El uso de Codex por parte OpenAI

Codex se usa a diario en numerosos equipos técnicos de OpenAI, como Seguridad, Ingeniería de Producto, Frontend, API, Infraestructura e Ingeniería de Rendimiento. Los equipos lo utilizan para acelerar una amplia gama de tareas de ingeniería, desde comprender sistemas complejos y refactorizar grandes bases de código hasta lanzar nuevas funciones y resolver incidencias con plazos muy ajustados.

A partir de entrevistas con ingenieros de OpenAI y datos de uso interno, hemos recopilado casos de uso y mejores prácticas que destacan cómo ayuda Codex a nuestros equipos a avanzar más rápido, mejorar la calidad del trabajo y gestionar la complejidad a gran escala.

Codex ayuda a nuestros equipos a ponerse al día rápidamente en partes desconocidas del código cuando se incorporan, depuran o investigan un incidente.

A menudo usan Codex para localizar la lógica central de una función, trazar las relaciones entre servicios o módulos y seguir el flujo de datos a través de un sistema. También ayuda a sacar a la luz patrones de arquitectura o piezas de documentación que faltan y que, de otro modo, requerirían un esfuerzo manual significativo para generarlas.

Durante la respuesta a incidentes, Codex ayuda a los ingenieros a familiarizarse rápidamente con nuevas áreas al mostrar las interacciones entre componentes o rastrear cómo se propagan los estados de fallo por los sistemas.

Codex se usa habitualmente para hacer cambios que abarcan varios archivos o paquetes. Por ejemplo, cuando los ingenieros actualizan una API, cambian la forma en que se implementa un patrón o migran a una nueva dependencia, Codex facilita la aplicación de los cambios de forma coherente.

Es muy útil cuando hay que hacer la misma actualización en docenas de archivos, o cuando la actualización requiere conocer la estructura y las dependencias que no se detectan con facilidad con una expresión regular o con la función de buscar y reemplazar.

También lo usan para limpiar el código, dividiendo módulos demasiado grandes, sustituyendo patrones antiguos por otros modernos o preparando el código para que sea más fácil de probar.

Codex se usa para identificar y resolver cuellos de botella en el rendimiento.

Durante los procesos de ajuste o mejora de la fiabilidad, los ingenieros piden a Codex que analice rutas de código lentas o que consumen mucha memoria, como bucles ineficientes, operaciones redundantes o consultas costosas, y que sugiera alternativas optimizadas, lo que a menudo se traduce en mejoras significativas en eficiencia y fiabilidad.

Codex también se usa para mantener el código en buen estado, identificando patrones arriesgados u obsoletos que aún se usan activamente. Nuestros equipos confían en él para ayudar a reducir la deuda técnica a largo plazo y prevenir regresiones de forma proactiva.

Codex ayuda a los ingenieros a escribir pruebas más rápido, especialmente en lugares donde la cobertura es escasa o inexistente.

Cuando trabajan en la corrección de un error o en una refactorización, los ingenieros suelen pedirle a Codex que sugiera pruebas que cubran casos extremos o rutas de fallo probables. Para código nuevo, puede generar pruebas unitarias o de integración basadas en la firma de la función y la lógica circundante.

Codex es especialmente útil para identificar condiciones límite como entradas vacías, longitud máxima o estados inusuales —pero válidos— que a menudo se pasan por alto en las pruebas iniciales.

Codex ayuda a los equipos a avanzar más rápido acelerando tanto el inicio como el final del ciclo de desarrollo.

Al poner en marcha una nueva función, los ingenieros lo usan para crear una estructura básica: generando carpetas, módulos y stubs de API para tener código ejecutable rápidamente sin tener que programar cada parte a mano.

A medida que los proyectos se acercan al lanzamiento, Codex ayuda a cumplir con plazos ajustados al encargarse de tareas más pequeñas pero esenciales, como clasificar errores, llenar los huecos de implementación de última hora y generar scripts de despliegue, hooks de telemetría o archivos de configuración.

