LegalOn Technologies ofrece IA profesional a nivel mundial, utilizando la IA para apoyar el trabajo legal y otras funciones empresariales clave. Al combinar conocimientos especializados en el sector con la IA, permite a las personas centrarse en juicios y decisiones complejos. Su objetivo es una gestión impulsada por la IA que mejore la calidad y la velocidad de la toma de decisiones empresariales.
Este enfoque se extiende más allá de sus productos para hacer que la propia organización sea nativa de la IA. La empresa integró Codex en su proceso de desarrollo y amplió su adopción en toda la organización a través del uso diario.
A medida que la adopción se generalizaba, surgió un nuevo desafío: el control de costos. El uso ilimitado de modelos de alto rendimiento podría aumentar los gastos, mientras que las restricciones generales podrían socavar los beneficios en productividad que la IA había logrado.
¿Cómo podría reducir los costos sin ralentizar el desarrollo? LegalOn Technologies abordó este desafío seleccionando entre GPT‑6 (Astra, Luna) y GPT‑6.1 Sol según la complejidad de la tarea y la etapa de desarrollo, y alineando los presupuestos con la etapa de crecimiento de cada negocio. La empresa redujo los costos a la mitad mientras mantenía la velocidad de desarrollo.
Optimizar los modelos para mantener la velocidad de desarrollo y reducir costos
La empresa inicialmente proporcionó a los desarrolladores acceso ilimitado a su modelo principal, GPT‑5.5, en modo rápido. Expandieron su uso para el diseño, la implementación y el trabajo diario, aprendiendo a través de la experimentación cómo dividir mejor las responsabilidades entre personas y IA.
Sin embargo, continuar utilizando modelos de alto rendimiento sin límites inevitablemente superaría el presupuesto anual. El CoE de Desarrollo impulsado por IA de la empresa comenzó a desarrollar directrices para la selección de modelos. El AID CoE probaba y monitoreaba los modelos, mientras que los gerentes compartían sus hallazgos con sus equipos. Esto permitió que cada ingeniero eligiera de forma independiente el modelo más adecuado para cada tarea.
Asignar modelos adecuados a tareas y distribuir recursos de manera estratégica
Las nuevas directrices cambiaron la forma en que la empresa utiliza el modelo de mayor capacidad para cada tarea, y ahora elige el modelo adecuado para cada trabajo. Los equipos comenzaron con un modelo ligero y pasaron a modelos más capaces a medida que aumentaba la complejidad de las tareas.
Para apoyar la gobernanza, la empresa también introdujo controles de sistema a través de las configuraciones del administrador, con límites de uso mensuales para departamentos y individuos. El AID CoE monitorea el uso y ajusta los límites según las necesidades comerciales.
La prueba interna bajo estos controles ayudó a hacer más específicos los criterios de selección. GPT‑6 Luna, el modelo más ligero, maneja la implementación de código con requisitos claros; GPT‑6.1 Sol admite diseño estándar, análisis de datos y preparación de documentos; y GPT‑6 Astra, el modelo más capaz, maneja juicios avanzados, incluido el diseño de arquitectura. La correspondencia entre modelos y tareas se convirtió gradualmente en una práctica compartida entre los equipos.
Elegir entre tres modelos para diferentes tareas
GPT-6 Luna
Ejecución e implementación diaria; ejecutar automatizaciones cotidianas; delegar tareas y análisis relativamente sencillos; implementación de código, principalmente como subagente.
GPT-6.1 Sol
Diseño y análisis estándar; diseño de software relativamente sencillo; análisis numérico rutinario y creación de documentos; tareas que requieren tiempos de finalización más cortos que con Luna.
GPT-6 Astra
Análisis complejo, diseño y orquestación; análisis complejo y creación de documentos; diseño de software complejo; coordinación de agentes como el orquestador.
Además de la selección de modelos, la empresa comenzó a restringir el modo rápido por defecto, permitiendo solicitudes individuales solo cuando era necesario. Aunque este cambio generó preocupaciones sobre la velocidad de desarrollo, los equipos utilizaron enfoques como ejecutar tareas en paralelo para mantener el rendimiento y transitar de manera fluida.
También se establecieron límites presupuestarios para los gastos en IA a nivel de departamento, grupo y individuo. La empresa LegalOn, que ya estaba establecida, fue solicitada a mejorar la eficiencia costera en aproximadamente el 20%, mientras que las nuevas empresas en fase de lanzamiento recibieron presupuestos generosos para fomentar el uso activo de la IA.
