Юристы и рекрутеры OpenAI сами перешли на Codex

Нагрузка на часть систем сборки, тестирования и выката в OpenAI выросла примерно в 10 раз примерно за полгода. Так говорит Венкат Венкатарамани, вице-президент по инженерии направления Applied Infra. Он один из семи инженеров и руководителей, с которыми поговорил автор The Pragmatic Engineer для репортажа от 17 сентября. «В большинстве компаний такой рост занимает два-три года», - добавляет Венкатарамани.

Причина в том, что почти вся работа в OpenAI теперь идёт через Codex. Вокруг него компания собрала то, что сама называет «агентной фабрикой софта»: цепочку от постановки задачи до разбора инцидентов, где на каждом шаге работает свой агент, а человек задаёт цель и утверждает выкат. Бюджет на токены у сотрудников, от инженеров до финансистов и маркетологов, не ограничен.

Как Codex занял всю компанию

За четыре месяца неинженерные отделы, включая финансы, рекрутинг и юристов, дошли от почти нулевого использования Codex до 90%. Распоряжения сверху не было. Сейчас почти все сотрудники OpenAI пользуются Codex и ChatGPT Work каждую неделю. Приложение Codex для Mac вышло в феврале, для Windows в марте, а ChatGPT Work, построенный на той же обвязке Codex, в июле. Оговорка: внутренняя версия Codex заметно мощнее публичной, потому что подключена почти ко всем системам компании.

Около 40% неинженерных сотрудников перешли на Codex, когда приложение было для них откровенно неудобным: с февраля по апрель оно всё ещё показывало на экране код. Пользовались им всё равно, потому что агент умел собрать исследование и сделать из него презентацию, документ или таблицу.

Следующий скачок, с 60% до 90% между апрелем и маем, руководитель десктопного направления Эндрю Амбросино связывает с длинными задачами. В Codex появилась настройка /goal: агенту задают цель, и он работает, пока её не закроет. «Люди стали держать треды гораздо дольше, иногда днями. Ставят цель, и модель молотит», - говорит Амбросино. По его наблюдению, параллельных задач у людей от этого стало меньше: долгий агент сам запускает других агентов, и человеку остаётся следить за меньшим числом процессов.

Ещё два ускорителя - плагины под конкретные роли и команды и то, что Акшай Натан, руководитель инженерии в команде Productivity, называет разрывом в осведомлённости. Модели давно умели больше, чем позволяли продукты. Теперь возможности продуктов опережают то, что о них знают люди: кто-то уже поручает Codex следить за Slack и обновлять Airtable, а кто-то пользуется им для одной задачи и узнаёт об остальных от коллег. В команды ChatGPT Work взяли и предметных экспертов: в некоторых областях модель разбирается лучше разработчиков, и о том, как выглядит хорошая презентация или бизнес-отчёт, им подсказывают специалисты.

Зависимость от Codex такая, что о даже небольшом сбое команды Codex и Work узнают из сообщений коллег одновременно с автоматическими алертами или раньше них. В декабре 2025 года в команде сомневались, выпускать ли десктопное приложение вообще: был CLI для терминала, были большие IDE, и Амбросино боялся, что приложение посередине окажется таким же лишним, как iPad между смартфоном и ноутбуком. В ноябре вышел Antigravity, форк VS Code, и появился соблазн тоже форкнуть VS Code. Команда от него отказалась, сделав ставку на то, что с ростом агентов IDE будут значить меньше. С января, когда использование Codex пошло вверх, использование IDE в OpenAI падает. При этом в июне в приложение Codex добавили редактирование файлов.

Где конвейер упирается

Число пулл-реквестов на инженера, по словам Венкатарамани, растёт хоккейной клюшкой, и больше нагрузки получает каждое звено цепочки сборки, тестирования и выката. «Каждый месяц мы просыпаемся с новым набором проблем масштабирования. Только решим, что мощностей хватит на следующий этап, модель открывает новую волну возможностей, и узкое место появляется в другом месте системы», - говорит он. Версионный контроль, CI/CD и процесс релизов приходится переделывать под на порядок больший поток изменений.

