LegalOn poolitab Codexi kulud arendustempot aeglustamata

LegalOn Technologies pakub kogu maailmas professionaalseks tööks mõeldud tehisintellekti, mis toetab õigustööd ja muid olulisi ärifunktsioone. Valdkonnateadmisi tehisintellektiga ühendades võimaldab ettevõte inimestel keskenduda keerukatele hinnangutele ja otsustele. Eesmärk on tehisintellektil põhinev juhtimine, mis parandab äriotsuste kvaliteeti ja kiirendab nende tegemist.

See lähenemine ei piirdu toodetega: ka organisatsioon ise kujundatakse algusest peale tehisintellektile toetuvaks. Ettevõte lõimis Codexi oma arendusprotsessi ning laiendas selle igapäevast kasutust kogu organisatsioonis.

Kui kasutamine juurdus, kerkis uus ülesanne: kulude kontrolli all hoidmine. Võimekate mudelite piiramatu kasutamine võis kulusid kasvatada, kuid üldised piirangud ähvardasid kahandada tehisintellektiga saavutatud tootlikkuse kasvu.

Kuidas vähendada kulusid arendust aeglustamata? LegalOn Technologies lahendas selle, valides mudelite GPT‑6 (Astra, Luna) ja GPT‑6.1 Sol vahel ülesande keerukuse ja arendusetapi järgi ning kohandades eelarveid iga ärivaldkonna kasvuetapile. Ettevõte poolitas kulud, säilitades arendustempo.

Algul said arendajad piiramatult kasutada ettevõtte põhimudelit GPT‑5.5 kiirrežiimis. Nad laiendasid selle kasutust kavandamisele, teostusele ja igapäevatööle, õppides katsetuste kaudu, kuidas inimeste ja tehisintellekti vahel ülesandeid kõige paremini jagada.

Võimekate mudelite edasine piiramatu kasutamine oleks aga paratamatult ületanud aastaeelarve. Ettevõtte tehisintellektipõhise arenduse kompetentsikeskus (AID CoE) asus koostama mudelivaliku juhiseid. AID CoE katsetas ja jälgis mudeleid ning juhid jagasid saadud tulemusi oma tiimidega. Nii sai iga insener iseseisvalt valida igaks ülesandeks sobivaima mudeli.

Uute juhistega loobus ettevõte kõige võimekama mudeli kasutamisest iga ülesande jaoks ning hakkas valima tööle sobivat mudelit. Tiimid alustasid kergemast mudelist ning läksid ülesande keerukuse kasvades üle võimekamatele mudelitele.

Kasutuse haldamiseks seadis ettevõte administraatorisätete kaudu ka süsteemsed piirangud, kehtestades osakondadele ja üksikkasutajatele igakuised kasutuslimiidid. AID CoE jälgib kasutust ja kohandab limiite ärivajaduste järgi.

Nende piirangute raames tehtud sisekatsetused aitasid valikukriteeriume täpsustada. Kõige kergem mudel GPT‑6 Luna sobib selgete nõuetega koodi kirjutamiseks; GPT‑6.1 Sol toetab tavapärast kavandamist, andmeanalüüsi ja dokumentide koostamist; kõige võimekam mudel GPT‑6 Astra tuleb toime keerukate otsustusülesannetega, sealhulgas arhitektuuri kavandamisega. Ülesandele sobiva mudeli valimisest sai järk-järgult tiimide ühine töövõte.

Lisaks mudelivalikule hakkas ettevõte vaikimisi piirama kiirrežiimi kasutust, lubades seda vaid vajaduse korral eraldi taotluse alusel. Kuigi muudatus tekitas muret arendustempo pärast, kasutasid tiimid jõudluse säilitamiseks ja sujuvaks üleminekuks näiteks ülesannete paralleelset täitmist.

Ettevõte kehtestas tehisintellektikuludele ka eelarvelised ülempiirid osakonna, rühma ja üksikisiku tasandil. Väljakujunenud LegalOni ärilt oodati kulutõhususe parandamist kuni ligikaudu 20%, samal ajal said käivitusjärgus uued ärid helded eelarved, et soodustada tehisintellekti aktiivset kasutamist.

LegalOn Technologiesi vanemarendusjuht Yuta Tokitake selgitab, et uutes ärides peeti kulutõhususest tähtsamaks kiiret tegutsemist. Eesmärk oli kasutada tehisintellekti laialdaselt, et rohkem ära teha ja seeläbi äri kasvatada.

