Cisco og OpenAI omdefinerer utvikling for bedrifter med Codex

I flere tiår har Cisco bygget og driftet noen av verdens mest komplekse, oppdragskritiske programvaresystemer. Etter hvert som generativ KI modnet fra eksperimentering til reell operasjonell kapasitet, lente Cisco seg inn i det de kan best: å skalere avansert teknologi i krevende, virkelige miljøer.

Denne tilnærmingen former allerede hvordan Cisco bygger nye produkter, inkludert AI Defense, der Codex bidro til å komprimere kritisk utviklingsarbeid fra flere kvartaler til uker.

I stedet for å behandle Codex som et frittstående utviklerverktøy begynte Cisco å integrere det direkte i produksjonsarbeidsflyter for utvikling, og eksponerte det for enorme systemer med flere lagre, C/C++-tunge kodebaser og kravene til sikkerhet, etterlevelse og styring i en global virksomhet.

I prosessen bidro Cisco til å forme Codex til noe fundamentalt annerledes enn et produktivitetsverktøy for utviklere: en AI-lagkamerat for utvikling som kan operere i bedriftsskala.

Ciscos arbeid med AI Defense viser hvordan den modellen kan se ut i praksis. AI Defense er Ciscos ende-til-ende-løsning for AI-sikkerhet som beskytter mot trygghets- og sikkerhetsrisikoer introdusert av AI.

Codex ble brukt av Ciscos team til å skrive størstedelen av AI Defense og nesten alle nye funksjoner Cisco bygger.

Dette arbeidet gjenspeiler også Ciscos bredere rolle i å fremme AI-sikkerhet. Cisco er blant de ledende sikkerhetsorganisasjonene som samarbeider med OpenAIs Daybreak-initiativ, som samler OpenAI-modeller, Codex og sikkerhetspartnere for å akselerere cyberforsvar og kontinuerlig sikre programvare. Som en del av dette programmet har de styrt tilgang til GPT‑5.5‑Cyber, en modell for cyberforsvarere.

Cisco brukte også Codex til å bidra til å bygge Defense Squad, et åpen kildekode-verktøy som gikk fra idé til utviklerfellesskapet på under én uke.

Cisco driver allerede en moden ingeniørorganisasjon med flere KI-initiativer i gang. Det som gjorde Codex overbevisende, var ikke kodefullføring eller overfladisk automasjon, men innflytelse. Codex demonstrerte evnen til å:

• Forstå og resonnere på tvers av store, sammenkoblede lagre
• Arbeide flytende i komplekse språk
• Utføre reelle arbeidsflyter gjennom CLI-baserte, autonome kompiler-test-fiks-sløyfer
• Operere innenfor eksisterende rammeverk for gjennomgang, sikkerhet og styring

Ved å arbeide direkte med OpenAI kunne Cisco-ingeniører gi tilbakemelding på hvordan disse egenskapene oppførte seg i reelle miljøer, og forme områder som arbeidsflytorkestrering, sikkerhetskontroller og støtte for langvarige utviklingsoppgaver – alt dette er kritisk for bruk i bedrifter.

Da Codex først var integrert i det daglige utviklingsarbeidet, begynte teamene å bruke det på noen av sine mest utfordrende og tidkrevende arbeidsflyter:

Optimalisering av bygg på tvers av lagre: Codex analyserte bygglogger og avhengighetsgrafer på tvers av mer enn 15 sammenkoblede lagre, og identifiserte ineffektivitet. Resultatet: en ~20 % reduksjon i byggetider og mer enn 1 500 ingeniørtimer spart per måned på tvers av globale miljøer.

Feilutbedring i stor skala (CodeWatch): Ved bruk av Codex-CLI automatiserte Cisco feilretting med iterativ, agentbasert utførelse på store C/C++-kodebaser. Det som tidligere tok uker med manuelt arbeid, fullføres nå på timer, og gir en 10-15× økning i gjennomstrømming for feilretting og frigjør ingeniører til å fokusere på design og validering.

Rammeverksmigreringer på dager, ikke uker: Da Splunk-team måtte migrere flere brukergrensesnitt fra React 18 til 19, håndterte Codex mesteparten av de repetitive endringene autonomt, reduserte uker med arbeid til dager og lot ingeniørene konsentrere seg om vanskelige beslutninger.

Cisco ga kontinuerlig tilbakemelding fra reell produksjonsbruk som hjalp OpenAI med å gjøre Codex raskere klar for store bedrifter – særlig på områder som etterlevelse, håndtering av langvarige oppgaver og integrasjon med eksisterende utviklingsprosesser.

For Cisco etablerte samarbeidet en repeterbar modell for å ta i bruk neste generasjons AI: dypt teknisk partnerskap, reelle arbeidsbelastninger og samsvar i ledelsen fra dag én.

I dag brukes Codex på tvers av flere forretningsenheter i Cisco og forbedrer produktivitet, kodekvalitet og tid til løsning. I stedet for å dimensjonere arbeid bare etter tradisjonelle mål for innsats, spør teamene i økende grad: «Hvor lang tid vil den Codex-kjøringen ta?»