LegalOn تخفض تكاليف Codex للنصف دون إبطاء التطوير
خفضت LegalOn التكاليف بنسبة 65% مع الحفاظ على سرعة التطوير، من خلال مواءمة Astra وSol وLuna مع المهام وإدارة الميزانيات استراتيجيًا.
النتائج
-20%
خفض التكاليف في مجالات الأعمال الراسخة
النتائج
-65%
انخفاض التكاليف اليومية المقدّرة
تقدّم LegalOn Technologies حلول ذكاء اصطناعي مهنية على مستوى العالم، لدعم العمل القانوني وغيره من وظائف الأعمال الأساسية. ومن خلال الجمع بين الخبرة المتخصصة والذكاء الاصطناعي، تتيح للأفراد التركيز على التقديرات والقرارات المعقّدة. وتهدف إلى إرساء إدارة تعتمد على الذكاء الاصطناعي لتحسين جودة قرارات الأعمال وتسريع اتخاذها.
ولا يقتصر هذا النهج على منتجاتها، بل يمتد إلى جعل الذكاء الاصطناعي ركيزة أساسية في عمل المؤسسة نفسها. أدمجت الشركة Codex في عملية التطوير، ووسّعت نطاق اعتماده في مختلف أقسامها من خلال الاستخدام اليومي.
ومع ترسّخ استخدامه، برز تحدٍّ جديد: ضبط التكاليف. فالاستخدام غير المحدود للنماذج عالية الأداء قد يرفع الإنفاق، بينما قد تقوّض القيود الشاملة مكاسب الإنتاجية التي أتاحها الذكاء الاصطناعي.
فكيف يمكن خفض التكاليف دون إبطاء التطوير؟ واجهت LegalOn Technologies هذا التحدي بالاختيار بين GPT‑6 (Astra وLuna) وGPT‑6.1 Sol وفقًا لتعقيد المهمة ومرحلة التطوير، ومواءمة الميزانيات مع مرحلة نمو كل نشاط تجاري. ونجحت الشركة في خفض التكاليف إلى النصف مع الحفاظ على سرعة التطوير.
أتاحت الشركة للمطورين في البداية استخدام نموذجها الرئيسي GPT‑5.5 في الوضع السريع دون قيود. ووسّع المطورون استخدامه ليشمل التصميم والتنفيذ والعمل اليومي، وتعلّموا بالتجربة أفضل السبل لتوزيع المسؤوليات بين الأفراد والذكاء الاصطناعي.
لكن الاستمرار في استخدام النماذج عالية الأداء دون حدود كان سيؤدي حتمًا إلى تجاوز الميزانية السنوية. لذا بدأ مركز التميّز في التطوير المدعوم بالذكاء الاصطناعي (AID CoE) في الشركة بوضع إرشادات لاختيار النماذج. اختبر المركز النماذج وراقب أداءها، فيما شارك المديرون نتائجه مع فرقهم. وأتاح ذلك لكل مهندس اختيار النموذج الأنسب لكل مهمة بصورة مستقلة.
نقلت الإرشادات الجديدة الشركة من استخدام النموذج الأعلى قدرة لكل مهمة إلى اختيار النموذج المناسب للعمل المطلوب. بدأت الفرق بنموذج خفيف، وانتقلت إلى نماذج أعلى قدرة كلما ازدادت المهام تعقيدًا.
ولدعم الحوكمة، أضافت الشركة أيضًا ضوابط للنظام عبر إعدادات المسؤول، مع حدود استخدام شهرية للأقسام والأفراد. يراقب مركز AID CoE الاستخدام ويعدّل الحدود بحسب احتياجات الأعمال.
وساعدت الاختبارات الداخلية في ظل هذه الضوابط على تحديد معايير الاختيار بدقة أكبر. يتولى GPT‑6 Luna، أخف النماذج، كتابة الشيفرة عندما تكون المتطلبات واضحة؛ ويدعم GPT‑6.1 Sol مهام التصميم المعتادة وتحليل البيانات وإعداد المستندات؛ أما GPT‑6 Astra، وهو النموذج الأعلى قدرة، فيتولى المهام التي تتطلب تقديرًا متقدمًا، ومنها تصميم بنية الأنظمة. وأصبحت مواءمة النماذج مع المهام تدريجيًا ممارسة مشتركة بين الفرق.
GPT-6 Luna
Everyday execution and implementation; running everyday automations; delegating relatively simple tasks and analysis; code implementation, mainly as a subagent.
GPT-6.1 Sol
Standard design and analysis; relatively simple software design; routine numerical analysis and document creation; tasks requiring shorter completion times than with Luna.
GPT-6 Astra
Complex analysis, design, and orchestration; complex analysis and document creation; complex software design; coordinating agents as the orchestrator.
إلى جانب اختيار النماذج، بدأت الشركة بتقييد الوضع السريع افتراضيًا، مع السماح باستخدامه بناءً على طلبات فردية عند الحاجة فقط. ورغم المخاوف التي أثارها التغيير بشأن سرعة التطوير، اتبعت الفرق أساليب مثل تنفيذ المهام بالتوازي للحفاظ على الأداء وضمان انتقال سلس.
ووضعت الشركة أيضًا سقوفًا لميزانيات الإنفاق على الذكاء الاصطناعي على مستوى الأقسام والمجموعات والأفراد. وطُلب من نشاط LegalOn الراسخ تحسين كفاءة التكاليف بنسبة تصل إلى نحو 20%، فيما خُصصت ميزانيات سخية للأنشطة الجديدة في مرحلة الإطلاق، لتشجيع الاستخدام المكثّف للذكاء الاصطناعي.
