谢尔盖·尼文/ Adobe股票
在这篇文章的最后两部分CLM中的AI-合同生命周期管理中的人工智能-采购从业者的一系列考虑，I介绍了这个话题然后潜入知识表示的概念其中讨论了以丰富的合同条款和相关数据（例如，风险）和元数据存储库的形式构建合同领域知识模型的重要性，而不仅仅是合同文档工件。
事实上，更广泛地说，您可以将诸如合同、条款、义务、风险、补救、里程碑、供应商等概念视为代表那些物理/逻辑实体知识的“对象”类。
这些对象的分类、属性和相互关联越来越丰富（超出了ERP类型系统中使用的传统关系数据库模型），但理解它们的意义是关键所在推理出现的原因。你可以让专家建立具体的规则来指导他们的互动，最终甚至开始给他们目标来帮助自己。
但是，您也可以教导/监督软件进行诸如分类/属性/将非结构化或半结构化合同数据关联到这些更高层次的知识结构中这样的操作。
从推理到计划（和行动）
教机器学习(即“机器学习”)也是实现的关键预测分析在风险管理和规范的分析这有助于指导您做出决策。所有这些知识建模都很棒，但接下来呢？
嗯，广义的专家系统使用领域特定的逻辑（即规则）对这些“对象”进行操作。CLM应用程序中的此类业务逻辑（与大多数其他系统一样，通常不使用面向对象的数据实现）越来越多地允许业务用户自己定义和扩展业务逻辑。
例如，一个新兴的最佳实践是“引导合同”，它向最终用户提供自动问卷调查，帮助灵活配置子句库中的原子级条款的“标准”合同。这种功能可以用传统的类似配置器的业务规则构建，以模拟指导您使用适当的子句来满足商业/业务需求的专家。
从深度学习的角度来看，这样的系统并不智能国际商用机器公司(这些系统在一定程度上使用，机器学习-我马上就会提到)，但是它可以帮助支持灵活的合同编写，开发一个由原子级合同条款构建的自下而上的合同草案。这可以大大减少或消除律师冗长的法律合同审查。
在未来，我希望CLM中的专家系统将具有计划和推理逻辑，以支持基于代理的行为，其中契约成为自我监控的目标寻找实体，并可以与指定的人(和其他系统)交互。这种人类交互将需要自然语言处理(NLP)，我将在后面讨论它。
在流程自动化方面，有些人使用“机器人流程自动化”（RPA）一词来表示智能流程自动化，它还包括许多其他传统工作流/集成技术，但我发现这个流行术语有点误导和混淆，尽量不要使用它。
顺便提一下，即使你完全忽略了人工智能的话题，将与合同相关的活动和触发器嵌入到其他利益相关者流程和系统的工作流程中的概念仍然是有价值的。灵活的集成和直观的用户界面是关键。
讨论: