Contracten omzetten in doorzoekbare gegevens bij OpenAI

Dit artikel maakt deel uit van onze serie over hoe OpenAI zelf oplossingen bouwt op basis van eigen technologie.

Elke zakelijke deal gaat gepaard met een ondertekend contract. Elke deal heeft een startdatum, factureringsvoorwaarden en verlengingsclausules.

In het begin was het proces nog goed te doen: regel voor regel lezen, overtypen in een spreadsheet, verdergaan. Maar toen het volume verdubbelde en nog eens verdubbelde, werkte deze handmatige aanpak niet meer.

“In minder dan zes maanden tijd ging het team van het beoordelen van honderden contracten per maand naar meer dan duizend. En toch hadden we maar één nieuwe medewerker aangenomen. Het was duidelijk dat het proces niet schaalbaar zou zijn”, zegt Wei An Lee, AI-ingenieur.

In plaats van meer mensen op het probleem af te sturen, hebben onze financiële en technische teams een contractdata-agent ontwikkeld. Het ontwerpprincipe was eenvoudig: herhaling uit contractbeoordeling halen en deskundigen stevig aan het roer houden.

De agent werkt in drie stappen:

• Gegevens invoeren: Pdf's, gescande kopieën, zelfs telefoonfoto's met handgeschreven aantekeningen. Wat vroeger tientallen inconsistente bestanden waren, stroomt nu in één pijplijn.
• Inferentie met prompting: Met behulp van retrieval-augmented prompting analyseert het systeem contracten tot gestructureerde gegevens. Het gooit niet duizend pagina's in de context; het haalt alleen wat relevant is, redeneert op basis hiervan en laat zijn werk zien.
• Beoordelen: Financieel deskundigen beoordelen de gestructureerde uitvoer, compleet met annotaties en verwijzingen voor alle niet-standaardtermen. De agent markeert wat ongewoon is. Vervolgens worden mensen ingeschakeld om dit te beoordelen.

De uitvoer is een dataset die direct bruikbaar is in financiële workflows. Wat vroeger uren duurde, wordt nu 's nachts geleverd, voorzien van aantekeningen en klaar voor validatie. Deskundigen blijven op de hoogte, maar hun rol verschuift van handmatige invoer naar beoordeling.

Dit ontwerp zorgt voor vertrouwen: professionals krijgen gestructureerde, onderbouwde gegevens op grote schaal, maar hun expertise bepaalt het resultaat.

De resultaten:

• Snellere doorlooptijd. Beoordelingen twee keer zo snel, volgende dag klaar.
• Hogere capaciteit. Duizenden contracten verwerkt zonder dat het personeelsbestand evenredig is uitgebreid.
• Slimmere context. Niet-standaardtermen gemarkeerd met redenering en referenties.
• Doorzoekbare resultaten. De tabelvormige uitvoer in het datawarehouse maakt gegevensanalyse eenvoudiger.

Elke cyclus van menselijke feedback scherpt de agent aan, waardoor elke beoordeling sneller en nauwkeuriger wordt.

“De enige manier waarop we kunnen opschalen zoals OpenAI opschaalt, is via deze methode”, aldus Wei An. “Zonder dit zou je je team lineair moeten laten groeien, in lijn met het contractvolume. Hierdoor kunnen we het team lean houden terwijl we hypersnelle groei aankunnen.

Deze architectuur ondersteunt nu inkoop, compliance en zelfs de maandafsluiting. Hetzelfde principe geldt: automatiseer het routinematige werk, laat mensen verantwoordelijk blijven voor het oordeel. 

Ingenieurs omschrijven het als ‘handmatig werk dat al gedaan is’, niet als beslissingen die vervangen zijn. Financiële teams schrijven nog steeds het verhaal van de cijfers; de agent zorgt ervoor dat ze hun dag niet besteden aan nauwgezet werk.

Wat begon als een oplossing voor contracten, is uitgegroeid tot een nieuwe manier van werken in de financiële sector. Het analyseren van gegevens gebeurt 's nachts. Professionals richten zich op analyse en strategie. Managers schalen vol vertrouwen mee met de groei, zonder dat hun teams in hetzelfde tempo meegroeien.

De contractgegevensagent is een blauwdruk voor hoe AI op verantwoorde wijze gereguleerd werk met hoge risico's kan transformeren. Het laat zien wat er mogelijk wordt wanneer deskundigen samenwerken met intelligente systemen: meer invloed, meer vertrouwen en meer tijd voor wat echt belangrijk is.