Litera同意收购领先的机器学习合同分析公司Kira Systems

本文主要是介绍Litera同意收购领先的机器学习合同分析公司Kira Systems,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

  • Litera将收购Kira Systems及其行业领先的机器学习合同分析技术,并作为其交易管理平台的新基石,实现其革新尽职调查流程的目标;
  • 该收购是Litera的第12笔法律技术收购;
  • 根据交易安排,Kira Systems的大股东Insight Partners将成为Litera的小股东;并且
  • 全球软件和服务行业投资者Hg仍是Litera的主要投资者;并且
  • 根据交易安排,Kira Systems将剥离出一家名为Zuva的新公司,该公司将把Kira Systems的人工智能技术商业化,推出面向企业市场的新产品。

芝加哥--(美国商业资讯)--拥有逾1.5万家客户的全球法律技术解决方案领导者Litera宣布,其已同意收购机器学习合同审查和分析软件领域的行业领导者Kira Systems (“Kira”)。

Kira成立于2011年,总部位于加拿大多伦多,是律师事务所合同分析软件领域的领导者,该公司的技术革新了合同审查流程,能够帮助律师更高效、更准确地分析更多文件。Kira已获专利并屡获殊荣的机器学习技术可以快速抽取概念和数据点,并支持1,200多种预置模式。

根据交易安排,自2018年8月以来一直投资Kira Systems的Insight Partners将追加对Kira的投资,并成为Litera的少数股东。全球软件和服务行业投资者Hg仍将是Litera的主要投资者。Hg于2019年首次投资Litera。此后,Litera实现了显著的有机增长,完成了多笔收购,业务规模增长了两倍多。

Kira革新了律师事务所完成尽职调查的方式。在一笔典型的并购交易中,律师只审查一小部分合同,因为一直以来,审查更多内容在经济上是不可行的。这种选择性流程必然增加交易中的风险,因为可能会忽略重要信息。通过Kira的软件,律师可以高效、准确地审查更多合同,在降低风险的同时还能就交易提供更多重要见解。交易完成后,Kira的技术将进一步推动Litera的使命,帮助律师事务所提高客户保留率和利润率,并增强最终用户的幸福感。

Litera首席执行官Avaneesh Marwaha在一份声明中表示,该笔收购将“使我们能够把先进的机器学习工作流程纳入我们的交易管理平台,大幅扩展律师的工作流程,让他们可以参与交易管理流程的更多方面并提升工作质量。Kira的优秀团队和领导层也给我们留下了深刻印象,他们的业务专长将是Litera现有业务的有力补充。总而言之,Kira使我们能够为交易和交易管理生命周期提供全面的尽职调查。”

首席执行官兼联合创始人Noah Waisberg表示:“Litera是Kira的完美搭档。他们对全球法律市场有着深刻的理解,并与我们具有相同的愿景——通过技术革新合同审查流程。凭借‘合同起草’(Drafting)相关产品,Litera在法律市场上已获得极高的占有率。我们相信,这笔收购将确保Kira全面覆盖尽职调查审查过程市场,为我们的客户和员工带来一个熟悉而又温暖的新工作环境。”按照交易安排,Noah将继续担任Litera的战略顾问。

在将于中部时间8月19日上午10点举行的首席执行官简报会和将于8月22日至26日在拉斯维加斯举行的2021年度ILTACON会议上,Avaneesh Marwaha将进一步介绍这笔收购。

按照整体交易安排,Kira Systems正剥离出一家新公司Zuva。Zuva将继续推进现有的顶尖商业文件机器学习技术,并将专注于提供帮助世界各地的企业了解其合同内容的工具。Noah Waisberg将出任新公司的首席执行官,Kira联合创始人兼首席技术官Alexander Hudek博士将担任战略顾问和董事会董事。

Zuva将于2021年9月正式成立并发布其首次产品公告。

关于Kira Systems

Kira Systems依托其技术提供功能强大并屡获殊荣的软件解决方案,在搜索和分析合同和文件文本方面表现卓越,可帮助世界上规模首屈一指的企业和专业服务公司从它们的合同和相关文件中发现重要信息。Kira可用于合同情报尽职调查、知识管理、房地产、合规,以及合同和文档数据可视化洞察至关重要的任何领域。

这篇关于Litera同意收购领先的机器学习合同分析公司Kira Systems的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/554005

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者