtelny błąd może mieć konsekwencje finansowe lub prawne, tak aby użytkownicy mogli weryfikować ich wyniki i im ufać?
To jedna z najważniejszych różnic między AI dla konsumentów a AI dla przedsiębiorstw. Jeśli poproszę asystenta AI o polecenie restauracji, a ten 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, będzie to zupełnie inny problem.
Projektujemy systemy tak, by umożliwiały weryfikację. Jeśli AI przekazuje informację o umowie, użytkownik powinien móc prześledzić jej źródło aż do odpowiedniego fragmentu dokumentu. Jeśli system zaleca wprowadzenie zmiany, użytkownik powinien wiedzieć, jaka polityka lub wytyczne stanowiły podstawę tej rekomendacji. Możliwość wyjaśnienia działania jest kluczowa dla upowszechnienia takich rozwiązań, ponieważ zaufanie wynika z tego, że działanie AI można skontrolować.
Sirion kładzie nacisk na odpowiedzi AI oparte na własnych umowach i precedensach organizacji, zamiast polegać wyłącznie na modelach ogólnego przeznaczenia. Czy uważa Pan, że kolejny ważny etap rozwoju AI w przedsiębiorstwach 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 zespół prawny, jak firma ustala ceny dla strategicznego klienta, którzy dostawcy regularnie nie dotrzymują poziomów usług ani w jakich sytuacjach organizacja wymaga eskalacji. To właśnie ten kontekst sprawia, że AI w przedsiębiorstwach staje się naprawdę użyteczna.
Połączenie bogatego zapisu decyzji i zobowiązań między organizacjami, jaki stanowią umowy, z unikalnymi zasadami firmy, wytycznymi negocjacyjnymi, wcześniejszymi porozumieniami i danymi operacyjnymi pozwala systemowi AI przejść od udzielania ogólnych odpowiedzi do odpowiedzi odzwierciedlających sposób działania firmy. Sądzę, że przewaga konkurencyjna w obszarze AI dla przedsiębiorstw będzie coraz częściej wynikać z tego kontekstu, ponieważ większość przedsiębiorstw ma już dostęp do podobnych modeli bazowych. O przewadze zdecyduje to, jak skutecznie będą potrafiły połączyć te modele z zaufanymi, zastrzeżonymi informacjami i zapewnić im wystarczający kontekst do trafnego wnioskowania bez narażania bezpieczeństwa.
Od ponad dekady rozwija Pan Sirion i pełnił role obejmujące zarządzanie produktem, operacje oraz kierowanie firmą. Czego nauczył się Pan o skalowaniu oprogramowania AI dla przedsiębiorstw, czego nie mógł Pan jeszcze wiedzieć w pierwszych latach działalności firmy?
Jedną z rzeczy, których się nauczyłem, jest to, że stworzenie technologii bywa łatwiejszą częścią. Trudności zaczynają się, gdy próbuje się zmienić sposób działania dużej organizacji. We wczesnych latach naturalnie skupia się uwagę na tym, czy produkt rozwiązuje dany problem. Przy skali przedsiębiorstwa okazuje się, że nawet znakomita technicznie odpowiedź jest użyteczna tylko wtedy, gdy ludzie jej ufają, pasuje do istniejących procesów i radzi sobie z ogromną złożonością globalnej organizacji.
AI sprawia, że ta lekcja nabiera jeszcze większego znaczenia. Dziś można bardzo szybko stworzyć imponującą wersję demonstracyjną. Czym innym jest jednak zbudowanie rozwiązania, któremu przedsiębiorstwo zechce powierzyć miliony punktów danych i obsługę procesów.
Skoro AI umożliwia ciągłą analizę zobowiązań, ryzyka, warunków cenowych, odnowień umów i wyników w tysiącach porozumień, czy umowy mogą z czasem stać się warstwą danych operacyjnych dostępną w czasie rzeczywistym dla przedsiębiorstwa, a nie dokumentami, do których sięga się głównie wtedy, gdy pojawia się problem?
Myślę, że właśnie w tym kierunku zmierzamy. Przez długi czas umowę traktowano jako metę. Wszyscy negocjują, podpisują, świętują, a potem dokument trafia do repozytorium. Sześć miesięcy później ktoś go otwiera, bo pojawił się spór, zbliża się odnowienie umowy albo trzeba ustalić, co zostało obiecane. Taki model nie ma sensu, gdy AI może stale analizować sytuację w całym portfelu umów.
W idealnym świecie można byłoby się dowiedzieć, że dostawca nie dotrzymał poziomu usług określonego w umowie SLA, zanim zatwierdzono kolejną fakturę, albo zauważyć, że korekta cenowa powinna była nastąpić trzy miesiące wcześniej. Można byłoby sobie wyobrazić, że zespół sprzedaży otrzymuje powiadomienie o zbliżającym się odnowieniu umowy wraz z informacją o wynegocjowanych zobowiązaniach klienta, a dział finansowy widzi zobowiązania handlowe bezpośrednio w swoich systemach.
Umowy określają relacje między firmami, dlatego dane z umów powinny być połączone z systemami, w których te relacje są faktycznie obsługiwane. Uważam, że umowa będzie coraz częściej pełnić funkcję warstwy danych operacyjnych, która pomoże przedsiębiorstwom zrozumieć nie tylko, na co się zgodziły, lecz także czy te porozumienia przynoszą wartość, jakiej wszyscy oczekiwali.
Jak, Pana zdaniem, będzie wyglądać zarządzanie umowami, gdy agenci AI znacznie zwiększą swoje możliwości? Czy tradycyjna kategoria zarządzania cyklem życia umowy (CLM) z czasem zniknie, stając się częścią szerszej warstwy analitycznej przedsiębiorstwa, i jaką rolę odegra w tej transformacji Sirion?
Mam nadzieję, że z czasem granice CLM staną się znacznie mniej widoczne. Dziś użytkownicy nadal myślą kategoriami kolejnych etapów: muszę przygotować umowę, przejrzeć ją, uzyskać zgodę, podpisać, przechować, a następnie nią zarządzać. W miarę jak agenci będą zyskiwać na możliwościach, ludzie nie powinni sami koordynować wszystkich tych systemów i procesów. Powinni móc określić, co chcą osiągnąć, a wyspecjalizowani agenci powinni zajmować się dużą częścią związanych z tym zadań.
Jednak większa zmiana następuje po podpisaniu umowy. Jeśli AI potrafi analizować każde zobowiązanie, warunek handlowy, ryzyko i relację w milionach umów, wiedza płynąca z umów staje się przydatna daleko poza działem prawnym. To właśnie uważam za najbardziej ekscytujące: umowy wreszcie stają się sprawą wszystkich.
Nie sądzę więc, by umowy miały zniknąć. Wręcz przeciwnie. Zyskają na znaczeniu, ponieważ zapewniają AI dla przedsiębiorstw wiarygodny kontekst. Naszym celem w Sirion jest udostępnianie tej wiedzy wszędzie tam, gdzie odbywa się praca. CLM może z czasem przestać przypominać odrębny system, a stać się warstwą analityczno-wykonawczą, która łączy zobowiązania podjęte przez firmę z działaniami, jakie podejmuje ona każdego dnia.
Dziękuję za interesującą rozmowę. Czytelnicy, którzy chcą dowiedzieć się więcej, mogą odwiedzić stronę Sirion.












