Moje największe wnioski od @embirico (lider produktu OpenAI Codex): 1. Początkowy produkt Codex od OpenAI był „zbyt daleko w przyszłość”. Działał w chmurze asynchronicznie, co było świetne dla zaawansowanych użytkowników, ale trudne dla nowicjuszy. Wzrost eksplodował, gdy przenieśli go z powrotem tam, gdzie inżynierowie już pracują: w ich edytorze kodu, na ich własnym komputerze. Użycie Codex wzrosło 20 razy w ciągu ostatnich 6 miesięcy. 2. OpenAI zbudowało aplikację Sora na Androida—która zajęła 1. miejsce w sklepie z aplikacjami—w zaledwie kilka tygodni z pomocą dwóch lub trzech inżynierów, korzystając z Codex. Aplikacja Sora przeszła od zera do testów pracowniczych w 18 dni, a następnie została uruchomiona publicznie 10 dni później. Codex pomógł, analizując istniejącą aplikację iOS, generując plany robocze i wdrażając funkcje, porównując obie platformy jednocześnie. 3. Kluczem do uzyskania wartości z Codex jest: daj mu swoje najtrudniejsze problemy, a nie najłatwiejsze. Te narzędzia są stworzone do rozwiązywania skomplikowanych błędów i złożonych zadań, a nie prostych. Zacznij od czegoś, na co w przeciwnym razie spędziłbyś godziny. 4. Pisanie kodu może stać się uniwersalnym sposobem, w jaki AI realizuje jakiekolwiek zadanie. Zamiast klikać przez interfejsy lub budować oddzielne integracje, AI działa najlepiej, gdy pisze małe programy na bieżąco. To sugeruje, że umiejętność kodowania powinna być wbudowana w każdego asystenta AI, a nie tylko w specjalistyczne narzędzia programistyczne. 5. Projektanci w OpenAI teraz piszą i wdrażają swój własny kod. Zespół projektowy utrzymuje w pełni funkcjonalny prototyp zbudowany z pomocą AI. Kiedy mają pomysł, kodują go bezpośrednio, testują i często sami składają go do produkcji. Inżynierowie wkraczają tylko wtedy, gdy baza kodu jest szczególnie złożona. 6. Nawet jeśli modele AI przestałyby się poprawiać jutro, wciąż pozostaje wiele lat pracy nad produktami, aby odblokować ich potencjał. Technologia wyprzedza naszą zdolność do jej optymalnego wykorzystania. 7. Największym wąskim gardłem w produktywności AI nie jest AI; to jak szybko ludzie mogą pisać. Ograniczające czynniki to jak szybko możesz pisać polecenia i jak szybko możesz przeglądać pracę wygenerowaną przez AI. Dopóki AI nie będzie mogło bardziej niezawodnie weryfikować swoich wyników i proaktywnie oferować pomocy, nie zobaczymy pełnych zysków produktywności, jakie te narzędzia mogłyby dostarczyć. 8. Pisanie kodu staje się mniej zabawne niż przeglądanie kodu napisanego przez AI. Inżynierowie uwielbiają kreatywny proces budowania. Teraz spędzają więcej czasu na czytaniu tego, co wyprodukowało AI. Następnym wyzwaniem jest przyspieszenie i uczynienie tego procesu przeglądania szybszym i bardziej satysfakcjonującym. 9. Nowe modele AI mogą teraz pracować nieprzerwanie przez 24 do ponad 60 godzin nad jednym zadaniem. Technika zwana „kompaktowaniem” pozwala AI podsumować to, czego się nauczyło, zanim wyczerpie pamięć, a następnie kontynuować pracę w nowej sesji. To umożliwia nocną lub wielodniową autonomiczną pracę, która wcześniej nie była możliwa. 10. Jeśli dzisiaj zakładasz firmę, głębokie zrozumienie konkretnego klienta ma większe znaczenie niż umiejętność budowania. Budowanie staje się łatwiejsze. Wiedza, co budować—i dla kogo—jest teraz prawdziwą przewagą.