„LegalOn“ perpus mažina „Codex“ sąnaudas, nelėtindama kūrimo

„LegalOn Technologies“ visame pasaulyje siūlo profesionalams skirtus DI sprendimus, padedančius atlikti teisinį darbą ir kitas svarbiausias verslo funkcijas. Derindama dalykines žinias su DI, įmonė leidžia žmonėms susitelkti į sudėtingų klausimų vertinimą ir sprendimų priėmimą. Jos tikslas – DI grindžiamas valdymas, padedantis priimti geresnius ir greitesnius verslo sprendimus.

Šis požiūris apima ne tik produktus: siekiama, kad DI taptų ir pačios organizacijos veiklos pagrindu. Įmonė integravo „Codex“ į programinės įrangos kūrimo procesą, o kasdienis naudojimas padėjo jį plačiau pritaikyti visoje organizacijoje.

Naudojimui įsibėgėjus, iškilo naujas iššūkis – sąnaudų kontrolė. Neribotai naudojant itin pajėgius modelius, išlaidos galėjo augti, o visuotiniai ribojimai kėlė grėsmę DI suteiktam našumo prieaugiui.

Kaip sumažinti sąnaudas nesulėtinant kūrimo? „LegalOn Technologies“ šį iššūkį sprendė rinkdamasi GPT‑6 („Astra“, „Luna“) ir GPT‑6.1 Sol pagal užduoties sudėtingumą bei kūrimo etapą ir derindama biudžetus prie kiekvienos verslo srities augimo etapo. Įmonė perpus sumažino sąnaudas ir išlaikė kūrimo spartą.

Iš pradžių įmonė leido programuotojams neribotai naudoti pagrindinį modelį GPT‑5.5, įjungus spartųjį režimą. Jie pradėjo jį naudoti projektavimui, įgyvendinimui ir kasdieniam darbui, eksperimentuodami mokėsi, kaip geriausiai paskirstyti atsakomybes tarp žmonių ir DI.

Tačiau ir toliau neribotai naudojant itin pajėgius modelius, metinis biudžetas neišvengiamai būtų viršytas. Įmonės DI grindžiamo kūrimo kompetencijų centras (AID CoE) pradėjo rengti modelių pasirinkimo gaires. AID CoE testavo ir stebėjo modelius, o vadovai dalijosi centro išvadomis su savo komandomis. Tai leido kiekvienam inžinieriui savarankiškai pasirinkti tinkamiausią modelį kiekvienai užduočiai.

Vadovaudamasi naujomis gairėmis, įmonė atsisakė praktikos visoms užduotims naudoti pajėgiausią modelį ir pradėjo rinktis konkrečiam darbui tinkamą modelį. Komandos pradėdavo nuo mažiau išteklių reikalaujančio modelio, o užduotims sudėtingėjant pereidavo prie pajėgesnių.

Valdymui sustiprinti įmonė taip pat įdiegė sistemines kontrolės priemones administratoriaus nustatymuose ir nustatė mėnesio naudojimo limitus padaliniams bei darbuotojams. AID CoE stebi naudojimą ir koreguoja limitus pagal verslo poreikius.

Vidiniai bandymai taikant šias kontrolės priemones padėjo sukonkretinti pasirinkimo kriterijus. Mažiausiai išteklių reikalaujantis modelis GPT‑6 Luna rašo kodą pagal aiškius reikalavimus; GPT‑6.1 Sol padeda atlikti įprastus projektavimo, duomenų analizės ir dokumentų rengimo darbus; pajėgiausias modelis GPT‑6 Astra sprendžia sudėtingus klausimus, įskaitant architektūros projektavimą. Modelių parinkimas pagal užduotis pamažu tapo bendra komandų praktika.

Be modelių parinkimo, įmonė pradėjo pagal numatytąją nuostatą riboti spartųjį režimą ir leisti jį naudoti tik esant poreikiui, pateikus individualų prašymą. Nors pokytis kėlė nerimą dėl kūrimo spartos, komandos taikė tokius metodus kaip lygiagretus užduočių vykdymas, kad išlaikytų našumą ir sklandžiai prisitaikytų.

Įmonė taip pat nustatė DI išlaidų ribas padalinių, grupių ir atskirų darbuotojų lygmenimis. Įsitvirtinusiai „LegalOn“ verslo sričiai iškeltas tikslas padidinti sąnaudų efektyvumą iki maždaug 20 %, o naujoms, dar tik pradedamoms verslo sritims skirti dosnūs biudžetai, skatinantys aktyviai naudoti DI.

