Rakuten løser problemer dobbelt så hurtigt med Codex

Rakuten⁠⁠(åbner i et nyt vindue) er en global innovationsvirksomhed, der opererer på tværs af e-handel, fintech og mobilkommunikation og betjener både forbrugere og forhandlere i massiv skala. Med 30.000 medarbejdere verden over leverer virksomhedens softwareudviklingsteams på tværs af et stort, komplekst produktøkosystem, hvor både hastighed og pålidelighed er afgørende.

Derfor har Yusuke Kaji, General Manager of AI for Business hos Rakuten, brugt det seneste år på at skubbe agentiske arbejdsgange dybere ind i den måde, teams planlægger, bygger og validerer software på. Codex⁠⁠– kodningsagenten fra OpenAI – er blevet en central del af Rakutens ingeniørstak, især hvor virksomheden har brug for at bevæge sig hurtigere uden at gå på kompromis med sikkerheden.

I løbet af det seneste år har Rakuten-ingeniører brugt Codex på tværs af drift og softwarelevering til at komprimere hændelsesresponsen (herunder en ca. 50 % reduktion i gennemsnitlig tid brugt på genopretning, eller MTTR), styrke CI/CD med automatiseret kodegennemgang og sårbarhedstjek samt understøtte mere autonom udvikling på komplekse projekter.

Inden for Rakutens ingeniørteam er deres AI-agenda klar og bevidst operationel. Kaji indrammer arbejdet omkring tre prioriteter, som holdene samler sig om:

• Byg hurtigere ("Hurtigere! Hurtigere! Hurtigere!"): Teams bruger Codex i operationelle arbejdsgange, herunder KQL-baseret overvågning og diagnosticering, til at fremskynde analyse af rodårsag og afhjælpning, hvilket hjælper med at reducere MTTR med op til 50 %.
• Skab større sikkerhed ("Få tingene gjort"): Codex anvendes i CI/CD til kodegennemgang og sårbarhedstjek, hvor interne standarder automatisk implementeres, så teams kan levere hurtigt med sikkerhedsgarantier.
• Arbejd smartere ("AI-nisering"): Codex driver større, tvetydige projekter fremad fra specifikation mod fungerende implementeringer, reducerer afhængigheden af perfekt definerede krav, muliggør mere autonom udførelse og komprimerer i sidste ende kvartalslange indsatser til uger.

Codex knytter sig direkte til hver prioritet som en pålidelig agent i et bredere værktøjssæt og viser, hvor hastighed, sikkerhed og autonomi skaber samlet værdi.

Hastighed hos Rakuten inkluderer restitutionstid, ikke kun udviklingshastighed.

Teams bruger KQL (Azures forespørgselssystem til logfiler og telemetri) til at overvåge API'er og analysere signaler. Codex fungerer sammen med disse arbejdsgange for at hjælpe med at identificere rodårsager og foreslå rettelser, hvilket reducerer tiden mellem alarm og løsning.

Fra et SRE-perspektiv (Site Reliability Engineering) forkorter dette vejen fra detektion til afhjælpning. I stedet for manuelt at sammensætte forespørgsler, logs og programrettelser, kan ingeniører fokusere på at validere og implementere rettelser.

Rakuten vurderer, at denne tilgang kan reducere MTTR med omkring 50 %, når der opstår problemer. Eller sagt mere enkelt: Rakuten har brugt Codex til at løse problemer dobbelt så hurtigt, når noget går i stykker.

Efterhånden som leveringen accelererer, kan gennemgang og udrulning blive flaskehalse. Rakuten løser dette ved at integrere Codex direkte i sin CI/CD pipeline.

Codex foretager kodegennemgang og sårbarhedstjek, før ændringer når produktionsfasen. Rakuten indarbejder interne kodningsprincipper og -standarder i disse arbejdsgange, så gennemgange stemmer overens med virksomhedens forventninger.

“Vi giver vores interne kodningsprincipper til Codex,” siger Kaji. “Ved at bruge de samme principper gennemgår den, om koden stemmer overens med vores standarder.”

Resultatet: sikkerhedstjek sker konsekvent og automatisk, så teams kan arbejde hurtigere uden at sænke standarderne.

Rakutens tredje prioritet - AI-Nization - fokuserer på autonomi. Codex bruges ikke kun til gennemgang og vedligeholdelse, men også til at udføre større, tvetydige projekter fra start til slut. I stedet for at kræve perfekt definerede specifikationer kan Codex gå videre ud fra delvise krav og producere brugbare artefakter.

“De nyeste Codex-model kan læse mellem linjerne,” siger Kaji. “Selv hvis kravene ikke er helt præcist defineret, forstår Codex-modellen, hvad vi forsøger at bygge.”

Et eksempel: at bygge en mobilappversion af en eksisterende webbaseret AI-agenttjeneste. Codex implementerede hele specifikationen, hvilket omfattede en fuld stack-implementering med en Python/FastAPI-backend og en Swift/SwiftUI iOS-app, inklusive alle backend-API’erne, uden trinvis menneskelig instruktion. Codex reducerede udviklingstiden for dette projekt fra et kvartal til uger.

Efterhånden som Codex påtager sig mere arbejde med kodegenerering, flytter Rakuten ingeniørens rolle til at skrive tydeligere specifikationer og verificere output i forhold til målbare standarder. 

“Vores rolle er ikke længere at tjekke hver eneste kodelinje,” siger Kaji. “Vores rolle er klart at definere, hvad vi ønsker, og fastlægge, hvordan vi kan verificere det.”

Rakuten har understøttet dette skifte gennem praktiske workshops på tværs af teknik-, produkt- og ikke-tekniske teams—hvilket har bidraget til, at Codex spiller en central rolle i at hjælpe teams med at levere hurtigere, arbejde mere sikkert og skalere autonom udvikling på tværs af organisationen.