Cisco & OpenAI: Codex ဖြင့် enterprise engineering ပြန်သတ်မှတ်

ဆယ်စုနှစ်များစွာအတွင်း Cisco သည် ကမ္ဘာပေါ်ရှိ အရှုပ်ထွေးဆုံးနှင့် မစ်ရှင်အရေးအကြီးဆုံး ဆော့ဖ်ဝဲ စနစ်များအချို့ကို တည်ဆောက်ပြီး လည်ပတ်ဆောင်ရွက်ခဲ့သည်။ Generative AI သည် စမ်းသပ်မှုအဆင့်မှ အမှန်တကယ် လုပ်ငန်းလည်ပတ်နိုင်သော စွမ်းဆောင်ရည်သို့ တိုးတက်လာသည့်အခါ Cisco သည် မိမိတို့ အကောင်းဆုံး သိကျွမ်းထားသည့်အရာကို အာရုံစိုက်ခဲ့သည်- တောင်းဆိုချက်မြင့်မားသော အမှန်လက်တွေ့ကမ္ဘာ ပတ်ဝန်းကျင်များအတွင်း အဆင့်မြင့် နည်းပညာကို အရွယ်အစားတိုးချဲ့ အသုံးချနိုင်ခြင်း။

ထိုချဉ်းကပ်ပုံသည် AI Defense အပါအဝင် Cisco က ထုတ်ကုန်အသစ်များ တည်ဆောက်ပုံကို ယခုတိုင် ပုံဖော်နေပြီး၊ ထိုနေရာတွင် Codex က အရေးကြီးသော အင်ဂျင်နီယာလုပ်ငန်းကို quarter အများအပြားမှ ရက်သတ္တပတ်များအထိ လျှော့ချနိုင်ရန် ကူညီခဲ့သည်။

Codex ကို သီးခြား developer ကိရိယာတစ်ခုအဖြစ် သတ်မှတ်မည့်အစား Cisco သည် ၎င်းကို production engineering workflow များထဲသို့ တိုက်ရိုက်ပေါင်းစည်းကာ ကြီးမားသော သိမ်းဆည်းရန်နေရာများစွာပါ စနစ်များ၊ C/C++ heavy codebase များနှင့် ကမ္ဘာလုံးဆိုင်ရာလုပ်ငန်းတစ်ခု၏ လုံခြုံရေး၊ လိုက်နာမှုနှင့် အုပ်ချုပ်မှုဆိုင်ရာလိုအပ်ချက်များနှင့် ထိတွေ့စေခဲ့သည်။

ထိုလုပ်ငန်းစဉ်အတွင်း Cisco သည် Codex ကို developer productivity ကိရိယာတစ်ခုနှင့် အခြေခံအားဖြင့် ကွာခြားသည့်အရာဖြစ်သော လုပ်ငန်းအဆင့် အတိုင်းအတာဖြင့် လည်ပတ်နိုင်သည့် AI အင်ဂျင်နီယာအဖွဲ့ဖော် အဖြစ် ပုံဖော်ရာတွင် ကူညီခဲ့သည်။

AI Defense အပေါ် Cisco ၏ လုပ်ဆောင်မှုက ထိုမော်ဒယ်သည် လက်တွေ့တွင် မည်သို့ရှိနိုင်သည်ကို ပြသသည်။ AI Defense သည် AI ကြောင့် ပေါ်ပေါက်လာသော safety နှင့် security အန္တရာယ်များကို ကာကွယ်ပေးသည့် Cisco ၏ end-to-end AI security ဖြေရှင်းချက်ဖြစ်သည်။

Cisco အဖွဲ့သည် AI Defense ၏ အများစုနှင့် Cisco က တည်ဆောက်နေသည့် လုပ်ဆောင်ချက်အသစ် နီးပါးအားလုံးကို ရေးသားရန် Codex ကို အသုံးပြုခဲ့သည်။

ဤလုပ်ငန်းသည် AI security ကို တိုးတက်စေရန် Cisco ၏ ပိုမိုကျယ်ပြန့်သော အခန်းကဏ္ဍကိုလည်း ထင်ဟပ်စေသည်။ Cisco သည် cyber defense ကို အရှိန်မြှင့်ရန်နှင့် software ကို အဆက်မပြတ်လုံခြုံစေရန် OpenAI မော်ဒယ်များ၊ Codex နှင့် security partner များကို စုစည်းပေးသော OpenAI ၏ Daybreak initiative နှင့် အလုပ်လုပ်နေသည့် ဦးဆောင် security အဖွဲ့အစည်းများအနက် တစ်ခုဖြစ်သည်။ ဤအစီအစဉ်၏ အစိတ်အပိုင်းအဖြစ် ၎င်းတို့သည် cyber ကာကွယ်သူများအတွက် မော်ဒယ်ဖြစ်သော GPT‑5.5‑Cyber သို့ ဝင်ရောက်အသုံးပြုခွင့်ကို ကြီးကြပ်စီမံထားသည်။