Mudelivalik, funktsioonide piirangud ja iga äri vajadustele kohandatud eelarved vähendasid üheskoos hinnangulisi päevakulusid ligikaudu 65%. Nii püsis kogueelarve kontrolli all ning ressursid suunati äridesse, mida ettevõte soovis kasvatada.

Mudelivaliku optimeerimine ja ressursside strateegiline jaotamine andsid järgmised tulemused:

• Kõige võimekama mudeli kasutamise asemel igas ülesandes valitakse nüüd GPT‑6 Astra, GPT‑6.1 Sol või GPT‑6 Luna vastavalt ülesande keerukusele ja arendusetapile.

• Pärast kiirrežiimi vaikimisi piiramist säilis arenduse jõudlus tänu tiimide töövõtetele, näiteks ülesannete paralleelsele täitmisele.

• Eelarve ülempiirid ühendasid väljakujunenud äride ligikaudu 20% suurema tõhususe aktiivsete investeeringutega uutesse äridesse.

• GPT‑6 ja 6.1 mudelite vahel valimine vähendas hinnangulisi päevakulusid GPT‑5.5‑ga võrreldes 65%.

Mudelivaliku optimeerimisega vähendas ettevõte kulusid arendustempos või kvaliteedis järeleandmisi tegemata. Tiimid näevad ka, et tehisintellekt lühendab järjepidevalt teekonda arendusest väljalaskeni.

Kuid ettevõte vaatab kaugemale. Kas ainuüksi kiirem arendus tähendab, et investeering tehisintellekti on õnnestunud? Kiirema arenduse ja kliendile loodava väärtuse seos jäi ebaselgeks. „On peaaegu enesestmõistetav, et tehisintellekt saab süsteemide arendamist ja uuendamist kiirendada,“ ütleb Tokitake. „Me tahame tegelikult mõista, kas kiirem arendus loob ka klientidele väärtust.“

See küsimus ajendas ettevõtet looma oma mõõdikut, et hinnata tehisintellektiinvesteeringuid arendustempo ja kasutusmahu asemel kliendile loodava väärtuse alusel.

Tokitake selgitab: „Tehisintellekti kasutades saame jälgida üksikute ülesannete maksumust, kuid tervikliku töö ehk funktsiooni väljalaske kogukulu jääb sageli teadmata. Seetõttu võtsime mõõtmisel ühikuks iga funktsiooni väljalaske. Sidudes väljalaske kliendiväärtuse selleks tehtud tegelike tehisintellektikuludega, tahame investeeringutasuvuse nähtavaks teha ja seda täpselt mõõta.“

Ettevõte ehitab praegu selle mõõdiku arvutamiseks vajalikku andmetöötlusahelat. Kui see valmib, muutub nähtavaks tegelik investeeringutasuvus kliendiväärtuse seisukohast. LegalOn Technologies liigub tehisintellektikulude haldamisest edasi tehnoloogiainvesteeringute ja ärilise väärtuse otsese seostamise poole.

Järgmine eesmärk on muuta üksikute inseneride tehisintellektialased oskused kogu organisatsiooni võimekuseks. Esimese sammuna plaanib ettevõte luua teadmusbaasi praktiliste kogemuste kogumiseks ja jagamiseks. Sinna koondatakse näiteks parimad mudelikombinatsioonid kavandamiseks, teostuseks ja ülevaatuseks, et üksikisikute õnnestumistest saaks kiiresti kogu ettevõtte head tavad.

Need tiimide praktilisest kogemusest lähtuvad muutused kujundavad ka organisatsiooni ja värbamist. Tehisintellektist tulenev tootlikkuse kasv ajendab ettevõtet põhjalikult ümber mõtestama nii inimeste ja tehisintellekti tööjaotust kui ka personaliplaane. Investeerimisstrateegia ja organisatsioonistruktuuri arenedes on ettevõte juba hakanud värbamisel rõhutama tehisintellektioskusi.

Et tehisintellekti kasutuselevõtt annaks püsiva konkurentsieelise, tuleb pidevalt täiustada tasakaalu juhtimise ja tiimide tegutsemisvabaduse vahel. AID CoE ja turbetiim teevad koostööd, et optimeerida eri vaatenurkadest jõudlust, kulusid ja riske ning luua paindlik raamistik, mis toetab katsetamist kogu organisatsioonis.