Solicitar a un modelo de lenguaje general que resuma un contrato suele arrojar resultados aceptables. Sin embargo, pedirle que calcule cuánto debe una empresa a un proveedor, teniendo en cuenta varias enmiendas, un calendario de precios actualizado y políticas internas de compra, es otra historia completamente distinta.
Los agentes de inteligencia artificial para empresas necesitan algo más que el texto del documento; requieren comprender el contexto: cuáles contratos están relacionados, qué cláusulas siguen vigentes y cuándo es necesaria la intervención humana para tomar decisiones.
Docusign está abordando este desafío a medida que evoluciona su oferta más allá de la simple firma electrónica. En abril de 2024 lanzaron en Estados Unidos su plataforma de Gestión Inteligente de Acuerdos (IAM, por sus siglas en inglés), diseñada para ayudar a las organizaciones a crear, formalizar y administrar contratos de manera más eficiente. 
En el núcleo de esta solución se encuentra Docusign Iris, el motor de IA que potencia la plataforma IAM y sus funcionalidades durante todo el ciclo de vida del acuerdo. Iris combina el conocimiento experto en gestión contractual de Docusign, datos centrados en acuerdos y modelos de inteligencia artificial para facilitar la extracción de información relevante y la automatización de tareas relacionadas con contratos.
Sagnik Nandy, director tecnológico de Docusign
Según Sagnik Nandy, director tecnológico de Docusign, «los modelos de lenguaje general son muy buenos, pero para liberar todo su potencial es necesario rodearlos de un contexto adicional». Explica que el contexto es el factor clave que distingue una solución genérica de una que realmente «habla el idioma» del usuario y del negocio.
Cuatro tipos de contexto fundamentales
Nandy identifica cuatro categorías de contexto que los agentes deben manejar: dentro del acuerdo, entre acuerdos, organizacional y del usuario.
El primero es el más sencillo, por ejemplo, cuando se sigue una cláusula mencionada en varias páginas de un mismo contrato. El reto surge cuando esa cláusula aparece en varios documentos y enmiendas relacionados. Para un modelo de lenguaje, esos documentos son solo archivos PDF individuales y sin relación.
«Imagina un contrato único que ha pasado por varias enmiendas o modificaciones de precio. Para un modelo de lenguaje, parecen tres o cuatro documentos independientes», puntualiza Nandy. Sin embargo, en la realidad, forman un único acuerdo contractual. Por eso, si se pregunta por el precio vigente, el sistema debe identificar qué términos están aplicándose realmente y no simplemente enumerar todos los precios citados.
Esta complejidad requiere una lógica personalizada para agrupar correctamente esos documentos y entender cómo las enmiendas modifican las condiciones iniciales. La simple recuperación de datos no es suficiente para determinar cuál versión de una cláusula es válida.
Además, el agente de IA debe conocer las políticas internas de la empresa. El departamento legal puede tener reglas claras sobre qué términos aceptar, mientras que compras y ventas disponen de sus propios procedimientos para elaborar aprobaciones. Sin esa información, el sistema no podría discernir si un contrato cumple con los requisitos corporativos o necesita validación humana.
Por último, el contexto del usuario incluye sus preferencias lingüísticas, consultas previas y retroalimentación, elementos que complementan la experiencia.
Según Nandy, aunque los modelos de lenguaje general podrían manejar buena parte del primer tipo de contexto, los otros tres son notablemente más complejos y requieren enfoques especializados.
La inteligencia detrás de la gestión de acuerdos
Iris integra varias capacidades de IA específicas para contratos, en lugar de depender únicamente de un modelo de lenguaje. «Iris tiene múltiples componentes: desde la extracción inteligente, búsqueda semántica, una capa avanzada de agentes, hasta la capacidad de construir agentes personalizados y manejar un contexto rico», detalla Nandy.
Así, ubicar una fecha de renovación es sencillo, pero entender si un contrato necesita acción prioritaria según su historial y las normas internas, es otra tarea mucho más compleja.
Esta plataforma utiliza técnicas de extracción para identificar información contractual relevante, búsqueda semántica para localizar acuerdos vinculados y reglas específicas para conectar contratos con sus modificaciones y partes implicadas. Los agentes emplean esta inteligencia para ejecutar tareas concretas.
