Holiday Extrasは、Codexの支援により、以前なら6か月以上かかると見込まれた開発の進捗を、2週間で動作するアプリの再構築として実現したと説明している。11月12日の顧客事例は、再構築後の予約改善とエラー減少も報告している。

注目すべきなのは、仕事の進め方がどう変わったかだ。事業部門の専門家が顧客や業務の知識を提供し、エンジニアが再利用可能な基盤を整え、アーキテクチャとセキュリティの責任を担った。

これはOpenAIが公開した顧客事例である。異なる期間の導入前後を比較した一社の経験であり、Codexを対象とする独立した比較対照試験ではない。

年1回の大型リリースから毎週の改善へ

Holiday Extrasは、旅行の検索、予約、管理を支援する。従来、主力アプリの大きな変更は年1回のリリースが中心だった。再構築は顧客体験とリリース頻度の両方を変えた。

AIイノベーション担当副社長で元デザイン責任者のLiam Thompsonは、顧客に関する知識をソフトウェアに反映するためエンジニアと協働した。文書化された小さなパッケージが再利用可能な基盤となり、エンジニアはアーキテクチャ、API、セキュリティ、開発ワークフローに集中した。

事例によると、チームは2週間で完全に動作する再構築版を作った。ただし、すべての本番要件、審査、移行が2週間で完了したという意味に広げてはならない。比較対象は、以前なら6か月以上かかったとされる開発の進捗である。

再構築版は、顧客の予約、旅行、履歴に基づくパーソナライズを採用した。事例は、iOSの改善を後からAndroidに届けるのではなく、Codexによって両OSの機能を並行して開発できたと述べている。

再構築後の最初の1か月で、主力アプリは複数の新機能を含む毎週のリリースに移行した。別製品のCountdownアプリでは、約半年に1機能だった追加ペースが毎週複数に変わった。異なる製品と指標であり、同じリリース統計として扱うことはできない。

転換率とエラー率の数字が示すもの

同社は、主力アプリの再構築後、起動から予約への転換率が32.5%向上したと報告している。基礎となる転換率やサンプル数は示されていない。32.5パーセントポイントの上昇と書き換えてはならない。

また、主力アプリのエラー率は19%から9%に低下したという。差は10パーセントポイントである。単に10%減と表現すると、相対的な割合とパーセントポイントの違いが失われる。

原文は、旧版と再構築版の主力アプリを異なる期間で比較した結果だと明記している。そのため、パーソナライズや他の変更、期間の違いからCodex単独の寄与を切り分けることはできない。示されるのは同社の報告する運用上の成果であり、他社でも同じ効果が出るという保証ではない。

同様の導入を検討するチームには、この区別が重要となる。開発速度と事業成果が同時に改善しても、どの変更がどの成果を生んだかを、得られた証拠だけで確定できるとは限らない。

顧客の声を開発作業につなげる

Countdownの例は、承認の境界を示している。顧客が一覧表示の不足を訴えた後、エージェントが修正を準備した。Thompsonは提出前に承認した。事例によると、顧客はその後、1つ星のレビューを5つ星に変更した。

これはフィードバックの循環が短くなった具体例であり、エージェントが書いたすべての変更で人間の確認を省ける証拠ではない。報告された手順には、準備、承認、提出が含まれる。

同じ考え方は業務運用にも広がった。イノベーション・成長担当ディレクターのDavid Leeは、空港送迎の顧客チャットを対応可能なチケットに変換するシステムを説明している。これにより、サプライヤーネットワーク全体の問題を把握しやすくなる。解決時間の改善は測定値として示されておらず、確認できるのはワークフローであって、定量的なサービス向上ではない。

業務の専門知識にもエンジニアリングの基盤が必要

Codex導入前には、全社でChatGPT Enterpriseを利用できるようになっていた。CEOのMatthew Pack自身もCodexを使い、直接の経験から同僚のニーズを理解し、会社が作れるものを見直したという。

事例は、実験を認める姿勢とガードレールの両立を描く。エンジニアがパッケージ、セキュリティ対策、ワークフローを整え、従来の開発職以外の従業員も貢献できるようにした。例えば経験豊富な会計担当者は、業務知識と同僚のフィードバックを使って財務システムを再構築した。

この役割分担が事例の中心である。報告された利点は、コードを速く生成することだけではない。顧客や業務の問題を理解する人が変更の実装に参加し、エンジニアが技術基盤を提供した。

Holiday Extrasは、アプリのパーソナライズにもOpenAIのモデルを使った。事例は、dotsが調整や知見の提供を担い、公開後のパフォーマンスレポートを先回りして作成した例も紹介している。これらは幅広い協業の中の別用途であり、すべてをCodex単独の成果と見なしてはならない。

次の目標はAIによる管理の拡大

Packは、従業員が作業を指示し成果を形作りながら、より多くの社内システムをAI経由で管理したいと考えている。事例で述べられた構想であり、全社移行がすでに完了したという話ではない。

他のチームにとって応用しやすいのは、業務知識、再利用できる技術基盤、人間による承認の組み合わせだ。報告された2週間の再構築と予約改善は検討に値する一方、期間の異なる比較と測定情報の不足が、他組織の成果を予測できる範囲を制限している。

参考資料

ツールディレクトリを見る →