在 AI 革命席卷商业各个领域的当下,商业协议和合同领域却仍然保持相对传统。不过这种状况即将改变,将电子签名带入主流的公司 DocuSign 正在利用 AI revolutionize 企业如何创建、管理和从协议中获取价值。
现代协议的隐藏问题 虽然我们已经数字化了无数业务流程,但协议在很大程度上仍停留在过去。正如 DocuSign 的 CEO Allan Thygesen 所解释的,"尽管我们用 Word 编辑并通过邮件传递,但协议处理的一切仍然和以前一样脆弱、延迟和不可预测。"
这个问题比效率低下更为深层。Thygesen 指出,"一旦完成协议谈判,奇怪的是你花了这么多时间,却把它放在一个深不见底的地方,对协议内容完全没有可见性。"这种可见性缺失导致公司经常错过重要截止日期、续约机会和改进协议的机会。
AI 如何改变协议管理 DocuSign 解决这个问题的方法恰逢其时。"我加入 DocuSign 时正值 GPT 3.5 发布,AI 能力出现质的飞跃,"Thygesen 表示。这一技术突破使 DocuSign 能够将非结构化协议数据转化为可操作的信息。
该公司的 AI 驱动平台现在可以从协议中提取关键数据,使其可搜索,并与各种业务系统的实际结果进行比较。不仅如此,AI 还可以协助创建协议、定制模板,甚至对收到的合同进行初步法律审查。
改变商业的实际应用 这项技术的影响已经在各个业务职能中显现。Thygesen 强调了他们的 AI 驱动平台在三个关键领域带来的重大改变:
在销售方面,平台使企业能够跟踪续约日期、通知期限和重新谈判机会。这避免了错失机会,并为销售团队提供了此前被埋没在协议中的关键信息。
对于通常资源受限的采购团队,AI 帮助更有效地管理供应商关系。Thygesen 指出:"采购团队通常规模较小,拥有能提高其生产力的工具非常重要。"
在人力资源和招聘领域,需要管理和更新大量雇佣合同,平台可以在确保合规的同时简化高容量流程。它能够快速定制协议和方案,同时保持监管合规。
AI 驱动协议的未来 展望未来,DocuSign 设想 AI 可能会自主处理整个协议流程,特别是较简单的文档。"我认为在短期内,技术上可以更准确地处理简单协议,"Thygesen 预测。他表示,标准化文档如保密协议可能是首批实现完全自动化的文档。
然而,Thygesen 对 AI 的角色持平衡观点:"出于各种原因,包括风险合规、监管等,除了最简单的协议外,其他协议还需要一段时间才能放开。我认为最终始终需要人工参与。"
更大的愿景 DocuSign 的终极愿景既有雄心又务实。"如果我们成功了,我们将开发出第一个协议记录系统,"Thygesen 说。这将取代当前协议散落在电子邮件或各种数字驱动器中的混乱状况。
这种转变已经开始。拥有 160 万月付费商业实体的 DocuSign 完全有能力引领这场革命。进展的证据很明显:Thygesen 透露,"在过去 15 个月里,由于技术的不断进步,我们处理协议的成本降低了两个数量级。"
商业效率新篇章 随着企业继续寻求提高效率和降低成本的方法,DocuSign 的 AI 驱动协议管理方法代表着一个重大进步。通过将静态文档转变为动态、智能资产,他们不仅解决了技术问题,还解决了影响各种规模组织的基本业务挑战。
商业协议的未来正在被重写。但与所有重大技术进步一样,成功的关键在于在自动化和人工监督、效率和控制、创新和可靠性之间找到正确的平衡。
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。