OpenAI отправляет инженеров к клиентам, чтобы потом самим стать ненужными

Часть инженеров, которых OpenAI в середине 2025 года отправила к производителю чипов, пришла в компанию за несколько дней до старта проекта. Как устроен чип, они не знали. Зато им предстояло сесть рядом с инженерами заказчика и помочь с задачей, на которую в отрасли уходит около 70% усилий любого проекта, — с верификацией.

Это и есть команда forward deployed engineers, FDE. OpenAI собрала её в начале 2025 года и недавно рассказала, как она работает. Задача команды — закрыть «deployment gap»: разрыв между тем, что модель умеет в демо, и тем, на что человек готов опереться в рабочий вторник.

Принцип: сначала результат

Формула у команды короткая. Начинать с результата, добиваться его любой ценой, масштабировать потом. Красивая архитектура и аккуратный продукт идут вторым шагом. Сначала нужна цифра, которую заказчик увидит у себя в работе.

Звучит как девиз стартапа, но дальше идут конкретные истории. OpenAI описала четыре.

Чипы: 15 человек, 10 сценариев

Около 15 FDE вели больше десяти сценариев. Среди них генерация тестов, поиск причин сбоев и ассистент по архитектуре. Новички изучали предметную область прямо в процессе и вместе с инженерами заказчика строили метрики: что считать хорошим тестом, а что красивой имитацией.

За 3–6 месяцев все сценарии дошли до промышленной эксплуатации. Результаты, если верить цифрам OpenAI:

• около 48% экономии времени на генерации тестов;
• медианно 22% прироста производительности при оптимизации ядер;
• недели отладки сократились до часов.

Один Codex вместо россыпи самописного

Потом у проекта сменилась основа. Когда развился Codex, все сценарии перевели на общую обвязку, где он стоит в центре. Кастомные приложения превратились в плагины и скиллы, собственные CLI и интерфейсы убрали совсем. Около 90% кастомного кода в каждом проекте оказалось лишним.

Цена этого шага видна по срокам. Первое внедрение в одном сценарии заняло 2 месяца. Расширение на вторую команду — 1 день. Параллельно OpenAI перешла от мультиагентной архитектуры к одному агенту со скиллами. Кажется, это тот случай, когда упрощение оказалось главным достижением.

Налоги: 7 000 деклараций

Вторая история — налоговый ИИ для бухгалтерских фирм Thrive Holdings. В пилоте он обработал 7 000 деклараций, пропускная способность выросла примерно на 50%.

Самыми трудными оказались декларации по операциям с недвижимостью. Чтобы выйти на 90% precision и recall, понадобилось 6 недель инженерной работы и проверок практикующими бухгалтерами. Модель сама до этого не дошла бы: правильный ответ определяли люди, которые знают, как должна выглядеть хорошая декларация.

Телеком: от 60% до 90%+

Третья история — голосовой ИИ для телекома. Голос составляет около 90% обращений в поддержку, так что от него зависит почти вся служба. Модель показывала около 60% на ключевых evals, а для продакшена этого мало.

К делу подключили исследовательскую команду Research. За шесть месяцев показатель довели до 80%, затем до 90%+. Эта голосовая модель теперь работает и у других клиентов. Решение, написанное под одного заказчика, превратилось в продукт для многих.

Цель: стать ненужными

Самое необычное в рассказе — критерий успеха. Команда хочет делать собственные решения ненужными каждые пару месяцев. Когда Codex научился собирать за один заход то, на что у FDE уходили месяцы, они не огорчились, а пошли искать задачи посложнее.

Из этого OpenAI делает вывод для интеграторов. Кастомный код временен, через полгода его вполне может заменить платформа. Долго живут другие вещи:

• знание предметной области;
• датасеты;
• метрики;
• совместная работа с экспертами клиента;
• понимание, где модель ошибается.

Что это значит для тех, кто делает визуал

Про чипы и налоги здесь только материал, по сути речь о любой работе с моделью. Если вы строите пайплайн для студии, бренда или продакшена, то промпты, обёртки и самодельные интерфейсы, скорее всего, переживут один-два релиза. А вот ваш вкус, собранные референсы, размеченные удачные и неудачные кадры и чёткое «так не годится» не устареют.

По-нашему, главный урок в метриках. Телеком вырос с 60% до 90%+ потому, что кто-то сначала решил, что считать правильным ответом. Дизайнеру и арт-директору этот навык знаком лучше, чем инженеру. Мы бы попробовали начать с того, чтобы записать критерии хорошего результата до того, как открывать генератор.

Код устаревает за полгода, а умение отличить хорошее от плохого остаётся.