Wywiady

Sarvarth Misra, współzałożyciel i dyrektor generalny Leah – cykl wywiadów

Antoine Tardif
Dodaj Unite.AI do preferowanych źródeł w Google
Sarvarth Misra, Co-Founder and CEO of Leah
Kluczowe punktyDodanie sztucznej inteligencji do oprogramowania stworzonego dla ludzi przyspiesza…
Zobacz więcej
  • Dodanie sztucznej inteligencji do oprogramowania stworzonego dla ludzi przyspiesza zadania, ale pozostawia model operacyjny bez zmian.
  • Prawie osiem na dziesięć firm nie ma skutecznych narzędzi do identyfikowania niezatwierdzonych agentów.
  • Ład musi być wbudowany w architekturę, aby organizacje mogły pewnie rozszerzać autonomię agentów.

Sarvarth Misra jest współzałożycielem i dyrektorem generalnym Leah, wcześniej działającej pod nazwą ContractPodAi. Karierę rozpoczął jako prawnik specjalizujący się w prawie spółek i prawie handlowym. Czas poświęcany na wyszukiwanie informacji, koordynowanie dokumentów i monitorowanie zobowiązań zainspirował go do tworzenia technologii dla zespołów prawnych. Od tego czasu jego praca objęła nie tylko zarządzanie cyklem życia umów, lecz także systemy agentowe koordynujące przepływy pracy w przedsiębiorstwach. Koncentruje się przy tym na łączeniu wiedzy specjalistycznej z danej dziedziny, kontrolowanego wykonywania zadań i ludzkiego osądu.

Leah rozwija platformę agentowej sztucznej inteligencji dla przedsiębiorstw, obejmującą obszary prawne, zawieranie umów, zaopatrzenie, finanse i usługi wspólne. Platforma łączy wyspecjalizowanych agentów z systemami przedsiębiorstwa, kontekstem biznesowym, uprawnieniami i procesami zatwierdzania, aby pomagać organizacjom w realizacji zadań w różnych działach. W tym wywiadzie Misra omawia przejście od wspomagania pracy przez AI do wykonywania zadań, wyzwania związane z zarządzaniem i interoperacyjnością przy wdrażaniu agentów na dużą skalę oraz sposoby mierzenia przez przedsiębiorstwa wiarygodnych wyników biznesowych przy zachowaniu nadzoru człowieka.

Karierę zawodową rozpocząłeś jako prawnik specjalizujący się w prawie spółek i prawie handlowym, a następnie współzałożyłeś Leah (wcześniej ContractPodAi). Jakie problemy napotkałeś w pracy prawnika, które pierwotnie zainspirowały cię do założenia firmy, i jak ta wizja rozwinęła się w to, czym Leah jest dzisiaj?

Pracując jako prawnik specjalizujący się w prawie spółek, na własne oczy widziałem, jak wiele czasu prawnicy poświęcali na zarządzanie procesami zamiast na stosowanie wiedzy prawniczej i podejmowanie decyzji. Wysoko wykwalifikowani specjaliści spędzali niezliczone godziny na wyszukiwaniu informacji, przekazywaniu dokumentów, monitorowaniu zobowiązań i koordynowaniu pracy w niepołączonych ze sobą systemach. Podczas gdy takie obszary jak sprzedaż i finanse przeszły znaczącą transformację technologiczną, dział prawny w dużej mierze pozostawał w tyle.

To spostrzeżenie skłoniło nas do stworzenia ContractPodAi, opartego na prostym założeniu: zespoły prawne potrzebowały systemu będącego centralnym źródłem danych o umowach i narzędziem ich analizy. Wraz z rozwojem technologii zmieniało się jednak nasze rozumienie stojących przed nami możliwości. Zrozumieliśmy, że zarządzanie pracą to tylko część wyzwania. Znacznie większą szansą była zmiana sposobu, w jaki ta praca jest faktycznie wykonywana.

To przekonanie ukształtowało Leah. Zaczęliśmy od umów, ale od początku mieliśmy szersze ambicje: zmienić sposób, w jaki przedsiębiorstwa wykonują pracę, a nie tylko nią zarządzają. Dziś tworzymy systemy, które potrafią planować, koordynować i realizować złożone przepływy pracy w przedsiębiorstwach, pozwalając ludziom skupić się na ocenie sytuacji, strategii i decyzjach, w których największe znaczenie ma ludzka wiedza specjalistyczna.

