Docusign Iris 是我们的 AI 引擎，旨在理解多种语言的协议，帮助客户获得见解，无论他们在哪里开展业务 - 使用混合 AI 模型、安全的基础设施和内置治理来跨地区和语言可靠地执行。

关键要点：

• Navigator 多语言洞察 – Docusign Navigator 以英语、法语和德语提供 AI 驱动的协议洞察，并于 4 月增加了扩展的洞察 ，并计划在今年晚些时候支持巴西葡萄牙语、西班牙语和日语。
• AI 辅助审查 – Docusign AI 辅助审查将于 5 月提供法语和德语版本，并计划在今年晚些时候扩展到巴西葡萄牙语和西班牙语。
• 混合 AI 方法 – 将第三方大型语言模型与专有的多语言 AI 相结合，以大规模提取协议见解。
• 大规模的全球企业基础设施 – Docusign Iris 在安全的全球分布式基础设施上运行，确保大规模的低延迟性能，以支持全球协议管理。
• AI 治理是核心 – 信任和透明度推动了我们的 AI 全球化工作，产品内控制使客户能够全面监督 AI 训练的数据使用情况。

为客户提供多语言 AI 模型

Docusign 为全球 180 多个市场的组织提供服务，这就是为什么我们在 AI 开发方面采用全球优先的思维方式 — 从一开始就设计我们的模型，以多种语言为客户提供 AI 驱动的协议见解。2024 年 12 月，我们推出了 AI 全球化支持，扩展了我们的智能协议管理 （IAM） 平台，以大规模提供特定于协议的多语言 AI 功能，从而达到了一个重要的里程碑。

作为一个旗舰示例，Navigator 是应用这种 AI 驱动的方法的第一步。它现在使客户能够提取英语、法语和德语的协议见解，并计划在今年晚些时候支持巴西葡萄牙语、西班牙语和日语。2025 年 4 月，我们在 12 月的初始版本的基础上，添加了英语（全球）、法语和德语的其他洞察。请参阅语言和区域支持主题，了解每种语言的可用见解的完整列表，以及有关语言可用性和区域扩展的更多详细信息。所有这一切都通过 Docusign Iris 实现，Docusign Iris 是一个 AI 引擎，可在整个协议生命周期中为 AI 功能提供支持，使您能够更快地创建协议、更有信心地提交并进行管理以实现最大的业务影响。

看点重要

AI 全球化对于增强用户体验至关重要，可确保所有人都可以使用我们的 AI 工具，并在不同语言和地区之间保持一致的性能。对于客户来说，这意味着可以用他们的母语处理、审查和分析协议，不仅可以翻译，而且可以深入理解，从而减少手动工作并提高生产力。将 AI 功能扩展到多种语言，使企业能够依靠 Docusign Iris 在全球市场进行一致的协议管理。

让我们探索推动 Docusign AI 全球化工作的方法、基础构建块和关键技术。

大规模的全球企业基础设施

Docusign 的一个关键区别在于我们强大的全球分布式基础设施，旨在为大型企业大规模运营。随着 AI 服务部署在北美 （NA）、欧洲 （EU）、加拿大 （CA）、澳大利亚 （AU） 以及即将在日本 （JP） 部署，我们可以在客户开展业务的地区提供低延迟性能和数据驻留。这种基础设施使我们能够无缝处理多种语言的大量协议，这是许多提供商通常难以实现的壮举。

客户的主要优势：

• 可扩展的基础设施 – 无论是处理 100 个还是 100,000 个协议，Docusign Iris 都可以扩展以满足业务需求。多语言 AI 模型在全球范围内部署，确保弹性和可用性，并拥有适应不断增长的运营需求的管道。
• 数据驻留 – 协议和提取的数据可以存储在特定于区域的数据中心内，让客户高枕无忧并保护客户数据。
• 跨区域的一致性 – 企业客户受益于所有区域的统一企业级性能，确保平稳运营。

构建多语言 AI 模型

我们采用混合 AI 模型方法，在多种语言中实现准确且可扩展的 AI。这涉及利用第三方大型语言模型（如 Azure Open AI）以及专为合同处理和协议智能设计的内部模型。

数据采集和选择

采购高质量、多样化的数据集是协议 AI 全球化的基础。现实世界的合同和协议因语言和国家/地区而异，因此很难为每个使用案例构建具有全球代表性的数据集。我们的方法侧重于通过以下方法确保数据质量和相关性：