ويوضح يوتا توكيتاكي، مدير أول للهندسة في LegalOn Technologies، أن الأنشطة الجديدة أعطت الأولوية لسرعة العمل على كفاءة التكاليف. وكان الهدف استخدام الذكاء الاصطناعي على نطاق واسع لزيادة الإنتاج، بما يدفع نمو الأعمال في نهاية المطاف.
وأدّى الجمع بين اختيار النماذج وتقييد الميزات وتخصيص الميزانيات بحسب كل نشاط إلى خفض التكاليف اليومية المقدّرة بنحو 65%. وأبقى هذا النهج الميزانية الإجمالية تحت السيطرة، مع توجيه الموارد نحو الأنشطة التي أرادت الشركة تنميتها.
أثمر تحسين استخدام النماذج والتخصيص الاستراتيجي للموارد النتائج التالية:
الانتقال من استخدام النموذج الأعلى قدرة لكل مهمة إلى اختيار GPT‑6 Astra أو GPT‑6.1 Sol أو GPT‑6 Luna بحسب تعقيد المهمة ومرحلة التطوير.
الحفاظ على أداء التطوير بعد تقييد الوضع السريع افتراضيًا، بدعم من ممارسات الفرق مثل تنفيذ المهام بالتوازي.
وضع سقوف للميزانيات تجمع بين رفع الكفاءة بنحو 20% في الأنشطة الراسخة والاستثمار النشط في الأنشطة الجديدة.
خفض التكاليف اليومية المقدّرة بنسبة 65% مقارنةً باستخدام GPT‑5.5، من خلال الاختيار بين نماذج GPT‑6 و6.1.
بفضل تحسين استخدام النماذج، خفضت الشركة التكاليف دون التضحية بسرعة التطوير أو جودته. وتلاحظ الفرق أيضًا أن الذكاء الاصطناعي يقلّص باستمرار المدة من التطوير إلى الإصدار.
لكن الشركة تتطلع إلى ما هو أبعد من ذلك. هل تكفي زيادة سرعة التطوير وحدها لاعتبار الاستثمار في الذكاء الاصطناعي ناجحًا؟ فالعلاقة بين تسريع التطوير والقيمة المقدّمة للعملاء ظلّت غير واضحة. يقول توكيتاكي: «بات من المسلّم به تقريبًا أن الذكاء الاصطناعي قادر على تسريع تطوير الأنظمة وتحديثها». «ما نريد فهمه حقًا هو ما إذا كانت هذه السرعة في التطوير تتحوّل فعلًا إلى قيمة للعملاء».
دفع هذا السؤال الشركة إلى ابتكار مقياس خاص بها، لتنقل أساس تقييم الاستثمار في الذكاء الاصطناعي من سرعة التطوير وحجم الاستخدام إلى القيمة المقدّمة للعملاء.
ويوضح توكيتاكي: «عند استخدام الذكاء الاصطناعي، يمكننا تتبّع تكلفة كل مهمة على حدة، لكن التكلفة الإجمالية لعمل متكامل، أي إطلاق ميزة، غالبًا ما تبقى مجهولة. لذلك صمّمنا القياس على أساس اعتبار إطلاق كل ميزة وحدة واحدة. ومن خلال ربط القيمة التي يقدّمها هذا الإطلاق للعملاء بالتكاليف الفعلية للذكاء الاصطناعي المستخدم فيه، نسعى إلى إظهار العائد على الاستثمار بوضوح ودقة».
وتعمل الشركة حاليًا على بناء مسار معالجة البيانات اللازم لحساب هذا المقياس. وعند اكتماله، سيكشف العائد الحقيقي على الاستثمار من حيث القيمة المقدّمة للعملاء. تتجاوز LegalOn Technologies إدارة تكاليف الذكاء الاصطناعي نحو الربط المباشر بين الاستثمار التقني والقيمة المحققة للأعمال.
الهدف التالي هو تحويل خبرات المهندسين الفردية في الذكاء الاصطناعي إلى قدرة مؤسسية شاملة. وكخطوة أولى، تخطط الشركة لبناء قاعدة معرفية لجمع الخبرات العملية ومشاركتها. ستوثّق القاعدة معارف مثل أفضل توليفات النماذج للتصميم والتنفيذ والمراجعة، لتحوّل النجاحات الفردية سريعًا إلى أفضل ممارسات على مستوى الشركة.
وتنعكس هذه التغييرات، المستمدة من الخبرة العملية للفرق، على تنظيم الشركة والتوظيف فيها أيضًا. تدفع مكاسب الإنتاجية التي يحققها الذكاء الاصطناعي الشركة إلى إعادة التفكير جذريًا في كيفية توزيع العمل بين الأفراد والذكاء الاصطناعي، وكذلك في خطط القوى العاملة. وقد بدأت بالفعل بإعطاء أهمية لمهارات الذكاء الاصطناعي عند التوظيف، بالتزامن مع تطوّر استراتيجيتها الاستثمارية وهيكلها التنظيمي.
يتطلب تحويل اعتماد الذكاء الاصطناعي إلى ميزة تنافسية مستدامة مواصلة تحسين التوازن بين الحوكمة وحرية الفرق في العمل. ويتعاون مركز AID CoE وفريق الأمن لتحسين الأداء والتكلفة وإدارة المخاطر من جوانب متعددة، وبناء إطار مرن يدعم التجريب في مختلف أقسام المؤسسة.
«قد تؤدي القيود المفرطة التي تفرضها القواعد والميزانيات إلى إضعاف زخم المؤسسة. ما نحتاج إليه هو نموذج تشغيلي مرن يوازن بفعالية بين ضبط المخاطر والسرعة التي تحتاج إليها الفرق».