Cisco သည် open-source ကိရိယာဖြစ်သော ၎င်းတို့၏ Defense Squad ကို တည်ဆောက်ရန်လည်း Codex ကို အသုံးပြုခဲ့ပြီး၊ ၎င်းသည် အတွေးအခေါ်အဆင့်မှ developer community သို့ တစ်ပတ်မပြည့်မီ ရောက်ရှိခဲ့သည်။

Cisco သည် AI အစီအစဉ်များ အများအပြားကို တစ်ပြိုင်နက်တည်း ဆောင်ရွက်နေပြီး အတွေ့အကြုံပြည့်ဝသော အင်ဂျင်နီယာအဖွဲ့အစည်းကို ရှိပြီးသားဖြစ်ပါသည်။ Codex ကို ဆွဲဆောင်မှုရှိစေခဲ့တာက ကုဒ်ဖြည့်စွက်ပေးခြင်း သို့မဟုတ် အပေါ်ယံအဆင့် အလိုအလျောက်လုပ်ဆောင်မှု မဟုတ်ဘဲ ကိုယ်ပိုင်ဆုံးဖြတ်လုပ်ဆောင်နိုင်မှု ဖြစ်ပါတယ်။ Codex သည် အောက်ပါအရာများကို လုပ်ဆောင်နိုင်ကြောင်း ပြသခဲ့သည်:

• ကြီးမားပြီး အပြန်အလှန်ချိတ်ဆက်ထားသော သိမ်းဆည်းရန်နေရာများအနှံ့ နားလည်ပြီး ကျိုးကြောင်းသင့်လျော်စွာစဉ်းစားနိုင်ခြင်း
• ရှုပ်ထွေးသော ဘာသာစကားများဖြင့် ချောမွေ့စွာ အလုပ်လုပ်ခြင်း
• CLI အခြေပြု၊ ကိုယ်တိုင်လုပ်ဆောင်သော compile-test-fix loop များမှတစ်ဆင့် တကယ့် workflow များကို ဆောင်ရွက်ခြင်း
• ရှိပြီးသား သုံးသပ်မှု၊ လုံခြုံရေးနှင့် governance framework များအတွင်း လည်ပတ်ခြင်း

OpenAI နှင့် တိုက်ရိုက်အလုပ်လုပ်ခြင်းဖြင့် Cisco အင်ဂျင်နီယာများသည် ထိုစွမ်းရည်များကို လက်တွေ့ပတ်ဝန်းကျင်များတွင် မည်သို့ပြုမူသည်ကို တုံ့ပြန်ချက်ပေးနိုင်ခဲ့ပြီး workflow orchestration၊ security control များနှင့် ကြာရှည်စွာလည်ပတ်ရသည့် အင်ဂျင်နီယာလုပ်ငန်းများအတွက်ပံ့ပိုးမှု ကဲ့သို့သော လုပ်ငန်းအဆင့်အသုံးပြုမှုအတွက် အရေးကြီးသည့် နယ်ပယ်များကို ပုံဖော်နိုင်ခဲ့သည်။

Codex ကို နေ့စဉ်အင်ဂျင်နီယာလုပ်ငန်းထဲတွင် ထည့်သွင်းပြီးနောက် အဖွဲ့များသည် ၎င်းကို ၎င်းတို့၏ အခက်ခဲဆုံးနှင့် အချိန်အကုန်ဆုံး workflow အချို့တွင် စတင်အသုံးချခဲ့ကြသည်။

Cross-repo တည်ဆောက်မှု အကောင်းဆုံးဖြစ်အောင်ပြုလုပ်ခြင်း- Codex သည် အပြန်အလှန်ချိတ်ဆက်ထားသော သိမ်းဆည်းရန်နေရာ ၁၅ ခုထက်ပိုသော အတွင်းရှိ build logs နှင့် dependency graphs များကို ခွဲခြမ်းစိတ်ဖြာကာ မထိရောက်မှုများကို ခွဲခြားသတ်မှတ်ခဲ့သည်။ ရလဒ်အနေဖြင့်- တည်ဆောက်ချိန်များကို ~20% လျှော့ချနိုင်ခဲ့ပြီး ကမ္ဘာလုံးဆိုင်ရာ ပတ်ဝန်းကျင်များတစ်လျှောက် လစဉ် အင်ဂျင်နီယာလုပ်ငန်းချိန် ၁,၅၀၀ နာရီကျော် ချွေတာနိုင်ခဲ့သည် ။

