تقدم شركة LegalOn Technologies خدمات الذكاء الاصطناعي للمحترفين على مستوى العالم، باستخدام الذكاء الاصطناعي لدعم الأعمال القانونية وغيرها من الوظائف التجارية الأساسية. من خلال دمج الخبرة في المجالات المختلفة مع الذكاء الاصطناعي، يسمح ذلك للأشخاص بالتركيز على الأحكام والقرارات المعقدة. هدف الشركة هو تحسين جودة وسرعة اتخاذ القرارات التجارية من خلال الإدارة المدعومة بالذكاء الاصطناعي.
تتجاوز هذه النهجية نطاق منتجاتها لتحويل المنظمة نفسها إلى شيء أصيل في عصر الذكاء الاصطناعي. قامت الشركة بدمج Codex في عملية تطويرها، ووسعت نطاق استخدامه في جميع أقسام المنظمة من خلال الاستخدام اليومي.
مع انتشار الاستخدام، ظهر تحدٍ جديد: التحكم في التكاليف. استخدام الأنواع عالية الأداء بشكل غير محدود قد يزيد من الإنفاق، بينما القيود الشاملة قد تضر بزيادة الإنتاجية التي ساعدت فيها الذكاء الاصطناعي.
كيف يمكن تقليل التكاليف دون إبطاء عملية التطوير؟ حلت شركة LegalOn Technologies هذه التحدي عن طريق اختيار بين GPT‑6 (Astra، Luna) وGPT‑6.1 Sol بناءً على تعقيد المهمة ومرحلة التطوير، وتوافق الميزانيات مع مرحلة نمو كل شركة. وقد قلت الشركة تكاليفها بنسبة النصف بينما حافظت على سرعة التطوير.
تحسين النماذج للحفاظ على سرعة التطوير وتقليل التكاليف
منحت الشركة المطورين في البداية وصولًا غير محدود إلى النموذج الرئيسي الخاص بها، GPT‑5.5، في وضع السرعة. ثم وسعت من استخدامه في التصميم والتنفيذ والعمل اليومي، وتعلم من خلال التجارب كيفية تقسيم المسؤوليات بين الأشخاص والذكاء الاصطناعي بأفضل طريقة.
ومع ذلك، فإن الاستمرار في استخدام نماذج عالية الأداء دون حدود سيؤدي بالضرورة إلى تجاوز الميزانية السنوية. بدأ مركز تطوير الذكاء الاصطناعي التابع للشركة (AID CoE) في تطوير إرشادات لاختيار النماذج. قام مركز AID CoE باختبار ومراقبة النماذج، بينما شارك المديرون نتائجه مع فرقهم. وهذا سمح لكل مهندس باختيار النموذج الأنسب لكل مهمة بشكل مستقل.
مطابقة النماذج للمهام وتخصيص الموارد باستراتيجية
الإرشادات الجديدة غيرت الشركة من استخدام النموذج ذو القدرة العالية لكل مهمة إلى اختيار النموذج المناسب للعمل. بدأت الفرق باستخدام نموذج خفيف، ثم تحولت إلى نماذج أكثر قدرة مع زيادة تعقيد المهام.
لدعم الحوكمة، قامت الشركة أيضًا بإدخال ضوابط نظامية من خلال إعدادات المسؤولين، مع حدود استخدام شهرية للأقسام والأفراد. يقوم مركز AID CoE بمراقبة الاستخدام ويعدل الحدود حسب احتياجات العمل.
ساعد الاختبار الداخلي تحت هذه الضوابط في جعل معايير الاختيار أكثر تحديدًا. نموذج GPT‑6 Luna، الأخف وزنًا، يتعامل مع تنفيذ الكود مع متطلبات واضحة؛ نموذج GPT‑6.1 Sol يدعم التصميم القياسي، تحليل البيانات، وإعداد الوثائق؛ ونموذج GPT‑6 Astra، الأكثر قدرة، يتعامل مع الحكم المتقدم، بما في ذلك تصميم الهندسة. أصبح تطابق النماذج مع المهام ممارسة مشتركة بين الفرق.
