A Cisco és az OpenAI a Codexszel újradefiniálja a munkát

A Cisco évtizedek óta a világ legösszetettebb, küldetéskritikus szoftverrendszereit építi és üzemelteti. Ahogy a generatív AI a kísérletezésből valódi operatív képességgé fejlődött, a Cisco arra támaszkodott, amiben a legjobb: fejlett technológiák skálázáséra igényes, valós környezetekben.

Ez a megközelítés máris meghatározza, hogyan fejleszti a Cisco az új termékeit, ideértve az AI Defense megoldást is, amelynek esetében a Codex segítségével a kritikus fejlesztői munkát több negyedévről hetekre sikerült lerövidíteni.

Ahelyett, hogy a Codexet önálló fejlesztői eszközként kezelték volna, a Cisco közvetlenül integrálta azt a termelési fejlesztői munkafolyamatokba, így a rendszer hatalmas, több tárolóból álló rendszerekkel, C/C++-alapú kódbázisokkal, valamint egy globális vállalat biztonsági, megfelelőségi és irányítási követelményeivel került szembe.

Ennek során a Cisco segített a Codexet egy fejlesztői termelékenységi eszköztől alapvetően eltérővé alakítani: egy vállalati szinten működőképes AI fejlesztői csapattaggá.

A Cisco AI Defense-en végzett munkája megmutatja, hogyan nézhet ki ez a modell a gyakorlatban. Az AI Defense a Cisco végpontok közötti AI biztonsági megoldása, amely védelmet nyújt az AI által okozott biztonsági kockázatok ellen.

A Cisco csapata a Codexet használta az AI Defense nagy részének megírásához, valamint szinte minden új funkcióhoz, amelyet a Cisco fejleszt.

Ez a munka a Cisco szélesebb körű szerepét is tükrözi az AI-biztonság előmozdításában. A Cisco az OpenAI Daybreak kezdeményezésében részt vevő vezető biztonsági szervezetek közé tartozik, amely összehozza az OpenAI modelleket, a Codexet és a biztonsági partnereket a kibervédelem felgyorsítása és a szoftverek folyamatos biztonságának biztosítása érdekében. A program részeként szabályozták a GPT‑5.5‑Cyberhez való hozzáférést, amely egy modell a kibervédelmi szakemberek számára.

A Cisco a Codex segítségével hozta létre a Defense Squad nevű nyílt forráskódú eszközt is, amely kevesebb mint egy hét alatt jutott el az ötletelés szakaszától a fejlesztői közösségig.

A Cisco már egy kiforrott mérnöki szervezetet működtet, amely több mesterséges intelligencia kezdeményezést is futtat. Ami igazán meggyőzővé tette a Codexet, az nem a kódkiegészítés vagy a felszínes automatizálás volt, hanem az ügynökség. A Codex bizonyította, hogy képes:

• Megérteni és átgondolni nagy, összekapcsolt adattárakat
• Gördülékenyen dolgozni összetett nyelvekben
• Valódi munkafolyamatokat végrehajtani CLI-alapú, autonóm fordítás-tesztelés-javítás ciklusokon keresztül
• Működni a meglévő ellenőrzési, biztonsági és irányítási keretrendszereken belül

Az OpenAI-jal való közvetlen együttműködés révén a Cisco fejlesztői visszajelzést adhattak arról, hogy ezek a képességek hogyan viselkednek valós környezetben, alakítva olyan területeket, mint a munkafolyamat-koordináció, a biztonsági ellenőrzések és a hosszú távú fejlesztői feladatok támogatása – amelyek mindegyike kritikus fontosságú a vállalati felhasználás szempontjából.

Miután a Codex beépült a mindennapi mérnöki munkába, a csapatok elkezdték alkalmazni a legnehezebb és legidőigényesebb munkafolyamatokban:

Több adattárra kiterjedő buildelés optimalizálás: A Codex több mint 15 egymással összekapcsolt adattár buildnaplóit és függőségi gráfjait elemezte, azonosítva a hatékonysági hiányosságokat. Az eredmény: ~20%-os csökkenés a buildidőkben, és világszerte havonta több mint 1500 mérnöki munkaóra megtakarítás a különböző környezetekben.

Hibajavítás nagy léptékben (CodeWatch): A Codex-CLI használatával a Cisco automatizálta a hibajavítást iteratív, ügynökszerű végrehajtással nagy méretű C/C++ kódbázisokon. Ami korábban hetekig tartó kézi munkát igényelt, az most órák alatt elkészül, 10-15×-ös növekedést biztosítva a hibajavítási adatátviteli egységben, és felszabadítva a mérnököket, hogy a tervezésre és a validálásra összpontosíthassanak.

Keretrendszer-migrációk napok alatt, nem hetek alatt: Amikor a Splunk csapatainak több felhasználói felületet kellett áttelepíteniük a React 18-ról a 19-re, a Codex önállóan kezelte a ismétlődő változtatások nagy részét, így a hetekig tartó munkát napokra sűrítette, és lehetővé tette a fejlesztők számára, hogy a megfontolást igénylő döntésekre koncentráljanak.

A Cisco folyamatos visszajelzést nyújtott a valós termelési felhasználásról, ami segítette az OpenAI-t abban, hogy felgyorsítsa a Codex nagyvállalatok számára való felkészültségét – különösen olyan területeken, mint a megfelelőség, a hosszú távú feladatkezelés és a meglévő fejlesztési folyamatokba való integráció.

A Cisco számára ez az együttműködés egy megismételhető modellt hozott létre a következő generációs mesterséges intelligencia bevezetéséhez: mélyreható technikai partnerség, valós munkaterhelések és a vezetőség elkötelezettsége már az első naptól kezdve.

Ma a Codex-et a Cisco számos üzleti egységében használják, javítva ezzel a termelékenységet, a kódminőséget és a hibaelhárítás idejét. Ahelyett, hogy a munkát kizárólag a hagyományos erőfeszítés-mérőszámok alapján becsülnék meg, a csapatok egyre gyakrabban teszik fel a kérdést: „Mennyi ideig fog tartani ez a Codex-futás?”