Kanti Prabha，Sirion 总裁兼首席产品与技术官——访谈系列

Kanti Prabha是 Sirion 总裁兼首席产品与技术官，也是一位企业技术领域的领导者，拥有二十多年经验，涉足产品开发、法律科技、知识产权、运营和 SaaS。作为 Sirion 创始团队成员，她在塑造公司的产品愿景、设计和开发方面发挥了核心作用，曾担任产品管理副总裁、首席运营官等领导职务，之后出任总裁。她擅长打造企业级 B2B SaaS 产品，具备产品战略与管理、客户成功、企业销售方面的经验，也擅长扩大团队规模、培育组织文化。职业生涯早期，Prabha 是 UnitedLex 的首位员工，也是创始团队成员；她曾为企业法务部门开发技术驱动型解决方案，并负责知识产权项目。在此之前，她还曾在 Evalueserve 从事专利服务工作。她目前担任 akirolabs 顾问，此前也曾担任 Clarisights 顾问。

Sirion是一家由人工智能驱动的合同全生命周期管理（CLM）公司，帮助企业管理合同从起草、谈判到持续履约、义务管理和价值实现的各个环节。其平台将对话式人工智能与专门构建的 AI 智能体相结合，可集中管理并构建合同库、回答有关合同条款的问题、起草和审核协议、识别风险、提出修订建议，以及监控合同义务和服务级别协议。Sirion 正日益通过其 agentOS 平台，将技术定位于智能体驱动的合同管理。该平台支持企业部署预构建的合同管理智能体，也可创建与企业数据和工作流相连接的定制智能体。该平台面向大型组织，旨在将合同从静态文件转变为结构化、可搜索的运营情报来源，同时确保治理机制和人工监督。

您创立 Sirion 的经历与众不同：您先学习化学，后来转向知识产权法，从事专利相关工作，之后在惠普工作期间开始以不同的眼光看待合同。早期的这些经历让您看到了什么，最终使您确信这里存在创立 Sirion 的机会？ 

我成长过程中从未想过自己会创办一家围绕合同开展业务的公司。我学的是化学，但很快意识到，相比在实验室度过整个职业生涯，我更感兴趣的是解决商业问题。后来我进入知识产权领域，从事专利相关工作，之后带领团队为大型企业开发技术和法律解决方案。

真正的转折点出现在我和 Sirion 联合创始人 Ajay 开始与惠普合作时。惠普在一次大型收购后有数千份合同需要整理和管理。起初，我们认为这只是一个合同库管理问题，但仔细审视这些合同后，我们很快发现，存储只是整个机遇中微不足道的一部分。合同能够说明一家公司买了什么、卖了什么、承诺了什么、供应商承诺了什么、公司支付了什么、存在哪些风险，以及哪些价值可能正在流失。然而，这些信息几乎都无法被企业轻松利用。这正是 Sirion 创立的初衷。合同是一个基本尚未开发的商业情报来源。

您曾将合同描述为组织内部的一种“流动的情报”。合同中通常蕴含着哪些有价值的信息？人工智能又如何让法务部门以外的团队——包括财务、采购、销售和运营团队——也能利用这些信息？ 

合同是少数能够将公司的意图真正转化为承诺的载体之一。合同会说明公司同意支付什么、客户同意购买什么、价格何时可以变更、必须达到哪些服务水平、协议何时续约、有人未能履约时会发生什么，以及各项义务由谁承担。这些信息极具价值，但过去一直被困在文件里，大多数人只有在需要谈判或出了问题时才会打开这些文件。

人工智能改变了这一局面，因为它能将非结构化的合同语言转化为企业其他部门也能实际利用的信息。采购部门可以了解供应商的义务和定价；财务部门可以查看商业承诺和潜在收入流失；销售部门可以了解续约条款和客户承诺；运营部门则可以监控实际交付是否符合承诺。

这就是我所说的让合同情报流动起来。信息不再只是留在 PDF 文件里，而是可以流入最需要它的决策和系统中。合同也不再是交易的终点；流动的情报能让合同成为企业运营过程中持续发挥作用的背景信息来源。

Sirion 已从合同全生命周期管理软件发展为一个日益由人工智能驱动的平台。与公司创立之初可用的机器学习方法相比，大语言模型的兴起让合同数据处理在技术上实现了哪些新可能？

