OpenAI fortæller i en ny gennemgang, at selskabet fjernede omkring 90 procent af specialkoden fra en række kundeprojekter, efter at løsningerne blev bygget om omkring Codex. Funktionerne blev i stedet samlet som plugins og skills på et fælles fundament.
Gennemgangen er skrevet af Colin Jarvis, som leder OpenAIs Forward Deployed Engineering-team. Det er de ingeniører, der arbejder direkte med kunder om at få AI-løsninger til at fungere i den daglige drift.
Fra specialbyggede værktøjer til fælles løsning
Et af eksemplerne er en stor, unavngiven halvledervirksomhed. Her arbejdede omkring 15 OpenAI-ingeniører i midten af 2025 på mere end ti anvendelser, blandt andet automatisk testgenerering, fejlsøgning og en assistent til chiparkitektur.
De første løsninger krævede hver deres specialbyggede integrationer. Da Codex blev mere kapabel, afprøvede en ingeniør at bygge en af applikationerne om med Codex som kerne. Derefter blev projekterne flyttet til et fælles fundament, og de separate terminalbrugerflader kunne udfases.
Ifølge OpenAI gjorde det også løsningerne lettere at flytte mellem teams. I et eksempel fra august 2026 tog den første implementering to måneder, mens udrulningen til det næste team tog én dag.
OpenAIs egne resultater fra kundearbejdet
Selskabet oplyser, at chipprojekterne blandt andet gav cirka 48 procent tidsbesparelse ved AI-baseret testgenerering og 22 procent medianforbedring ved kerneloptimering. Tallene stammer fra OpenAIs egen beskrivelse af arbejdet, og kunden er ikke navngivet i artiklen.
De 90 procent handler om mængden af specialkode i de omtalte projekter, ikke om at 90 procent af kundens samlede software blev overflødig. Pointen i Jarvis’ gennemgang er, at bedre fælles værktøjer kan erstatte integrationer, som ingeniørerne tidligere måtte bygge og vedligeholde særskilt for hver opgave.
Kilde: Colin Jarvis’ gennemgang af Forward Deployed Engineering hos OpenAI.
Aktører i artiklen
