लीगलऑन: विकास की गति कायम, Codex की लागत आधी
लीगलऑन ने काम के अनुसार Astra, Sol और Luna चुनकर और बजट का रणनीतिक प्रबंधन करके विकास की गति बनाए रखते हुए लागत 65% घटाई.
परिणाम
-20%
स्थापित व्यावसायिक क्षेत्रों में लागत में कमी
परिणाम
-65%
अनुमानित दैनिक लागत में कमी
लीगलऑन टेक्नोलॉजीज़ दुनिया भर में प्रोफ़ेशनल एआई उपलब्ध कराती है. यह कानूनी काम और अन्य प्रमुख व्यावसायिक कार्यों में एआई से मदद देती है. क्षेत्र-विशेष की विशेषज्ञता को एआई से जोड़कर, यह लोगों को जटिल मामलों के आकलन और निर्णयों पर ध्यान देने में सक्षम बनाती है. इसका लक्ष्य एआई-संचालित प्रबंधन है, जो व्यावसायिक निर्णयों की गुणवत्ता और गति बढ़ाए.
यह दृष्टिकोण उत्पादों तक सीमित नहीं है; इसके तहत पूरे संगठन के कामकाज के मूल में एआई को लाया जा रहा है. कंपनी ने Codex को अपनी विकास प्रक्रिया में जोड़ा और रोज़मर्रा के इस्तेमाल से पूरे संगठन में इसका उपयोग बढ़ाया.
जैसे-जैसे इसका उपयोग बढ़ा, एक नई चुनौती सामने आई: लागत पर नियंत्रण. उच्च प्रदर्शन वाले मॉडलों का असीमित उपयोग खर्च बढ़ा सकता था, जबकि सब पर एक जैसी पाबंदियाँ लगाने से एआई से मिली उत्पादकता की बढ़त घटने का जोखिम था.
विकास की गति धीमी किए बिना लागत कैसे घटाई जाए? इस चुनौती से निपटने के लिए लीगलऑन टेक्नोलॉजीज़ ने काम की जटिलता और विकास के चरण के आधार पर GPT‑6 (Astra, Luna) और GPT‑6.1 Sol में से मॉडल चुने. साथ ही, हर व्यवसाय की वृद्धि के चरण के अनुसार बजट तय किया. कंपनी ने विकास की गति बनाए रखते हुए लागत आधी कर दी.
शुरुआत में कंपनी ने डेवलपरों को अपने मुख्य मॉडल GPT‑5.5 का तेज़ मोड में असीमित उपयोग करने दिया. उन्होंने डिज़ाइन, कार्यान्वयन और रोज़मर्रा के कामों में इसका उपयोग बढ़ाया. प्रयोग करके सीखा कि लोगों और एआई के बीच ज़िम्मेदारियाँ सबसे अच्छे ढंग से कैसे बाँटी जाएँ.
लेकिन उच्च प्रदर्शन वाले मॉडलों का असीमित उपयोग जारी रखने से खर्च सालाना बजट से अधिक होना तय था. कंपनी के एआई-संचालित विकास उत्कृष्टता केंद्र (एआईडी सीओई) ने मॉडल चयन के दिशानिर्देश बनाने शुरू किए. एआईडी सीओई ने मॉडलों का परीक्षण और निगरानी की, जबकि प्रबंधकों ने इसके निष्कर्ष अपनी टीमों के साथ साझा किए. इससे हर इंजीनियर स्वयं प्रत्येक काम के लिए सबसे उपयुक्त मॉडल चुन सका.
नए दिशानिर्देशों के तहत कंपनी हर काम के लिए सबसे सक्षम मॉडल इस्तेमाल करने के बजाय उस काम के लिए सही मॉडल चुनने लगी. टीमें हल्के मॉडल से शुरुआत करतीं और काम की जटिलता बढ़ने पर अधिक सक्षम मॉडल अपनातीं.
संचालन पर निगरानी मज़बूत करने के लिए कंपनी ने प्रशासक सेटिंग के ज़रिए प्रणाली में नियंत्रण भी लागू किए और विभागों व व्यक्तियों के लिए मासिक उपयोग सीमाएँ तय कीं. एआईडी सीओई उपयोग की निगरानी करता है और व्यावसायिक ज़रूरतों के अनुसार सीमाएँ बदलता है.
