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

python panda库从基础到高级操作分析

《pythonpanda库从基础到高级操作分析》本文介绍了Pandas库的核心功能,包括处理结构化数据的Series和DataFrame数据结构,数据读取、清洗、分组聚合、合并、时间序列分析及大数据... 目录1. Pandas 概述2. 基本操作:数据读取与查看3. 索引操作:精准定位数据4. Group

MySQL中EXISTS与IN用法使用与对比分析

《MySQL中EXISTS与IN用法使用与对比分析》在MySQL中,EXISTS和IN都用于子查询中根据另一个查询的结果来过滤主查询的记录,本文将基于工作原理、效率和应用场景进行全面对比... 目录一、基本用法详解1. IN 运算符2. EXISTS 运算符二、EXISTS 与 IN 的选择策略三、性能对比

MySQL 内存使用率常用分析语句

《MySQL内存使用率常用分析语句》用户整理了MySQL内存占用过高的分析方法,涵盖操作系统层确认及数据库层bufferpool、内存模块差值、线程状态、performance_schema性能数据... 目录一、 OS层二、 DB层1. 全局情况2. 内存占js用详情最近连续遇到mysql内存占用过高导致

深度解析Nginx日志分析与499状态码问题解决

《深度解析Nginx日志分析与499状态码问题解决》在Web服务器运维和性能优化过程中,Nginx日志是排查问题的重要依据,本文将围绕Nginx日志分析、499状态码的成因、排查方法及解决方案展开讨论... 目录前言1. Nginx日志基础1.1 Nginx日志存放位置1.2 Nginx日志格式2. 499

Olingo分析和实践之EDM 辅助序列化器详解(最佳实践)

《Olingo分析和实践之EDM辅助序列化器详解(最佳实践)》EDM辅助序列化器是ApacheOlingoOData框架中无需完整EDM模型的智能序列化工具,通过运行时类型推断实现灵活数据转换,适用... 目录概念与定义什么是 EDM 辅助序列化器?核心概念设计目标核心特点1. EDM 信息可选2. 智能类

Olingo分析和实践之OData框架核心组件初始化(关键步骤)

《Olingo分析和实践之OData框架核心组件初始化(关键步骤)》ODataSpringBootService通过初始化OData实例和服务元数据,构建框架核心能力与数据模型结构,实现序列化、URI... 目录概述第一步:OData实例创建1.1 OData.newInstance() 详细分析1.1.1

Olingo分析和实践之ODataImpl详细分析(重要方法详解)

《Olingo分析和实践之ODataImpl详细分析(重要方法详解)》ODataImpl.java是ApacheOlingoOData框架的核心工厂类,负责创建序列化器、反序列化器和处理器等组件,... 目录概述主要职责类结构与继承关系核心功能分析1. 序列化器管理2. 反序列化器管理3. 处理器管理重要方

SpringBoot中六种批量更新Mysql的方式效率对比分析

《SpringBoot中六种批量更新Mysql的方式效率对比分析》文章比较了MySQL大数据量批量更新的多种方法,指出REPLACEINTO和ONDUPLICATEKEY效率最高但存在数据风险,MyB... 目录效率比较测试结构数据库初始化测试数据批量修改方案第一种 for第二种 case when第三种

解决1093 - You can‘t specify target table报错问题及原因分析

《解决1093-Youcan‘tspecifytargettable报错问题及原因分析》MySQL1093错误因UPDATE/DELETE语句的FROM子句直接引用目标表或嵌套子查询导致,... 目录报js错原因分析具体原因解决办法方法一:使用临时表方法二:使用JOIN方法三:使用EXISTS示例总结报错原

MySQL中的LENGTH()函数用法详解与实例分析

《MySQL中的LENGTH()函数用法详解与实例分析》MySQLLENGTH()函数用于计算字符串的字节长度,区别于CHAR_LENGTH()的字符长度,适用于多字节字符集(如UTF-8)的数据验证... 目录1. LENGTH()函数的基本语法2. LENGTH()函数的返回值2.1 示例1:计算字符串