Самое неподатливое звено - нативные мобильные приложения. Каждое обновление под iOS и Android проходит ручную проверку Apple и Google, которая занимает часы или дни. Сулман Чоудри, глава инженерии ChatGPT, раньше работал в Facebook и вспоминает, как там в 2010-х перешли от ежемесячных релизов в App Store к двухнедельным, а потом к еженедельным, а фича-флаги позволили выкатывать код заранее и включать функции удалённо.

«В эпоху Codex мы упираемся в следующую версию этой проблемы. Генерация кода становится радикально быстрее, а доставка этого кода пользователям на нативных мобильных платформах нет. Если софт можно написать за минуты, ждать дни или недели, пока он попадёт на телефон, начинает выглядеть всё абсурднее».

Для Codex, где использование в основном мобильное, этот разрыв уже болезненный, говорит Чоудри. Цель, по его словам, - чтобы выкат на мобильных был таким же быстрым, как в вебе, но сейчас до этого очень далеко.

Что делает агент от задачи до прода

Человек, инженер или продакт-менеджер, формулирует проблему и желаемый результат. Венкатарамани считает, что суждение, приоритизация и вкус на этом этапе становятся важнее, а инженеры OpenAI всё больше похожи на продакт-менеджеров, чем на классических системных инженеров.

Дальше Codex собирает контекст. Всю документацию OpenAI перенесла внутрь исходного кода, чтобы агентам было проще в нём разбираться. Кроме репозиториев и GitHub у агента есть доступ к Slack и Notion, к Databricks, Datadog и внутренним логам, а также к внутренним навыкам Codex, часть которых поддерживает сам Codex. Новичкам на онбординге советуют задавать вопросы Codex.

Агент пишет изменения, собирает код, гоняет тесты, чинит то, что сломал, и открывает пулл-реквест. На CI он следит за PR, пока тот не станет «зелёным», и сам правит упавшие проверки. Новое звено здесь - perf harness: подозрительные PR агент отправляет во фреймворк Synthetics A/B, чтобы оценить их влияние на производительность.

Ревью делает не один универсальный агент, а несколько, каждый в конфигурации «специалиста» по своей области. В OpenAI считают это аналогом того, чтобы каждое изменение смотрел эксперт из каждой профильной инфраструктурной команды. Автор The Pragmatic Engineer признаётся, что сначала скептически отнёсся к идее, будто агент, которому велели быть специалистом по облачной инфраструктуре, выдаст другое ревью, чем обычный. Но у всех агентов Codex полный доступ к коду и документации OpenAI, так что такой агент, вероятно, собирает много контекста о своей области, а решает то, как он настроен и как держит узкий фокус в ограниченном контекстном окне.

Изменения классифицируются по риску. Рискованные проходят строже: больше агентных ревью или обязательная проверка человеком после агентов. Части кодовой базы могут подключить агента, который сам одобряет низкорисковые PR, и тогда человек из этой цепочки выпадает. Там же автоматически решается, нужна ли дополнительная проверка на соответствие требованиям, агентом или человеком.

После того как человек одобрил выкат, изменению назначается собственный агент с задачей, которую можно пересказать как «доведи это изменение до прода, пока оно безопасно и полностью не раскатится». Для изменения за фича-флагом агент находит в коде, где живёт флаг, разбирается, что меняется, сам решает, какие сигналы означают успех и провал, строит под это свой дашборд и следит за ним и продовыми метриками. Раньше дашборды для сервисов делали инженеры, теперь агенты делают их под каждый отдельный выкат. Долгосрочная цель - агент-SRE (инженер по надёжности) на каждое изменение, который выкатывает почти автономно.

Петля замыкается через Perf Factory: агенты разбирают алерты и дашборды, убирают дубли сигналов, находят настоящие регрессии по задержкам, ищут причину и предлагают исправления.

Sevbot пока только советует

На инциденты в OpenAI отвечает Sevbot, тоже построенный на Codex. Когда инцидент обнаружен, бот собирает контекст, определяет возможные меры, отвечает на вопросы разработчиков в Slack-канале инцидента и применяет конкретную меру, только если ему скажет инженер. Сам он никаких мер не выполняет.

Цель компании - дать Sevbot право самостоятельно гасить часть сбоев, чтобы рутинные инциденты не будили людей по ночам, а его действия проверяли утром. Пока дежурства в OpenAI никто не отменял.