LegalOn хурдаа хадгалж, Codex-ийн зардлаа хоёр дахин буурууллаа

LegalOn Technologies нь хууль зүйн ажил болон бизнесийн бусад гол үйл ажиллагааг дэмжих мэргэжлийн зориулалттай AI-г дэлхий даяар санал болгодог. Салбарын мэргэжлийн мэдлэгийг AI-тай хослуулснаар хүмүүсийг нарийн төвөгтэй асуудлыг дүгнэх, шийдвэр гаргахад төвлөрөх боломжтой болгодог. Бизнесийн шийдвэрийн чанар, хурдыг сайжруулах AI-д суурилсан удирдлагыг бий болгох нь тус компанийн зорилго юм.

Энэ арга барил нь бүтээгдэхүүнээр хязгаарлагдахгүй, байгууллагаа бүхэлд нь AI-д суурилан ажилладаг болгоход чиглэдэг. Тус компани Codex-ийг хөгжүүлэлтийн үйл явцдаа нэгтгэж, өдөр тутмын хэрэглээгээр дамжуулан байгууллага даяар нэвтрүүлжээ.

Хэрэглээ тогтворжихын хэрээр зардлыг хянах шинэ сорилт гарч ирэв. Өндөр чадвартай загваруудыг хязгааргүй ашиглавал зардал өсөх бол бүх хэрэглээнд ижил хязгаарлалт тавих нь AI-аар бий болсон бүтээмжийн өсөлтийг алдагдуулах эрсдэлтэй байлаа.

Хөгжүүлэлтийг удаашруулалгүйгээр зардлыг хэрхэн бууруулах вэ? LegalOn Technologies ажлын төвөгшил, хөгжүүлэлтийн үе шатаас хамааран GPT‑6 (Astra, Luna) болон GPT‑6.1 Sol-оос сонгож, бизнес бүрийн өсөлтийн үе шатанд төсвийг нь тохируулснаар энэ сорилтыг шийджээ. Ингэснээр хөгжүүлэлтийн хурдаа хадгалж, зардлаа хоёр дахин бууруулсан байна.

Эхэндээ тус компани үндсэн загвар болох GPT‑5.5‑ыг Хурдан горимд хязгааргүй ашиглах эрхийг хөгжүүлэгчдэд олгожээ. Тэд загварыг шийдэл төлөвлөх, код бичих, өдөр тутмын ажилдаа өргөн ашиглаж, хүн ба AI-ийн үүргийг хэрхэн оновчтой хуваарилахыг туршилтаар сурч байв.

Гэвч өндөр чадвартай загваруудыг хязгааргүй ашигласаар байвал жилийн төсөв хэтрэх нь гарцаагүй байлаа. Компанийн AI-д суурилсан хөгжүүлэлтийн чадавхын төв (AID CoE) загвар сонгох удирдамж боловсруулж эхэлжээ. AID CoE загваруудыг туршиж, хянаж, менежерүүд үр дүнг нь багууддаа танилцуулав. Ингэснээр инженер бүр ажил тус бүрд хамгийн тохирох загварыг бие даан сонгох боломжтой болжээ.

Шинэ удирдамжийн дагуу компани бүх ажилд хамгийн чадварлаг загварыг ашиглахын оронд тухайн ажилд тохирох загварыг сонгодог болов. Багууд хөнгөн загвараар эхэлж, ажлын төвөгшил нэмэгдэхэд илүү чадварлаг загварт шилждэг болжээ.

Засаглалыг дэмжих үүднээс админы тохиргоогоор системийн хяналт нэвтрүүлж, хэлтэс болон хувь хүн бүрийн сарын хэрэглээнд хязгаар тогтоосон байна. AID CoE хэрэглээг хянаж, бизнесийн хэрэгцээний дагуу хязгаарыг өөрчилдөг.

