OpenAI wysyła inżynierów do firm i z ich problemów buduje modele. Głosowy agent telekomu skoczył z 60 do ponad 90 %

OpenAI opisało, jak działa jego zespół Forward Deployed Engineering, czyli inżynierowie pracujący bezpośrednio u klientów. Model biznesowy jest czytelny: firma dostaje działający system, a OpenAI zabiera najtrudniejsze problemy, z których robi produkty i lepsze modele.

Zespół, który co kilka miesięcy ma stać się zbędny

Tekst napisał Colin Jarvis, który kieruje zespołem i założył go na początku 2025 roku. Podczas weryfikacji strona openai.com blokowała automatyczny dostęp, dlatego fakty pochodzą z dwóch niezależnych przedruków pełnego tekstu, zgodnych co do liczb. Jarvis chce zamknąć tak zwany deployment gap, czyli przepaść między tym, co model potrafi na papierze, a tym, na czym ludzie mogą polegać w pracy.

Najwięcej liczb przynosi przypadek dużego producenta chipów, którego OpenAI nie wymienia z nazwy. W połowie 2025 roku pracowało tam około 15 inżynierów nad ponad dziesięcioma zastosowaniami w weryfikacji projektów układów. Według tekstu weryfikacja pochłania około 70 % pracy nad projektem chipu. Systemy trafiły do produkcji w ciągu trzech do sześciu miesięcy. OpenAI podaje około 48 % oszczędności czasu przy generowaniu testów, medianowy wzrost wydajności kerneli o 22 % i debugowanie skrócone z tygodni do godzin.

Gdy Codex dojrzał, zespół przeniósł zastosowania na wspólną bazę zbudowaną wokół niego. Według OpenAI z każdego projektu zniknęło około 90 % kodu pisanego na zamówienie. W jednym przykładzie z sierpnia 2026 roku pierwsze wdrożenie trwało dwa miesiące, a rozszerzenie na kolejny zespół jeden dzień. Jarvis podsumowuje, że zespół dobrze wykonuje swoją pracę, jeśli co kilka miesięcy staje się zbędny.

Inżynierowie uczą się u klienta, a laboratorium zabiera wnioski do siebie

Najciekawszy jest przypadek dużego operatora telekomunikacyjnego. Rozmowy głosowe stanowiły około 90 % jego obsługi klienta. Model OpenAI zaczynał od około 60 % w kluczowych testach, czyli za mało na produkcję. OpenAI powiedziało to klientowi wprost i ściągnęło do pracy swój dział badań. W ciągu sześciu miesięcy wynik wzrósł do 80 %, a potem powyżej 90 %. Powstały model głosowy obsługuje dziś także innych klientów i produkt Presence.

Samo Presence, produkt OpenAI do agentów głosowych i czatowych, wyrosło z wdrożeń u klientów przez projekt Swarm i Agents API. Według OpenAI jeden z klientów obsługuje już ponad połowę rozmów za pomocą AI. Razem z Thrive Holdings powstał Tax AI dla biur rachunkowych, który w pilotażu przetworzył 7000 zeznań podatkowych i zwiększył przepustowość o około 50 %.

Ten model przypomina Palantira, który całą firmę zbudował na inżynierach osadzonych u klientów. OpenAI dokłada jeszcze jeden krok: to, czego inżynierowie nauczą się u jednego klienta, może trafić do modelu dla wszystkich. Konkurenci sprzedający samo API nie mają takiego dopływu trudnych problemów z prawdziwej eksploatacji. Dla CTO i działów zakupów oznacza to, że razem z systemem kupują relację, w której dostawca poznaje ich procesy lepiej niż ktokolwiek inny.

Liczby o klientach podaje sam dostawca

Wszystkie dane pochodzą od OpenAI. Producent chipów i operator są anonimowi, a tekst nie ujawnia danych, kryteriów oceny, odsetka błędów ani pełnych kosztów. To także przypadki wybrane przez samo OpenAI, więc o nieudanych wdrożeniach się nie dowiemy. Uwaga na wykres z benchmarkiem Audio Big Bench, gdzie trafność wzrosła z 65,6 % do 92,29 %. To inny pomiar niż test klienta telekomunikacyjnego i tych liczb nie należy łączyć.

Tekst milczy też o tym, kto może dostać taki zespół i ile to kosztuje. Dla średniej europejskiej firmy realną korzyścią będzie raczej to, co z tych projektów trafi później do Codexa albo Presence. Otwarte pozostaje też pytanie o dane. Testy i wnioski powstałe u klienta ulepszają model, który OpenAI sprzedaje dalej, a warunków umów tekst nie opisuje.

Warunki dotyczące danych i doświadczenia kolejnych klientów pokażą, kto na tym zarobi

Pierwszym sygnałem będzie to, czy wymienieni klienci sami potwierdzą oszczędności, poza blogiem dostawcy. Drugim są warunki umów: do kogo należą testy, które firma zbuduje z inżynierami OpenAI, i czy mogą posłużyć do ulepszania modeli.

Warto też obserwować, jak szybko te same wzorce trafią do standardowych produktów. Jeśli rozszerzenie na kolejny zespół naprawdę zajmuje dzień zamiast dwóch miesięcy, powinni to wkrótce odczuć także klienci, którzy nigdy nie mieli u siebie inżynierów OpenAI.

Werdykt Lilith

Operator przez pół roku uczył model głosowy rozmawiać ze swoimi klientami, a gotowy głos odbiera dziś telefony także w innych firmach. Kto wpuszcza inżynierów OpenAI do swoich procesów, powinien sprawdzić w umowie, do kogo należy ta lekcja.