Канти Прабха, президент, директор по продуктам & технологиям Sirion — серия интервью

Kanti Prabha, президент и директор по продуктам & технологиям Sirion, — руководитель в сфере корпоративных технологий с более чем двадцатилетним опытом в разработке продуктов, юридических технологиях, 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 главного операционного директора, а затем стала президентом. В сферу ее компетенций входят создание корпоративных B2B SaaS-продуктов, разработка продуктовой стратегии и управление продуктами, развитие отношений с клиентами, корпоративные продажи, а также расширение команд и формирование организационной культуры. Ранее в своей карьере Прабха была первым сотрудником и участницей команды 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 и ранее консультировала Clarisights.

Sirion — компания, разрабатывающая решения на базе ИИ для управления жизненным циклом контрактов (CLM). Она помогает крупным компаниям управлять контрактами на всех этапах: от создания и согласования до контроля исполнения, обязательств и получения предусмотренной ими ценности. Платформа объединяет разговорный ИИ со специализированными ИИ-агентами, которые могут объединять и структурировать хранилища контрактов, отвечать на вопросы об их условиях, создавать и проверять соглашения, выявлять риски, предлагать правки, а также отслеживать обязательства и соглашения об уровне обслуживания. Sirion всё активнее развивает технологии для агентной работы с контрактами на базе платформы agentOS, которая позволяет компаниям внедрять готовых агентов для работы с контрактами, а также создавать индивидуальных агентов, подключенных к корпоративным данным и рабочим процессам. Платформа предназначена для крупных организаций, стремящихся превратить статичные документы в структурированные, доступные для поиска источники операционной аналитики, сохраняя при этом управленческий контроль и участие человека.

Ваш путь к созданию Sirion был необычным: вы изучали химию, перешли в сферу права интеллектуальной собственности, работали с патентами, а затем, работая в Hewlett-Packard, стали по-новому смотреть на контракты. Что вы поняли благодаря этому раннему опыту и что в конечном счете убедило вас в том, что создание Sirion — перспективная возможность? 

В детстве я не думала, что создам компанию, специализирующуюся на контрактах. Я изучала химию, но довольно быстро поняла, что мне интереснее решать бизнес-задачи, чем проводить карьеру в лаборатории. В итоге я пришла в сферу интеллектуальной собственности: работала с патентами, а затем руководила командами, которые разрабатывали технологические и юридические решения для крупных компаний.

Настоящий поворотный момент наступил, когда мы с моим сооснователем Sirion Аджайем начали работать с HP. После крупного поглощения у компании были тысячи контрактов, которые требовалось упорядочить и вести. Сначала мы считали, что проблема заключается в создании хранилища, но, внимательно изучив контракты, поняли, что хранение — лишь малая часть возможностей. Из контрактов можно было узнать, что компания купила и продала, что она пообещала, что пообещали ее поставщики, сколько она платит, где сталкивается с рисками и где может терять ценность. Однако практически ни одна из этих сведений не была доступна для эффективного использования в бизнесе. Именно это наблюдение легло в основу Sirion. Контракты были в значительной степени неиспользованным источником бизнес-аналитики.

Вы называли контракты разновидностью «текучего интеллекта» внутри организации. Какая ценная информация обычно скрыта в контрактах и как ИИ может сделать ее полезной для других подразделений, помимо юридического, включая финансы, закупки, продажи и операционную деятельность? 

Контракты — одно из немногих мест, где намерения компании превращаются в реальные обязательства. В них указано, сколько компания согласилась заплатить, что согласился купить клиент, когда могут измениться цены, какие уровни обслуживания необходимо обеспечить, когда продлевается соглашение, что произойдет, если кто-то не выполнит свои обязательства, и кто за что отвечает. Это чрезвычайно ценная информация, но исторически она была заперта в документах, которые большинство людей открывали, только когда нужно было что-то согласовать или когда уже возникала проблема.

ИИ меняет ситуацию, потому что позволяет преобразовать неструктурированный текст контрактов в информацию, которой могут пользоваться другие подразделения компании. Закупки могут получать сведения об обязательствах поставщиков и ценах. Финансы — видеть коммерческие обязательства и возможные потери. Отдел продаж — разбираться в условиях продления контрактов и обязательствах перед клиентами. Операционные подразделения — отслеживать, выполняется ли то, что было обещано.

Именно это я имею в виду, говоря о том, что контрактная информация должна свободно циркулировать. Вместо того чтобы оставаться в PDF-файле, она может поступать туда, где особенно нужна, — в системы и процессы принятия решений. Контракт перестает быть конечным этапом сделки: такая информация позволяет использовать его как постоянно доступный контекст для деятельности компании.