इन नियंत्रणों के तहत आंतरिक परीक्षण से चयन के मानदंड और स्पष्ट करने में मदद मिली. सबसे हल्का मॉडल GPT‑6 Luna स्पष्ट ज़रूरतों के अनुसार कोड लिखता है; GPT‑6.1 Sol सामान्य डिज़ाइन, डेटा विश्लेषण और दस्तावेज़ तैयार करने में मदद करता है; और सबसे सक्षम मॉडल GPT‑6 Astra प्रणाली की संरचना के डिज़ाइन सहित जटिल निर्णयों वाले काम संभालता है. धीरे-धीरे सभी टीमों में काम के अनुसार मॉडल चुनने का तरीका अपनाया जाने लगा.
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.
मॉडल चयन के साथ ही कंपनी ने तेज़ मोड को सामान्यतः प्रतिबंधित कर दिया और ज़रूरत होने पर ही व्यक्तिगत अनुरोधों को मंज़ूरी देने लगी. इस बदलाव से विकास की गति को लेकर चिंताएँ उठीं, लेकिन टीमों ने काम समानांतर रूप से चलाने जैसे तरीके अपनाकर प्रदर्शन बनाए रखा और बदलाव को सहज बनाया.
कंपनी ने विभाग, समूह और व्यक्ति के स्तर पर एआई खर्च के लिए बजट सीमाएँ भी तय कीं. लीगलऑन के स्थापित व्यवसाय से लागत दक्षता में लगभग 20% तक सुधार करने को कहा गया. वहीं, शुरुआती चरण के नए व्यवसायों को एआई का सक्रिय उपयोग बढ़ाने के लिए भरपूर बजट मिला.
लीगलऑन टेक्नोलॉजीज़ के वरिष्ठ इंजीनियरिंग प्रबंधक यूता तोकिताके बताते हैं कि नए व्यवसायों ने लागत दक्षता से ज़्यादा व्यावसायिक कामकाज की गति को प्राथमिकता दी. उद्देश्य था एआई का व्यापक उपयोग करके काम का उत्पादन बढ़ाना और अंततः व्यवसाय को आगे बढ़ाना.
मॉडल चयन, सुविधाओं पर पाबंदियों और हर व्यवसाय के अनुरूप बजट से कुल मिलाकर अनुमानित दैनिक लागत लगभग 65% घट गई. इस तरीके से कुल बजट नियंत्रण में रहा और संसाधन उन व्यवसायों को मिले जिन्हें कंपनी बढ़ाना चाहती थी.
मॉडलों के बेहतर उपयोग और संसाधनों के रणनीतिक आवंटन से ये परिणाम मिले:
हर काम के लिए सबसे सक्षम मॉडल इस्तेमाल करने के बजाय, काम की जटिलता और विकास के चरण के अनुसार GPT‑6 Astra, GPT‑6.1 Sol या GPT‑6 Luna चुना जाने लगा.
तेज़ मोड को सामान्यतः प्रतिबंधित करने के बाद भी विकास का प्रदर्शन कायम रहा. इसमें टीमों के समानांतर काम चलाने जैसे तरीकों ने मदद की.
बजट सीमाओं से स्थापित व्यवसायों में लगभग 20% अधिक दक्षता हासिल हुई, जबकि नए व्यवसायों में सक्रिय निवेश जारी रहा.
GPT‑6 और 6.1 मॉडलों में से उपयुक्त मॉडल चुनकर GPT‑5.5 के मुकाबले अनुमानित दैनिक लागत में 65% कमी आई.
मॉडलों के बेहतर उपयोग से कंपनी ने विकास की गति या गुणवत्ता से समझौता किए बिना लागत घटाई. टीमें यह भी देख रही हैं कि एआई की मदद से विकास शुरू होने से लेकर उसे जारी करने तक का समय लगातार घट रहा है.
