访谈

Sarvarth Misra,Leah 联合创始人兼首席执行官——访谈系列

Antoine Tardif
将 Unite.AI 添加到您在 Google 上的首选来源
Sarvarth Misra, Co-Founder and CEO of Leah
要点将人工智能加入为人类构建的软件可以加快任务速度,但不会改变运营模式。
查看更多
  • 将人工智能加入为人类构建的软件可以加快任务速度,但不会改变运营模式。
  • 近八成企业缺乏有效工具来识别未经批准的智能体。
  • 治理必须嵌入架构之中,以便组织能够自信地扩大智能体的自主性。

Sarvarth Misra 是 Leah(前身为 ContractPodAi)的联合创始人兼首席执行官。他最初是一名公司法与商事律师,职业生涯中花费大量时间查找信息、协调文件和跟进义务,这促使他着手为法律团队开发技术。此后,他的工作从合同生命周期管理拓展到协调企业工作流程的智能体系统,重点是将专业领域知识、受控执行与人类判断相结合。

Leah 开发企业级智能体 AI 平台,服务于法律、合同管理、采购、财务和共享服务等领域。该平台将专业智能体与企业系统、业务背景、权限及审批工作流程相连接,帮助组织跨部门执行工作。在本次访谈中,Misra 谈到了从 AI 辅助转向执行的变化、智能体规模化应用面临的治理与互操作性挑战,以及企业如何在保留人工监督的同时衡量可靠的业务成果。

您最初是一名公司法与商事律师,之后共同创立了 Leah(前身为 ContractPodAi)。您在法律工作中遇到了哪些问题,从而萌生了创办这家公司的想法?这一创立初衷又如何发展成今天的 Leah?

从事公司法工作时,我亲眼看到,律师有多少时间耗费在流程管理上,而非运用法律判断力。高技能专业人士花费无数时间查找信息、传递文件、跟进义务,并在彼此孤立的系统之间协调工作。销售和财务等职能经历了显著的技术变革,法律领域却在很大程度上落在了后面。

正是这一认识促使我们围绕一个简单的理念创立了 ContractPodAi:法律团队需要一个用于合同的记录与智能系统。但随着技术发展,我们对这一机遇的理解也不断深化。我们意识到,管理工作只是挑战的一部分。更大的机遇在于改变工作的实际执行方式。

这一信念塑造了 Leah。合同是我们的起点,但我们的目标始终更为宏大:改变企业执行工作的方式,而不只是管理工作的方式。如今,我们正在打造能够规划、协调并执行复杂企业工作流程的系统,让人们专注于判断、战略,以及最需要人类专业知识的决策。

ContractPodAi 于 2026 年 1 月更名为 Leah。随着公司业务从合同生命周期管理拓展到更广泛的智能体 AI 平台,是什么让您确信,未来并非只是为现有企业软件添加 AI 功能,而是要围绕自主智能体,从根本上重新设计工作方式?

我们得出这一结论,是因为我们多年来一直在推动 CLM 类别的发展,也是最早将 AI 引入这一领域的企业之一。这段经历让我们对 AI 的潜力以及底层软件模式的局限性都有了独特的认识。

到 2023 年,我们得出了一个根本性的结论:在原本设计为由人操作的软件中加入 AI,可以加快单项任务的完成速度,却无法从根本上改变工作的完成方式。

人们仍需负责收集信息、协调交接、在不同应用之间切换,并确保流程的每个阶段都已完成。AI 可以加快各项具体工作,但底层运作模式及其对人工介入的依赖基本没有改变。

我们认为,下一代企业软件应围绕执行而非辅助来设计。系统应能够理解目标、统筹所需活动,并推动工作跨职能、跨应用开展;在需要判断或审批时,则由人参与。

这需要从根本上改变架构,而不只是再增加一项 AI 功能。这是一个重大的战略决策,但我们相信这一步不可或缺。企业软件的未来,将不再取决于它帮助人们管理工作的效率,而在于它执行工作和交付成果的可靠性。

“智能体 AI”一词正日益广泛地应用于整个行业。在您看来,真正的智能体企业系统与传统 AI 助手、副驾驶或工作流程自动化工具有何区别?

根本区别在于执行。

AI 助手和副驾驶帮助人们完成任务,而传统工作流程自动化则遵循预先设定的步骤。两者都能显著提升生产力,但通常仍由人负责推动工作进展,并协调系统之间的各个步骤。

真正的智能体系统则更进一步。它能够理解目标、确定所需采取的行动、协调各种专业能力,并跨企业系统执行工作;必要时,还会引入人类判断。

但智能体与适用于企业的智能体系统之间有一个重要区别。仅有智能还不够。要可靠地执行任务,必须有底层执行框架提供恰当的上下文、工具、编排、确定性工作流、权限和治理机制。

此外,还需要深入了解专业领域。例如,执行合同流程的智能体,不能只具备通用推理能力。它必须了解组织的合同立场、谈判策略手册、审批要求,以及自身行动可能带来的商业后果。

归根结底,模型提供智能,执行框架提供受控执行所需的架构,而领域专业知识则让这种执行在业务情境中真正发挥作用。

Leah 与 IDC 的研究发现,受访组织中有 66% 已将 AI 智能体投入生产环境,并预计到 2027 年初,部署规模将增至目前的六倍。随着企业从部署少数几个智能体转向可能管理数百甚至数千个智能体,您认为它们低估了哪些问题?

