As minhas principais conclusões de @embirico (Líder de Produto do OpenAI Codex): 1. O produto inicial Codex da OpenAI estava "muito à frente do futuro". Ele funcionava na nuvem de forma assíncrona, o que era ótimo para utilizadores avançados, mas difícil para os novatos. O crescimento explodiu quando o trouxeram de volta para onde os engenheiros já trabalham: dentro do seu editor de código, no seu próprio computador. O uso do Codex cresceu 20x nos últimos 6 meses. 2. A OpenAI construiu o aplicativo Sora para Android—que atingiu o #1 na loja de aplicativos—em apenas algumas semanas com dois ou três engenheiros, com a ajuda do Codex. O aplicativo Sora passou de zero a testes com funcionários em 18 dias, e foi lançado publicamente 10 dias depois. O Codex ajudou analisando o aplicativo iOS existente, gerando planos de trabalho e implementando recursos ao comparar ambas as plataformas simultaneamente. 3. A chave para obter valor do Codex: dê-lhe os seus problemas mais difíceis, não os mais fáceis. Estas ferramentas são feitas para enfrentar bugs complicados e tarefas complexas, não simples. Comece com algo que, de outra forma, você gastaria horas. 4. Escrever código pode se tornar a maneira universal como a IA realiza qualquer tarefa. Em vez de clicar através de interfaces ou construir integrações separadas, a IA funciona melhor quando escreve pequenos programas de forma instantânea. Isso sugere que a capacidade de codificação deve ser incorporada em cada assistente de IA, não apenas em ferramentas de programação especializadas. 5. Os designers da OpenAI agora escrevem e lançam seu próprio código. A equipe de design mantém um protótipo totalmente funcional construído com assistência de IA. Quando têm uma ideia, eles codificam diretamente, testam e muitas vezes submetem para produção eles mesmos. Os engenheiros só intervêm quando a base de código é particularmente complexa. 6. Mesmo que os modelos de IA parassem de melhorar amanhã, ainda há anos de trabalho de produto a serem feitos para desbloquear seu potencial. A tecnologia está à frente da nossa capacidade de usá-la de forma otimizada. 7. O maior gargalo para a produtividade da IA não é a IA; é a rapidez com que os humanos podem digitar. Os fatores limitantes são a rapidez com que você pode digitar prompts e quão rapidamente você pode revisar o trabalho gerado pela IA. Até que a IA possa validar sua própria saída de forma mais confiável e oferecer ajuda proativamente, não veremos os ganhos de produtividade totais que essas ferramentas poderiam entregar. 8. Escrever código está se tornando menos divertido do que revisar código escrito pela IA. Os engenheiros adoram o fluxo criativo de construir. Agora estão passando mais tempo lendo o que a IA produziu. O próximo desafio é tornar esse processo de revisão mais rápido e mais satisfatório. 9. Novos modelos de IA agora podem trabalhar continuamente por 24 a mais de 60 horas em uma única tarefa. Uma técnica chamada "compactação" permite que a IA resuma o que aprendeu antes de ficar sem memória, e então continue trabalhando em uma nova sessão. Isso possibilita trabalho autônomo durante a noite ou por vários dias que não era possível anteriormente. 10. Se você está começando uma empresa hoje, um profundo entendimento de um cliente específico importa mais do que ser bom em construir. Construir está se tornando mais fácil. Saber o que construir—e para quem—é a verdadeira vantagem agora.