اختيار بين ثلاثة نماذج لمهام مختلفة
GPT-6 لونا
التنفيذ اليومي والتطبيق؛ تشغيل الأتمتات اليومية؛ تفويض المهام البسيطة نسبيًا والتحليل؛ تنفيذ الكود، بشكل رئيسي كوظيفة فرعية.
GPT-6.1 Sol
التصميم والتحليل القياسي؛ تصميم البرمجيات البسيط نسبيًا؛ التحليل العددي الروتيني وإنشاء الوثائق؛ المهام التي تتطلب وقت إكمال أقصر من تلك الخاصة بـ Luna.
GPT-6 Astra
تحليل معقد، التصميم، والتنظيم؛ تحليل معقد وإنشاء المستندات؛ تصميم برمجيات معقدة؛ تنسيق الوكالات كمنظم.
إلى جانب اختيار النموذج، بدأت الشركة في تقييد الوضع السريع بشكل افتراضي، مما يسمح بطلبات فردية فقط عند الحاجة. وعلى الرغم من أن هذا التغيير أثار مخاوف بشأن سرعة التطوير، استخدمت الفرق طرقًا مثل تنفيذ المهام بشكل متوازي للحفاظ على الأداء والانتقال بسلاسة.
كما تم تحديد حدود ميزانية للإنفاق على الذكاء الاصطناعي على مستوى الإدارات والمجموعات والأفراد. وطُلب من شركة LegalOn القائمة تحسين كفاءة التكلفة بنسبة تصل إلى حوالي 20%، بينما حصلت الشركات الجديدة في مرحلة الإطلاق على ميزانيات كبيرة لتشجيع استخدام الذكاء الاصطناعي بشكل فعال.
يوتا توكيتاكه، مدير الهندسة الأول في شركة LegalOn Technologies، يوضح أن الشركات الجديدة ركزت على السرعة في العمل بدلاً من الكفاءة في التكلفة. الهدف كان استخدام الذكاء الاصطناعي بشكل واسع لزيادة الإنتاج، وبالتالي تحقيق نمو الشركة.
معًا، قلل اختيار النماذج، والقيود على الخصائص، والميزانيات المعدة لكل عملية تجارية من التكاليف اليومية المتوقعة بحوالي 65%. هذا النهج ساعد في الحفاظ على الميزانية الإجمالية تحت السيطرة، بينما تم توجيه الموارد نحو الشركات التي ترغب الشركة في توسيعها.
نتائج بإطلالة سريعة
حققت تحسين النموذج وتخصيص الموارد الاستراتيجية النتائج التالية:
تغيير من استخدام النموذج الأكثر قدرة لكل مهمة إلى اختيار GPT‑6 Astra، GPT‑6.1 Sol، أو GPT‑6 Luna بناءً على تعقيد المهمة ومرحلة التطوير.
تم الحفاظ على أداء التطوير بعد تقييد الوضع السريع بشكل افتراضي، وذلك بدعم من ممارسات الفريق مثل تنفيذ المهام المتوازية.
حدود الميزانية التي تزيد بشكل مشترك عن 20% من الكفاءة في الشركات الناضجة، مع استثمارات نشطة في الشركات الجديدة.
انخفاض بنسبة 65% في التكاليف اليومية المقدرة مقارنةً بـ GPT‑5.5 عند اختيار بين نماذج GPT‑6 و6.1.
قياس العائد الحقيقي للاستثمار في الذكاء الاصطناعي من خلال إصدار الميزات
من خلال تحسين النموذج، قلصت الشركة تكاليفها دون التضحية بمعدل التطوير أو الجودة. كما يلاحظ الفرق أن الذكاء الاصطناعي يقصر الدورة الزمنية من التطوير إلى الإصدار بشكل مستمر.