Yuta Tokitake, Gerente de Ingeniería Senior en LegalOn Technologies, explica que las nuevas empresas priorizaron la velocidad de negocio sobre la eficiencia en costos. El objetivo era utilizar ampliamente la IA para aumentar la producción y, en última instancia, impulsar el crecimiento de la empresa.
Juntos, la selección de modelos, las restricciones de características y los presupuestos adaptados a cada negocio redujeron los costos diarios estimados en aproximadamente el 65%. Este enfoque mantuvo el presupuesto general bajo control, al dirigir los recursos hacia los negocios que la empresa quería desarrollar.
Resultados de un vistazo
La optimización del modelo y la asignación estratégica de recursos produjeron los siguientes resultados:
Un cambio en el uso del modelo más capaz para cada tarea, hacia la selección de GPT‑6 Astra, GPT‑6.1 Sol o GPT‑6 Luna, según la complejidad de la tarea y el estado de desarrollo.
El rendimiento de desarrollo se mantiene después de restringir el modo rápido por defecto, con el apoyo de prácticas del equipo como la ejecución paralela de tareas.
Los límites presupuestarios que producen aproximadamente un 20% más de eficiencia en las empresas maduras, con inversiones activas en nuevas empresas.
Un 65% de reducción en los costos diarios estimados en comparación con GPT‑5.5 al elegir entre los modelos GPT‑6 y 6.1.
Medir el verdadero retorno de la inversión en IA a través de la publicación de funciones
A través de la optimización del modelo, la empresa redujo los costos sin sacrificar la velocidad ni la calidad del desarrollo. Los equipos también observan que la IA acorta constantemente el ciclo desde el desarrollo hasta el lanzamiento.
Pero la empresa mira más lejos. ¿El desarrollo más rápido por sí solo hace que la inversión en IA sea un éxito? La relación entre el desarrollo más rápido y el valor para los clientes sigue siendo poco clara. “Es casi seguro que la IA puede acelerar el desarrollo y las actualizaciones de sistemas”, dice Tokitake. “Lo que realmente queremos entender es si ese desarrollo más rápido se traduce en valor para los clientes”.
Esta pregunta motivó a la empresa a desarrollar su propia métrica, cambiando la base para evaluar las inversiones en IA desde la velocidad de desarrollo y el volumen de uso hasta el valor para los clientes.
Tokitake explica: “Al utilizar la IA, podemos rastrear el costo de cada tarea individual, pero el costo total de una obra completa —una liberación de funcionalidad— a menudo sigue siendo un misterio. Por eso diseñamos la medición basándonos en cada liberación de función como una unidad única. Al vincular el valor que esa liberación brinda al cliente con los costos reales de la IA invertidos en ella, nuestro objetivo es hacer que el retorno de la inversión sea visible y preciso”.
La empresa está actualmente construyendo el sistema para calcular esta métrica. Una vez completado, permitirá que el verdadero retorno de la inversión sea visible en términos de valor para los clientes. LegalOn Technologies se está alejando de la gestión de costos de IA hacia una conexión directa entre la inversión tecnológica y el valor empresarial.
Construir una organización y un sistema de gobierno para la era de la IA
El siguiente objetivo es convertir el conocimiento de IA de los ingenieros individuales en una capacidad de alcance organizacional. Como primer paso, la empresa planea construir una base de conocimientos para recopilar y compartir experiencias prácticas. Capturará conocimientos como las mejores combinaciones de modelos para el diseño, la implementación y la revisión, y rápidamente transformará los éxitos individuales en buenas prácticas a nivel de empresa.
Estos cambios, impulsados por la experiencia práctica de los equipos, también están transformando la organización y la contratación. Los aumentos en la productividad impulsados por la IA están llevando a la empresa a repensar fundamentalmente cómo se divide el trabajo entre las personas y la IA, así como sus planes de personal. Ya ha comenzado a dar mayor importancia a las habilidades relacionadas con la IA en la contratación, a medida que su estrategia de inversión y su estructura organizativa evolucionan.
Convertir la adopción de la IA en una ventaja competitiva duradera requiere perfeccionar constantemente el equilibrio entre la gobernanza y la libertad de acción de los equipos. El CoE de AID y el equipo de seguridad trabajan juntos para optimizar el rendimiento, los costos y los riesgos desde múltiples perspectivas, construyendo un marco flexible que respalda la experimentación en toda la organización.
Las restricciones excesivas a través de reglas y presupuestos pueden socavar el impulso de una organización. Lo que necesitamos es un modelo operativo flexible que equilibre efectivamente el control de riesgos con la velocidad que necesitan los equipos.Yuta Tokitake, Gerente de Ingeniería Senior, LegalOn Technologies