„LegalOn Technologies“ vyresnysis inžinerijos vadovas Yuta Tokitake aiškina, kad naujose verslo srityse pirmenybė teikta veiklos spartai, o ne sąnaudų efektyvumui. Siekta plačiai naudoti DI, kad būtų atlikta daugiau darbo ir galiausiai skatinamas verslo augimas.

Modelių parinkimas, funkcijų ribojimai ir kiekvienai verslo sričiai pritaikyti biudžetai kartu sumažino numatomas dienos sąnaudas maždaug 65 %. Šis požiūris leido kontroliuoti bendrą biudžetą ir kartu nukreipti išteklius į verslo sritis, kurias įmonė norėjo plėtoti.

Modelių optimizavimas ir strateginis išteklių paskirstymas davė šiuos rezultatus:

• Užuot kiekvienai užduočiai naudojus pajėgiausią modelį, pradėta rinktis GPT‑6 Astra, GPT‑6.1 Sol arba GPT‑6 Luna pagal užduoties sudėtingumą ir kūrimo etapą.

• Pagal numatytąją nuostatą apribojus spartųjį režimą, kūrimo našumas išlaikytas taikant tokias komandų praktikas kaip lygiagretus užduočių vykdymas.

• Biudžeto ribos leido suderinti maždaug 20 % didesnį efektyvumą brandžiose verslo srityse su aktyviomis investicijomis į naujas.

• Renkantis iš GPT‑6 ir 6.1 modelių, numatomos dienos sąnaudos sumažėjo 65 %, palyginti su GPT‑5.5 naudojimu.

Optimizuodama modelius, įmonė sumažino sąnaudas neaukodama kūrimo spartos ar kokybės. Komandos taip pat pastebi, kad DI nuosekliai trumpina ciklą nuo kūrimo iki išleidimo.

Tačiau įmonė žvelgia toliau. Ar vien spartesnis kūrimas reiškia, kad investicijos į DI pasiteisino? Ryšys tarp spartesnio kūrimo ir vertės klientams liko neaiškus. „Beveik savaime suprantama, kad DI gali paspartinti sistemų kūrimą ir atnaujinimą“, – sako Tokitake. „Iš tiesų norime suprasti, ar spartesnis kūrimas iš tikrųjų virsta verte klientams.“

Šis klausimas paskatino įmonę sukurti savą rodiklį: investicijas į DI vertinti ne pagal kūrimo spartą ir naudojimo apimtį, o pagal vertę klientams.

Tokitake aiškina: „Naudodami DI galime sekti atskirų užduočių sąnaudas, tačiau viso užbaigto darbo – funkcijos išleidimo – bendros sąnaudos dažnai lieka neaiškios. Todėl matavimo vienetu pasirinkome kiekvienos funkcijos išleidimą. Susiedami klientams išleistos funkcijos teikiamą vertę su faktinėmis jai skirtomis DI sąnaudomis, siekiame aiškiai ir tiksliai parodyti investicijų grąžą.“

Šiuo metu įmonė kuria duomenų apdorojimo sistemą šiam rodikliui apskaičiuoti. Ją užbaigus, bus galima matyti tikrąją investicijų grąžą, išreikštą verte klientams. „LegalOn Technologies“ nebeapsiriboja DI sąnaudų valdymu ir siekia tiesiogiai susieti investicijas į technologijas su verte verslui.

Kitas tikslas – atskirų inžinierių praktines DI žinias paversti visos organizacijos gebėjimais. Pirmiausia įmonė planuoja sukurti žinių bazę praktinei patirčiai kaupti ir dalytis. Joje bus kaupiamos žinios, pavyzdžiui, apie geriausius modelių derinius projektavimui, įgyvendinimui ir peržiūrai, o individualūs sėkmingi sprendimai greitai taps visos įmonės gerąja praktika.

Šie komandų praktine patirtimi grindžiami pokyčiai taip pat keičia organizaciją ir darbuotojų atranką. DI didinamas našumas skatina įmonę iš esmės pergalvoti darbų pasidalijimą tarp žmonių ir DI, taip pat personalo planus. Keičiantis investavimo strategijai ir organizacinei struktūrai, įmonė jau pradėjo daugiau dėmesio skirti DI įgūdžiams per darbuotojų atranką.

Norint DI naudojimą paversti ilgalaikiu konkurenciniu pranašumu, būtina nuolat tobulinti pusiausvyrą tarp valdymo ir komandų veikimo laisvės. AID CoE ir saugumo komanda kartu dirba siekdami optimizuoti našumą, sąnaudas ir riziką įvairiais aspektais bei kuria lanksčią sistemą, kuri skatina eksperimentuoti visoje organizacijoje.