W styczniu 2026 roku ContractPodAi zmieniło nazwę na Leah, gdy firma rozszerzyła działalność poza zarządzanie cyklem życia umów i zaczęła rozwijać szerszą platformę agentowej sztucznej inteligencji. Co przekonało cię, że przyszłość nie polega jedynie na dodawaniu funkcji AI do istniejącego oprogramowania dla przedsiębiorstw, lecz na gruntownym przeprojektowaniu sposobu wykonywania pracy z myślą o autonomicznych agentach?

Doszliśmy do tego wniosku, ponieważ przez lata rozwijaliśmy kategorię CLM i należeliśmy do pierwszych firm, które wprowadziły do niej AI. To doświadczenie dało nam wyjątkową perspektywę zarówno na potencjał AI, jak i na ograniczenia modelu oprogramowania, na którym się opiera.

Do 2023 roku doszliśmy do zasadniczego wniosku: dodanie AI do oprogramowania zaprojektowanego z myślą o obsłudze przez ludzi przyspieszyłoby wykonywanie poszczególnych zadań, ale nie zmieniłoby zasadniczo sposobu, w jaki przebiega praca.

Nadal to ludzie odpowiadaliby za gromadzenie informacji, koordynowanie przekazywania zadań, przełączanie się między aplikacjami i dopilnowywanie, by każdy etap procesu został zakończony. AI mogłaby przyspieszyć poszczególne czynności, ale podstawowy model pracy i jego zależność od ludzkiej interwencji pozostałyby w dużej mierze niezmienione.

Uważaliśmy, że oprogramowanie dla przedsiębiorstw nowej generacji powinno być projektowane z myślą o wykonywaniu zadań, a nie tylko o wspomaganiu ludzi. Systemy powinny potrafić zrozumieć cel, koordynować niezbędne działania i prowadzić pracę przez różne działy i aplikacje, angażując człowieka tam, gdzie potrzebna jest ocena sytuacji lub zatwierdzenie.

Wymagało to zasadniczej zmiany architektury, a nie dodania kolejnej funkcji AI. Była to ważna decyzja strategiczna, ale uważaliśmy ją za niezbędną. O przyszłości oprogramowania dla przedsiębiorstw miało decydować nie to, jak skutecznie pomaga ludziom zarządzać pracą, lecz to, jak niezawodnie potrafi ją wykonywać i zapewniać oczekiwane rezultaty.

Termin „agentowa sztuczna inteligencja” jest coraz częściej używany w całej branży. Co z twojej perspektywy odróżnia prawdziwie agentowy system dla przedsiębiorstw od tradycyjnego asystenta AI, copilotа lub narzędzia do automatyzacji przepływu pracy?

Zasadnicza różnica polega na wykonywaniu zadań.

Asystenci AI i copiloty pomagają ludziom wykonywać zadania, a tradycyjna automatyzacja przepływu pracy działa według z góry określonych sekwencji. Oba rozwiązania mogą znacząco zwiększać produktywność, ale to ludzie na ogół nadal odpowiadają za prowadzenie pracy i koordynowanie kolejnych etapów między systemami.

Prawdziwie agentowy system idzie o krok dalej. Potrafi zrozumieć cel, określić niezbędne działania, koordynować wyspecjalizowane możliwości i wykonywać zadania w różnych systemach przedsiębiorstwa, angażując człowieka wtedy, gdy potrzebna jest jego ocena.

Istnieje jednak istotna różnica między inteligentnym agentem a systemem opartym na agentach, gotowym do wdrożenia w przedsiębiorstwie. Sama inteligencja nie wystarczy. Niezawodne wykonywanie zadań wymaga bazowej infrastruktury zapewniającej właściwy kontekst, narzędzia, orkiestrację, deterministyczne przepływy pracy, uprawnienia i nadzór.