Por ejemplo, un responsable de compras que solicite conocer qué contratos de software, valorados en más de un millón de dólares, están próximos a renovarse dentro de tres meses, antes requería la labor de varias personas para recopilar datos, ordenar información y unificar nombres de proveedores reflejados de forma diversa en distintos documentos.
Iris automatiza este proceso, identifica esos contratos, señala obligaciones próximas y evalúa los acuerdos con base en los playbooks corporativos, detectando posibles incidencias que precisen atención previa a la renovación.
Incluso preguntas complejas sobre pagos a determinados proveedores implican múltiples etapas, como identificar a la empresa suministradora, recuperar su conjunto contractual, analizar las enmiendas y definir cómo han evolucionado las condiciones.
«Aunque parece una consulta sencilla, en realidad requiere una búsqueda exhaustiva, un repositorio ordenado y un entendimiento de cómo los acuerdos se combinan en entidades únicas», afirma Nandy.
El secreto está en ocultar esta complejidad para el usuario final, haciendo que todo parezca simple, aunque internamente intervienen numerosas herramientas y procesos.
Decidir cuándo es necesaria la intervención humana
Al dotar a los agentes de un mayor contexto surge una cuestión clave: ¿hasta qué punto deben actuar de forma autónoma?
Docusign integra las capacidades agentivas con reglas empresariales y procesos de aprobación, dejando que cada organización defina qué fases del ciclo contractual automatizar y cuáles deben controlarse manualmente.
Por ejemplo, para renovaciones de contratos que estén por debajo de un umbral económico, un agente potenciado por Iris podría recopilar y evaluar toda la información necesaria, mientras que un flujo de trabajo preconfigurado se encarga de aplicar las reglas de aprobación. Sin embargo, contratos con valores elevados o con excepciones particulares pasarían a revisión humana.
Nandy ilustra esta estrategia explicando que «las renovaciones bajo cierto límite económico pueden seguir procedimientos estándar, mientras que acuerdos más costosos o sensibles requieren la intervención de una persona». Un error en esta asignación podría llevar a aprobar términos sin la supervisión legal adecuada o pasar por alto obligaciones existentes en documentos anteriores.
Los agentes listos para su implementación pueden usarse desde el asistente de IA de Iris mediante chat o integrarse en flujos de trabajo automatizados para extraer datos, aplicar políticas internas y controlar obligaciones contractuales.
Además, los equipos pueden crear agentes personalizados a través de Docusign Agent Studio. La función Workflow Builder combina la lógica del agente con reglas basadas en políticas de empresa, facilitando que el proceso de aprobación continúe según el resultado proporcionado por el agente. Actualmente, estas funcionalidades están disponibles en determinados planes y regiones, especialmente en centros de datos norteamericanos y en idioma inglés.
De simples documentos a decisiones empresariales
Las firmas electrónicas son solo una parte del proceso contractual. Gran parte del valor real se obtiene antes y después de firmar.
Nandy divide el ciclo de vida del acuerdo en tres etapas: creación, compromiso y gestión posterior. Esto implica saber qué plantillas usar y qué términos suelen aceptarse en la empresa, cómo validar modificaciones durante la negociación con base en aprobaciones requeridas, y finalmente, monitorizar lo acordado para cumplir con renovaciones u obligaciones futuras.
Algunos clientes de Docusign ya reportan mejoras significativas al integrar información de sus acuerdos con procesos empresariales. Por ejemplo, Experian logró reducir los tiempos de ciclo de contratos de aproximadamente diez días a solo unas horas, facilitando también el acceso y comprensión de datos contractuales al conectar Docusign con su solución configure-price-quote (CPQ).
Para los desarrolladores que crean agentes de IA para contratos corporativos, estos casos refuerzan que el modelo de lenguaje es solo una parte del proyecto. Es vital disponer de datos contractuales fiables, mecanismos para relacionar documentos, comprensión de políticas internas y límites claros sobre qué acciones puede realizar la IA sin intervención humana.
Leer un contrato es relativamente sencillo. En cambio, interpretar su significado para el negocio y tomar decisiones inteligentes representa el verdadero reto de ingeniería detrás de estas innovaciones.
