تقدم شركة LegalOn Technologies خدمات الذكاء الاصطناعي المهنية على مستوى العالم، باستخدام الذكاء الاصطناعي لدعم الأعمال القانونية وغيرها من الوظائف التجارية الرئيسية. من خلال دمج الخبرة في المجالات المختلفة مع الذكاء الاصطناعي، يسمح ذلك للأفراد بالتركيز على الحكمات والقرارات المعقدة. هدف الشركة هو إدارة تعتمد على الذكاء الاصطناعي لتحسين جودة وسرعة اتخاذ القرارات التجارية.
تتمثل هذه النهجة في توسيع نطاق منتجات الشركة ليشمل تحويل المنظمة نفسها إلى منظمة قائمة على الذكاء الاصطناعي. وقد دمجت الشركة برنامج Codex في عملية التطوير الخاصة بها، ووسعت نطاق استخدامه في جميع أقسام المنظمة من خلال الاستخدام اليومي.
مع انتشار الاستخدام، ظهر تحدٍ جديد: التحكم في التكاليف. قد يؤدي استخدام النماذج عالية الأداء بشكل غير محدود إلى زيادة الإنفاق، بينما قد يعرض القيود الشاملة للتقليل من فوائد الإنتاجية التي ساعدت فيها الذكاء الاصطناعي.
كيف يمكن تقليل التكاليف دون إبطاء التطوير؟ لقد حلت شركة LegalOn Technologies هذه التحدي عن طريق اختيار بين GPT‑6 (Astra، Luna) وGPT‑6.1 Sol بناءً على تعقيد المهمة ومستوى 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 لها، GPT‑5.5، في الوضع السريع. ثم وسعت من استخدامه في التصميم والتنفيذ والعمل اليومي، وتعلم من خلال التجارب كيفية توزيع المسؤوليات بين الأشخاص والذكاء الاصطناعي بشكل أفضل.
مع ذلك، فإن الاستمرار في استخدام نماذج عالية الأداء دون حدود سيؤدي حتمًا إلى تجاوز الميزانية السنوية. بدأ مركز تطوير الذكاء الاصطناعي التابع للشركة (AID CoE) في تطوير إرشادات لاختيار النماذج. قام AID CoE باختبار ومراقبة النماذج، بينما شارك المديرون نتائجه مع فريقهم. هذا سمح لكل مهندس باختيار النموذج الأنسب لكل مهمة بشكل مستقل.
مطابقة النماذج مع المهام وتخصيص الموارد بشكل استراتيجي
الإرشادات الجديدة غيرت الشركة من استخدام النموذج ذو القدرة العالية لكل مهمة إلى اختيار النموذج المناسب للعمل. بدأت الفرق باستخدام نموذج خفيف، وتحولت إلى نماذج أكثر قدرة مع زيادة تعقيد المهام.
لدعم الإدارة، قامت الشركة أيضًا بإدخال ضوابط نظامية من خلال إعدادات المسؤولين، مع حدود استخدام شهرية للأقسام والأفراد. يقوم مركز AID CoE بمراقبة الاستخدام وتعديل 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 لأداء مهام مختلفة
GPT-6 لونا
التنفيذ اليومي والتطبيق؛ تشغيل الأتمتات اليومية؛ تفويض المهام البسيطة نسبيًا والتحليل؛ تنفيذ الكود، بشكل رئيسي كوكيل فرعي.
GPT-6.1 Sol
التصميم والتحليل القياسي؛ تصميم البرمجيات البسيط نسبيًا؛ التحليل العددي الروتيني وإنشاء الوثائق؛ المهام التي تتطلب وقت إنهاء أقصر من تلك الخاصة بـ Luna.
GPT-6 Astra
تحليل معقد، التصميم، والتنظيم؛ تحليل معقد وإنشاء المستندات؛ تصميم برمجيات معقدة؛ تنسيق العملاء كمنظم.
إلى جانب اختيار النموذج، بدأت الشركة تقييد وضع الوضع السريع بشكل افتراضي، مما يسمح بالطلبات الفردية فقط عند الحاجة. وعلى الرغم من أن هذا التغيير أثار مخاوف بشأن سرعة التطوير، استخدمت الفرق أساليب مثل تنفيذ المهام بشكل متوازي للحفاظ على الأداء والانتقال بسلاسة.