• 供应商合作伙伴关系 – 与值得信赖的数据供应商合作，寻找多语言合同，扩大我们数据集的广度和深度。

• 匿名、聚合的客户数据 – 通过利用来自同意客户的匿名和聚合客户数据，Docusign 提高了 AI 辅助产品的准确性和性能。

  • 这包括匿名化技术，例如编辑、屏蔽和替换为非敏感替代方案，以及将数据组合和合并为一个统一集合以使源数据脱敏的聚合方法。
  • 请务必注意，客户保留对其数据的完全控制权，并且可以随时禁用 AI 训练的数据共享。在 Docusign 的 AI 驱动的未来中了解更多信息，其核心是客户控制 。

• 高质量数据 – 我们系统地选择一套反映不同法律结构和语言的代表性协议。删除重复项、模板和不相关的内容，以确保为模型训练提供高质量的输入。

通过利用这种多样化的数据采集管道，我们改进了跨语言的 AI 开发，减少了偏见，并增强了模型性能。

注解

大规模标记多语言数据集很复杂，需要精确度才能确保 AI 模型在不同语言中的性能一致。AI 模型的质量取决于它们训练所依据的数据 为了解决这个问题，我们正在通过以下举措加强自动化并加强质量控制：

• 注释自动化 – 我们正在投资智能标记工具，这些工具通过将机器学习与人工监督相结合来自动化数据注释，从而在保持准确性的同时加快流程。
• 并行注释 – 跨多种语言同时对数据集进行注释，以确保标签的一致性，减少可变性并跨区域调整数据质量。
• 质量控制和验证循环 – 我们特定于地区的主题专家验证大量带注释的数据，迭代应用他们的专业知识来优化标签，直到始终达到所需的精度。

通过将自动化与人类专业知识相结合，我们构建了高质量的数据集，为可靠的多语言 AI 模型提供支持。

模型开发

通过利用 AI 技术的组合，我们完善了我们的模型，以大规模提供一致、高质量的协议见解。

我们方法的关键组成部分：

• 片段选择 - 我们使用 Docusign AI 模型采用 AI 驱动的片段选择，从冗长的合同中提取最相关的部分，从而减少噪音并提高准确性。文档大小的减少加快了合同分析速度，为客户提供更快、更可靠的洞察。
• 提示工程 - 我们将快速工程与大型语言模型结合使用，以增强多语言数据提取。提示旨在考虑特定于语言的法律细微差别，并根据反馈和观察到的性能进行迭代优化。
• 后处理和规范化 - 提取的数据经过后处理，以提高跨语言的准确性和一致性。这包括纠错、筛选不相关结果和标准化以保持标准化输出。
• 微调模型 - 我们的策略包括微调 AI 模型，以随着时间的推移提高准确性和可扩展性。通过迭代模型改进，我们增强了跨多种语言高效处理协议的能力。

通过 AI 治理建立信任

AI 治理是我们全球化战略的核心。从模型开发的最早阶段开始，我们就通过将强大的治理实践嵌入我们的 AI 系统来优先考虑建立信任。重点领域包括：

• 数据保护和安全 - 当您使用 Docusign Iris 时，您的数据在传输和静态时都会被加密，防止未经授权的用户访问客户数据。如果您同意共享数据用于 AI/ML 训练，则在使用前会对其进行汇总和匿名化处理。当匿名数据用于自定义 AI 模型时，这些模型仅可供 Docusign 使用。
• 透明度 - 您的匿名数据仅在您同意的情况下用于 AI/ML 训练，您可以灵活地管理您的同意。借助触手可及的清晰文档，自信地做出明智的决策。
• 准确性和公平性 - Docusign Iris 旨在最小化错误和有害输出，这在高风险的场景中至关重要，如续订或谈判。我们使用多样化的数据集和彻底的检查来纠正扭曲的输出，并在模型部署之前确保质量。您还拥有批准输出的最终决定权，因此它们始终符合您的标准。
• 可扩展性和适应性 - 我们的合规存储和计算平台用于数据标签和 AI 训练，设计为可扩展。旨在满足 GDPR 要求并采用其他框架（包括 NIST AI 标准），以保持与不断变化的法规保持一致。

通过将治理嵌入到 AI 开发的每一步，我们构建了安全、合规且可扩展的解决方案，帮助满足全球客户群的需求。