LinkSquares は、署名済みビジネス契約の高速かつ体系的な法的確認を完了するためのツール一式を、高成長企業に提供しています。LinkSquares のツールを使用すると、契約書の分析およびレポートが利用できるため、人力の非効率的な契約書の確認にかかる負担からビジネスを解放できます。顧客の焦点が監査の準備、合併契約の確認、または危機への対処のいずれであっても、LinkSquares のクラウドベースのソリューションを利用すれば、ビジネスで迅速に高精度の決定を行うことができ、企業の利害関係者にこれまで以上の時間と保証をもたらすことができます。
急成長を遂げる企業ではよく、処理能力が追い付かず、署名前の契約書、サービスアグリーメント、法律関係書類すべての 1 行 1 行をたどることが難しくなります。きわめて慎重に確認した契約の場合でも、契約書に署名するやいなや忘れ去られてしまう情報もあります。ビジネスが成熟してデューディリジェンスプロジェクトが (法律改定または買収などに際して) 立ち上がると、企業は署名済み契約書すべての詳細な確認と、契約書内にある特定の用語の識別をする必要があります。
LinkSquares の設立者たちは、以前の雇用主が買収を受けた際、既存の法的契約書を確認する苦行をじかに体験しました。「既存の契約書すべてを人力でくまなく調べ上げ、当社のソフトウェアサービス用の新しいインフラストラクチャプロバイダーに法的に顧客を移す際に重要になる、個人情報保護関連の用語などの情報を特定しました」と、LinkSquares の共同設立者兼最高経営責任者、Vishal Sunak 氏は言います。「用語が契約書から契約書へと逸脱すると、数千もの契約書を確認するプロセスは、そうするのに良い機会であると同時に苦行でもあります」 チームは、効率的な契約書署名前のワークフロー処理をサポートする既存のソフトウェアソリューションを特定しました。契約書作成、条件交渉、社内ワークフローの処理に対応したものでした。しかし、既存の契約書内にある情報を企業が調べるのをサポートするソフトウェアソリューションが、業界には足りませんでした。LinkSquares はこの隙間をチャンスと捉え、署名済み契約書分析で顧客をサポートするソフトウェアを開発することにしました。
「伝統的に署名前の作業に焦点を合わせている古い業界に、ディスラプションを起こそうと考えました。署名後の分析に焦点を合わせ、署名前の作業は一切扱いません」と、LinkSquares のチーフテクノロジーオフィサー、Eric Alexander 氏は言います。「サービスとしてのソフトウェアを構築し AWS 上で提供することに決定しました。企業は当社のソフトウェアを使用することで迅速に既存のストレージソリューションから移行して稼働を開始でき、契約書内で同意した条件を理解することができます」
クラウドベースの環境で契約書データを迅速に調査できても、LinkSquares のチームは引き続き法律用語を特定および分類できるスケーラブルなソリューションを必要としていました。当初、同社は検索可能な契約書データベースを構築しましたが、同社が成長するにつれ、主要な契約書のメタデータを抽出できる自動化されたソリューションのニーズも高まっていきました。
LinkSquares のチームは、AWS パートナーネットワーク (APN) コンサルティングパートナー兼 AWS Machine Learning コンピテンシーパートナーである SFL Scientific のエキスパートに着目しました。SFL Scientific のチームは各顧客と深い関係性を築き、顧客の課題と、人工知能と機械学習テクノロジーの利用に対する短期的および長期的なビジョンを理解します。SFL Scientific は、顧客がデータ駆動型の戦略を実施するのをサポートする能力に長けています。同社は、LinkSquares と密に連携して、現在抱えている弱点および将来の目標を理解しました。
「LinkSquares は AWS で実行される SQL を使用して最初の試作品を構築しましたが、その試作品に機械学習テクノロジーを使用してはいませんでした」と、SFL Scientific のチーフテクノロジーオフィサー、Michael Luk 氏は言います。「私たちは、用語を自動的に処理したいというチームのビジョンを理解し、ビジネス上の弱点を把握しました。そして、スケーリングと精度の向上でチームをサポートするカスタム機械学習ソリューションの構築を提案しました」