အတိုင်းအတာကြီးမားစွာ ချို့ယွင်းချက် ပြုပြင်ရေး (CodeWatch)- Codex-CLI ကို အသုံးပြုပြီး Cisco သည် အကြိမ်ကြိမ် ထပ်တလဲလဲ လုပ်ဆောင်သည့် အေးဂျင့်အခြေပြု အကောင်အထည်ဖော်မှုဖြင့် အကြီးစား C/C++ ကုဒ်ဘေ့စ်များတွင် ချို့ယွင်းချက် ပြုပြင်မှုကို အလိုအလျောက်လုပ်ဆောင်ခဲ့သည်။ ယခင်က လက်ဖြင့်လုပ်ဆောင်ရသည့် အလုပ်အားထုတ်မှုဖြင့် အပတ်များကြာခဲ့သည့်အရာသည် ယခု နာရီအနည်းငယ်အတွင်း ပြီးစီးလာပြီး ချို့ယွင်းချက် ဖြေရှင်းရေး ဆောင်ကြဉ်းပေးမှု ပမာဏကို 10-15× တိုးတက်စေခြင်း ကို ပေးစွမ်းသကဲ့သို့ အင်ဂျင်နီယာများကို ဒီဇိုင်းနှင့် အတည်ပြုစစ်ဆေးမှုအပေါ် အာရုံစိုက်နိုင်ရန်လည်း လွတ်လပ်စေသည်။

ရက်သတ္တပတ်များမဟုတ်ဘဲ ရက်အနည်းငယ်အတွင်း framework migration များ: Splunk အဖွဲ့များသည် UI အများအပြားကို React 18 မှ 19 သို့ ပြောင်းရွှေ့ရန် လိုအပ်ချိန်တွင် Codex သည် ထပ်ခါတလဲလဲပြုလုပ်ရသော ပြောင်းလဲမှုများ၏ အများစုကို ကိုယ်တိုင်ကိုယ်ကျ ဆောင်ရွက်ပြီး ရက်သတ္တပတ်များကြာမည့် လုပ်ငန်းကို ရက်အနည်းငယ်အတွင်း လျှော့ချကာ အင်ဂျင်နီယာများအား ဆုံးဖြတ်ချက်အရေးကြီးသည့် ကိစ္စများကို အာရုံစိုက်နိုင်စေခဲ့သည်။

Cisco သည် production တွင် တကယ်အသုံးပြုမှုမှ ဆက်တိုက်တုံ့ပြန်ချက်များ ပေးခဲ့ပြီး၊ ၎င်းက OpenAI အား Codex ကို လုပ်ငန်းကြီးများအတွက် အသင့်ဖြစ်စေရန် အရှိန်မြှင့်ရာတွင် ကူညီခဲ့သည်- အထူးသဖြင့် compliance၊ ကြာရှည်စွာလည်ပတ်ရသည့် task management နှင့် ရှိပြီးသား development pipeline များ ပေါင်းစည်းမှုကဲ့သို့သော နယ်ပယ်များတွင် ဖြစ်သည်။

Cisco အတွက် ဤပူးပေါင်းဆောင်ရွက်မှုသည် နောက်မျိုးဆက် AI ကို လက်ခံကျင့်သုံးရန် ထပ်ခါတလဲလဲ အသုံးပြုနိုင်သော မော်ဒယ်တစ်ခုကို တည်ဆောက်ပေးခဲ့သည်- နက်ရှိုင်းသော နည်းပညာဆိုင်ရာ မိတ်ဖက်မှု၊ လက်တွေ့ workload များနှင့် ပထမနေ့မှစတင်သော leadership alignment ဖြစ်သည်။

ယနေ့တွင် Codex ကို Cisco ၏ စီးပွားရေးလုပ်ငန်း ကဏ္ဍအသီးသီးတွင် ကျယ်ကျယ်ပြန့်ပြန့် အသုံးပြုလျက်ရှိရာ၊ ၎င်းသည် ကုန်ထုတ်စွမ်းအား၊ code အရည်အသွေး နှင့် ပြဿနာဖြေရှင်းနိုင်မည့်အချိန် တို့ကို ပိုမိုကောင်းမွန်လာစေသည်။ အလုပ်တစ်ခု၏ အတိုင်းအတာကို သမားရိုးကျ လုပ်အားစိုက်ထုတ်မှုစံနှုန်းများဖြင့်သာ တိုင်းတာတော့မည့်အစား “အဆိုပါလုပ်ငန်းအတွက် Codex run တာက ဘယ်လောက်ကြာမလဲ။” ဟု ပိုမိုမေးမြန်းလာကြသည်။