我们创立 Sirion 时，人工智能在合同领域的应用主要集中在信息提取和分类上。机器学习可以非常擅长识别条款、日期、当事方名称或义务，但模型必须针对相对具体的任务进行训练。

大语言模型极大地拓展了推理能力。如今，系统能够理解用自然语言提出的问题，解读条款的上下文，将条款表述与公司的首选立场进行比较，解释某项内容为何构成风险，并建议下一步该怎么做。

但我不认为大语言模型会取代此前的一切。合同过于复杂，无法如此处理。在 Sirion，我们采用多模型方案，将大语言模型与专用模型和深度合同智能结合起来。不同模型各有所长。这种组合至关重要，因为企业需要的不只是能够生成有说服力文本的人工智能，还需要准确性。最令人振奋的变化是，我们能够从提取合同信息，进而转向基于这些信息进行推理，并且越来越多地据此采取行动。

Sirion 目前正在针对合同信息提取、问题检测、修订标注以及大型合同库搜索等任务推出专用人工智能代理。您设想这些代理将如何协同工作？企业最终应允许人工智能在合同流程中自主行动到什么程度？           

我不认为未来会是一个包办一切的庞大人工智能代理。合同拟定涉及许多专门任务，每项任务所需的上下文和判断程度各不相同。一个代理或许能从数千份协议中提取条款。另一个代理则能识别偏离政策的表述。随后，负责修订标注的代理可以根据公司的操作指南提出精准的修改建议。真正的价值在于，这些代理能够围绕一个目标协同工作，而不是让用户不得不逐一管理每个步骤。

例如，有人可能会问：“我们可以接受这份供应商协议吗？”系统应当能够找出最相关的条款，与政策进行比较，指出问题，查找先例并提出修改建议，同时解释它做了什么以及为什么这样做。

自主行动的边界应取决于风险。对于让人工智能自主处理许多重复性、基于规则的操作，我感到放心。但对于新颖的责任条款或具有重大战略意义的谈判，可能仍需依靠人的判断。自主化的最终目标应是减少不必要的工作，同时在问责和人际关系至关重要的环节保留人为控制。

合同可能包含公司商业和法律方面最敏感的一些信息。您曾表示，Sirion 宁愿推迟产品发布，也不愿在安全方面妥协。随着生成式人工智能日益深入地融入企业工作流程，您最担心哪些安全或隐私方面的捷径？

合同可能包含定价、知识产权、员工信息、收购详情、战略承诺，以及有关客户和供应商的极其敏感的信息。人工智能系统接触这些信息时，企业必须准确了解这些信息流向何处、如何处理、谁有权访问，以及是否会被用于训练其他模型。

眼下，大家面临着尽快推出人工智能功能的巨大压力，但最让我担心的捷径，是把企业数据当作普通训练材料。我理解这种压力，但企业人工智能不能建立在“治理问题以后再解决”的想法之上。安全必须从一开始就纳入架构设计。

这意味着要设置严格的访问控制、加密机制、可审计性和明确的数据边界，并谨慎决定如何使用第三方模型。在 Sirion，我们确实做过一些因安全要求而放慢进度的决策，我也接受这种权衡。在企业软件领域，尤其是处理合同时，建立信任需要数年时间，而一个草率的决定就可能将其摧毁。

生成式人工智能面临的一项长期挑战是，即使回答有误，也可能听起来十分权威。在合同智能领域，一个细微的错误就可能造成财务或法律后果。您如何设计人工智能系统，让用户能够核验并信任其结果？ 

这是消费级人工智能与企业级人工智能之间最重要的区别之一。如果我向人工智能助手询问餐厅推荐，而它给出的信息有误，后果有限。但如果法律团队询问 5,000 份供应商合同是否包含某项特定的终止权，而系统却信心十足地漏掉其中 200 份，那就是截然不同的问题了。

我们的设计以便于核验为出发点。如果人工智能告诉你某项合同内容，你应该能够追溯该回答所依据的原文。如果它建议加入修订内容，你应该能了解这项建议依据了哪条政策或操作指南。可解释性是推广应用的基础，因为只有让人工智能的输出能够被审查，才能建立信任。

