OpenAI: Codex сократил запуск продукта Stampli на 68%
OpenAI выпустила кейс о компании Stampli, платформе для автоматизации закупок и оплаты поставщикам (процесс procure-to-pay), продукт которой Deep Finance превращает данные этого процесса в аналитику для финансовых директоров и вице-президентов. Команда продуктового маркетинга Stampli должна была запустить Deep Finance в фиксированный срок, при этом дизайн-ресурсы и внешние подрядчики уже были заняты на других проектах. Чтобы уложиться в срок, команда использовала Codex, он связал в единую систему контекст продукта, заметки со встреч, принятые решения и правила подачи материала (messaging guidelines).
По оценке Stampli, весь объём подготовки к запуску, семичастная серия постов в блоге, письма для запуска, вебинар с презентацией, материалы для соцсетей и платной рекламы, релиз для PR Newswire, веб-страница Deep Finance и материалы для отдела продаж, потребовал бы около 243 «модельных» рабочих часов без Codex. С Codex на это ушло около 77 часов: экономия примерно 166 часов, то есть в 3,16 раза быстрее (в заголовке материала OpenAI эта экономия округлена до 68%). Codex также взял на себя примерно 90% работы над анимационным роликом для запуска (поиск идеи, доработка, сборка), финальную сцену и итоговый формат доводил подрядчик. В целом Deep Finance прошла путь от первого прототипа-демо до публичного запуска и первой поставки продукта примерно за шесть недель.
По словам директора по продуктовому маркетингу Stampli Мелада Захеди, эта же инфраструктура работает у команды каждый день. Раньше, чтобы держать материалы о продукте актуальными, приходилось опрашивать продакт-менеджеров, читать тикеты в Jira, разбирать GitHub и протоколы встреч, а затем переводить это в статьи базы знаний, презентации и другие материалы. Теперь этот процесс во многом автоматизирован системой на основе GPT: она собирает информацию из продуктовых систем и заметок со встреч и помогает держать материалы в актуальном состоянии. По словам Захеди, это умножило выпуск небольшой команды в 10 раз, теперь она готовит сотни материалов в неделю против буквально пары раньше. ChatGPT Work сотрудники используют и как личный органайзер контекста перед плотным графиком встреч, и как инструмент для быстрого анализа данных: в одном случае на executive-встрече вопрос про метрики из HubSpot и других систем решили за 20 секунд вводом запроса в Codex, раньше на подготовку такого отчёта у команды финансового планирования (FP&A) ушло бы полдня. Захеди отмечает, что весь процесс, от идеи до запуска, с инструментами OpenAI занял около шести недель против месяцев или даже кварталов раньше.
Ключевые факты
- Stampli готовила запуск продукта Deep Finance с помощью Codex и ChatGPT Work: полный комплект материалов (семичастный блог, письма, вебинар, соцсети, PR-релиз, веб-страница, материалы для продаж) занял 77 часов вместо расчётных 243, экономия 166 часов, в 3,16 раза быстрее.
- Codex выполнил около 90% работы над анимационным роликом для запуска; финальную сцену и формат доводил подрядчик.
- Deep Finance прошла путь от прототипа-демо до публичного запуска примерно за шесть недель, раньше, по словам директора по продуктовому маркетингу Мелада Захеди, такой процесс занимал месяцы или кварталы.
- GPT-система автоматически собирает контекст из продуктовых систем и заметок со встреч для актуализации материалов; по словам Захеди, это подняло выпуск контента команды в 10 раз, до сотен материалов в неделю против пары ранее.
- На executive-встрече сотрудник получил отчёт по метрикам из HubSpot за 20 секунд через Codex, раньше на такую задачу у команды финансового планирования уходило полдня.
Почему это важно
Это ещё один кейс от самой OpenAI о практическом применении ChatGPT Work и Codex в реальном бизнес-процессе, не в разработке кода, а в маркетинге и подготовке запуска продукта. Материал показывает конкретные, измеримые цифры (часы, кратность ускорения), а не общие заявления об «эффективности ИИ», и описывает не разовый эксперимент, а инфраструктуру, которая уже встроена в ежедневную работу команды.
Кому это важно
В первую очередь, небольшим командам продуктового маркетинга и коммуникаций, у которых нет ресурсов дизайнеров и подрядчиков под каждый запуск и которые ищут способ ускорить подготовку контента. Также интересно менеджерам, которые рассматривают Codex не как инструмент только для программистов, а как систему для работы с текстом, данными и материалами на основе внутреннего контекста компании.
Как это применить
Ключевой приём Stampli, свести разрозненный контекст (продуктовые решения, заметки встреч, правила подачи материала, тикеты Jira, данные из GitHub) в одну систему, к которой обращается Codex при подготовке любого материала: от статьи в блог до презентации для вебинара и релиза для СМИ. При этом человеческая проверка и финальное утверждение всех материалов, обращённых к клиентам, сохранены, автоматизация ускоряет производство, а не заменяет ревью.
Можно ли доверять
Материал опубликован самой OpenAI на её сайте как клиентский кейс, это маркетинговый формат, а не независимое исследование. Все цифры (243 и 77 часов, 3,16 раза, 90%, 10x), собственная оценка Stampli, представленная без независимой проверки; методика подсчёта «модельных рабочих часов» в источнике не раскрыта. Цитаты приведены от одного представителя компании, директора по продуктовому маркетингу Мелада Захеди.
Риски и подводные камни
Кейс, опубликованный вендором на его же сайте, по определению отбирает удачный пример и не публикует неудачные попытки или ограничения инструмента. Заявленные кратности («10x», «3,16 раза»), это внутренние оценки одной компании на одном запуске, а не воспроизводимый бенчмарк, и переносить их на другие команды или продукты без проверки не стоит.
«Это умножило выпуск небольшой команды в 10 раз: мы выпускаем сотни материалов в неделю, а раньше, буквально пару.»
— Мелад Захеди, директор по продуктовому маркетингу Stampli