لكن الشركة تنظر إلى المستقبل بعيدًا. هل التطوير الأسرع وحده يجعل استثمارات الذكاء الاصطناعي ناجحة؟ لا يزال الاتصال بين التطوير الأسرع وقيمة العميل غير واضح. يقول توكيتاكي: “من الضروري تقريبًا أن الذكاء الاصطناعي يمكنه تسريع تطوير الأنظمة وتحديثاتها”. “ما نريد فهمه حقًا هو ما إذا كان التطوير الأسرع يترجم فعليًا إلى قيمة للمستخدمين”.
هذا السؤال دفع الشركة إلى تطوير مقياسها الخاص، مما غير أساس تقييم استثمارات الذكاء الاصطناعي من سرعة التطوير وحجم الاستخدام إلى القيمة للعميل.
يشرح توكيتاكي: “عند استخدام الذكاء الاصطناعي، يمكننا تتبع تكلفة المهام الفردية، لكن التكلفة الإجمالية لعمل كامل – مثل إصدار ميزة ما – غالبًا ما تظل غير واضحة. لذلك، صممنا قياساتها حول كل إصدار من الميزات كوحدة واحدة. من خلال ربط القيمة التي يقدمها الإصدار بالتكاليف الفعلية للذكاء الاصطناعي المستثمرة فيه، نهدف إلى جعل العائد على الاستثمار واضحًا ودقيقًا.”
تقوم الشركة حاليًا ببناء خط أنابيب لحساب هذه المقياس. عند اكتماله، سيصبح التدفق الحقيقي للقيمة مقارنة بالعملاء واضحًا. تقنية LegalOn Technologies تتقدم أكثر من مجرد إدارة تكاليف الذكاء الاصطناعي نحو ربط استثمارات التكنولوجيا مباشرة بقيمة الأعمال.
بناء منظمة ونظام حوكمة للعصر الذكي
الهدف التالي هو تحويل معرفة المهندسين الفردية في مجال الذكاء الاصطناعي إلى قدرة على نطاق المؤسسة بأكملها. كخطوة أولى، تخطط الشركة لبناء قاعدة معرفية لجمع ومشاركة التجارب العملية. ستقوم هذه القاعدة بتجميع المعرفة مثل أفضل تركيبات النماذج للتصميم والتنفيذ والمراجعة، وتحويل النجاحات الفردية بسرعة إلى ممارسات ممتازة على نطاق الشركة بأكملها.
هذه التغييرات، التي تتم بدافع من الخبرة العملية للفرق، تؤثر أيضًا على التنظيم والتوظيف. فالزيادة في الإنتاجية الناتجة عن الذكاء الاصطناعي تدفع الشركة إلى إعادة التفكير بشكل جذري في كيفية تقسيم العمل بين الأشخاص والذكاء الاصطناعي، بالإضافة إلى خططها للقوى العاملة. وقد بدأت الشركة بالفعل في التركيز على مهارات الذكاء الاصطناعي في عملية التوظيف، مع تطور استراتيجيتها الاستثمارية وهيكلها التنظيمي.
إن تحويل استخدام الذكاء الاصطناعي إلى ميزة تنافسية دائمة يتطلب تحسين التوازن بين الحوكمة وحرية الفرق في العمل بشكل مستمر. يعمل معهد AID CoE وفريق الأمان معًا لتحسين الأداء والتكلفة والمخاطر من عدة زوايا، وبناء إطار مرن يدعم التجريب في جميع أقسام المنظمة.
يمكن لالقوانين والميزانيات المفرطة أن تضعف من زخم المنظمة. ما نحتاجه هو نموذج تشغيل مرن يوازن بشكل فعال بين ضبط المخاطر وسرعة الفرق المطلوبة.يوتا توكيتاكي، مدير الهندسة الأعلى، شركة ليجالأون تكنولوجيز