Канти Прабха, сооснователь и президент Sirion — цикл интервью

Kanti Prabha — руководитель в сфере корпоративных технологий, сооснователь и президент Sirion, имеющая более чем двадцатилетний опыт работы в области разработки продуктов, юридических технологий, интеллектуальной собственности, операционной деятельности и SaaS. Будучи участницей команды основателей Sirion, она сыграла ключевую роль в формировании продуктового видения компании, разработке дизайна и создании продуктов. Она занимала руководящие должности, в том числе вице-президента по управлению продуктами и операционного директора, прежде чем стать президентом компании. В число ее компетенций входят создание корпоративных B2B SaaS-продуктов, разработка продуктовой стратегии и управление продуктами, развитие клиентского успеха, корпоративные продажи, а также масштабирование команд и формирование организационной культуры. Ранее Прабха стала первым сотрудником и вошла в команду основателей UnitedLex, где разрабатывала технологические решения для юридических отделов корпораций и руководила проектами в области интеллектуальной собственности. До этого она работала в сфере патентных услуг в Evalueserve. Кроме того, она консультирует akirolabs, а ранее консультировала Clarisights.

Sirion — компания, разрабатывающая решения на базе ИИ для управления жизненным циклом контрактов (CLM). Она помогает крупным компаниям управлять договорами на всех этапах: от составления и согласования до контроля исполнения, обязательств и получения предусмотренной ими ценности. Платформа объединяет диалоговый ИИ со специализированными ИИ-агентами, которые могут централизованно собирать и структурировать договорные архивы, отвечать на вопросы об условиях договоров, создавать и проверять соглашения, выявлять риски, предлагать правки, а также отслеживать обязательства и соглашения об уровне обслуживания. Sirion все активнее развивает направление агентного управления договорами с помощью платформы agentOS. Она позволяет организациям внедрять готовых агентов для работы с договорами, а также создавать индивидуальных агентов, связанных с корпоративными данными и рабочими процессами. Платформа предназначена для крупных организаций, которые стремятся превратить договоры из статичных документов в структурированные, доступные для поиска источники оперативной аналитики, сохраняя при этом управленческий контроль и участие человека.

Ваш путь к созданию Sirion был необычным: вы изучали химию, затем занялись правом в сфере интеллектуальной собственности и работали с патентами, а позже, сотрудничая с Hewlett-Packard, начали по-новому смотреть на договоры. Что вы поняли благодаря этому раннему опыту и что в итоге убедило вас в том, что здесь есть возможность создать Sirion? 

В детстве я не думала, что создам компанию, связанную с договорами. Я изучала химию, но довольно быстро поняла, что мне интереснее решать бизнес-задачи, чем провести карьеру в лаборатории. В итоге я пришла в сферу интеллектуальной собственности: занималась патентами, а позднее руководила командами, разрабатывавшими технологические и юридические решения для крупных компаний.

Переломный момент наступил, когда мы с моим сооснователем Sirion Аджайем начали работать с HP. После крупного приобретения компании требовалось систематизировать и взять под контроль тысячи договоров. Сначала мы считали, что проблема заключается в создании архива, но, внимательно изучив договоры, быстро поняли: хранение — лишь малая часть того, что можно было сделать. Из договоров можно было узнать, что компания купила и продала, что она обещала, что обещали ее поставщики, сколько она платит, где несет риски и где потенциально теряет ценность. Однако бизнесу было почти невозможно пользоваться этой информацией. Именно это понимание легло в основу Sirion. Договоры были практически неиспользуемым источником бизнес-аналитики.

Вы называли договоры своего рода «жидкой аналитикой» внутри организации. Какая ценная информация обычно скрыта в договорах и как ИИ может сделать ее полезной для команд за пределами юридического отдела — в том числе для финансовых подразделений, закупок, продаж и операционной деятельности? 

