Cisco ו-OpenAI מגדירות מחדש פיתוח ארגוני עם Codex

במשך עשרות שנים, Cisco פיתחה והפעילה כמה ממערכות התוכנה המורכבות והחיוניות ביותר בעולם. כשהבינה המלאכותית היוצרת הבשילה משלב הניסויים ליכולת תפעולית ממשית, Cisco התמקדה במה שהיא יודעת לעשות היטב: להרחיב את השימוש בטכנולוגיה מתקדמת בסביבות תובעניות בעולם האמיתי.

הגישה הזו כבר מעצבת את האופן שבו Cisco מפתחת מוצרים חדשים, ובהם AI Defense, שבפיתוחו סייע Codex לקצר עבודת פיתוח קריטית מכמה רבעונים לשבועות.

במקום להתייחס ל-Codex כאל כלי עצמאי למפתחים, Cisco החלה לשלב אותו ישירות בתהליכי פיתוח בסביבות ייצור, תוך חשיפתו למערכות ענק מרובות מאגרים, לבסיסי קוד המבוססים במידה רבה על C/C++, ולדרישות האבטחה, הציות והממשל של ארגון גלובלי.

בתהליך הזה, Cisco סייעה להפוך את Codex למשהו שונה במהותו מכלי לשיפור פרודוקטיביות של מפתחים: חבר צוות פיתוח מבוסס בינה מלאכותית, המסוגל לפעול בקנה מידה ארגוני.

העבודה של Cisco על AI Defense מדגימה כיצד הגישה הזו יכולה להיראות בפועל. AI Defense הוא פתרון האבטחה המקיף של Cisco לבינה מלאכותית, המגן מפני סיכוני בטיחות ואבטחה הנובעים מהשימוש בה.

הצוות של Cisco השתמש ב-Codex לכתיבת רוב הקוד של AI Defense וכמעט כל יכולת חדשה ש-Cisco מפתחת.

העבודה הזו משקפת גם את תפקידה הרחב יותר של Cisco בקידום אבטחת הבינה המלאכותית. Cisco נמנית עם ארגוני האבטחה המובילים הפועלים במסגרת יוזמת Daybreak של OpenAI, המשלבת מודלים של OpenAI, את Codex ושותפי אבטחה כדי להאיץ את הגנת הסייבר ולאבטח תוכנה באופן רציף. במסגרת התוכנית, ל-Cisco יש גישה מבוקרת ל-GPT‑5.5‑Cyber, מודל לאנשי הגנת סייבר.

Cisco הסתייעה ב-Codex גם בפיתוח Defense Squad, כלי קוד פתוח שעבר משלב הרעיון להשקה בקהילת המפתחים בתוך פחות משבוע.

ל-Cisco כבר יש מערך פיתוח מבוסס, עם כמה יוזמות בינה מלאכותית בעיצומן. מה שהפך את Codex לאטרקטיבי לא היה השלמת קוד או אוטומציה בסיסית, אלא היכולת לפעול באופן עצמאי. Codex הוכיח שהוא מסוגל:

• להבין קוד ולהסיק מסקנות על פני מאגרים גדולים המקושרים זה לזה

• לעבוד במיומנות בשפות מורכבות

• לבצע תהליכי עבודה בפועל באמצעות מחזורי הידור, בדיקה ותיקון אוטונומיים המבוססים על CLI

• לפעול במסגרת תהליכי סקירה, אבטחה וממשל קיימים

העבודה הישירה עם OpenAI אפשרה למהנדסי Cisco לתת משוב על תפקוד היכולות האלה בסביבות אמיתיות, ולהשפיע על תחומים כמו תזמור תהליכי עבודה, בקרות אבטחה ותמיכה במשימות פיתוח ממושכות — כולם חיוניים לשימוש ארגוני.

לאחר ש-Codex שולב בעבודת הפיתוח היומיומית, הצוותים החלו להשתמש בו בכמה מתהליכי העבודה המאתגרים וגוזלי הזמן ביותר שלהם:

ייעול תהליכי בנייה חוצי מאגרים: Codex ניתח יומני בנייה וגרפי תלויות ביותר מ-15 מאגרים המקושרים זה לזה, וזיהה חוסר יעילות. התוצאה: קיצור של כ-20% בזמני הבנייה וחיסכון של יותר מ-1,500 שעות פיתוח בחודש בסביבות ברחבי העולם.

תיקון תקלות בקנה מידה רחב (CodeWatch): באמצעות Codex-CLI, Cisco הפכה את תיקון התקלות לאוטומטי, תוך שימוש בביצוע אג'נטי איטרטיבי בבסיסי קוד גדולים של C/C++. מה שבעבר דרש שבועות של עבודה ידנית מושלם כיום בתוך שעות, ומביא לגידול של פי 10–15 בתפוקת תיקון התקלות, תוך פינוי זמן למהנדסים להתמקד בתכנון ובאימות.

מעבר בין גרסאות של תשתיות פיתוח בימים, לא בשבועות: כשצוותי Splunk נדרשו להעביר כמה ממשקי משתמש מ-React 18 ל-19, Codex ביצע באופן עצמאי את רוב השינויים החזרתיים, צמצם שבועות של עבודה לימים ואפשר למהנדסים להתמקד בהחלטות הדורשות שיקול דעת מעמיק.

Cisco סיפקה משוב רציף משימוש בפועל בסביבות ייצור, שסייע ל-OpenAI להאיץ את התאמת Codex לארגונים גדולים — במיוחד בתחומים כמו ציות, ניהול משימות ממושכות ושילוב בתהליכי פיתוח קיימים.

עבור Cisco, שיתוף הפעולה ביסס מתווה שניתן ליישם שוב לאימוץ הדור הבא של הבינה המלאכותית: שותפות טכנית מעמיקה, עומסי עבודה אמיתיים ותיאום בין ההנהלות מהיום הראשון.

כיום, Codex משמש כמה יחידות עסקיות ב-Cisco, משפר את הפרודוקטיביות ואת איכות הקוד, ומקצר את הזמן הנדרש לפתרון בעיות. במקום להעריך את היקף העבודה רק לפי מדדי מאמץ מסורתיים, צוותים שואלים יותר ויותר: ״כמה זמן תימשך ההרצה הזו של Codex?״