Potrzebna jest również dogłębna znajomość danej dziedziny. Na przykład agent realizujący przepływ pracy związany z zawieraniem umów potrzebuje czegoś więcej niż ogólnych zdolności rozumowania. Musi rozumieć stanowisko organizacji w kwestiach umownych, strategie negocjacyjne, wymogi dotyczące zatwierdzania oraz handlowe konsekwencje swoich działań.

Ostatecznie model zapewnia inteligencję, bazowa infrastruktura dostarcza architekturę umożliwiającą kontrolowane wykonywanie zadań, a wiedza specjalistyczna z danej dziedziny sprawia, że działania te mają znaczenie w kontekście biznesowym.

Badania Leah przeprowadzone wspólnie z IDC wykazały, że 66% ankietowanych organizacji już wykorzystuje agentów AI w środowisku produkcyjnym i oczekuje, że do początku 2027 r. liczba wdrożeń wzrośnie sześciokrotnie. Co, Twoim zdaniem, przedsiębiorstwa lekceważą, przechodząc od wdrażania kilku agentów do potencjalnego zarządzania setkami lub tysiącami?

Wiele organizacji koncentruje się na wdrożeniu pierwszych agentów w środowisku produkcyjnym. Wyzwanie zmienia się jednak zasadniczo, gdy zaczynają wdrażać agentów na dużą skalę.

Pytanie nie brzmi już, czy pojedynczy agent potrafi wykonać zadanie. Chodzi o to, czy organizacja jest w stanie koordynować i nadzorować setki, a potencjalnie nawet tysiące agentów działających w różnych zespołach, systemach i obszarach biznesowych.

Nasze badania wykazały, że niemal osiem na dziesięć firm nie ma skutecznych narzędzi do wykrywania niezatwierdzonych agentów, a około 47% uznało scentralizowany nadzór za obszar wymagający pilnej poprawy. Wskazuje to na coraz większą przepaść między tempem wdrażania a zdolnością organizacji do zarządzania tym, co wdrażają.

Bez odpowiedniej architektury każdy kolejny agent może wprowadzać dodatkową warstwę złożoności. Różne zespoły mogą wdrażać agentów korzystających z odmiennych modeli, narzędzi i platform, z których każdy działa w oparciu o własny kontekst, uprawnienia i przepływy pracy.

Przedsiębiorstwa potrzebują zatem czegoś więcej niż wglądu w działanie poszczególnych agentów. Potrzebują skoordynowanego środowiska, w którym agenci mogą wymieniać się istotnym kontekstem, działać w jasno określonych granicach i współpracować przy realizacji procesów biznesowych.

Nadzór i orkiestracja nie mogą być kwestiami drugorzędnymi. Muszą stanowić podstawowe możliwości systemu. W przeciwnym razie organizacje ryzykują, że zastąpią rozdrobniony ekosystem aplikacji równie rozdrobnionym środowiskiem inteligentnych agentów.

W tych samych badaniach wskazano nadzór, orkiestrację i współpracę międzyfunkcyjną jako trzy kluczowe filary sztucznej inteligencji opartej na agentach. Dlaczego nadzór staje się trudniejszy, gdy agenci potrafią samodzielnie rozumować, formułować rekomendacje i inicjować działania w systemach przedsiębiorstwa?

Nadzór staje się bardziej złożony, ponieważ agenci nie ograniczają się już do przygotowywania informacji do oceny przez ludzi. Potrafią interpretować kontekst, podejmować decyzje i inicjować działania, często w wielu systemach przedsiębiorstwa.

To zasadniczo zmienia charakter ryzyka. Organizacje muszą rozumieć nie tylko, do jakich działań agent jest uprawniony, lecz także jakie informacje wpłynęły na jego działania, jakie mechanizmy kontrolne zastosowano i jakie były tego skutki.

Złożoność wzrasta, gdy agenci działają w różnych obszarach, w których obowiązują odmienne zasady, uprawnienia i poziomy tolerancji ryzyka. Działanie dopuszczalne w ramach jednego przepływu pracy może w innym wymagać dodatkowej weryfikacji lub zatwierdzenia. Nadzór musi zatem obejmować cały proces realizacji, a nie ograniczać się do poszczególnych agentów rozpatrywanych osobno.