Sirion 强调，AI 给出的答复应以组织自身的合同和先例为依据，而不是只依赖通用模型。您认为，企业 AI 的下一个重要发展阶段是否会越来越多地由这样一种系统推动：将基础模型与高度专业化的企业专有数据相结合？

当然。基础模型能力极强，但它们并不了解贵公司具体如何运营。它们不会自动知道贵公司的法务团队去年批准了哪些让步、贵公司如何为战略客户制定价格、哪些供应商屡次未能达到服务水平要求，或贵公司在什么情况下要求升级处理。正是有了这些背景信息，企业 AI 才能真正发挥作用。

将合同中关于组织间决策与承诺的详实记录，与企业独有的政策、谈判手册、历史协议和运营数据结合起来，AI 系统就能从给出泛泛的答案，转而给出符合企业实际运作方式的答案。我认为，企业 AI 的竞争优势将越来越多地来自这些背景信息，因为大多数企业已经能够使用相似的基础模型。真正的差异在于，企业能否有效地将这些模型与可信的专有信息连接起来，并提供足够的背景信息，让模型在不损害安全性的前提下准确推理。

您花了十多年时间打造 Sirion，担任过涵盖产品、运营和公司领导工作的多个职位。在企业最初几年的发展阶段，您还未能理解哪些关于如何扩大企业 AI 软件规模的经验？

我学到的一点是，技术开发有时反而是比较容易的部分。真正的阻力出现在你开始改变大型组织的工作方式时。在最初几年，你自然会把重点放在产品能否解决问题上。到了企业级规模，你就会意识到，技术上再出色的答案，也只有在人们信任它、它能融入现有工作流程并且能够应对全球性组织庞大复杂性的情况下，才真正有用。

AI 让这一经验变得更加重要。如今，你可以很快做出令人印象深刻的演示。但要打造出企业愿意托付数百万个数据点和工作流程的产品，则是另一回事。

随着 AI 能够持续分析数千份协议中的义务、风险、定价条款、续约事项和履约情况，合同最终是否可能成为企业的实时运营数据层，而不再只是出了问题才会查阅的文件？

我认为，这正是我们前进的方向。长期以来，合同一直被视为终点。各方谈判、签字、庆祝，然后文件就被存进资料库。六个月后，有人因为发生争议、需要续约，或想确认当初承诺了什么，才会打开这份文件。当 AI 能够持续了解整个合同组合中正在发生的事情时，这种模式就不再合理。

理想情况下，可以想象一下：在批准下一张发票之前，就知道某个供应商未达到 SLA（服务级别协议）要求；或者发现某项价格调整本应在三个月前生效。还可以想象，销售团队在即将续约时收到提醒，同时看到客户协商确定的承诺；财务部门则能在自己的系统中直接看到商业义务。

合同界定了公司之间的关系，因此合同数据应与实际管理这些关系的系统相连。我认为，合同将越来越多地成为一种运营数据层，帮助企业了解自己不仅同意了什么，也了解这些协议是否实现了所有人预期的价值。

展望未来，随着 AI 智能体的能力大幅提升，您认为合同管理会变成什么样？传统的合同生命周期管理类别最终会不会融入更广泛的企业智能层？您认为 Sirion 将在这一转变中扮演什么角色？ 

我希望随着时间推移，CLM 的边界会变得不那么明显。如今，用户仍然会按照步骤来思考：我要创建合同、审核合同、获得批准、签署合同、存储合同，然后管理合同。随着智能体能力增强，人们不应该再需要亲自协调所有这些系统和工作流程。他们只需表达意图，就可以让专门的智能体处理背后的许多工作。

但更大的变化发生在签署之后。如果 AI 能够理解数百万份协议中的每一项义务、商业条款、风险和关系，那么合同智能的用途就会远远超出法务领域。对我来说，这正是令人振奋之处：合同终于成为所有人的共同事务。

所以我不认为合同会消失，恰恰相反。合同会变得更加重要，因为它们为企业 AI 提供可信的背景信息。Sirion 的目标，是让人们能够在工作发生的任何地方运用这些智能。CLM 最终或许不再像一个独立的目的地，而更像一个智能与执行层，将企业作出的承诺与日常采取的行动连接起来。

感谢您接受我们的精彩采访。希望进一步了解的读者，请访问 Sirion。