Эдгээр хяналтын хүрээнд хийсэн дотоод туршилтууд сонголтын шалгуурыг нарийвчлахад тусалжээ. Хамгийн хөнгөн GPT‑6 Luna нь шаардлага нь тодорхой код бичих ажлыг; GPT‑6.1 Sol нь ердийн шийдэл төлөвлөлт, өгөгдлийн шинжилгээ, баримт бичиг бэлтгэх ажлыг; хамгийн чадварлаг GPT‑6 Astra нь архитектур төлөвлөх зэрэг нарийн дүгнэлт шаардсан ажлыг гүйцэтгэдэг. Ажилд тохирох загварыг сонгох нь аажмаар бүх багийн нийтлэг дадал болжээ.

Загварын сонголтоос гадна Хурдан горимыг анхдагчаар хязгаарлаж, зөвхөн шаардлагатай үед хувь хүний хүсэлтээр зөвшөөрдөг болов. Энэ өөрчлөлт хөгжүүлэлтийн хурдад нөлөөлөх вий гэсэн болгоомжлол байсан ч багууд ажлуудыг зэрэг гүйцэтгэх зэрэг аргаар гүйцэтгэлээ хадгалж, саадгүй шилжжээ.

Мөн хэлтэс, бүлэг, хувь хүний түвшинд AI-ийн зардлын төсөвт дээд хязгаар тогтоов. Тогтворжсон LegalOn бизнест зардлын үр ашгаа ойролцоогоор 20% хүртэл нэмэгдүүлэх шаардлага тавьсан бол эхлэлийн шатандаа буй шинэ бизнесүүдэд AI-г идэвхтэй ашиглуулахын тулд хангалттай төсөв олгожээ.

LegalOn Technologies-ийн инженерчлэлийн ахлах менежер Юта Токитакэгийн тайлбарласнаар шинэ бизнесүүд зардлын үр ашгаас илүү бизнесээ хурдтай урагшлуулахыг чухалчилсан байна. AI-г өргөн ашиглан ажлын гарцыг нэмэгдүүлж, улмаар бизнесийн өсөлтийг дэмжихийг зорьжээ.

Загварын сонголт, функцийн хязгаарлалт, бизнес бүрд тохируулсан төсөв нийлээд өдрийн тооцоолсон зардлыг ойролцоогоор 65% бууруулсан байна. Энэ арга барил нийт төсвийг хяналтад байлгахын зэрэгцээ нөөцийг өсгөхийг зорьж буй бизнесүүдэд чиглүүлжээ.

Загварын хэрэглээг оновчилж, нөөцийг стратегийн дагуу хуваарилснаар дараах үр дүнд хүрэв:

• Бүх ажилд хамгийн чадварлаг загварыг ашиглахын оронд ажлын төвөгшил, хөгжүүлэлтийн үе шатанд тохируулан GPT‑6 Astra, GPT‑6.1 Sol эсвэл GPT‑6 Luna-г сонгодог болсон.

• Хурдан горимыг анхдагчаар хязгаарласны дараа ч ажлуудыг зэрэг гүйцэтгэх зэрэг багийн дадлын ачаар хөгжүүлэлтийн гүйцэтгэлийг хадгалсан.

• Төсвийн хязгаар нь тогтворжсон бизнесүүдийн үр ашгийг ойролцоогоор 20% нэмэгдүүлэхийн зэрэгцээ шинэ бизнест идэвхтэй хөрөнгө оруулах боломж олгосон.

• GPT‑6 болон 6.1 загваруудаас сонгон ашигласнаар GPT‑5.5‑тай харьцуулахад өдрийн тооцоолсон зардал 65% буурсан.

Загварын хэрэглээг оновчилсноор компани хөгжүүлэлтийн хурд, чанарыг алдагдуулалгүй зардлаа бууруулжээ. Мөн AI нь хөгжүүлэлтээс хэрэглээнд нэвтрүүлэх хүртэлх хугацааг тогтмол богиносгож байгааг багууд ажиглаж байна.