Dlatego uważamy, że nadzór musi być wbudowany w bazową architekturę. Przedsiębiorstwa potrzebują deterministycznych mechanizmów kontroli działań krytycznych, jasnych ścieżek eskalacji, konfigurowalnych wymogów zatwierdzania oraz podlegającego audytowi zapisu wykonanych działań.

Celem nie jest niepotrzebne ograniczanie autonomii, lecz stworzenie warunków, które pozwolą organizacjom śmiało ją zwiększać. Skuteczny nadzór umożliwia autonomię na skalę przedsiębiorstwa.

Jednym z wyzwań związanych z agentami w przedsiębiorstwach jest interoperacyjność — agenci mogą być tworzeni przez różnych dostawców, korzystać z różnych modeli i działać w odizolowanych systemach. Jak firmy powinny zaprojektować środowisko, w którym agenci będą mogli bezpiecznie wymieniać się kontekstem i koordynować swoje działania?

Przedsiębiorstwa muszą przestać postrzegać agentów jako samodzielne produkty, a zacząć traktować ich jako uczestników połączonego systemu pracy.

Prawdziwa wartość pojawia się wtedy, gdy agenci mogą wymieniać się kontekstem, koordynować działania i wspólnie dążyć do osiągnięcia celów biznesowych, nawet jeśli działają w różnych obszarach, na różnych platformach i w oparciu o różne modele.

Wymaga to warstwy orkiestracji umieszczonej ponad poszczególnymi agentami i aplikacjami przedsiębiorstwa. Zapewnia ona architekturę do zarządzania kontekstem, uprawnieniami, integracjami, przepływami pracy i nadzorem, dzięki czemu różne możliwości mogą działać jako jeden skoordynowany system.

Równie ważne jest zachowanie suwerenności przedsiębiorstwa. Organizacje powinny zachować kontrolę nad swoimi danymi, wiedzą instytucjonalną, zasadami biznesowymi i przepływami pracy, niezależnie od tego, z których modeli lub dostawców technologii zdecydują się korzystać.

Uważamy, że przedsiębiorstwa powinny mieć swobodę wdrażania nowych modeli i technologii bez konieczności ponownego tworzenia procesów i zasobów wiedzy, na których opiera się ich działalność.

Ostatecznie interoperacyjność nie polega wyłącznie na technicznym łączeniu agentów. Chodzi o to, by umożliwić im spójną, bezpieczną i rozliczalną realizację zadań w całym przedsiębiorstwie.

Obszary prawa i zawierania umów są szczególnie wrażliwe, ponieważ decyzje podejmowane przez AI mogą wiązać się z konsekwencjami finansowymi, regulacyjnymi i prawnymi. Gdzie organizacje powinny wyznaczyć granicę między działaniami, które agent AI może wykonywać autonomicznie, a decyzjami, które nadal powinny wymagać zatwierdzenia przez człowieka?

Granica powinna zależeć od poziomu ryzyka, a nie od rodzaju wykonywanego zadania.

Wiele działań związanych z prawem i zawieraniem umów ma ustrukturyzowany, powtarzalny charakter i podlega ustalonym zasadom. Nadają się one do autonomicznej realizacji, o ile wdrożono odpowiednie mechanizmy kontroli.

Na przykład agent analizujący standardową umowę NDA może ocenić ją na podstawie zatwierdzonych wytycznych, wykryć odstępstwa, zastosować uzgodnione warianty rezerwowe i doprowadzić umowę do kolejnego etapu bez konieczności interwencji prawnika na każdym kroku.

Umowa wiążąca się jednak ze znacznym ryzykiem finansowym, nietypowym zakresem odpowiedzialności, niepewnością regulacyjną lub strategicznym ustępstwem handlowym może wymagać ludzkiego osądu lub zatwierdzenia.

Co ważne, nie uważam, by celem powinno być wyeliminowanie ludzi z procesu. Chodzi o zmianę tego, w jakich momentach i w jaki sposób wnoszą swój wkład. Zamiast wymagać interwencji człowieka na każdym etapie, organizacje powinny móc dostosować poziom autonomii do konkretnego przepływu pracy, określając również punkty, w których udział człowieka jest obowiązkowy.

