Cisco och OpenAI omdefinierar företagsutveckling med Codex

I årtionden har Cisco byggt och drivit några av världens mest komplexa, verksamhetskritiska programvarusystem. När generativ AI mognade från experiment till verklig operativ förmåga lutade sig Cisco mot det företaget kan bäst: att skala avancerad teknik i krävande, verkliga miljöer.

Det angreppssättet formar redan hur Cisco bygger nya produkter, däribland AI Defense, där Codex hjälpte till att komprimera kritiskt ingenjörsarbete från flera kvartal till veckor.

I stället för att behandla Codex som ett fristående utvecklarverktyg började Cisco integrera det direkt i produktionsnära ingenjörsarbetsflöden, där det exponerades för enorma system med flera förvar, C/C++-tunga kodbaser och de krav på säkerhet, efterlevnad och styrning som finns i ett globalt företag.

Under processen hjälpte Cisco till att forma Codex till något i grunden annorlunda än ett produktivitetsverktyg för utvecklare: en AI-ingenjörskollega som kan arbeta i företagsskala.

Ciscos arbete med AI Defense visar hur den modellen kan se ut i praktiken. AI Defense är Ciscos heltäckande AI-säkerhetslösning som skyddar mot trygghets- och säkerhetsrisker som introduceras av AI.

Codex användes av Ciscos team för att skriva större delen av AI Defense och nästan varje ny funktion som Cisco bygger.

Detta arbete speglar också Ciscos bredare roll i att främja AI-säkerhet. Cisco är en av de ledande säkerhetsorganisationerna som arbetar med OpenAI:s Daybreak-initiativ, som förenar OpenAI-modeller, Codex och säkerhetspartner för att påskynda cyberförsvar och kontinuerligt säkra programvara. Som en del av detta program har de styrt åtkomsten till GPT‑5.5‑Cyber, en modell för cyberförsvarare.

Cisco använde också Codex för att hjälpa till att bygga deras Defense Squad, ett verktyg med öppen källkod som gick från idé till utvecklarcommunity på mindre än en vecka.

Cisco driver redan en mogen ingenjörsorganisation med flera AI-initiativ på gång. Det som gjorde Codex övertygande var inte kodkomplettering eller ytlig automatisering, utan handlingsförmåga. Codex visade förmåga att:

• Förstå och resonera över stora, sammanlänkade förvar
• Arbeta obehindrat i komplexa språk
• Utföra verkliga arbetsflöden genom CLI-baserade, autonoma kompilera-testa-åtgärda-loopar
• Verka inom befintliga ramverk för granskning, säkerhet och styrning

Genom att arbeta direkt med OpenAI kunde Ciscos ingenjörer ge feedback på hur dessa förmågor fungerade i verkliga miljöer, och påverka områden som orkestrering av arbetsflöden, säkerhetskontroller och stöd för långvariga ingenjörsuppgifter – allt detta är avgörande för företagsanvändning.

När Codex väl var inbäddat i det dagliga ingenjörsarbetet började teamen använda det för några av sina mest utmanande och tidskrävande arbetsflöden:

Optimering av byggen över flera kodförvar: Codex analyserade byggloggar och beroendegrafer i över 15 sammankopplade kodförvar och identifierade ineffektivitet. Resultatet: ca 20 % kortare byggtider och en tidsbesparing på mer än 1 500 ingenjörstimmar per månad i globala miljöer.

Storskaliga felåtgärder (CodeWatch): Med Codex-CLI automatiserade Cisco felkorrigeringen genom iterativ, agentbaserad körning i storskaliga C/C++-kodbaser. Det som tidigare krävde veckor av manuellt arbete slutförs nu på några timmar, vilket ger en 10–15 gånger högre felkorrigeringskapacitet och frigör tid som teknikerna kan ägna åt design och validering istället.

Ramverksmigreringar på dagar, inte veckor: När Splunk-team behövde migrera flera användargränssnitt från React 18 till 19 hanterade Codex merparten av de repetitiva ändringarna autonomt, komprimerade veckors arbete till dagar och lät ingenjörerna fokusera på beslut som kräver omdöme.

Cisco gav kontinuerlig feedback från verklig produktionsanvändning som hjälpte OpenAI att påskynda Codex beredskap för stora företag – särskilt inom områden som efterlevnad, hantering av långvariga uppgifter och integration med befintliga utvecklingspipelines.

För Cisco etablerade samarbetet en upprepningsbar modell för att införa nästa generations AI: djupt tekniskt partnerskap, verkliga arbetsbelastningar och ledningsförankring från dag ett.

I dag används Codex i flera av Ciscos affärsenheter och förbättrar produktivitet, kodkvalitet och tid till lösning. I stället för att dimensionera arbete enbart med traditionella mått på insats frågar team allt oftare: ”Hur lång tid tar den Codex-körningen?”