Intervjuer
Sarvarth Misra, medgrundare och vd för Leah – intervjuserie

Viktiga punkterAtt lägga till AI i programvara byggd för människor påskyndar uppgifter men lämnar…
Visa mer
- Att lägga till AI i programvara byggd för människor påskyndar uppgifter men lämnar operativmodellen oförändrad.
- Nästan åtta av tio företag saknar effektiva verktyg för att identifiera icke sanktionerade agenter.
- Styrning måste vara inbäddad i arkitekturen så att organisationer tryggt kan utöka agenters autonomi.
Sarvarth Misra är medgrundare och vd för Leah, tidigare ContractPodAi. Han inledde sin karriär som jurist inom bolagsrätt och affärsjuridik. Tiden han lade på att hitta information, samordna dokument och hålla reda på åtaganden inspirerade honom att utveckla teknik för juridiska team. Sedan dess har hans arbete breddats från hantering av avtalslivscykeln till agentiska system som samordnar arbetsflöden i företag, med fokus på att förena ämnesexpertis, kontrollerat genomförande och mänskligt omdöme.
Leah utvecklar en agentisk AI-plattform för företag inom juridik, avtalshantering, upphandling, ekonomi och gemensamma tjänster. Plattformen kopplar samman specialiserade agenter med företagssystem, verksamhetskontext, behörigheter och godkännandeflöden för att hjälpa organisationer att utföra arbete mellan olika avdelningar. I den här intervjun diskuterar Misra övergången från AI-stöd till genomförande, utmaningarna kring styrning och interoperabilitet när agenter skalas upp samt hur företag kan mäta tillförlitliga verksamhetsresultat och samtidigt behålla mänsklig tillsyn.
Du inledde din karriär som jurist inom bolagsrätt och affärsjuridik innan du var med och grundade Leah (tidigare ContractPodAi). Vilka problem stötte du på i det juridiska arbetet som ursprungligen fick dig att vilja bygga företaget, och hur har den ursprungliga visionen utvecklats till det Leah är i dag?
När jag arbetade med bolagsrätt såg jag på nära håll hur mycket av en jurists tid som gick åt till att hantera processer i stället för att utöva juridiskt omdöme. Högkvalificerade yrkespersoner lade otaliga timmar på att hitta information, förmedla dokument, hålla reda på åtaganden och samordna arbete mellan system som inte var sammankopplade. Samtidigt hade funktioner som försäljning och ekonomi genomgått en omfattande teknisk omvandling, medan juridik i stort sett hade hamnat på efterkälken.
Den insikten fick oss att bygga ContractPodAi utifrån en enkel grundtanke: juridiska team behövde ett system för att lagra och hantera information om avtal och få tillgång till avtalsintelligens. Men i takt med att tekniken utvecklades förändrades också vår förståelse av möjligheterna. Vi insåg att arbetshantering bara var en del av utmaningen. Den betydligt större möjligheten var att förändra hur arbetet faktiskt utfördes.
Den övertygelsen formade Leah. Avtal var vår utgångspunkt, men ambitionen var alltid större: att förändra hur företag utför arbete, inte bara hur de hanterar det. I dag bygger vi system som kan planera, samordna och utföra komplexa arbetsflöden i företag, så att människor kan fokusera på omdöme, strategi och de beslut där mänsklig expertis gör störst skillnad.
ContractPodAi bytte namn till Leah i januari 2026 när företaget breddade sin verksamhet från hantering av avtalslivscykeln till en mer omfattande agentisk AI-plattform. Vad övertygade dig om att framtiden inte bara handlade om att lägga till AI-funktioner i befintlig företagsprogramvara, utan om att i grunden utforma om hur arbetet utförs med autonoma agenter?
Vi kom fram till den slutsatsen eftersom vi hade ägnat flera år åt att bygga upp CLM-kategorin och var bland de första att införa AI inom den. Den erfarenheten gav oss ett unikt perspektiv på både AI:s potential och begränsningarna i den underliggande programvarumodellen.
