Rakuten risolve i problemi due volte più velocemente con Codex

Rakuten⁠⁠(si apre in una nuova finestra) è un’azienda globale di innovazione che opera nei settori dell’e-commerce, del fintech e delle comunicazioni mobili, servendo consumatori ed esercenti su scala globale. Con 30.000 dipendenti in tutto il mondo, i suoi team di ingegneria operano in un ecosistema di prodotti ampio e complesso, in cui velocità e affidabilità sono entrambe essenziali.

Ecco perché Yusuke Kaji, General Manager of AI for Business di Rakuten, ha trascorso l’ultimo anno a integrare sempre più profondamente i flussi di lavoro agentici nei processi con cui i team pianificano, sviluppano e convalidano il software. Codex⁠⁠: l’agente di coding di OpenAI è diventato un elemento centrale dello stack di engineering di Rakuten, soprattutto nei casi in cui l’azienda deve accelerare senza compromettere la sicurezza.

Nell’ultimo anno, gli ingegneri di Rakuten hanno utilizzato Codex nelle attività operative e nella delivery del software per ridurre i tempi di risposta agli incidenti (inclusa una riduzione di circa il 50% del tempo medio di ripristino, o MTTR), rafforzare la CI/CD con revisioni del codice e controlli delle vulnerabilità automatizzati e favorire uno sviluppo più autonomo nei progetti complessi.

All’interno del team di ingegneria di Rakuten, la strategia per l’IA è chiara e deliberatamente orientata all’operatività. Kaji articola il lavoro attorno a tre priorità che guidano i team:

• Sviluppare più velocemente (“Velocità! Velocità! Velocità!”): i team utilizzano Codex nei flussi di lavoro operativi, inclusi il monitoraggio e la diagnosi basati su KQL, per accelerare l’analisi delle cause radice e la risoluzione dei problemi, contribuendo a ridurre l’MTTR fino al 50%.
• Sviluppare in modo più sicuro (“Get things done”): Codex viene utilizzato nella CI/CD per la revisione del codice e i controlli delle vulnerabilità, applicando automaticamente gli standard interni affinché i team possano rilasciare rapidamente senza rinunciare alle necessarie garanzie.
• Operare in modo più intelligente (“AI-nization”): Codex porta avanti progetti più ampi e ambigui, dalla definizione delle specifiche a implementazioni funzionanti, riducendo la dipendenza da requisiti perfettamente definiti, consentendo un’esecuzione più autonoma e, in ultima analisi, comprimendo iniziative della durata di un trimestre in poche settimane.

Codex si allinea direttamente a ciascuna priorità come agente affidabile all'interno di un ecosistema di strumenti più ampio, intervenendo nei contesti in cui velocità, sicurezza e autonomia generano valore cumulativo.

In Rakuten, la velocità include il tempo di ripristino, non solo la velocità di sviluppo.

I team utilizzano KQL (il sistema di query di Azure per log e telemetria) per monitorare le API e analizzare i segnali. Codex affianca questi flussi di lavoro aiutando a identificare le cause principali e a suggerire correzioni, riducendo il tempo che intercorre tra l’avviso e la risoluzione.

Dal punto di vista della Site Reliability Engineering (SRE), questo accorcia il percorso che va dall’individuazione del problema alla sua risoluzione. Invece di mettere insieme manualmente query, log e patch, gli ingegneri possono concentrarsi sulla convalida e sul rilascio delle correzioni.

Rakuten stima che questo approccio possa ridurre l’MTTR di circa il 50% quando si verificano problemi. In altre parole, Rakuten ha utilizzato Codex per risolvere i problemi in metà tempo quando qualcosa smette di funzionare.

Man mano che i rilasci accelerano, la revisione e la distribuzione possono diventare colli di bottiglia. Rakuten affronta questo problema integrando Codex direttamente nella propria pipeline CI/CD.

Codex esegue revisioni del codice e controlli delle vulnerabilità prima che le modifiche vengano distribuite in produzione. Rakuten integra principi e standard interni di sviluppo in questi flussi di lavoro, affinché le revisioni siano allineate alle aspettative aziendali.

"Forniamo a Codex i nostri principi interni di programmazione", afferma Kaji. "Applicando gli stessi principi, valuta se il codice è in linea con i nostri standard."

Il risultato: i controlli di sicurezza avvengono in modo coerente e automatico, consentendo ai team di muoversi più rapidamente senza abbassare gli standard.

La terza priorità di Rakuten, l’AI-nization, si concentra sull’autonomia. Codex viene utilizzato non solo per la revisione e la manutenzione, ma anche per portare a termine dall’inizio alla fine progetti più ampi e dai contorni meno definiti. Anziché richiedere specifiche perfettamente definite, Codex può procedere a partire da requisiti parziali e produrre artefatti utilizzabili.

"I modelli Codex più recenti sono in grado di leggere tra le righe", afferma Kaji. "Anche se i requisiti non sono definiti alla perfezione, comprende ciò che stiamo cercando di realizzare."

Un esempio: lo sviluppo di una versione mobile di un servizio di agente IA basato sul web già esistente. Codex ha implementato l'intera specifica, realizzando una soluzione full-stack con backend Python/FastAPI e un'app iOS sviluppata con Swift/SwiftUI, incluse tutte le API backend, senza istruzioni umane passo dopo passo. Codex ha ridotto i tempi di sviluppo di questo progetto da un trimestre a poche settimane.

Man mano che Codex si fa carico di una quota sempre maggiore del lavoro di generazione del codice, Rakuten sta spostando il ruolo dell’ingegnere verso la definizione di specifiche più chiare e la verifica dei risultati sulla base di standard misurabili. 

"Il nostro ruolo non è più verificare ogni riga di codice", afferma Kaji. "Il nostro ruolo è definire chiaramente ciò che vogliamo e stabilire come verificarlo."

Rakuten ha sostenuto questa transizione attraverso workshop pratici rivolti ai team di engineering, di prodotto e non tecnici, contribuendo a rendere Codex un elemento centrale nell’aiutare i team a rilasciare più rapidamente, operare in modo più sicuro e ampliare lo sviluppo autonomo in tutta l’organizzazione.