Dzięki temu wykwalifikowani specjaliści mogą skupić się na wyjątkowych przypadkach, strategii negocjacyjnej, złożonej ocenie ryzyka i decyzjach, które rzeczywiście wymagają ich wiedzy.

Możliwość nie polega jedynie na przyspieszeniu pracy zespołów prawnych. Chodzi o gruntowne przemyślenie sposobu świadczenia usług prawnych, tak aby ludzie i AI wnosili wkład tam, gdzie mogą stworzyć największą wartość.

Leah rozszerza zastosowanie agentowej AI na obszary prawa, zawierania umów, zakupów, finansów i usług wspólnych. Co staje się możliwe, gdy agenci mogą koordynować działania w tych obszarach, zamiast automatyzować pracę każdego działu niezależnie?

Większość pracy w przedsiębiorstwie nie zaczyna się i nie kończy w jednym dziale. Umowa wynegocjowana przez dział prawny ma wpływ na zakupy, finanse, działalność operacyjną i zgodność z przepisami. Oprogramowanie dla przedsiębiorstw było jednak tradycyjnie tworzone z myślą o poszczególnych funkcjach, przez co to ludzie musieli łączyć informacje, decyzje i procesy między działami.

Agentowa AI stwarza możliwość zmiany tego modelu operacyjnego.

Agenci koordynujący działania między działami mogą łączyć odpowiednie informacje, zasady i wiedzę ekspercką potrzebne do przeprowadzenia pracy od początku do końca, zamiast realizować pojedyncze zadanie i pozostawiać komuś zarządzanie kolejnym przekazaniem sprawy.

Weźmy pod uwagę umowę z dostawcą. Jej warunki wpływają na decyzje zakupowe, zobowiązania płatnicze, ekspozycję finansową i bieżącą ocenę wyników dostawcy. W połączonym środowisku agentowym informacje zawarte w umowie mogą wspierać i uruchamiać działania w tych obszarach, zamiast pozostawać zamknięte w repozytorium umów.

Właśnie tu dostrzegamy wyłanianie się inteligencji biznesowej: zdolności do łączenia kontekstu umownego, prawnego, zakupowego i finansowego, tak aby decyzje i działania uwzględniały pełny obraz sytuacji biznesowej.

Korzyści wykraczają daleko poza wzrost produktywności w poszczególnych działach. Można optymalizować procesy łączące te działy, ograniczać fragmentację, usprawniać podejmowanie decyzji i umożliwiać realizację zadań w całym przedsiębiorstwie przy znacznie mniejszej potrzebie ręcznej koordynacji.

W miarę wdrażania coraz większej liczby agentów w przedsiębiorstwach, jak mierzyć, czy agentowa AI rzeczywiście przynosi wartość? Czy tradycyjne wskaźniki, takie jak produktywność i oszczędności, nadal wystarczą, czy firmy potrzebują nowych ram oceny opartych na wynikach i ilości pracy, którą agenci są w stanie niezawodnie wykonać?

Jedną z lekcji płynących z pierwszej fali wdrażania AI jest to, że aktywność i wartość to nie to samo.

Organizacje mogą mierzyć liczbę poleceń, tokenów i interakcji oraz zaoszczędzony czas, ale te wskaźniki niewiele mówią o tym, czy osiągane są istotne wyniki biznesowe.

Produktywność i oszczędności nadal będą ważne, ale agentowa AI wymaga szerszych ram oceny, skupionych na realizacji zadań. Ile pracy jest wykonywane? Z jaką niezawodnością? Czy procesy przebiegają szybciej? Czy zmniejszają się zaległości? Czy sytuacje wyjątkowe są skuteczniej wykrywane i rozwiązywane?

Powinniśmy również mierzyć poziom autonomii osiągany przy zachowaniu odpowiednich mechanizmów kontroli. Na przykład czym innym jest skrócenie czasu, jaki prawnik poświęca na analizę umowy, a czym innym umożliwienie sprawnego przebiegu całego procesu zawierania umów — od przyjęcia sprawy, przez analizę, negocjacje i zatwierdzenie — przy czym udział człowieka ogranicza się do sytuacji, w których jest naprawdę potrzebny.