许多组织都在专注于让首批智能体投入生产环境。但当它们开始大规模部署智能体时,面临的挑战就会发生根本变化。

问题不再是单个智能体能否完成某项任务,而是组织能否协调并治理数百个、甚至可能数千个智能体,让它们在不同团队、系统和业务职能中运行。

我们的研究发现,近十分之八的公司缺乏有效工具来识别未经批准的智能体,约有 47% 的公司将集中式治理列为亟待改进的关键领域。这表明,采用速度与组织管理已部署智能体的能力之间,差距正在不断扩大。

如果缺乏合适的架构,每增加一个智能体,都可能带来另一层复杂性。不同团队可能使用不同的模型、工具和平台部署智能体,而每个智能体都有各自的上下文、权限和工作流。

因此,企业需要的不只是了解各个智能体的情况,还需要一个协同环境,让智能体能够共享相关上下文、在明确定义的边界内运行,并在各项业务流程中协同执行任务。

治理与编排不能事后才考虑,而必须成为基础能力。否则,组织可能只是用同样碎片化的智能体生态,取代原本零散的软件应用。

同一项研究将治理、编排和跨职能协作列为智能体式 AI 的三大关键支柱。智能体能够自主推理、提出建议并在企业系统中发起操作后,为什么治理会变得更加困难?

治理之所以变得更加复杂,是因为智能体不再只是生成信息供人评估。它们能够理解上下文、做出决策并发起操作,而且这些操作往往涉及多个企业系统。

这从根本上改变了风险的性质。组织不仅需要了解智能体获准执行哪些操作,还需要知道哪些信息为其行动提供了依据、应用了哪些控制措施,以及最终发生了什么。

当智能体在政策、权限和风险容忍度各不相同的职能部门间运行时,复杂性会进一步增加。在一个工作流中可以接受的操作,在另一个工作流中可能需要额外验证或审批。因此,治理必须贯穿整个执行过程,而不能只针对单个智能体孤立实施。

因此,我们认为治理必须融入底层架构。企业需要针对关键操作设置确定性控制,建立明确的升级处理路径,配置审批要求,并保留可审计的执行记录。

目标不是不必要地限制自主性,而是创造条件,让组织能够放心地扩大自主运行的范围。有效的治理,才能让企业级规模的自主运行成为可能。

企业智能体面临的挑战之一是互操作性:智能体可能由不同供应商构建、使用不同模型,并在彼此割裂的系统中运行。企业应如何设计架构,让这些智能体能够安全地共享上下文并相互协作?

企业需要跳出将智能体视为独立产品的思维,开始把它们看作相互连接的工作系统中的参与者。

当智能体能够共享上下文、协调行动并共同实现业务目标时,真正的价值才会显现;即使它们分属不同职能和平台,底层模型也各不相同,依然如此。

要实现这一点,就需要一个位于各个智能体和企业应用之上的编排层。该层提供管理上下文、权限、集成、工作流和治理的架构,使不同能力能够作为一个协调统一的系统运行。

同样重要的是维护企业自主权。无论选择使用哪些模型或技术服务提供商,企业都应保留对自身数据、机构知识、业务规则和工作流程的控制权。

我们认为,企业应能自由采用新的模型和技术,而无需重建支撑其运营的流程和智能体系。

归根结底,互操作性不仅关乎在技术层面连接各个智能体,更关乎让它们能够在整个企业范围内协调一致、安全、负责地执行工作。

法律和合同事务尤其敏感,因为人工智能生成的决策可能带来财务、监管和法律后果。哪些行动可以由人工智能智能体自主执行,哪些决策仍应要求人工审批?组织应如何划定两者之间的界限?

这条界限应由风险决定,而不是由所执行任务的类型决定。

法律和合同事务中的许多工作都有明确的流程、可以重复执行,并受既定政策约束。只要设置了适当的控制措施,这些工作就适合交由智能体自主执行。

例如,审查一份常规保密协议(NDA)的智能体,或许能够依据已批准的操作指南进行评估,识别偏离之处,采用商定的备选方案,并推动协议继续处理,而无需律师在每个阶段介入。

但如果协议涉及重大财务风险、非同寻常的责任条款、监管不确定性或具有战略意义的商业让步,就可能需要人工判断或审批。

重要的是,我不认为目标应该是让人们退出流程,而是改变他们参与流程的环节和方式。组织不应要求每一步都由人介入,而应能够根据每项工作流程配置恰当的自主程度,包括明确哪些环节必须有人参与。

这样,专业人员就能把精力集中在例外情况、谈判策略、复杂的风险评估,以及真正需要他们专业知识的决策上。

机遇不只是让法务团队提升效率,更在于从根本上重新思考法律工作的交付方式,让人类和人工智能各自在最能创造价值的地方发挥作用。

Leah 正在将智能体人工智能拓展至法律、合同、采购、财务和共享服务领域。当智能体能够跨这些职能协同工作,而不是各自独立地自动化每个部门时,哪些事情将成为可能?

