Slik jobber RingCentral AI-nativt, fra utvikling til drift
Med ChatGPT Work og Codex utvikler RingCentral AI-produktfunksjoner raskere og samler operasjonell intelligens på ett sted.
Etter nesten tre tiår med innovasjon innen bedriftskommunikasjon har RingCentral vokst til et globalt selskap med over 2,6 milliarder dollar i årlig omsetning og flere tusen ansatte over hele verden. I dag viderefører selskapet sin lange innovasjonstradisjon ved å ta i bruk AI-native arbeidsmåter. Ved å gi alle ansatte rom til å eksperimentere med ChatGPT Work og Codex har RingCentral sørget for at alle i selskapet, uansett utviklingserfaring, kan bygge banebrytende produkter og infrastruktur.
«Når alle får tilgang til reelle AI-verktøy, blir hele selskapet en produktorganisasjon. Alle produktene våre – blant annet porteføljen vår av agentbasert tale-AI med AIR, AVA og ACE – blir bedre når vi reduserer avstanden fra idé til lansert funksjon. Det er nettopp dette AI-nativ utvikling gjør mulig.»
For å styrke AI-kompetansen i den globale utviklingsorganisasjonen tok RingCentrals konsernledelse initiativ til en AI-native-utfordring. Alle deltakerne fikk ChatGPT Work og Codex og ble bedt om å bygge et komplett prosjekt fra start til slutt – uten krav til arbeidsflyt eller andre begrensninger.
Utfordringen var langt mer enn en kodeøvelse. Den lot de ansatte prøve hele den AI-native utviklingssyklusen, fra planlegging og implementering til testing, dokumentasjon, CI/CD og iterasjon. Nesten alle deltakerne opprettet et fungerende lager, og flere tusen ansatte – inkludert medarbeidere uten teknisk bakgrunn og til og med ledere – leverte fungerende prosjekter.
For RingCentral er utfordringen en fungerende modell for en bredere strategi: å bruke AI internt for å bygge produkter raskere for kundene. Selskapet bruker den samme Codex-baserte tilnærmingen til å fremskynde utviklingen av sin egen portefølje av AI-drevne produkter – RingCentral AI Receptionist (AIR), AI Virtual Assistant (AVA) og AI Conversation Expert (ACE) – og reduserer dermed avstanden fra idé til lansert kundefunksjon.
«Den tydeligste lærdommen fra utfordringen var at AI-nativ utvikling ikke handler om å erstatte utviklere, men om å forsterke det de kan gjøre. AI fremskynder hele utviklingssyklusen, mens mennesker fortsatt er involvert og styrer produktkravene, tilfører forretningskontekst, tar arkitekturbeslutninger og sørger for at alle resultater blir testet og kontrollert.»
—Utviklingsleder hos RingCentral som ledet prosjektet
Inspirert av initiativer som AI-native-utfordringen har også avdelinger utenfor utviklingsorganisasjonen i RingCentral tatt i bruk AI-native arbeidsmåter. Programkontoret (PMO) har brukt ChatGPT Work til å bygge det som i praksis er et operativsystem for programstyring. Spredte notater og chattelogger er erstattet av AI-drevne arbeidsflyter for statusoppfølging, rapportering, lanseringsstyring og kunnskapsoverføring.
«ChatGPT samler all konteksten for prosjektet mitt. Med ChatGPT Work kan jeg omsette denne konteksten i konkrete tiltak og gjennomføring.»
Ett bruksområde er automatisert statusrapportering: Med ChatGPT Work har PMO-teamet bygget arbeidsflyter som genererer varsler fra saker som følges opp i Jira, Google Regneark, CRM-systemer og andre kilder. Det er forskjellen på å gå inn i et møte og spørre hva som har endret seg, og å møte opp med hindringer, ansvarlige og tiltak allerede definert.
Det som startet som en åpen invitasjon til å eksperimentere, der flere tusen utviklere bygget fra bunnen av, har utviklet seg til selve driftsgrunnlaget for hvordan team som PMO gjennomfører programmene sine. Ved å redusere behovet for manuell koordinering gjør ChatGPT Work det mulig for RingCentrals PMO å håndtere flere prosjekter med større presisjon.
Det samme mønsteret går igjen i både utvikling og drift: Når ansatte får rom til å eksperimentere med AI, bygger de ikke bare egne ferdigheter, men også infrastrukturen selskapet drives på.