År 2023 hade vi kommit fram till en grundläggande slutsats: att lägga till AI i programvara som är utformad för att användas av människor skulle göra enskilda uppgifter snabbare, men inte förändra hur arbetet utförs i grunden.
Människor skulle fortfarande ansvara för att samla in information, samordna överlämningar, växla mellan applikationer och se till att varje steg i en process blev slutfört. AI kunde påskynda enskilda aktiviteter, men den underliggande arbetsmodellen och dess beroende av mänskliga insatser skulle i stort sett förbli oförändrade.
Vi ansåg att nästa generation företagsprogramvara behövde utformas för genomförande snarare än stöd. Systemen borde kunna förstå ett mål, samordna de aktiviteter som behövs och driva arbetet framåt mellan olika funktioner och applikationer, med mänsklig medverkan när omdöme eller godkännande krävs.
Det krävde en grundläggande förändring av arkitekturen, inte bara ännu en AI-funktion. Det var ett betydande strategiskt beslut, men vi ansåg att det var nödvändigt. Framtidens företagsprogramvara skulle kännetecknas inte av hur väl den hjälper människor att hantera arbete, utan av hur tillförlitligt den kan utföra arbetet och leverera resultat.
Begreppet ”agentisk AI” används allt oftare i branschen. Vad skiljer enligt dig ett genuint agentiskt företagssystem från en traditionell AI-assistent, copilot eller ett verktyg för automatisering av arbetsflöden?
Den grundläggande skillnaden är förmågan att utföra arbetet.
AI-assistenter och copiloter hjälper människor att utföra uppgifter, medan traditionell automatisering av arbetsflöden följer fördefinierade sekvenser. Båda kan ge betydande produktivitetsförbättringar, men människor ansvarar i regel fortfarande för att driva arbetet framåt och samordna stegen mellan olika system.
Ett genuint agentiskt system går längre. Det kan förstå ett mål, avgöra vilka åtgärder som krävs, samordna specialiserade funktioner och utföra arbete i företagssystem, samtidigt som det tar in mänskligt omdöme när det behövs.
Men det finns en viktig skillnad mellan en intelligent agent och ett agentbaserat system som är redo för företagsbruk. Intelligens räcker inte i sig. För att kunna utföra uppgifter tillförlitligt krävs ett underliggande ramverk som tillhandahåller rätt kontext och verktyg samt orkestrering, deterministiska arbetsflöden, behörigheter och styrning.
Det krävs också djup domänkunskap. En agent som utför ett avtalsflöde behöver till exempel mer än allmän förmåga att resonera. Den måste förstå organisationens avtalspositioner, förhandlingsstrategier, godkännandekrav och de affärsmässiga konsekvenserna av sina åtgärder.
I slutändan står modellen för intelligensen, ramverket tillhandahåller arkitekturen för kontrollerad exekvering och domänexpertisen gör exekveringen meningsfull i ett affärssammanhang.
Leahs forskning tillsammans med IDC visade att 66 % av de tillfrågade organisationerna redan har AI-agenter i produktion och räknar med att antalet driftsättningar kommer att bli sex gånger större i början av 2027. Vad tror du att företag underskattar när de går från att driftsätta en handfull agenter till att eventuellt hantera hundratals eller tusentals?
Många organisationer fokuserar på att få sina första agenter i produktion. Men utmaningen förändras i grunden när de börjar driftsätta agenter i stor skala.
Frågan är inte längre om en enskild agent kan utföra en uppgift. Frågan är om organisationen kan samordna och styra hundratals eller potentiellt tusentals agenter som arbetar i olika team, system och affärsfunktioner.
Vår forskning visade att närmare åtta av tio företag saknar effektiva verktyg för att identifiera otillåtna agenter, medan cirka 47 % pekade ut centraliserad styrning som ett viktigt förbättringsområde. Det visar på en växande klyfta mellan införandetakten och organisationernas förmåga att hantera det de driftsätter.