Договоры — одно из немногих мест, где намерения компании превращаются в реальные обязательства. В них указано, какую сумму компания согласилась заплатить, что согласился приобрести клиент, когда могут измениться цены, какие уровни обслуживания необходимо обеспечить, когда договор продлевается, что произойдет при ненадлежащем исполнении и кто за какое обязательство отвечает. Это чрезвычайно ценная информация, но исторически она оставалась запертой в документах, которые большинство людей открывали, только когда нужно было что-то согласовать или когда возникала проблема.

ИИ меняет ситуацию, поскольку позволяет преобразовать неструктурированный текст договоров в информацию, которой могут пользоваться другие подразделения компании. Сотрудники отдела закупок могут разобраться в обязательствах поставщиков и ценах. Финансовое подразделение — видеть коммерческие обязательства и возможные потери. Команда продаж — понимать условия продления договоров и обязательства перед клиентами. Операционные команды — отслеживать, выполняется ли то, что было обещано.

Именно это я имею в виду, говоря о том, чтобы сделать договорную аналитику «жидкой». Вместо того чтобы храниться в PDF-файле, информация может поступать в системы и влиять на решения именно там, где она нужнее всего. Договор перестает быть финальной точкой сделки: «жидкая аналитика» превращает его в активный источник контекста для понимания того, как работает бизнес.

Sirion прошла путь от программного обеспечения для управления жизненным циклом договоров до платформы, все активнее использующей ИИ. Как появление больших языковых моделей изменило технические возможности работы с данными договоров по сравнению с методами машинного обучения, доступными на момент создания компании?

Когда мы основали Sirion, ИИ в договорной работе в основном использовался для извлечения данных и классификации. Машинное обучение позволяло очень хорошо выявлять положения договора, даты, названия сторон или обязательства, но модели приходилось обучать для решения сравнительно узких задач.

Большие языковые модели значительно расширили возможности систем рассуждать. Теперь система может понять вопрос, заданный на естественном языке, интерпретировать контекст, в котором содержится положение договора, сравнить формулировки с предпочтительной для компании позицией, объяснить, почему что-либо представляет собой риск, и предложить дальнейшие действия.

Но я не считаю, что большие языковые модели заменят всё, что было до них. Договоры слишком сложны для этого. В Sirion мы используем мультимодельный подход, объединяющий большие языковые модели со специализированными моделями и глубоким анализом договоров. Разные модели хорошо справляются с разными задачами. Такое сочетание важно, потому что предприятиям нужна не просто ИИ-система, способная генерировать убедительные формулировки. Им нужна точность. Самое интересное изменение состоит в том, что мы можем перейти от извлечения информации из договоров к анализу этой информации и, всё чаще, к действиям на её основе.

Сейчас Sirion внедряет специализированных ИИ-агентов для таких задач, как извлечение данных из договоров, выявление проблем, внесение правок и поиск в крупных хранилищах договоров. Как вы представляете себе совместную работу этих агентов и насколько автономно, по вашему мнению, предприятия в конечном счёте должны позволить ИИ действовать в ходе договорного процесса?           

Я не думаю, что будущее за одним гигантским ИИ-агентом, который делает всё. Подготовка договоров включает множество специализированных задач, и для каждой нужны свой контекст и свой уровень экспертной оценки. Один агент может извлекать условия из тысяч соглашений. Другой выявляет формулировки, отклоняющиеся от политики компании. Затем агент по подготовке правок может предложить точное изменение на основе внутренних рекомендаций компании. Настоящая сила заключается в том, что агенты могут совместно работать ради достижения результата, а не заставлять пользователя управлять каждым отдельным шагом.

Например, кто-то может спросить: «Можем ли мы принять это соглашение с поставщиком?» Система должна уметь выявить наиболее важные условия, сравнить их с политикой компании, обозначить проблемные места, найти примеры из предыдущей практики и рекомендовать изменения, объяснив при этом, что она сделала и почему.

Пределы автономности должны зависеть от риска. Я спокойно отношусь к тому, что ИИ самостоятельно выполняет многие повторяющиеся действия, регулируемые правилами. Но новое положение об ответственности или стратегически важные переговоры могут потребовать человеческой оценки. Конечная цель автономности — устранить ненужную работу, сохранив за человеком контроль там, где важны подотчётность и взаимоотношения.

