LegalOn GPT-6 Modelleriyle Codex Maliyetini %65 Azalttı
Hukuki süreçler ve iş kararları için yapay zekâ destekli çözümler sunan LegalOn Technologies, yazılım geliştirme sürecindeki Codex maliyetlerini düşürürken geliştirme hızını korumayı başardı. Şirket, yapay zekâ modellerini görevlerin karmaşıklığına göre optimize ederek ve stratejik bütçe yönetimi uygulayarak günlük tahmini maliyetlerini %65 oranında azalttı. OpenAI tarafından yayımlanan ve 8 Ekim 2026 tarihli müşteri hikâyesine dayanan çalışmaya göre, bu dönüşüm şirketin olgunlaşmış iş kollarında da %20 maliyet tasarrufu sağladı.
LegalOn Model Seçimini Nasıl Optimize Etti?
Yazılım geliştirme sürecinde başlangıçta geliştiricilere en güçlü modellerden biri olan GPT-5.5 modelinin hızlı moduna (Fast mode) sınırsız erişim sağlayan şirket, kullanımın yaygınlaşmasıyla birlikte yıllık bütçenin aşılması riskiyle karşı karşıya kaldı.
Yeni yönergeler doğrultusunda, geliştiricilerin her görev için doğrudan en yüksek kapasiteli modeli kullanması yerine, işin karmaşıklık düzeyine göre model seçimi yapması sağlandı. Görevlerin karmaşıklığı arttıkça daha gelişmiş modellere geçişi öngören bu yaklaşım ile hem iş kalitesi korundu hem de gereksiz kaynak tüketiminin önüne geçildi.
Hangi Görev İçin Hangi GPT-6 Modeli Tercih Ediliyor?
Şirketin yaptığı iç testler ve izleme çalışmaları, üç farklı yapay zekâ modelinin görev alanlarını netleştirdi. En hafif model olan GPT-6 Luna, net gereksinimleri olan kod uygulamalarında ve günlük otomasyonlarda alt ajan (subagent) olarak konumlandırıldı. Standart tasarım, rutin sayısal analizler ve belge hazırlama süreçlerinde ise işlem süresi Luna’ya göre daha kısa olan GPT-6.1 Sol modeli tercih edildi.
Gelişmiş mimari tasarımı, karmaşık yazılım analizi ve dokümantasyon gibi üst düzey değerlendirme gerektiren görevlerde ise en yetenekli model olan GPT-6 Astra kullanıldı. Astra, aynı zamanda karmaşık analizlerde sistemlerin yönetimini sağlayan orkestratör (orchestrator) rolünü üstlendi. Modellerin bu şekilde görevlerle eşleştirilmesi, ekipler arasında genel bir uygulama haline geldi.
Bütçe Yönetimi ve Sınırlandırmalar Nasıl Uygulandı?
Model optimizasyonunun yanı sıra şirket, varsayılan olarak hızlı modu (Fast mode) kısıtlama kararı aldı. Bu kısıtlama başlangıçta geliştirme hızının düşebileceğine dair endişeler yaratsa da, ekipler görevleri paralel olarak çalıştırarak performansı korumayı başardı. Ayrıca departman, grup ve bireysel düzeyde yapay zekâ harcamaları için aylık kullanım sınırları ve bütçe limitleri getirildi.
Stratejik bütçeleme sürecinde, şirketin olgunlaşmış iş alanlarından yaklaşık %20 oranında bir maliyet verimliliği sağlaması istenirken, yeni kurulan ve büyüme aşamasında olan iş kollarına daha esnek bütçeler sağlandı.
Gerçek Yatırım Getirisi Nasıl Ölçülecek?
Yapay zekâ kullanımının geliştirme döngülerini kısalttığını belirten Tokitake, sadece geliştirme hızının artmasının yapay zekâ yatırımlarının başarısını kanıtlamak için tek başına yeterli olmadığını vurguladı.
Şirket, yapay zekâ yatırımlarının getirisini (ROI) doğru bir şekilde ölçebilmek amacıyla her bir özellik sürümünü (feature release) tek bir birim olarak ele alan yeni bir metrik geliştirdi. Bu yeni yaklaşım ile sürümün müşteriye sunduğu değer ile o sürüm için harcanan yapay zekâ maliyetleri doğrudan ilişkilendirilerek yatırımın gerçek getirisi görünür kılınacak.
Sektör Profesyonelleri İçin Çıkarımlar
- Görev Odaklı Model Seçimi: Her yazılım geliştirme görevi için en yüksek kapasiteli modeli kullanmak yerine, karmaşıklık düzeyine uygun hafif veya standart modelleri seçmek maliyetleri düşürürken hızı korur.
- Büyüme Odaklı Bütçe Dağılımı: Olgunlaşmış iş kollarında maliyet tasarrufu hedeflenirken, yeni kurulan veya büyüme aşamasındaki departmanlara daha geniş bütçe ve yapay zekâ kaynakları tanınmalıdır.
- Kullanıcı Değeri Odaklı Ölçüm: Yapay zekâ yatırımlarının başarısı yalnızca kullanım hacmi veya geliştirme hızıyla değil, nihai ürün sürümlerinin müşteriye sunduğu somut değerle ölçülmelidir.
- Esnek Yönetişim Modeli: Katı kurallar ve aşırı bütçe kısıtlamaları organizasyonun hızını kesebileceğinden, güvenlik ve performans dengesini gözeten esnek bir yönetim yapısı kurulmalıdır.
Sıkça Sorulan Sorular
LegalOn Technologies günlük yapay zekâ maliyetlerini ne kadar düşürdü?
Şirket, GPT-6 ve GPT-6.1 modellerini görevlere göre optimize ederek günlük tahmini maliyetlerini %65 oranında azaltmayı başardı.
Hızlı modun varsayılan olarak kısıtlanması geliştirme hızını nasıl etkiledi?
Hızlı modun (Fast mode) sınırlandırılması ilk etapta endişe yaratsa da, ekiplerin işleri paralel yürütme yöntemleri sayesinde geliştirme performansı korunmuştur.
Şirketin olgunlaşmış iş kollarındaki maliyet tasarrufu hedefi nedir?
Şirket, olgunlaşmış iş alanlarında yaklaşık %20 oranında bir bütçe tasarrufu ve verimlilik artışı sağlamayı hedeflemiştir.
Yapay zekâ harcamalarını izlemek için hangi denetimler kuruldu?
AID CoE tarafından yönetici panelleri üzerinden departman, grup ve kişi bazında aylık kullanım sınırları ile bütçe limitleri getirilmiştir.