Utan rätt arkitektur riskerar varje ytterligare agent att tillföra ännu ett lager av komplexitet. Olika team kan driftsätta agenter med olika modeller, verktyg och plattformar, där varje agent arbetar med sin egen kontext, sina egna behörigheter och arbetsflöden.
Företag behöver därför mer än insyn i enskilda agenter. De behöver en samordnad miljö där agenter kan dela relevant kontext, verka inom tydligt definierade ramar och samarbeta i affärsprocesser.
Styrning och orkestrering får inte komma i efterhand. De måste vara grundläggande funktioner. Annars riskerar organisationer att ersätta splittrade programvaruapplikationer med ett lika splittrat landskap av intelligenta agenter.
I samma forskning identifierades styrning, orkestrering och tvärfunktionellt samarbete som tre grundpelare för agentisk AI. Varför blir styrningen svårare när agenter självständigt kan resonera, ge rekommendationer och initiera åtgärder i företagssystem?
Styrningen blir mer komplex eftersom agenter inte längre bara producerar information som människor kan bedöma. De kan tolka kontext, fatta beslut och initiera åtgärder, ofta i flera företagssystem.
Det förändrar riskens karaktär i grunden. Organisationer behöver förstå inte bara vad en agent har befogenhet att göra, utan också vilken information som låg till grund för dess åtgärder, vilka kontroller som tillämpades och vad resultatet blev.
Komplexiteten ökar när agenter arbetar i olika funktioner med skilda riktlinjer, behörigheter och risktoleranser. En åtgärd som är godtagbar i ett arbetsflöde kan kräva ytterligare validering eller godkännande i ett annat. Styrningen måste därför omfatta hela exekveringsprocessen i stället för att tillämpas på enskilda agenter var för sig.
Därför anser vi att styrningen måste byggas in i den underliggande arkitekturen. Företag behöver deterministiska kontroller för kritiska åtgärder, tydliga eskaleringsvägar, konfigurerbara godkännandekrav och en granskningsbar dokumentation av exekveringen.
Målet är inte att i onödan begränsa autonomin. Det handlar om att skapa förutsättningar för organisationer att tryggt kunna utöka den. Effektiv styrning är det som gör autonomi i företagsskala möjlig.
En av utmaningarna med företagsagenter är interoperabilitet – agenter kan utvecklas av olika leverantörer, använda olika modeller och arbeta i frånkopplade system. Hur bör företag utforma en miljö där dessa agenter kan dela kontext på ett säkert sätt och samordna sig med varandra?
Företag behöver sluta se agenter som fristående produkter och i stället betrakta dem som deltagare i ett sammanhängande arbetssystem.
Det verkliga värdet uppstår när agenter kan dela kontext, samordna åtgärder och bidra till ett gemensamt affärsresultat, även när de arbetar i olika funktioner och på olika plattformar med olika underliggande modeller.
För att uppnå detta krävs ett orkestreringslager ovanför de enskilda agenterna och företagets applikationer. Lagret tillhandahåller arkitekturen för att hantera kontext, behörigheter, integrationer, arbetsflöden och styrning, så att olika funktioner kan samverka som ett enda samordnat system.
Lika viktigt är att värna företagens självbestämmande. Organisationerna bör behålla kontrollen över sina data, sin organisatoriska kunskap, sina affärsregler och sina arbetsflöden, oavsett vilka modeller eller teknikleverantörer de väljer att använda.
Vi anser att företag fritt bör kunna införa nya modeller och ny teknik utan att behöva bygga om de processer och den kunskap som ligger till grund för verksamheten.
I slutändan handlar interoperabilitet inte bara om att koppla samman agenter rent tekniskt. Det handlar om att göra det möjligt för dem att utföra arbete samordnat, säkert och ansvarsfullt i hela företaget.