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

Когда мы основали Sirion, ИИ в договорной работе в основном использовался для извлечения и классификации данных. Машинное обучение позволяло очень точно выявлять положения, даты, названия сторон или обязательства, но для относительно узкоспециализированных задач приходилось обучать отдельные модели.

Большие языковые модели значительно расширили возможности систем рассуждать. Теперь система может понимать вопрос, заданный на естественном языке, интерпретировать контекст вокруг того или иного положения, сопоставлять формулировки с предпочтительной позицией компании, объяснять, почему что-либо представляет собой риск, и предлагать 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 подход с несколькими моделями, сочетая большие языковые модели со специализированными моделями и глубоким анализом договоров. Разные модели лучше справляются с разными задачами. Такое сочетание важно, поскольку предприятиям недостаточно ИИ, способного генерировать убедительные формулировки. Им нужна точность. Самое впечатляющее изменение состоит в том, что теперь мы можем не только извлекать сведения из договоров, но и анализировать их, а со временем — всё чаще действовать на их основе.

Sirion внедряет специализированных ИИ-агентов для таких задач, как извлечение данных из договоров, выявление проблем, внесение правок и поиск в крупных хранилищах договоров. Как, по вашему мнению, эти агенты будут взаимодействовать и насколько автономно предприятиям в конечном счёте следует позволять ИИ действовать в процессе заключения договоров?           

Я не думаю, что будущее за одним огромным ИИ-агентом, который делает всё. Разработка договоров включает множество специализированных задач, и для каждой нужны свой контекст и свой уровень профессионального суждения. Один агент может извлекать условия из тысяч соглашений. Другой выявляет формулировки, отклоняющиеся от корпоративных правил. Затем агент по внесению правок может предложить точное изменение на основе свода правил компании. Настоящая сила таких агентов проявится, когда они смогут вместе 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 выявлять наиболее важные условия, сопоставлять их с корпоративными правилами, указывать на проблемные места, находить примеры из предыдущей практики и рекомендовать изменения — и при этом объяснять, что именно она сделала и почему.

Степень автономности должна зависеть от уровня риска. Я считаю приемлемым, чтобы ИИ самостоятельно выполнял многие повторяющиеся действия, основанные на правилах. Но новое условие об ответственности или стратегически важные переговоры могут потребовать участия человека. Конечная цель автономизации — устранить ненужную работу, сохранив контроль человека там, где важны подотчётность и отношения между сторонами.

Договоры могут содержать одни из самых чувствительных для компании сведений — с коммерческой и юридической точки зрения. Вы говорили, что Sirion скорее отложит запуск продукта, чем пойдёт на компромисс в вопросах безопасности. По мере того как генеративный ИИ всё глубже внедряется в рабочие процессы предприятий, какие уступки в вопросах безопасности или конфиденциальности беспокоят вас больше всего?

В договорах могут содержаться сведения о ценах, интеллектуальной собственности, сотрудниках, сделках по приобретению компаний, стратегических обязательствах, а также крайне чувствительная информация о клиентах и поставщиках. Компаниям необходимо точно знать, куда попадают эти данные при работе с системой ИИ, как они обрабатываются, кто может получить к ним доступ и используются ли они для обучения другой модели.

Сейчас существует огромное давление, подталкивающее к скорейшему выпуску функций на основе ИИ, но больше всего меня беспокоит соблазн обращаться с корпоративными данными как с обычным материалом для обучения. Я понимаю это давление, однако нельзя создавать корпоративный ИИ по принципу «с управлением разберёмся потом». Безопасность должна быть заложена в архитектуру с самого начала.

Это означает строгий контроль доступа, шифрование, возможность аудита, чёткое разграничение данных и тщательно продуманные решения об использовании сторонних моделей. В Sirion мы определённо принимали решения, из-за которых вопросы безопасности замедляли нашу работу, и я считаю такой компромисс приемлемым. В корпоративном программном обеспечении, особенно при работе с договорами, на завоевание доверия уходят годы, а разрушить его может одно неосторожное решение.

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

Это одно из важнейших различий между потребительским и корпоративным ИИ. Если я попрошу ИИ-помощника порекомендовать ресторан, а он ошибётся, последствия будут невелики. Но если юридический отдел спросит, содержат ли 5 000 договоров с поставщиками определённое право на расторжение, а система уверенно пропустит 200 таких договоров, это уже совсем другая проблема.

Мы проектируем системы так, чтобы их ответы можно было проверять. Если ИИ сообщает что-либо о договоре, пользователь должен иметь возможность проследить ответ до исходного текста. Если система рекомендует внести правку, пользователь должен понимать, какая корпоративная политика или позиция, зафиксированная в своде правил, лежит в основе этой рекомендации. Возможность объяснить свои выводы принципиально важна для внедрения: доверие возникает тогда, когда работу ИИ можно проверить.