В договорах может содержаться наиболее чувствительная с коммерческой и юридической точки зрения информация компании. Вы говорили, что Sirion скорее отложит запуск продукта, чем пойдёт на компромисс в вопросах безопасности. По мере того как генеративный ИИ всё глубже интегрируется в рабочие процессы предприятий, какие уступки в области безопасности или конфиденциальности беспокоят вас больше всего?

В договорах могут содержаться цены, интеллектуальная собственность, сведения о сотрудниках, информация о приобретениях, стратегические обязательства, а также крайне чувствительные сведения о клиентах и поставщиках. Компании должны точно знать, куда попадает эта информация при взаимодействии с системой ИИ, как она обрабатывается, кто может получить к ней доступ и используется ли она для обучения другой модели.

Сейчас существует огромное давление, подталкивающее к быстрому выпуску функций на основе ИИ, но больше всего меня беспокоит такой путь наименьшего сопротивления, при котором с данными предприятий обращаются как с обычным материалом для обучения. Я понимаю это давление, но нельзя создавать корпоративный ИИ по принципу «с управлением разберёмся потом». Безопасность должна быть заложена в архитектуру с самого начала.

Это означает надёжное управление доступом, шифрование, возможность аудита, чёткие границы использования данных и тщательно взвешенные решения о том, как применять сторонние модели. В Sirion мы принимали решения, из-за которых работа в области безопасности замедлялась, и я считаю такой компромисс вполне приемлемым. В корпоративном программном обеспечении, особенно при работе с договорами, доверие выстраивается годами, а одного неосмотрительного решения достаточно, чтобы его подорвать.

Одна из постоянных проблем генеративного ИИ заключается в том, что ответ может звучать убедительно и авторитетно, даже если он неверен. Как вы проектируете системы ИИ для анализа договоров — области, где даже незначительная ошибка может повлечь финансовые или юридические последствия, — чтобы пользователи могли проверять ответы и доверять им? 

Это одно из важнейших различий между потребительским и корпоративным ИИ. Если я попрошу ИИ-помощника порекомендовать ресторан и он ошибётся, последствия будут ограниченными. Но если юридический отдел спросит, содержится ли в 5,000 договорах с поставщиками определённое право на расторжение, а система уверенно не обнаружит его в 200 договорах, это уже совсем другая проблема.

Мы проектируем системы с учётом необходимости проверки. Если ИИ сообщает вам что-либо о договоре, вы должны иметь возможность проследить ответ до исходного текста. Если он предлагает внести правку, вам должно быть понятно, какая политика или позиция, изложенная во внутренних рекомендациях, послужила основанием для этой рекомендации. Возможность объяснить выводы принципиально важна для внедрения: доверие возникает, когда работу ИИ можно проверить.

Sirion делает акцент на том, что ответы ИИ должны основываться на собственных договорах и прецедентах организации, а не только на универсальных моделях. Как вы считаете, будет ли следующий крупный этап развития корпоративного ИИ все больше определяться системами, сочетающими базовые модели с узкоспециализированными собственными данными компаний?

Безусловно. Базовые модели обладают огромными возможностями, но им неизвестно, как именно устроена работа вашей компании. Они не знают автоматически, какие уступки ваша юридическая команда одобрила в прошлом году, как вы формируете цены для стратегического клиента, какие поставщики регулярно не выполняют требования к уровню обслуживания и в каких случаях ваша организация требует эскалации. Именно такой контекст позволяет корпоративному ИИ приносить реальную пользу.

Если объединить договоры — важный источник сведений о решениях и обязательствах между организациями — с уникальными политиками компании, сценариями ведения переговоров, историческими соглашениями и операционными данными, система ИИ сможет перейти от общих ответов к ответам, учитывающим особенности работы вашего бизнеса. Думаю, конкурентное преимущество в корпоративном ИИ будет все больше зависеть от такого контекста, поскольку большинство компаний уже имеют доступ к похожим базовым моделям. Отличие будет заключаться в том, насколько эффективно они смогут связать эти модели с надежной закрытой информацией и предоставить им достаточный контекст для точных рассуждений без ущерба для безопасности.

