Oracle с ChatGPT Work и Codex сократила дни работы до минут, кейс OpenAI

OpenAI опубликовала историю клиента о том, как Oracle использует ChatGPT Work и Codex в подборе персонала, в Oracle Applications Lab и в производственной инженерии. По тексту, более ста тысяч сотрудников Oracle пользуются ChatGPT Work и Codex; работа, которая раньше держалась на специалистах и занимала дни, теперь, как утверждается, делается за минуты и доступна любому. На странице вынесены три цифры: 98%, сокращение времени на исследование для подбора персонала, 130 тыс. активных пользователей ChatGPT и 95 тыс.+ активных пользователей Codex.

Подбор персонала. Команда по привлечению талантов (talent acquisition) собрала на ChatGPT Work инструмент рыночной аналитики: он берёт описание вакансии, подбирает сопоставимые должности, сравнивает уровни оплаты и оценивает пул кандидатов в нужных локациях. Эту информацию рекрутеру нужно иметь перед разговором с нанимающим руководителем; раньше её собирали 2-4 дня. Jan Ackerman, старший вице-президент и глобальный руководитель по привлечению талантов в Oracle, говорит: «Мы прошли путь от нуля до ста», теперь на подготовку уходит около 15-20 минут. Кроме скорости, по тексту, выросла единообразность: раньше рекрутеры вели этап приёма заявки по-разному, а теперь каждый нанимающий руководитель получает данные одного качества независимо от рекрутера.

Oracle Applications Lab, которая помогает управлять многими базовыми бизнес-процессами компании, построила онтологию объектов, связей и правил Oracle. Благодаря ей вопрос бизнес-пользователя на обычном языке превращается через Codex в надёжный SQL-запрос. Пользователь описывает нужный результат, а Codex решает, какие внутренние системы вызвать, собирает данные и возвращает анализ, отчёт или приложение. Lam рассказал о пользовательнице, которой на такой вопрос обычно требовалось пару часов: новый инструмент дал ответ почти сразу, а при сверке с прежним ручным способом цифры совпали точно.

В производственной инженерии инженеры по надёжности сайтов (SRE) используют Codex, чтобы собирать контекст по инциденту и автоматически открывать нужный сценарий действий (плейбук). По словам Lam, типовой простой инцидент, на который уходил час, теперь обрабатывается за минуты. При этом Lam подчёркивает, что автопилота нет: кто-то должен убедиться, что базовая система построена правильно.

В конце страницы, три урока: задавать правильные ограничения (ответственность за архитектуру, безопасность и структуру кода остаётся на людях), показывать прототипы вместо спецификаций (так делает Barry Shilmover, вице-президент и технический советник CIO) и «владеть кодом», работать вместе с Codex, иначе накопится неподдерживаемый код.

Ключевые факты

OpenAI приводит цифры по Oracle: 98% сокращения времени на исследование для подбора персонала, 130 тыс. активных пользователей ChatGPT и 95 тыс.+ активных пользователей Codex.
Инструмент рыночной аналитики для рекрутеров на ChatGPT Work: подготовка к разговору с нанимающим руководителем вместо 2, 4 дней занимает около 15, 20 минут (слова Jan Ackerman).
Oracle Applications Lab построила онтологию объектов, связей и правил компании, чтобы Codex превращал вопросы на обычном языке в SQL-запросы; в одном примере результат совпал с ручным расчётом.
Инженеры по надёжности сайтов используют Codex для сбора контекста инцидента и поиска нужного сценария действий; простой инцидент, по словам Lam, теперь решается за минуты вместо часа.
Уроки от Oracle: задавать ограничения, показывать прототипы вместо спецификаций и самим отвечать за код, который пишет Codex.

Почему это важно

Это не новая функция, а рассказ о том, как крупная компания использует ChatGPT Work и Codex на масштабе: по тексту, более ста тысяч сотрудников; отдельно приведены 130 тыс. активных пользователей ChatGPT и 95 тыс.+ активных пользователей Codex, и источник эти цифры между собой не сводит. Материал показывает, какие задачи OpenAI выдвигает в витрину: исследование рынка для найма, превращение вопросов в SQL-запросы, сопровождение инцидентов. Центральная идея страницы, бизнес-пользователь описывает желаемый результат, а ИИ решает, как его получить.

Кому это важно

Руководителям и командам, которые оценивают внедрение ChatGPT и Codex в компании: рекрутерам и HR-службам, аналитикам и бизнес-пользователям, которые зависят от отчётов, а также инженерам по надёжности и ИТ-подразделениям. Для читателя, выбирающего поставщика, это пример того, как OpenAI сама описывает крупного клиента.

Как это применить

Из текста можно взять три практических правила от сотрудников Oracle. Первое, задавать системе правильные ограничения и самим отвечать за проектирование, архитектуру и безопасность. Второе, показывать прототипы вместо спецификаций: Barry Shilmover говорит, что раньше идею записывал на бумаге, а теперь делает прототип. Третье, работать вместе с Codex и владеть кодом, иначе накопится неподдерживаемый код. Для вопросов на обычном языке к корпоративным данным Applications Lab сначала построила онтологию объектов, связей и правил компании; условия, цены и лицензии в материале не названы.

Можно ли доверять

Это материал самой OpenAI о собственном клиенте, то есть маркетинг. Все цифры, самоотчёт: источник не говорит, как измерено 98% сокращения, за какой период и для скольких рекрутеров, и как определяется «активный» пользователь. Цифры не сведены между собой: «более ста тысяч сотрудников», 130 тыс. и 95 тыс.+ пользователей, а в конце текста упомянуты «тысячи» пользователей. Независимой проверки нет, кроме слов процитированных руководителей Oracle; время решения инцидентов описано качественно («минуты»). Один из примеров, пересказ слов Lam о результате пользовательницы, но сам ответ сверили с ручным расчётом, и цифры совпали.

Риски и подводные камни

Сами сотрудники Oracle подчёркивают, что автопилота нет: нужно отвечать за проектирование системы, архитектуру и безопасность, а без совместной работы с Codex получится много неподдерживаемого кода. Кто-то должен следить, чтобы базовая система была построена правильно. Кроме того, громкая цифра 98% относится к одному процессу, исследованию для подбора персонала, и не переносится автоматически на другие задачи.

«Мы прошли путь от нуля до ста. Теперь мы можем сесть и готовиться около 15, 20 минут с помощью инструмента, который мы создали на [ChatGPT] Work.»

— Jan Ackerman, старший вице-президент и глобальный руководитель по привлечению талантов (Talent Acquisition) в Oracle