Prečo by mali dodávatelia AI prevziať zodpovednosť za implementáciu enterprise AI – a ako má správna AI implementácia vyzerať v praxi
AI dodávatelia radi používajú jeden argument: “My poskytujeme platformu. Klient pozná svoje podnikanie najlepšie a vie, čo potrebuje, takže si AI nakonfiguruje sám.” Na prvý pohľad to znie rozumne, dokonca ako prejav rešpektu k expertíze klienta. Z mojej skúsenosti je to však alibi, zdvorilý spôsob, ako preniesť najnáročnejšiu časť práce na tím, od ktorého sa nikdy nemalo očakávať, že sa stane expertom na implementáciu AI.
Väčšina enterprise AI projektov, ktoré nenaplnia očakávania, nezlyháva preto, že by ich technologické základy boli slabé. Zlyháva v priestore medzi schopným nástrojom a chaotickou realitou klienta: tisíce rôznorodých dokumentov, desaťročia staré šablóny, viacero jazykov, naskenované dodatky a nikto na strane klienta, koho náplňou práce je učiť stroje čítať zmluvy. Ak my, dodávatelia, ktorí budujeme AI pre contract intelligence, necháme klienta túto priepasť prekonať samého, nemôžeme byť prekvapení, keď sa mu to nepodarí. A nemali by sme predstierať, že išlo o jeho zlyhanie.
Asymetria expertízy, o ktorej sa nehovorí
Enterprise firmy sú nespochybniteľnou autoritou, pokiaľ ide o ich vlastné zmluvy. Vedia, ktoré ustanovenia im nedajú spávať, na ktorých zmluvných partneroch záleží a akú mieru rizika sú ochotné akceptovať. Nie sú však a ani by nemali byť expertmi na to, ako AI skutočne číta dokumenty.
Navrhnúť spoľahlivú schému extrakcie je disciplína sama o sebe.
Skôr než dokáže AI konzistentne spracovať portfólio desiatich tisíc zmlúv, ktoré počas dvadsiatich rokov pripravovali stovky rôznych právnikov, musí niekto zodpovedať otázky ako:
- Má byť výpoveď bez uvedenia dôvodu a výpoveď z dôvodu porušenia zmluvy samostatnými poľami, alebo jedným?
-
Je automatický dátum skončenia platnosti zmluvy výpoveďou, alebo ide o niečo úplne iné?
-
Čo sa stane, keď dodatok nahradí výpovednú lehotu uvedenú v pôvodnej zmluve?
-
Kedy sa dva extrahované pojmy prekrývajú a ktorý z nich má prednosť?
-
Ktoré údaje sa zámerne neextrahujú?
Ako hlboko to môže ísť, ukazuje napríklad extrakcia limitov zodpovednosti. Na prvý pohľad pôsobí jednoducho, až kým si neuvedomíte, že organizácia je v niektorých zmluvách dodávateľom a v iných zákazníkom. Rovnaké ustanovenie, rovnaké slová, opačný význam. V jednej zmluve vás limit chráni, v ďalšej obmedzuje vaše možnosti domáhať sa náhrady. Ak naprieč portfóliom spustíte vyhľadávanie „zodpovednosť dodávateľa“ bez toho, aby ste najskôr určili, na ktorej strane zmluvy organizácia stojí, výsledkom bude sebavedomo štruktúrovaný chaos. Riešenie spočíva v určení roly pre každú zmluvu, pričom každá definícia je formulovaná z tejto perspektívy. Keď je raz navrhnuté, pôsobí to samozrejme. Je to však presne ten typ znalosti, ktorý nenájdete v žiadnom manuáli a ktorý sa buduje až prostredníctvom desiatok implementácií.
Sú to otázky, na ktoré tím dodávateľa odpovedá každý týždeň, naprieč rôznymi klientmi a typmi dokumentov. Právny alebo procurement tím klienta by na ne odpovedal po prvýkrát a zároveň popri svojej bežnej práci. Klient je autoritou v tom, aké majú byť odpovede. Dodávateľ je autoritou v tom, ako naučiť stroj tieto odpovede spoľahlivo vytvárať. Zamieňať si tieto dve úlohy je presne spôsob, akým sa enterprise AI projekty v treťom mesiaci začnú zasekávať.