Вы более десяти лет создавали Sirion и занимали должности в сфере разработки продукта, операционной деятельности и управления компанией. Чему вас научил опыт масштабирования корпоративного программного обеспечения с ИИ — тому, чего вы не могли понять в первые несколько лет существования компании?

Я понял, что создавать технологию порой проще всего. Трудности начинаются, когда нужно изменить принципы работы крупной организации. В первые годы естественно сосредоточиться на том, способен ли продукт решить проблему. Но при масштабировании на уровень крупной компании становится ясно: даже технически безупречный ответ полезен, только если люди ему доверяют, он вписывается в существующие рабочие процессы и учитывает огромную сложность глобальной организации.

С появлением ИИ этот урок стал еще важнее. Сегодня впечатляющую демонстрационную версию можно создать очень быстро. Но создать продукт, которому компания готова доверить миллионы точек данных и рабочих процессов, — совсем другое дело.

Поскольку ИИ позволяет непрерывно анализировать обязательства, риски, ценовые условия, продления и результаты работы по тысячам соглашений, могут ли договоры со временем превратиться в уровень оперативных данных для компании, обновляемый в реальном времени, вместо документов, к которым обращаются главным образом, когда что-то идет не так?

Думаю, именно к этому мы и движемся. Долгое время договор считался конечной точкой процесса. Все договариваются, подписывают документ, празднуют, а затем документ отправляется в хранилище. Через шесть месяцев кто-нибудь открывает его из-за спора, продления или вопроса о том, что именно было обещано. Такая модель теряет смысл, когда ИИ может непрерывно отслеживать, что происходит со всем портфелем договоров.

Представьте, что в идеальном мире вы узнаете о том, что поставщик не выполнил условия SLA, до утверждения следующего счета или замечаете, что корректировку цены следовало провести еще три месяца назад. Представьте, что отдел продаж получает уведомление о предстоящем продлении договора вместе с согласованными с клиентом обязательствами, а финансовый отдел видит коммерческие обязательства непосредственно в своих системах.

Договоры определяют отношения между компаниями, поэтому данные по договорам должны быть связаны с системами, в которых эти отношения фактически регулируются. Я считаю, что договоры будут все чаще становиться уровнем оперативных данных, помогающим компании понимать не только то, о чем она договорилась, но и то, приносят ли эти соглашения ту ценность, на которую рассчитывали все стороны.

Как, по вашему мнению, изменится управление договорами, когда агенты ИИ станут значительно более способными? Исчезнет ли традиционная категория управления жизненным циклом договоров и станет ли частью более широкого уровня корпоративной аналитики? И какую роль, на ваш взгляд, сыграет Sirion в этом переходе? 

Надеюсь, со временем границы CLM станут гораздо менее заметными. Сегодня пользователи по-прежнему мыслят отдельными этапами: мне нужно создать договор, проверить его, получить одобрение, подписать, сохранить, а затем вести. По мере развития агентов людям не придется самостоятельно координировать все эти системы и рабочие процессы. Достаточно будет сформулировать задачу, а специализированные агенты выполнят значительную часть работы.

Но более масштабные перемены произойдут после подписания договора. Если ИИ сможет понимать все обязательства, коммерческие условия, риски и взаимосвязи, отраженные в миллионах соглашений, аналитика договоров станет полезна далеко за пределами юридической сферы. Для меня в этом и заключается самое интересное: договоры наконец станут делом каждого.

Так что я не думаю, что договоры исчезнут. Скорее наоборот: они станут еще важнее, поскольку обеспечивают корпоративный ИИ надежным контекстом. Наша цель в Sirion — сделать эту аналитику доступной везде, где ведется работа. Со временем CLM может восприниматься не как отдельная система, а скорее как уровень аналитики и исполнения, связывающий обязательства компании с ее повседневными действиями.

Спасибо за замечательное интервью! Читатели, которые хотят узнать больше, могут посетить сайт Sirion.