نقطه عطف بهره‌وری هوش مصنوعی: چگونه چرخه حیات عاملمحور (Agentic PDLC) تحویل را شتاب بخشید و پذیرش هوش مصنوعی را پیش برد

LawNext Podcast / LawNextUS1 دقیقه مطالعه۱۴۰۵/۰۶/۱۳ ساعت ۲۰:۳۰

تصویر مرتبط با خبر: The AI Productivity Inflection: How the Agentic PDLC Accelerated Delivery and Drove AI Adoption
تصویر مرتبط با خبر: The AI Productivity Inflection: How the Agentic PDLC Accelerated Delivery and Drove AI Adoption
خلاصه سریع

اصل خبر در چند خط

چرخه حیات عاملمحور (Agentic PDLC) در شرکت لیترا، سرعت توسعه نرم‌افزار را به‌طور چشمگیری افزایش داده است. عامل هوش مصنوعی حقوقی Lito در شش ماه به MVP رسید و کاربران فعال آن با رشد ۳۰۰ درصدی در هر سه‌ماهه مواجه شدند. پلتفرم Litera One نیز با رشد ۱۰۰ درصدی، ۹۱ درصد از هدف خود را محقق کرده است. بهره‌وری مهندسان سه برابر شده و سرعت توسعه تا ۸ برابر افزایش یافته است. پذیرش هوش مصنوعی در درخواست‌های ادغام از ۳ درصد به ۷۰ درصد رسیده و بیش از نیمی از کدها توسط هوش مصنوعی تولید می‌شود. این تحول نتیجه تغییر عمدی در فرآیندها و اجباری کردن استفاده از هوش مصنوعی در بخش مهندسی بوده است.

متن خبر

شرح خبر

هجده ماه پیش، پس از مشاهده دموی عامل کدگذاری هوش مصنوعی Devin شرکت Cognition در کنفرانس Hg در دره سیلیکون، مدیر ارشد فناوری لیترا، گریگ اینجینو، پیش‌بینی کرد که شیوه ساخت نرم‌افزار به‌کلی دگرگون خواهد شد. این تحول با معرفی چرخه حیات عاملمحور (Agentic PDLC) آغاز شد که سرعت تبدیل ایده به محصول قابل استفاده برای مشتریان را به‌طور چشمگیری افزایش داد. به‌عنوان مثال، عامل هوش مصنوعی حقوقی برنده جایزه لیترا، Lito، تنها در شش ماه از ایده به حداقل محصول قابل عرضه (MVP) رسید و کاربران فعال ماهانه آن با رشد ۳۰۰ درصدی در هر سه‌ماهه مواجه شدند. پلتفرم Litera One نیز با رشد نزدیک به ۱۰۰ درصدی، اکنون ۹۱ درصد از هدف پایان سه‌ماهه خود را محقق کرده است. این پیشرفت‌ها نتیجه تغییر عمدی در فرآیندهای مهندسی و پذیرش گسترده هوش مصنوعی در تمام مراحل توسعه نرم‌افزار بوده است. در سه‌ماهه اول سال مالی ۲۰۲۵، تنها ۳ درصد از درخواست‌های ادغام (pull requests) با کمک هوش مصنوعی انجام می‌شد، اما تا سه‌ماهه دوم سال مالی ۲۰۲۶، این رقم به ۷۰ درصد رسید و بیش از نیمی از کدهای تغییر یافته توسط هوش مصنوعی تولید شد. این تحول نه‌تنها سرعت توسعه را افزایش داد، بلکه کیفیت خروجی‌ها را نیز بهبود بخشید و تعداد انتشارهای سه‌ماهه را تقریباً دو برابر کرد.

این صفحه خلاصه و تحلیل فارسی خبر را نمایش می‌دهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.

تحلیل تحریریه

ابعاد مهم خبر

چرا مهم است؟

این تحول نشان‌دهنده تغییر پارادایم در توسعه نرم‌افزار است که می‌تواند الگو برای سایر صنایع باشد. افزایش بهره‌وری و سرعت توسعه با استفاده از هوش مصنوعی، هزینه‌ها را کاهش داده و زمان عرضه محصولات به بازار را کوتاه‌تر می‌کند. همچنین، این رویکرد می‌تواند به بهبود کیفیت نرم‌افزار و کاهش خطاها منجر شود که برای صنایع حساس مانند حقوقی و مالی بسیار حیاتی است.

اثر کسب‌وکاری

افزایش بهره‌وری و سرعت توسعه نرم‌افزار می‌تواند به کاهش هزینه‌های تحقیق و توسعه و افزایش سودآوری شرکت‌ها منجر شود. همچنین، این تحول امکان عرضه سریع‌تر محصولات جدید به بازار را فراهم می‌کند که می‌تواند مزیت رقابتی قابل توجهی برای شرکت‌ها ایجاد کند. پذیرش گسترده هوش مصنوعی در فرآیندهای توسعه، می‌تواند به بهبود کیفیت محصولات و افزایش رضایت مشتریان نیز کمک کند.

اثر احتمالی برای ایران

این تحول می‌تواند الهام‌بخش شرکت‌های ایرانی فعال در حوزه فناوری و نرم‌افزار باشد تا با پذیرش هوش مصنوعی در فرآیندهای توسعه، بهره‌وری و سرعت عرضه محصولات خود را افزایش دهند. همچنین، این رویکرد می‌تواند به توسعه استارتاپ‌های ایرانی کمک کند تا با کاهش هزینه‌ها و زمان توسعه، محصولات نوآورانه‌تری را به بازار عرضه کنند.

ارتباط با LegalTech

استفاده از عامل‌های هوش مصنوعی مانند Lito در حوزه حقوقی، می‌تواند به بهبود کارایی و دقت در فرآیندهای حقوقی منجر شود. این تحول امکان ارائه خدمات حقوقی سریع‌تر و با کیفیت بالاتر را فراهم می‌کند و می‌تواند به کاهش هزینه‌های مرتبط با خدمات حقوقی کمک کند.

زاویه رسانه/کشور منبع

این خبر از دیدگاه یک مدیر ارشد فناوری در شرکت لیترا ارائه شده و بر دستاوردهای داخلی این شرکت در حوزه هوش مصنوعی و توسعه نرم‌افزار تمرکز دارد. منبع خبر، پلتفرم LawNext است که به تحولات حوزه فناوری حقوقی می‌پردازد.

برچسب‌ها