To rozróżnienie ma znaczenie, ponieważ wartość ekonomiczna agentowej AI nie ogranicza się do zaoszczędzonego czasu. Wynika również ze zwiększenia możliwości operacyjnych, większej spójności, ograniczenia utrudnień operacyjnych i lepszych wyników biznesowych.

Z czasem organizacje, jak sądzę, będą przywiązywać znacznie większą wagę do zakresu i złożoności zadań, które AI może niezawodnie wykonywać, jakości ich realizacji oraz przynoszonego przez nie wpływu na wyniki biznesowe.

Pytanie zmieni się z „Jak dużo korzystamy z AI?” na „Co nasza organizacja może teraz osiągnąć, czego wcześniej nie mogła?”.

Jak, Pana zdaniem, w ciągu najbliższych trzech do pięciu lat zmieni się relacja między pracownikami, tradycyjnym oprogramowaniem dla przedsiębiorstw a autonomicznymi agentami AI? Co będzie wyróżniać organizacje, którym uda się przejść na model operacyjny oparty na agentach AI?

Uważam, że odchodzimy od epoki zdominowanej przez systemy rejestrujące dane i wkraczamy w erę, w której coraz większą rolę będą odgrywać systemy realizacji zadań.

Tradycyjne oprogramowanie dla przedsiębiorstw nadal będzie ważne, zapewniając podstawowe dane, dokumentację działalności i infrastrukturę, na których opierają się organizacje. Coraz częściej jednak systemy agentowe będą działać w obrębie tych aplikacji, koordynując i realizując zadania, które wcześniej wymagały od ludzi przechodzenia między systemami, obsługi przekazywania pracy i wykonywania poszczególnych czynności.

Dla pracowników oznacza to fundamentalną zmianę sposobu korzystania z technologii. Zamiast samodzielnie obsługiwać każdy etap procesu, będą oni coraz częściej określać cele, wyznaczać granice, podejmować decyzje i interweniować tam, gdzie ich wiedza i doświadczenie przynoszą największą wartość.

Aby jednak przeprowadzić tę transformację, nie wystarczy wdrożyć agentów ani dodać funkcji AI do istniejących aplikacji. Organizacje muszą przemyśleć na nowo strukturę pracy, sposób podejmowania decyzji i przepływ inteligencji między działami.

Nasze badania przeprowadzone wspólnie z IDC potwierdzają, jak ważne są ład organizacyjny, orkiestracja i współpraca między działami. Dodałbym, że równie istotna jest dogłębna znajomość danej dziedziny. System musi łączyć zdolność inżynieryjną do niezawodnego wykonywania zadań z kontekstem biznesowym, który pozwala rozumieć, na czym polega ich prawidłowa realizacja.

Sukcesu nie odniosą koniecznie te organizacje, które wdrożą największą liczbę agentów. Osiągną go te, które dostrzegą w agentowej AI szansę na fundamentalne przeprojektowanie swojego modelu operacyjnego.

Prawdziwa szansa nie polega na zwiększeniu efektywności obecnego sposobu pracy. Chodzi o stworzenie zupełnie nowego modelu realizacji zadań w przedsiębiorstwach.

Dziękuję za świetny wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej o agentowej AI dla przedsiębiorstw oraz połączonych przepływach pracy związanych z obsługą prawną, zawieraniem umów, zaopatrzeniem i finansami, powinni odwiedzić Leah.

Antoine jest wizjonerskim liderem i partnerem założycielem Unite.AI. Kieruje nim niezachwiana pasja do kształtowania i rozwijania przyszłości sztucznej inteligencji i robotyki. Jako przedsiębiorca, który założył wiele firm, wierzy, że AI zmieni społeczeństwo równie głęboko jak elektryczność, i często z entuzjazmem mówi o potencjale przełomowych technologii oraz ogólnej sztucznej inteligencji (AGI).

Jako futurolog poświęca się badaniu tego, jak te innowacje ukształtują nasz świat. Jest także założycielem Securities.io, platformy skupionej na inwestowaniu w najnowocześniejsze technologie, które na nowo definiują przyszłość i przekształcają całe branże.