- Четверо инженеров OpenAI за 28 дней создали Android-версию приложения Sora 2, при этом около 85% кода сгенерировал ИИ Codex.
- Codex использовался как инструмент для выполнения рутинных задач под строгим контролем, а не как полностью автономный разработчик.
- Ключевыми факторами успеха стали тщательное планирование, параллельные сессии работы с ИИ и пристальное ревью итогового кода инженерами.
OpenAI поделилась детальным отчётом о процессе создания Android-версии своего приложения Sora 2, выполненного небольшой командой из четырёх инженеров за 28 дней. Главная особенность проекта в том, что около 85% кода было сгенерировано искусственным интеллектом Codex, что соответствует примерно $45 000 по стоимости API. Этот результат демонстрирует, как ИИ может существенно ускорить разработку сложных мобильных приложений с высокими требованиями к качеству и стабильности.
Команда OpenAI сознательно отказалась от расширения штата инженеров на пользу строгой дисциплине и хорошо отрегулированным процессам. При этом применялось старое правило из практики разработки ПО — добавление новых участников в сжатые сроки зачастую причиняет больше вреда, чем пользы. Codex в данном проекте рассматривался не как универсальная «кнопка» генерации, а как надёжный ассистент, берущий на себя большую часть рутинных задач, при условии чёткого задания целей и направлений.
Одним из фундаментальных принципов стала организация работы по схеме «сначала план, потом код». Перед выполнением каждой большой задачи инженеры создавали краткое проектное описание с этапами реализации и критериями готовности. Эти планы служили либо наглядным руководством для Codex, либо сохранялись в файлах, чтобы ИИ не терял контекст в процессе выполнения больших блоков логики. Благодаря этому Codex удавалось генерировать код, дополнять его тестами и исправлять ошибки, выявленные на этапах автоматической интеграции.
Для повышения эффективности использовалась стратегия параллельных сессий, когда несколько потоков работы с ИИ велись одновременно: одни – над новой функциональностью, другие – над устранением багов, третьи – над тестированием и интеграцией. Такой подход позволил ускорить разработку, но возложил на инженеров задачу тщательного ревью и принятия решений в целях сохранения целостности проекта и архитектуры.
Особое превосходство Codex проявилось при работе с уже существующим кодом: модель быстро понимала базу, переносила логику с iOS на Kotlin, устраняла проблемы сборки и дописывала недостающие элементы. Члены команды сравнивают Codex с «очень старательным и внимательным инженером», который не теряет контекст и не испытывает усталости.
В итоге OpenAI делает трезвый вывод: хотя Codex заметно увеличил скорость написания кода, основными узкими местами проекта остались архитектурные решения, код-ревью и ответственность за качество. Поэтому успех приходит не к тем, кто хочет как можно меньше писать самому, а к тем, кто умеет чётко формулировать задачи, контролировать структуру и вовремя корректировать работу модели. Этот кейс демонстрирует сдвиг в роли инженеров — от непосредственного написания кода к управлению сложными системами с участием искусственного интеллекта.