最初のやり取りから 1 か月後、SFL のデータサイエンティストは PoC (概念実証) を実施し、スケーラブルで自動化された分析ソリューションを AWS の機械学習を使用してどうデプロイできるのかを LinkSquares のチームに示しました。
SFL Scientific は、人工知能 (AI) を利用してコンピュータに人間の言語を理解および処理させる自然言語処理 (NLP) を使用して、機械学習アルゴリズムを構築しました。アルゴリズムの実装により、LinkSquares のソフトウェアはドキュメントから重要な用語を抽出して事前定義されたカテゴリーにトークン化することができるようになりました。AWS 上でデプロイされたことにより、アルゴリズムはオンデマンドでコードを実行します。ドキュメントがアップロードされるたびに機械学習コードが自動的に起動します。
このテキスト抽出アルゴリズムプロセスは、主に 3 つの手順から構成されます。特徴量エンジニアリング、モデルスタッキングアンサンブル、後処理です。まず、アルゴリズムは生テキストを文法的に解析し、それを個別に保存します。次に、トークン化されたテキストから、ルールベースの特徴、トークンベースの特徴、特徴としての配列レベルのクラスに基づいて、多数の一意の特徴が作成されます。特徴量エンジニアリングの後、モデルスタッキングアンサンブル技術によりトークンのクラスが予測されます。人間がタグ付けしたデータでトレーニングされたモデリングによって各クラス予測に確率が割り当てられ、確率のしきい値 (または保証される精度のレベル) を決定できるようになります。最後に、各トークンのクラスが予測されクレンジングされると、連続的なトークンが配列され、データが取り込みやすくなります。SFL Scientific のアルゴリズムについての詳細はこちらをクリックしてください。
SFL が開発した NLP アルゴリズムにより、LinkSquares の署名済み契約書確認プロセスは完全に変革されました。この機械学習コードを使用することで、LinkSquares のソフトウェアプラットフォームは、数秒で数千もの文書に対して自動的にコードを実行できます。各ドキュメントの確認にかかる時間が大幅に減少したこと加え、やがてタグ付けの精度も人間による監査に比べて向上したことが、各結果から明らかになりました。
ドキュメントストレージ、自動検索、機械学習といった機能の稼働に AWS を使用することで、LinkSquares はインフラストラクチャ管理にではなく製品の最適化にリソースを集中できます。「AWS を利用することで、小規模な企業である当社がアプリケーションの完成に容易に集中できるようになります。インフラストラクチャに時間を費やすことなくビジネスを成長させ続けられます」と Alexander 氏は言います。
SFL Scientific に着目し機械学習テクノロジーを活用するサポートを受けられたことで、LinkSquares は大いに勢いづき、チームは AWS で最先端のソリューションを開発しています。「AI 分野のエキスパートチームを擁する SFL Scientific との連携はすばらしい体験でした」と Alexander 氏は言います。「当社が解決しようとしていたビジネス上の課題を理解し、そうした課題への対処に必要な新しいテクノロジーのガイダンスを提供してくれました。同社のことを私たちのチームの一員のように感じています。貴重なパートナーです」
AWS 上にデプロイされた、LinkSquares の AI を利用したソリューションは、署名済み契約書分析を合理化するための根本的に新しいアプローチです。チームは、AWS のテクノロジーをさらに検証して、業界でさらなるイノベーションの促進に利用しようと計画しています。「サービスの将来のほか、法律および財務チームが人力によるファイルの確認をせずに済むよう当社がどのようにサポートできるのか、とても楽しみです」と Sunak 氏は言います。「さらなる AI の構築、および新しい AWS のサービスの活用によって何が可能なのかを追求し続けるのも、とても楽しみです」
機械学習テクノロジーを使用する他の APN パートナーの詳細をご確認ください。
SFL Scientific は、データサイエンスコンサルティングおよびプロフェッショナルサービス企業です。同社は特定分野の知識を用いて、複雑な新しい種類の R&D の問題を解決します。完全に統合されたアプローチの開発をサポートしてデータ駆動型システムを活用したり AI による意思決定を改善したりすることに特化しています。SFL Scientific はエンドツーエンドのソリューションを作成し、データ戦略および技術開発を介して顧客にカスタマイゼーションを提供しています。