Гэхдээ компани үүнээс цааш харж байна. Хөгжүүлэлт хурдассан нь л AI-д оруулсан хөрөнгө оруулалт амжилттай болсныг илтгэх үү? Хөгжүүлэлтийн хурд ба хэрэглэгчид бий болгож буй үнэ цэнийн холбоо тодорхойгүй хэвээр байв. Токитакэ: “AI системийн хөгжүүлэлт, шинэчлэлтийг хурдасгаж чадна гэдэг бараг тодорхой болсон” гэж хэлэв. “Бидний үнэхээр мэдэхийг хүсэж буй зүйл бол тэр хурд хэрэглэгчдэд бодитоор үнэ цэн бий болгож байна уу гэдэг юм.”

Энэ асуулт компанийг өөрийн хэмжүүрийг боловсруулахад хүргэж, AI-ийн хөрөнгө оруулалтыг хөгжүүлэлтийн хурд, хэрэглээний хэмжээгээр бус хэрэглэгчид бий болгосон үнэ цэнээр үнэлэхэд чиглүүлжээ.

Токитакэ тайлбарлахдаа: “AI ашиглахдаа бид ажил тус бүрийн зардлыг хянаж чаддаг ч нэг функцийг хэрэглээнд нэвтрүүлэх хүртэлх нийт ажлын зардал ихэнхдээ тодорхойгүй үлддэг. Тиймээс бид функц бүрийг нэвтрүүлэх ажлыг нэг нэгж болгон хэмжихээр шийдсэн. Тухайн функцийн хэрэглэгчид өгч буй үнэ цэнийг түүнд зарцуулсан AI-ийн бодит зардалтай холбосноор хөрөнгө оруулалтын өгөөжийг тодорхой, үнэн зөв харуулахыг зорьж байна” гэв.

Компани одоогоор энэ хэмжүүрийг тооцоолох өгөгдөл боловсруулах дамжлагыг байгуулж байна. Үүнийг дуусгаснаар хэрэглэгчид бий болгосон үнэ цэнээр илэрхийлэгдэх хөрөнгө оруулалтын бодит өгөөж тодорхой болно. LegalOn Technologies нь AI-ийн зардлыг удирдахаас цаашлан технологийн хөрөнгө оруулалтыг бизнесийн үнэ цэнтэй шууд холбохоор ажиллаж байна.

Дараагийн зорилго нь инженер бүрийн AI ашиглах мэдлэг, туршлагыг байгууллагын нийтлэг чадавх болгох юм. Эхний алхам болгон практик туршлагыг цуглуулж, хуваалцах мэдлэгийн сан байгуулахаар төлөвлөжээ. Уг санд шийдэл төлөвлөх, код бичих, хянахад загваруудыг хэрхэн хослуулбал оновчтой зэрэг мэдлэгийг нэгтгэж, хувь хүний амжилттай туршлагыг компанийн нийтлэг сайн дадал болгоно.

Багуудын практик туршлагаас үүдсэн эдгээр өөрчлөлт байгууллагын бүтэц, ажилтан авах бодлогод ч нөлөөлж байна. AI-ийн ачаар бүтээмж өсөж буй нь компани хүн ба AI-ийн ажлын хуваарилалт, хүний нөөцийн төлөвлөгөөгөө үндсээр нь эргэн харахад хүргэжээ. Хөрөнгө оруулалтын стратеги, байгууллагын бүтэц өөрчлөгдөхийн хэрээр ажилтан авахдаа AI ашиглах ур чадварыг чухалчилж эхэлсэн байна.

AI-ийн хэрэглээг урт хугацааны өрсөлдөх давуу тал болгохын тулд засаглал болон багуудын бие даан ажиллах эрх чөлөөний тэнцвэрийг байнга сайжруулах шаардлагатай. AID CoE болон аюулгүй байдлын баг гүйцэтгэл, зардал, эрсдэлийг олон талаас нь оновчлохоор хамтран ажиллаж, байгууллага даяар туршилт хийхийг дэмжих уян хатан тогтолцоог бүрдүүлж байна.