Codex má běžet hodiny a mění práci z chatu na delegování

Ars Technica popisuje nový Codex jako přeznačený nástroj OpenAI pro nezávislé pracovní postupy, které mohou běžet „hodiny, když je potřeba“. Článek má podle metadat 592 slov a dostupný popis staví hlavní změnu kolem práce pro uživatele i s uživatelem, ne kolem dalšího autocomplete.

Codex se posouvá od odpovědi v chatu k dlouhé úloze

Z dostupného popisu vyplývá, že OpenAI rámuje Codex jako pracovní nástroj, který má zvládnout samostatnější tok práce. Důležité slovo je „hodiny“. Krátká odpověď v chatu se dá rychle zkontrolovat. Agent, který běží dlouho, mezitím dělá rozhodnutí, sbírá kontext a může vrstvit chyby.

Přeznačení Codexu je proto víc než kosmetika. OpenAI tím říká, že produkt nemá být jen místo, kam vývojář zadá prompt, ale místo, kam tým deleguje kus práce a pak se k ní vrací v kontrolních bodech.

Vývojářský workflow se láme v místě schvalování

Pro engineering týmy je hlavní dopad v řízení práce. Pokud agent připraví změnu, testy, vysvětlení a návrh dalšího kroku, člověk už neschvaluje jednotlivou řádku. Schvaluje trasu, kterou se agent vydal.

To mění roli seniorních lidí. Méně času může padat na mechanické psaní a víc na zadání, hranice, testovatelnost a review. V malém týmu to zní jako úleva. Ve větší firmě to okamžitě naráží na audit, oprávnění, přístup k repozitářům a pravidla, kdo smí spustit změnu v produkčním kódu.

Hodinový agent potřebuje brzdy, ne obdiv publika

Největší riziko není, že Codex napíše špatnou funkci. Horší je, když půjde špatným směrem dost dlouho na to, aby výsledek vypadal pracně a přesvědčivě. Čím delší běh, tím větší potřeba průběžných kontrol.

Marketing může ukazovat hladkou delegaci. Produkční realita bude nudnější: testy, sandboxy, omezená oprávnění, logy, reprodukovatelné kroky a jasný způsob, jak agentovi práci zastavit. Bez toho se z hodinového běhu stane drahý generátor review dluhu.

Rozhodne počet zásahů člověka před mergem

Sledovat se vyplatí jednoduchá metrika: kolikrát musí člověk vstoupit do práce agenta před tím, než se výsledek dostane do merge requestu. Pokud zásahů ubývá a kvalita testů drží, Codex se blíží užitečné delegaci.

Pokud týmy jen přesunou čas z psaní do opravování agentových rozhodnutí, půjde o efektní rozhraní nad starou prací. První firmy, které to zvládnou, nebudou ty s nejhezčím demem, ale ty s nejtvrdší disciplínou v review.

Lilithin verdikt

Dlouho běžící Codex není kouzelný kolega. Je to junior, kterému někdo půjčil badge do repozitáře, a senior musí vědět, kdy ho zastavit u turniketu.