كما تم تحديد حدود ميزانية للإنفاق على الذكاء الاصطناعي على مستوى الأقسام والمجموعات والأفراد. وطُلب من شركة LegalOn القائمة على أساس تجاري أن تحسن كفاءة التكلفة بنسبة تصل إلى حوالي 20%، بينما حصلت الشركات الجديدة في مرحلة الإطلاق على ميزانيات سخية لتشجيع استخدام الذكاء الاصطناعي بشكل نشط.
يوتا توكيتاكي، 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 لتحقيق زيادة في الإنتاج وبالتالي تعزيز نمو الشركة.
بالإضافة إلى اختيار النماذج، والقيود على الخصائص، والميزانيات المعدة خصيصًا لكل عملية تجارية، تم تقليل التكاليف اليومية المتوقعة بحوالي 65%. هذا النهج ساعد في الحفاظ على الميزانية الإجمالية تحت السيطرة، مع توجيه الموارد نحو العمليات التي ترغب الشركة في توسيعها.
نتائج بسرعة
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 وضع السرعة الفائقة 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 الاستثمارات النشطة في الشركات الجديدة.
تخفيض بنسبة 65% في التكاليف اليومية المقدرة مقارنة بـ GPT‑5.5 من خلال اختيار بين نماذج GPT‑6 و6.1.
قياس العائد الحقيقي على الاستثمار في الذكاء الاصطناعي من خلال إصدار الميزات
من خلال تحسين النموذج، قلصت الشركة التكاليف دون التضحية بسرعة التطوير أو الجودة. كما تلاحظ الفرق أن الذكاء الاصطناعي يقلل بشكل مستمر الدورة من التطوير إلى الإصدار.
لكن الشركة تنظر إلى المستقبل بعيدًا. هل التطوير الأسرع وحده يجعل استثمار الذكاء الاصطناعي نجاحًا؟ 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 حقًا فهمه هو ما إذا كان التطوير الأسرع يترجم بالفعل إلى قيمة للعملاء".
هذا السؤال دفع الشركة إلى تطوير معيارها الخاص، مما حول أساس تقييم استثمارات الذكاء الاصطناعي من سرعة التطوير وحجم الاستخدام إلى القيمة المقدمة للعملاء.
يشرح توكيتاكي: “عند استخدام الذكاء الاصطناعي، يمكننا تتبع تكلفة المهام الفردية، لكن التكلفة الإجمالية لإنجاز عمل كامل – مثل إصدار ميزة جديدة – غالبًا ما تظل غير واضحة. لذلك، صممنا القياس على أساس 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. بمجرد اكتماله، سيصبح القيمة الحقيقية للاستثمار واضحة من حيث قيمة العميل. تقوم شركة LegalOn Technologies بالتحول من إدارة تكاليف الذكاء الاصطناعي إلى ربط الاستثمارات التقنية مباشرة بقيمة الأعمال.
بناء منظمة ونظام حوكمة للعصر الذكي
الهدف التالي هو تحويل معرفة المهندسين الفردية في مجال الذكاء الاصطناعي إلى قدرات شاملة للمنظمة. كخطوة أولى، تخطط الشركة لبناء قاعدة معرفة لجمع ومشاركة الخبرات العملية. ستقوم القاعدة بجمع المعرفة مثل أفضل تركيبات النماذج للتصميم والتنفيذ والمراجعة، وتحويل النجاحات الفردية بسرعة إلى ممارسات ممتازة على مستوى الشركة.
هذه التغييرات، التي تتم بناءً على 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 الوظيفية. وقد بدأت الشركة بالفعل في التركيز على مهارات الذكاء الاصطناعي في عملية التوظيف، مع تطور استراتيجيتها الاستثمارية وتركيبتها التنظيمية.
يتطلب تحويل استخدام الذكاء الاصطناعي إلى ميزة تنافسية دائمة تحسين التوازن بين الحوكمة وحرية الفرق على العمل بشكل مستمر. يعمل مركز AID CoE وفريق الأمان معًا لتحسين الأداء والتكلفة والمخاطر من منظورات متعددة، وبناء إطار مرن يدعم التجريب في جميع أقسام المؤسسة.
يمكن أن تضعف القيود المفرطة من خلال القواعد والميزانيات من زخم المنظمة. ما نحتاجه هو نموذج تشغيل مرن يوازن بشكل فعال بين السيطرة على المخاطر والسرعة التي تحتاجها الفرق.يوتا توكيتاكي، مدير الهندسة الأعلى، شركة ليجالأون تكنولوجيز