Sirion делает акцент на ответах ИИ, основанных 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, которые объединяют базовые модели с узкоспециализированными собственными данными компаний?

Безусловно. Базовые модели обладают исключительными возможностями, но они не знают, как именно работает ваша компания. Им неизвестно, на какие уступки согласилась ваша юридическая команда в прошлом году, как вы формируете цены для стратегического клиента, какие поставщики регулярно не соблюдают уровень обслуживания и в каких случаях ваша организация требует эскалации. Именно такой контекст делает корпоративный ИИ по-настоящему полезным.

Если объединить ценные сведения о решениях и обязательствах между организациями, зафиксированные в договорах, с уникальными политиками компании, сценариями ведения переговоров, историческими соглашениями и операционными данными, ИИ-система сможет перейти от общих ответов к ответам, учитывающим особенности работы вашего бизнеса. Думаю, конкурентное преимущество в сфере корпоративного ИИ будет все больше зависеть от такого контекста, поскольку у большинства компаний уже есть доступ к похожим базовым моделям. Отличие будет заключаться в том, насколько эффективно они смогут связать эти модели с надежной закрытой информацией и предоставить им достаточно контекста для точных рассуждений без ущерба для безопасности.

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

Я понял, что иногда создать технологию — самая простая часть. Трудности начинаются, когда вы пытаетесь изменить работу крупной организации. В первые годы естественно сосредоточиться на том, может ли продукт решить проблему. Но при масштабировании на уровень крупной компании понимаешь: даже технически безупречное решение полезно лишь тогда, когда люди ему доверяют, оно вписывается в существующие рабочие процессы и способно справиться с огромной сложностью глобальной организации.

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

Теперь, когда ИИ позволяет непрерывно анализировать обязательства, риски, условия ценообразования, продления договоров и результаты исполнения тысяч соглашений, могут ли договоры со временем превратиться в слой оперативных данных, обновляемых 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. Стороны ведут переговоры, подписывают договор, отмечают это событие, а затем документ отправляется в хранилище. Шесть месяцев спустя кто-то открывает его из-за спора, продления или вопроса о том, что именно было обещано. Такая модель теряет смысл, когда ИИ может непрерывно анализировать происходящее со всем портфелем договоров.

В идеальном мире можно было бы узнать, что поставщик не выполнил условия SLA, прежде чем будет одобрен следующий счет, или заметить, что корректировку цены следовало провести три месяца назад. Представьте, что отдел продаж получает уведомление о предстоящем продлении договора вместе с информацией об обязательствах, согласованных с клиентом, а финансовый отдел видит коммерческие обязательства непосредственно в своих системах.

Договоры определяют отношения между компаниями, поэтому данные из них должны быть связаны с системами, в которых эти отношения фактически регулируются. Я считаю, что договоры будут все больше превращаться в слой оперативных данных, помогающий компании понимать не только то, о чем она договорилась, но и то, приносят ли эти соглашения ожидаемую всеми пользу.

Как, по вашему мнению, будет выглядеть управление договорами, когда ИИ-агенты станут значительно более функциональными? Исчезнет ли со временем традиционная категория систем управления жизненным циклом договоров, растворившись в более широком слое корпоративной аналитики, и какую роль, на ваш взгляд, Sirion сыграет в этом переходе? 

Надеюсь, со временем границы систем управления жизненным циклом договоров (CLM) станут гораздо менее заметными. Сегодня пользователи по-прежнему мыслят отдельными этапами: мне нужно составить договор, проверить его, получить одобрение, подписать, сохранить, а затем управлять им. По мере развития ИИ-агентов людям не придется самостоятельно координировать все эти системы и рабочие процессы. Они смогут сформулировать задачу, а специализированные агенты выполнят значительную часть работы.

Но более масштабные изменения начнутся после подписания договора. Если ИИ сможет понимать каждое обязательство, коммерческое условие, риск и взаимоотношение в миллионах соглашений, аналитика договоров станет полезна далеко за пределами юридической сферы. Для меня именно в этом и заключается самое интересное: договоры наконец станут делом каждого.

Так что я не думаю, что договоры исчезнут. Напротив, они станут еще важнее, поскольку будут обеспечивать корпоративный ИИ надежным контекстом. Наша цель в Sirion — сделать эту аналитику доступной везде, где ведется работа. В итоге CLM может восприниматься не столько как отдельная система, сколько как слой интеллектуального анализа и исполнения, связывающий принятые компанией обязательства с ее повседневными действиями.

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