También se usa para convertir los comentarios sobre el producto en código inicial. Los ingenieros suelen pegar una solicitud o especificación de un usuario y hacer que Codex genere un borrador al que pueden volver más tarde para perfeccionarlo.

Codex ayuda a nuestros ingenieros a mantenerse productivos cuando sus horarios están fragmentados y llenos de interrupciones.Se usa para capturar el trabajo sin terminar, convertir notas en prototipos funcionales o derivar tareas exploratorias que se pueden retomar más tarde. Así es más fácil pausar y reanudar el trabajo sin perder el contexto, especialmente cuando están de guardia o tienen muchas reuniones.

Codex también es útil para trabajos abiertos, como encontrar soluciones alternativas o validar decisiones de diseño. Puedes solicitar diferentes formas de resolver un problema, explorar patrones desconocidos o poner a prueba tus suposiciones. De este modo se sacan a la luz las compensaciones, se amplían las opciones de diseño y se afinan las decisiones de implementación.

También se usa para identificar errores relacionados. Ante un problema conocido o un método obsoleto, Codex puede identificar patrones similares en otras partes del código, lo que facilita detectar regresiones o terminar el trabajo de limpieza.

Codex funciona mejor cuando se le da estructura, contexto y margen para iterar. Aquí tienes algunos de los hábitos que los equipos de OpenAI cultivan para sacarle un valor constante en el trabajo diario.

Para cambios importantes, empieza por pedirle a Codex un plan de implementación usando el modo «Ask», que luego servirá de base para las siguientes indicaciones cuando cambies al modo «Code». Este proceso en dos pasos mantiene a Codex con los pies en la tierra y ayuda a evitar errores en sus resultados. Codex funciona mejor con tareas bien delimitadas que te llevarían a ti o a un compañero una hora, o unos cientos de líneas de código. A medida que los modelos mejoren, es de esperar que aumente el tamaño de las tareas que puede asumir.

Configurar un script de inicio, variables de entorno y acceso a Internet reduce en gran medida la tasa de errores de Codex. Mientras ejecutas tareas, busca errores de compilación que se puedan corregir en la configuración del entorno de Codex. El proceso puede requerir varias iteraciones, pero a la larga supone una mejora significativa en la eficiencia.

Codex responde mejor cuando las solicitudes reflejan cómo describirías un cambio en una pull request o en una incidencia. Eso significa incluir rutas de archivos, nombres de componentes, diferencias y fragmentos de documentación cuando sea relevante. Usar patrones como «Implementa esto de la misma manera que se hace en [módulo X]» mejora los resultados.

Lanza tareas para capturar ideas tangenciales, trabajo parcial o correcciones incidentales. No hay presión para generar una pull request completa de una sola vez. Codex funciona bien como un área de preparación a la que puedes volver cuando recuperes la concentración.

Mantén un archivo AGENTS.md para ayudar a Codex a funcionar de forma más eficaz en tu repositorio entre indicaciones. Estos archivos suelen incluir convenciones de nomenclatura, lógica de negocio, peculiaridades conocidas o dependencias que Codex no puede deducir solo a partir del código. Descubre más sobre cómo estructurar tu archivo AGENTS.md en la documentación.

La función Best-of-N te permite generar varias respuestas a la vez para una sola tarea, con el fin de explorar múltiples soluciones y elegir la mejor. Para tareas más complicadas, puedes revisar varias iteraciones y combinar partes de diferentes respuestas para obtener un resultado más sólido.

Codex todavía está en versión preliminar de investigación, pero ya está teniendo un impacto real en cómo desarrollamos, ayudándonos a avanzar más rápido, escribir mejor código y asumir trabajos que de otra forma nunca se habrían priorizado.

Estamos entusiasmados con el potencial que nos espera: a medida que nuestros modelos mejoren y Codex se integre más a fondo en nuestros flujos de trabajo, esperamos descubrir formas aún más potentes de desarrollar software con él. Seguiremos compartiendo lo que aprendamos por el camino.