Čo v praxi znamená prevziať zodpovednosť za implementáciu
Prevziať zodpovednosť za implementáciu nie je slogan. Je to konkrétna, často neatraktívna dizajnová práca. Niekoľko príkladov z našej vlastnej praxe:
Prispôsobené sady entít
Jeden z enterprise klientov nám poskytol desiatky zmluvných šablón z oblasti predaja reklamného priestoru, licencovania obsahu, produkcie a talentových zmlúv, a to v troch jazykoch. Výsledkom bola jednotná extrakčná schéma s viac ako 150 poľami vrátane rozhodnutí o tom, čo sa extrahovať nemá. Osobné identifikačné čísla sa napríklad zámerne nikdy neextrahujú. Klient túto schému nevytváral. Kontroloval ju, spochybňoval a opravoval, čo je presne ten spôsob, akým sa jeho expertíza využíva s najväčšou pridanou hodnotou.
Profily analýzy rizík
Opýtať sa AI, či je konkrétne ustanovenie rizikové, je jednoduché. Oveľa náročnejšie je definovať, čo „riziko“ znamená pre konkrétnu organizáciu. Limit zodpovednosti, ktorý je pre jednu spoločnosť úplne prijateľný, môže byť pre inú neprijateľnou podmienkou. Profil rizík v procurement preto potrebuje jasné kritériá posudzovania zodpovednosti, odškodnenia, ukončenia zmluvy, auditných práv a ďalších rizikových oblastí. Zároveň musí obsahovať špecifiká konkrétneho klienta, ako preferované rozhodné právo či poistné limity, ktoré sú explicitne nastavené a validované spolu s klientom.
Playbooky
Štandardy vyjednávania, alternatívne pozície, pravidlá eskalácie. Dodávateľ pretaví existujúcu prax a trhové štandardy do prvého funkčného playbooku. Právnici klienta doň následne vložia svoj odborný úsudok a schvália ho.
Vzorec je vždy rovnaký. Klient prijíma obchodné rozhodnutia. Dodávateľ odvádza hlavnú časť práce pri ich pretavení do funkčného AI riešenia. Vzácny čas expertov na strane klienta tak ide na overovanie a opravy, nie na učenie sa novej inžinierskej disciplíny pod časovým tlakom. Postupne by sa mala čoraz väčšia časť tejto práce preniesť priamo do samotného softvéru. Prevziať zodpovednosť neznamená robiť všetko manuálne. Znamená to nikdy neodovzdať klientovi prázdnu konfiguračnú obrazovku a nenechať ho niesť zodpovednosť za výsledok.
Validácia je skutočnou zmluvou
Je tu jedna vec, ktorú dodávatelia často neradi hovoria nahlas:
AI nie je plne deterministická a každý, kto tvrdí opak, skôr predáva, než vyvíja.
Tá istá technológia, ktorá brilantne spracuje sto zmlúv, občas nesprávne vyhodnotí tú stodruhú. Súčasná technológia to nedokáže úplne eliminovať. Dá sa to však merať, pochopiť a na základe získaných dôkazov sa zodpovedne rozhodnúť, či riešenie škálovať.
V praxi to znamená validačné kolá: extrakciu spustiť na reprezentatívnej vzorke reálnych dokumentov, výsledky prejsť s odborníkmi na strane klienta pole po poli, spresniť definície a následne validáciu zopakovať na vylepšenom nastavení. Až keď výsledky dosiahnu dohodnutú hranicu kvality, extrakcia sa rozšíri na celé portfólio, či už ide o niekoľko tisíc zmlúv alebo desiatky tisíc.