企业中的大多数工作并非始于某个部门,也不会在同一个部门结束。由法务部门谈判达成的合同,会影响采购、财务、运营和合规。然而,企业软件历来围绕各项职能分别构建,结果只能由员工负责衔接不同职能之间的信息、决策和流程。

智能体人工智能为改变这种运营模式带来了机遇。

智能体能够跨职能协同工作时,便可以汇集推动工作从头到尾所需的相关信息、政策和专业知识,而不是只完成一项孤立任务,再把后续交接留给他人处理。

以供应商协议为例。合同条款会影响采购决策、付款义务、财务风险以及供应商的持续表现。在互联的智能体环境中,这些合同信息可以为各项职能提供决策依据并触发相应行动,而不必被锁在合同资料库中。

我们认为,商业智能正是在这一过程中逐渐形成:将合同、法律、采购和财务方面的背景信息联系起来,使决策和行动能够反映完整的商业情况。

其价值远不止于提升各个部门内部的生产效率。它还创造了优化部门间衔接流程的机会,能够减少割裂、改善决策,并大幅降低人工协调的需求,让工作在整个企业内顺畅推进。

随着企业部署越来越多的智能体,应如何衡量智能体人工智能是否真正创造了价值?生产效率和成本节约等传统指标是否仍然足够,还是企业需要建立一种基于成果以及智能体能够可靠执行的工作量的新框架?

人工智能应用第一波浪潮带来的经验之一是,活动量和价值并非一回事。

组织可以衡量提示词数量、令牌数、交互次数和节省的时间,但这些指标几乎无法说明是否取得了有意义的业务成果。

生产效率和成本节约仍然重要,但智能体人工智能需要一个更全面、以执行情况为重点的评估框架。完成了多少工作?执行得有多可靠?流程是否加快了?积压工作是否减少?例外情况是否得到了更有效的识别和解决?

我们还应衡量在适当管控下实现的自主程度。例如,减少律师审阅合同所花的时间是一回事;让整个合同流程从受理、审阅、谈判到审批都能推进,同时把人工干预集中在真正需要的环节,则是另一回事。

这一区别很重要,因为智能体式 AI 的经济价值并不局限于节省工时,还体现在提升产能、增强一致性、减少运营摩擦以及改善业务成果上。

随着时间推移,我预计各类组织会更加重视 AI 能够可靠执行的工作量与复杂程度、执行质量,以及由此带来的商业影响。

问题将从“我们使用了多少 AI?”转变为“如今,我们的组织能够做到哪些以前做不到的事?”

展望未来三到五年,您预计员工、传统企业软件与自主 AI 智能体之间的关系会发生怎样的变化?成功转向智能体式运营模式的组织将具备哪些特征?

我认为,我们正从一个以记录系统为主导的时代,迈向一个日益由执行系统定义的时代。

传统企业软件仍将发挥重要作用,为各类组织赖以运作的底层数据、业务记录和基础设施提供支撑。但智能体系统将越来越多地横跨这些应用,协调并执行过去需要员工在不同系统之间切换、管理交接并逐项推进的工作。

对员工而言,这意味着他们与技术互动的方式将发生根本变化。他们将不再亲自操作工作流的每个环节,而是越来越多地负责设定目标、划定边界、作出判断,并在自身专业知识最能发挥价值的地方介入。

但要实现这一转变,仅仅部署智能体或在现有应用中增加 AI 功能还不够。各类组织需要重新思考如何组织工作、如何作出决策,以及如何让智能在各职能部门之间流动。

我们与 IDC 开展的研究进一步凸显了治理、编排和跨职能协作的重要性。我还想补充一点:深入理解业务领域同样至关重要。系统既需要具备可靠执行任务的工程能力,也需要了解业务背景,才能明白怎样才算执行得好。

成功的组织未必是部署智能体数量最多的那些,而是能够认识到智能体式 AI 为彻底重塑运营模式带来机遇的组织。

真正的机遇不在于提高现有工作方式的效率,而在于为企业工作的开展方式创造一种全新模式。

感谢您接受这次精彩采访。希望进一步了解企业级智能体式 AI,以及法律、合同、采购和财务领域互联工作流的读者,请访问 Leah。

安托万是一位富有远见的领导者,也是 Unite.AI 的创始合伙人。他怀着坚定的热情,致力于塑造和推动人工智能与机器人技术的未来。作为一名多次创业的企业家,他相信人工智能将像电力一样深刻地改变社会,并经常热情地谈论颠覆性技术和通用人工智能(AGI)的潜力。

作为一名未来学家,他致力于探索这些创新将如何塑造我们的世界。此外,他还是 Securities.io 的创始人。该平台专注于投资正在重新定义未来、重塑整个行业的前沿技术。