Juridik och avtalshantering är särskilt känsliga områden, eftersom AI-genererade beslut kan få ekonomiska, regulatoriska och rättsliga konsekvenser. Var bör organisationer dra gränsen mellan åtgärder som en AI-agent kan utföra självständigt och beslut som även fortsättningsvis bör kräva mänskligt godkännande?
Gränsen bör avgöras av risken, inte av vilken typ av uppgift som utförs.
Många aktiviteter inom juridik och avtalshantering är strukturerade, återkommande och styrs av etablerade riktlinjer. De lämpar sig väl för självständigt utförande, förutsatt att lämpliga kontroller finns på plats.
En agent som granskar ett rutinmässigt sekretessavtal kan till exempel bedöma det utifrån en godkänd handlingsplan, identifiera avvikelser, tillämpa överenskomna reservpositioner och driva avtalet vidare utan att en jurist behöver ingripa i varje steg.
Men ett avtal som innebär betydande ekonomisk exponering, en ovanlig ansvarsposition, regulatorisk osäkerhet eller en strategisk kommersiell eftergift kan kräva mänskligt omdöme eller godkännande.
Det är viktigt att säga att jag inte anser att målet bör vara att ta bort människor ur processen. Målet är att förändra var och hur de bidrar. I stället för att kräva mänskligt ingripande i varje steg bör organisationer kunna ställa in den grad av självständighet som passar varje arbetsflöde, inklusive de punkter där mänsklig medverkan är obligatorisk.
Det gör att kvalificerade yrkespersoner kan koncentrera sig på undantag, förhandlingsstrategi, komplexa riskbedömningar och beslut som verkligen kräver deras sakkunskap.
Möjligheten handlar inte bara om att göra juridiska team snabbare. Den handlar om att grundläggande tänka om kring hur juridiskt arbete utförs, så att människor och AI bidrar där de skapar störst värde.
Leah breddar användningen av agentisk AI inom juridik, avtalshantering, inköp, ekonomi och gemensamma stödfunktioner. Vad blir möjligt när agenter kan samordna arbetet mellan dessa funktioner i stället för att automatisera varje avdelning för sig?
Det mesta arbetet i företag börjar och slutar inte inom en enda avdelning. Ett avtal som förhandlats fram av juristerna påverkar inköp, ekonomi, verksamhet och regelefterlevnad. Ändå har företagsprogramvara traditionellt utformats kring enskilda funktioner, vilket har gjort att människor fått ansvara för att knyta samman informationen, besluten och processerna mellan dem.
Agentisk AI skapar en möjlighet att förändra den verksamhetsmodellen.
När agenter kan samordna arbetet mellan olika funktioner kan de samla den relevanta information, de riktlinjer och den sakkunskap som behövs för att driva arbetet från början till slut, i stället för att utföra en isolerad uppgift och lämna över nästa steg till någon annan.
Tänk på ett leverantörsavtal. Avtalsvillkoren påverkar inköpsbeslut, betalningsåtaganden, ekonomisk exponering och leverantörens löpande prestation. I en sammankopplad agentisk miljö kan den avtalsrelaterade informationen ligga till grund för och utlösa åtgärder inom dessa funktioner, i stället för att förbli låst i ett avtalsarkiv.
Det är här vi ser framväxten av kommersiell intelligens: förmågan att koppla samman avtalsmässiga, juridiska, inköpsrelaterade och ekonomiska sammanhang, så att beslut och åtgärder speglar hela den kommersiella helhetsbilden.
Värdet sträcker sig långt bortom produktiviteten inom enskilda avdelningar. Det skapar möjligheter att optimera processerna som kopplar samman dem, minska fragmenteringen, förbättra beslutsfattandet och låta arbetet röra sig genom hela företaget med betydligt mindre manuell samordning.
När företag inför fler agenter, hur bör de mäta om agentisk AI faktiskt skapar värde? Räcker traditionella mått som produktivitet och kostnadsbesparingar fortfarande, eller behöver företagen ett nytt ramverk som utgår från resultat och hur mycket arbete agenter tillförlitligt kan utföra?
