Simplex пересматривает разработку ПО с Codex и ChatGPT Enterprise
Simplex использует ChatGPT Enterprise и Codex, чтобы проверить AI-driven разработку и масштабировать более продуктивные рабочие процессы.
Размер компании: enterprise
Регион: Азиатско-Тихоокеанский регион и Океания
Отрасль: технологии
Продукты: ChatGPT, Codex
Результаты
70%
Меньше времени требуется на разработку каждого экрана с Codex
Результаты
40%
Меньше времени требуется на проектирование каждого экрана с Codex
Результаты
17%
Меньше времени требуется на внутреннее интеграционное тестирование с Codex
Simplex — технологический партнер, работающий в консалтинге, системной разработке и операционной деятельности. Чтобы повысить производительность в системной разработке, компания количественно измеряла влияние generative AI и применяла полученные выводы в нескольких проектах. Опираясь на этот опыт, Simplex теперь оценивает использование generative AI во всех проектах и продвигает AI-native delivery там, где это применимо, стремясь повысить производительность всей организации.
После запуска ChatGPT в 2022 году Simplex в 2023 году создала центр компетенций, чтобы заложить основу для использования AI сотрудниками и валидировать AI-native процессы разработки. На базе этой работы компания внедрила ChatGPT Enterprise по всей организации и выбрала Codex в качестве основного coding agent, ускорив переосмысление того, как создается программное обеспечение.
Что изменилось во внедрении
В традиционной разработке ПО работу обычно делят на определение требований, проектирование, реализацию, тестирование и эксплуатацию. Такие задачи, как интерпретация проектных документов, решение о том, как реализовать функцию, определение критериев ревью и локализация или исправление дефектов, часто зависят от опыта отдельных специалистов. В результате качество и скорость разработки могут определяться индивидуальными навыками и тем, насколько хорошо знания распределяются внутри команды.
По мере того как generative AI распространялся в разработке ПО, его часто использовали как вспомогательный инструмент для разработчиков. В последнее время agentic systems позволили делегировать AI многоэтапные задачи. В средах разработки AI начинает выходить за рамки поддержки и брать на себя работу, которая напрямую двигает проекты вперед.
Чтобы масштабировать этот сдвиг, Simplex сделала ChatGPT Enterprise основой для корпоративного внедрения и использует Codex как основной coding agent.
Роль Codex в Simplex не ограничивается генерацией кода. Компания использует его в проектировании и тестировании, включая генерацию front-end и back-end кода по проектным документам и reference implementations, создание тестового кода, в том числе unit tests, ревью и исправление nonfunctional requirements, а также устранение проблем, найденных во время внутреннего интеграционного тестирования. Simplex также проверяет автоматизированные workflows, которые запускают Python-скрипты из Codex CLI и непрерывно проходят путь от реализации server-side до исправлений по итогам end-to-end тестов.
> “Мы развернули Codex по всей компании по трем причинам. Во-первых, наша внутренняя оценка показала, что он обеспечивает лучший баланс стоимости, точности и функциональности. Во-вторых, мы хотели определить основной agent, чтобы эффективнее накапливать и передавать опыт использования. В-третьих, нам было проще безопасно и быстро масштабироваться на базе наших seats ChatGPT Enterprise.”
—Kazuya Ujihiro, Executive Principal, Simplex
Результаты в цифрах
Simplex разрабатывает и тестирует новые подходы к AI-driven delivery программного обеспечения с Codex и ChatGPT, сосредоточившись на CRUD-based web applications как на первом сценарии использования.
В рамках этой работы компания зафиксировала заметную экономию времени на нескольких этапах разработки:
- на 40% меньше часов на проектирование каждого экрана
- на 70% меньше часов на разработку каждого экрана
- на 17% меньше часов на внутреннее интеграционное тестирование
Примечание: результаты, сгенерированные AI, могут различаться в зависимости от настроек системы и входных данных.
По словам Ujihiro, эффект выходит за рамки сокращения инженерных часов. “Codex упростил небольшим командам продвижение проектных работ и повысил точность ревью спецификаций в нескольких файлах. Он также помогает нам выстраивать модель, в которой опыт senior-специалистов можно применять шире по всей разработке. В результате роли на местах становятся понятнее: люди сосредоточены на финальных решениях и ответственности за качество, а AI занимается реализацией, ревью и исправлениями.”
Уроки для руководителей
Опыт Simplex с ChatGPT Enterprise и Codex показывает несколько выводов для организаций, которые переходят от экспериментов с AI к операционному внедрению:
- количественно подтверждать эффект до расширения использования в production;
- рассматривать внедрение как operating model, а не просто как развертывание инструмента, с governance, обучением и поддержкой;
- выбирать основной AI agent, чтобы команды могли быстрее накапливать и передавать экспертизу;
- разделять валидацию и внедрение, чтобы эксперименты и rollout шли параллельно;
- четко определять, где AI должен выполнять работу, а где за людьми остается финальная ответственность.
> “Codex не просто помогает командам писать код быстрее. Он превращает знания о проектировании и экспертизу ревью в то, что AI может использовать, превращая индивидуальные знания в воспроизводимое организационное преимущество. За людьми остается финальное суждение и ответственность за качество, а AI быстро выполняет реализацию, валидацию и исправления. По мере того как такое разделение труда станет нормой, оно улучшит не только скорость разработки, но и общую ценность, которую мы можем дать клиентам.”
—Kazuya Ujihiro, Executive Principal, Simplex
Переосмысление разработки для AI-first процесса
Simplex не пытается один к одному заменить AI каждый шаг традиционного процесса разработки. Вместо этого компания стремится перестроить сам процесс разработки вокруг AI. Вместо линейной последовательности определения требований, проектирования, реализации, тестирования и эксплуатации Simplex исследует подход, который заранее задает правила и ограничения, а затем улучшает качество через повторяющуюся интеграцию и автоматизированную оценку.
Ujihiro видит будущее, в котором по мере зрелости баз данных, каталогов API и стандартизированных правил проектирования Codex сможет взять на себя значительную часть работ по реализации и валидации. “Для относительно простых систем есть потенциал автоматически генерировать продукты из RFP”, — говорит он. Он также ожидает больше областей, где, в зависимости от функции, AI agent может эффективнее выполнять бизнес-задачи напрямую, а не реализовывать их в виде исходного кода.
Следующая задача — не просто сделать генерацию кода более эффективной. Нужно переосмыслить, как должны строиться системы, как их следует поддерживать и где люди должны сохранять ответственность в AI-first operating model.
Присоединяйтесь к новой эпохе работы
Более 1 миллиона компаний по всему миру добиваются значимых результатов с OpenAI.
Материал — перевод статьи с английского.