लेकिन कंपनी की नज़र इससे भी आगे है. क्या सिर्फ़ विकास तेज़ होने से एआई में निवेश सफल माना जा सकता है? तेज़ विकास और ग्राहकों को मिलने वाले लाभ के बीच संबंध अब भी स्पष्ट नहीं था. तोकिताके कहते हैं, “यह लगभग तय है कि एआई प्रणाली के विकास और उसे अद्यतन करने में तेज़ी ला सकता है.” “हम असल में यह समझना चाहते हैं कि क्या इस तेज़ विकास से ग्राहकों को वाकई लाभ मिलता है.”
इस सवाल ने कंपनी को अपना मापदंड बनाने के लिए प्रेरित किया. एआई निवेश के मूल्यांकन का आधार विकास की गति और उपयोग की मात्रा के बजाय ग्राहकों को मिलने वाला लाभ बन गया.
तोकिताके बताते हैं: “एआई का उपयोग करते समय हम अलग-अलग कामों की लागत माप सकते हैं, लेकिन पूरा काम करने—यानी कोई सुविधा जारी करने—की कुल लागत अक्सर स्पष्ट नहीं होती. इसलिए हमने हर सुविधा को जारी करने के पूरे काम को एक इकाई मानकर मापन का तरीका बनाया. इससे ग्राहक को मिले लाभ को उसमें लगी वास्तविक एआई लागत से जोड़कर हम निवेश के प्रतिफल की स्पष्ट और सटीक तस्वीर पाना चाहते हैं.”
कंपनी फ़िलहाल इस मापदंड की गणना के लिए डेटा प्रसंस्करण की व्यवस्था बना रही है. यह तैयार होने पर ग्राहकों को मिले लाभ के रूप में निवेश का वास्तविक प्रतिफल दिखाएगी. लीगलऑन टेक्नोलॉजीज़ एआई की लागत सँभालने से आगे बढ़कर प्रौद्योगिकी में निवेश को सीधे व्यावसायिक लाभ से जोड़ रही है.
अगला लक्ष्य है अलग-अलग इंजीनियरों के एआई ज्ञान को पूरे संगठन की क्षमता में बदलना. पहले कदम के तौर पर कंपनी व्यावहारिक अनुभव जुटाने और साझा करने के लिए एक ज्ञान भंडार बनाने की योजना बना रही है. इसमें डिज़ाइन, कार्यान्वयन और समीक्षा के लिए मॉडलों के सर्वोत्तम संयोजन जैसी जानकारी दर्ज होगी. इससे व्यक्तिगत सफलताओं को जल्दी ही पूरी कंपनी की श्रेष्ठ कार्यप्रणालियों में बदला जा सकेगा.
टीमों के व्यावहारिक अनुभव से उपजे ये बदलाव संगठन और भर्ती को भी नया रूप दे रहे हैं. एआई से बढ़ती उत्पादकता के कारण कंपनी लोगों और एआई के बीच काम के बँटवारे तथा कर्मचारियों की संख्या व भूमिकाओं से जुड़ी योजनाओं पर नए सिरे से विचार कर रही है. निवेश की रणनीति और संगठनात्मक ढाँचे में बदलाव के साथ, कंपनी ने भर्ती में एआई कौशल पर ज़ोर देना शुरू कर दिया है.
एआई अपनाने को स्थायी प्रतिस्पर्धात्मक बढ़त में बदलने के लिए संचालन पर निगरानी और टीमों की कार्य-स्वतंत्रता के बीच संतुलन लगातार बेहतर करना ज़रूरी है. एआईडी सीओई और सुरक्षा टीम मिलकर अलग-अलग नज़रियों से प्रदर्शन, लागत और जोखिम का बेहतर संतुलन बना रहे हैं. वे एक लचीला ढाँचा तैयार कर रहे हैं, जो पूरे संगठन में प्रयोग करने में मदद करे.
“नियमों और बजट के ज़रिए ज़रूरत से ज़्यादा पाबंदियाँ लगाने से संगठन की रफ़्तार धीमी पड़ सकती है. हमें कामकाज का ऐसा लचीला ढाँचा चाहिए, जो जोखिम नियंत्रण और टीमों के लिए ज़रूरी गति के बीच कारगर संतुलन बनाए.”
