قراردادهای تجاری اغلب پیچیده هستند. به عنوان مثال تاسیسات آب و برق اعم از برج‌های مخابراتی راه دور، خطوط لوله یا نیروگاه های بزرگ می‌توانند حجم عظیمی از جزئیات مانند جزئیات املاک و مستغلات، مسائل زیست محیطی و مسئولیت‌های ساختمانی را در طول دوره مدیریت پروژه پوشش دهند. شرکت‌ها برای درک، مدیریت و ارزیابی مقادیر زیادی از متون تعاملات تجاری و دولتی، تلاش می‌کنند. در حالی که از هوش مصنوعی (AI) برای کشف قوانین اساسی استفاده شده‌است، اکنون می‌توان آن را در بحث گسترده‌تر مدیریت کامل قراردادها به کار برد.
شرکت‌ها همیشه با مدیریت و ارزیابی قراردادها دست و پنجه نرم می‌کنند. قراردادهای بزرگ بسیار پیچیده هستند و ارزیابی آنها دشوار است. حجم زیادی از قراردادهای کوچک‌تر، با شرایط و ضوابط متفاوت در قسمتهای مختلف چرخه زندگی‌شان، چالشی متفاوت و در عین حال حیاتی برای شرکت‌ها ایجاد می‌کنند. شرکت‌های مدیریت اسناد با جستجوی ابتدایی اسناد، بزرگ شده‌اند و سپس تجزیه و تحلیل هوش تجاری ساده (BI) را اضافه کرده‌اند. سیستم‌های کشف الکترونیکی قانونی سال‌هاست در حال رشد هستند و اطلاعات بیشتری را ارائه می‌دهند. آنچه لازم است این است که این دو را با اطلاعات ERP، حسابداری و سایر سیستم‌هایی که برای تجزیه و تحلیل موفقیت و شکست قرارداد استفاده می‌شوند، ترکیب کنیم.
ThoughtTrace یکی از شرکت‌هایی است که در این مورد و با هدف به چالش کشیدن قدرت هوش مصنوعی کار می‌کند. مدیر عامل شرکت، Nick Vandivere درمورد مبانی سیستم تحلیلی شرکت و این که آنها برای ایجاد مدل از روی داده‌ها از چه چیزی استفاده می‌کنند صبحت کرده‌است. پاسخ وی تمایز روشنی را نسبت به سایر حوزه‌های فروش نشان می‌دهد. سازمان‌های فروش در شرکت‌ها از اطلاعات بسیار خاص و شخصی‌سازی شده‌ی شرکت که برای ایجاد این اطلاعات نیاز به مدل‌سازی بر اساس داده‌ها وجود دارد استفاده می‌کنند، در حالی که مسائل عمده قراردادها بیشتر عمومی هستند. قراردادهای املاک تجاری، نفت و گاز، انرژی‌های تجدیدپذیر و سایر بخشهای کلیدی بازار معمولاً عمومی‌تر هستند. در حالی که همیشه موارد منحصر به فردی وجود دارد، اطلاعات صنعتی به طور گسترده در دسترس هستند. Nick Vandivere می‌گوید: “اکثر صنایعی که ما با آنها کار می‌کنیم در قراردادهایشان شباهت‌های زیاد و در عین حال موارد منحصر به فرد خیلی کم اما مهم دارند. از نحوه استفاده شرکت‌ها از داده‌ها، نحوه تجزیه و تحلیل آنها و متعاقبا کار با شرکا و مشتریانشان برای بهینه‌سازی عملکرد تجاری فرصت‌های بزرگتر برای تمایز هر شرکت به وجود می‌آید.”
اگرچه قراردادها از هزاران سال پیش تا کنون وجود داشته‌اند، اما پیچیدگی قراردادهای مدرن با سن کم هوش مصنوعی ترکیب می شود و این بدان معناست که راه‌حل‌های فعلی به چیزی بیش از هوش مصنوعی و کمی برنامه نویسی نیاز دارند. ThoughtTrace در هر صنعت با متخصصان موضوعی و با هدف ساخت یک مدل برای درک و نمایش اطلاعات مهم در قالب عملی، کار می‌کند. واقعیت این است که بر روی بسیاری از یادگیری‌ها در هر سیستم نظارت می‌شود، اما برخی از افراد بدون نظارت در سیستم‌های ترکیبی مورد استفاده قرار می‌گیرند تا متوجه موارد منحصر به فرد و مسائل فرعی شوند.
بسیاری از شرکت‌ها با توجه به حجم و پراکندگی داده‌ها در یک منطقه خاص قرارداد، یادگیری ماشین (ML) که ترکیبی از یادگیری عمیق و جنگل‌های تصادفی است را استفاده می‌کنند. همانطور که انتظار می‌رود، بخش عمده‌ی تجزیه و تحلیل مبتنی بر زبان است و شامل مجموعه اصطلاحات مشخص برای صنایع مختلف است. اطلاعات از زبان استخراج می شود و سپس قراردادها برای مشخص کردن معیارها تجزیه و تحلیل می‌شوند. می‌توان ERP و CRM را با سایر سیستم‌ها، با هدف ارائه تجزیه و تحلیل عملکرد ادغام کرد. تجزیه و تحلیل و نمایش BI می‌تواند به شفاف سازی امور برای مشتریان کمک کند.
یکی از سوالاتی که در این زمینه به وجود می‌آید نحوه تحویل مدل‌های هوش مصنوعی به کاربر است. در حالی که بعضی معتقدند که هوش مصنوعی / یادگیری ماشین مجموعه‌ای از ابزارها هستند نه یک راه حل، برای ThoughtTrace چگونگی توسعه مدل و استفاده از ابزارها مواردی هستند که باید پنهان باشد. جوئل هرون مدیر ارشد تکنولوژی شرکت ThoughtTrace می‌گوید: “من تمام تلاش خود را برای مبهم کردن عملکرد هوش مصنوعی انجام داده‌ام. اگر اطلاعات واضح، به موقع و عملی به مشتری ارائه شود می‌توان از هوش مصنوعی نام برد اما مساله اصلی این نیست. من به مشتریانم می‌گویم که آنها ابتدا باید در مورد مشتری با مشتری صحبت کنند و در مرحله دوم باید در مورد فناوری صحبت کنند.”
هوش مصنوعی همیشه در مسیر پذیرش خود در شرکت‌ها موفق نبوده‌است و دلیل این عدم پذیرش این است که هوش مصنوعی به دلایل زیادی نتوانست اصول وعده داده شده را عملی کند. امروزه زمینه‌های زیادی وجود دارد که هوش مصنوعی می‌تواند با موفقیت به آنها وارد شود. چالش حباب فعلی به وجود آمده در مسیر پیشرفت هوش مصنوعی، حباب نبودن آن است. اینکه هوش مصنوعی وعده‌های بیش از حد داده است، یکی از دلایل به وجود آمدن این حباب است. تاکید بر هوش مصنوعی به عنوان یک ابزار حیاتی که باید در سیستم‌ها ادغام شود، راهی برای بهبود پذیرش هوش مصنوعی در شرکت فرصت‌های بزرگتر برای تمایز هر شرکت‌ها است. قراردادها یکی از پیچیده‌ترین موارد برای درک و تجزیه و تحلیل در دنیای تجارت هستند. هوش مصنوعی می‌تواند در تجزیه و تحلیل و مدیریت قراردادها کمک کند و بدین ترتیب در دنیای واقعی مورد استفاده قرار بگیرد.