En av lärdomarna från den första vågen av AI-användning är att aktivitet och värde inte är samma sak.
Organisationer kan mäta promptar, token, interaktioner och sparad tid, men de måtten säger relativt lite om huruvida meningsfulla affärsresultat uppnås.
Produktivitet och kostnadsbesparingar kommer även fortsättningsvis att vara viktiga, men agentisk AI kräver ett bredare ramverk med fokus på genomförande. Hur mycket arbete slutförs? Hur tillförlitligt utförs det? Går processerna snabbare? Minskar ärendebalanserna? Identifieras undantag och åtgärdas de mer effektivt?
Vi bör också mäta graden av autonomi som uppnås inom lämpliga ramar. Det är till exempel en sak att minska den tid en jurist lägger på att granska ett avtal. En annan sak är att göra det möjligt för hela avtalsprocessen att fortskrida, från inledande hantering via granskning och förhandling till godkännande, med mänskliga insatser koncentrerade till de moment där de verkligen behövs.
Den skillnaden är viktig eftersom det ekonomiska värdet av agentisk AI inte bara består i sparad arbetstid. Det kommer också av ökad kapacitet, större konsekvens, mindre operativ friktion och bättre affärsresultat.
Med tiden tror jag att organisationer kommer att lägga betydligt större vikt vid hur mycket och hur komplext arbete AI kan utföra på ett tillförlitligt sätt, kvaliteten på utförandet och den kommersiella effekt det ger.
Frågan kommer att skifta från hur mycket AI använder vi till vad kan vår organisation åstadkomma nu som den inte kunde åstadkomma tidigare?
Hur tror du att relationen mellan medarbetare, traditionell affärsprogramvara och autonoma AI-agenter kommer att förändras under de kommande tre till fem åren, och vad kommer att utmärka de organisationer som framgångsrikt ställer om till en agentisk verksamhetsmodell?
Jag tror att vi rör oss från en era som präglats av system för registrering till en som i allt högre grad präglas av system för genomförande.
Traditionell affärsprogramvara kommer även fortsättningsvis att vara viktig och tillhandahålla de underliggande data, verksamhetsregister och den infrastruktur som organisationer är beroende av. Men i allt högre grad kommer agentiska system att verka tvärs över dessa applikationer och samordna och utföra arbete som tidigare krävde att människor växlade mellan system, hanterade överlämningar och förde enskilda uppgifter framåt.
För medarbetarna innebär detta en grundläggande förändring i hur de interagerar med teknik. I stället för att hantera varje steg i ett arbetsflöde kommer människor i allt högre grad att definiera mål, sätta ramar, göra bedömningar och ingripa där deras expertis skapar störst värde.
Men för att genomföra den omställningen krävs mer än att införa agenter eller lägga till AI-funktioner i befintliga applikationer. Organisationer behöver tänka om kring hur arbetet struktureras, hur beslut fattas och hur intelligens flödar mellan olika funktioner.
Vår forskning tillsammans med IDC understryker vikten av styrning, orkestrering och samarbete mellan olika funktioner. Jag vill tillägga att djup ämneskunskap är lika avgörande. Ett system behöver både den tekniska förmågan att utföra arbetet på ett tillförlitligt sätt och den verksamhetsmässiga kontexten för att förstå hur ett väl utfört arbete ser ut.
De organisationer som lyckas kommer inte nödvändigtvis att vara de som inför flest agenter. Det kommer att vara de som ser agentisk AI som en möjlighet att grundläggande omforma sin verksamhetsmodell.
Den verkliga möjligheten ligger inte i att effektivisera vårt sätt att arbeta i dag. Den ligger i att skapa en helt ny modell för hur arbetet i företag och organisationer utförs.
Tack för en givande intervju. Läsare som vill veta mer om agentisk AI för företag och sammanhängande arbetsflöden för juridik, avtalshantering, inköp och ekonomi kan besöka Leah.