Toto nie je voliteľná konzultačná aktivita pridaná k AI produktu. Je to súčasť samotnej implementácie produktu. Neistota nezmizne. Meria sa a rozhodnutie, či pokračovať alebo nie, sa prijíma na základe dostupných dôkazov a s plným vedomím rizík. Rozhoduje o ňom klient na základe podkladov, ktoré pripravil dodávateľ.
Systém záznamu si vyžaduje jasnú zodpovednosť
Prečo je toto všetko také dôležité?
Pretože ambíciou contract intelligence nie je vytvoriť lepšie vyhľadávacie pole. Je ňou vytvoriť úložisko, ktoré môže organizácia považovať za system of record, teda miesto, na ktoré sa obracia, keď potrebuje spoľahlivé informácie o svojich záväzkoch.
Keď sa extrahované údaje stanú štruktúrovanými metadátami, ľudia prestávajú znovu otvárať pôvodné dokumenty. Právne oddelenie ich využíva pri posudzovaní expozície voči rizikám, procurement sa na ne spolieha pri hodnotení dodávateľov a financie z nich čerpajú informácie o záväzkoch. A čoraz častejšie s tými istými údajmi nepracujú len ľudia, ale aj automatizované workflow, reporty a AI asistenti. Sú to systémy, ktoré sa pri hodnote, ktorá „nevyzerá správne“, nemusia nevyhnutne zastaviť a vyžiadať si kontrolu. V tomto momente AI už nepomáha niekomu čítať zmluvu. Vytvára znalostnú bázu organizácie o jej zmluvách.
Dátový súbor, ktorý je väčšinou správny, nie je system of record.
Je to riziko s vyhľadávacím poľom, pretože ľudia mu budú dôverovať až do momentu, keď sa prvá nesprávna odpoveď objaví v podkladoch pre vedenie. Ak majú enterprise firmy stavať na údajoch o zmluvách extrahovaných pomocou AI, niekto musí niesť zodpovednosť za kvalitu toho, čo do systému vstupuje, za návrh schémy, disciplínu validácie aj za známe limity. Túto zodpovednosť nemôže niesť iba klient. Technológiu totiž nevybudoval klient. Vybudoval ju dodávateľ.
A tým sa to iba začína.
Ďalšia generácia document managementu pôjde ďalej než len k presným údajom v jednotlivých poliach. Bude rozumieť vzťahom medzi dokumentmi, teda ktorý dodatok mení ktorú rámcovú zmluvu, ktorá príloha je stále platná, a bude udržiavať konsolidovaný a aktuálny pohľad na každú zmluvu. Úložisko tak bude poskytovať údaje, ktoré sú skutočne platné dnes, nie údaje o tom, čo bolo podpísané pred piatimi rokmi.
To je ďalšia výzva: posunúť sa od presného porozumenia jednotlivým dokumentom k presnému zachyteniu zmluvnej reality, ktorú tieto dokumenty spoločne vytvárajú.
Zodpovednosť je výhodou špecialistu
Pre špecializovaného dodávateľa je hands-on implementácia strategickou výhodou, nie nákladom. Ľudia, ktorí vytvárajú metodiku, sady entít, rizikové profily a validačný proces, pracujú priamo spolu s odborníkmi klienta a každá implementácia sa okamžite premieta späť do metodiky. Práve táto spätná väzba, nielen rýchlosť, je niečo, čo môže špecialista priniesť a čo je v podmienkach platformy vo veľkom meradle oveľa náročnejšie udržať.
O budúcnosti enterprise AI nebude rozhodovať iba to, kto má prístup k najlepším modelom. Rozhodovať bude aj to, kto dokáže tieto modely pretaviť do systémov, na ktoré sa enterprise firmy môžu skutočne spoľahnúť. Rozdelenie úloh je jednoduché a pri súčasnom stave technológie je to jediný zodpovedný prístup:
My budujeme, vy validujete a spoločne škálujeme.
Čokoľvek menej než toto, napríklad „tu je prihlasovanie, veľa šťastia“, nie je prejavom rešpektu k expertíze klienta. Je to alibi.
