Когда был запущен Codex, один из членов команды спросил, что должна делать команда FDE, когда Codex сможет за один раз выполнить сценарии использования, над которыми команда трудилась месяцами. В OpenAI этот вопрос отражает суть команды Forward Deployed Engineering (FDE). Инженеры FDE работают вместе с клиентами, чтобы понять их самые сложные проблемы и создать решения, на которые можно положиться. То, что они узнают, передаётся в продукты и даёт исследовательской команде конкретные задачи. Если команда каждые пару месяцев делает себя ненужной, значит, она выполняет свою работу.
Команда была основана в начале 2025 года, чтобы преодолеть то, что OpenAI называет разрывом во внедрении: расстояние между тем, на что модели, по-видимому, способны, и тем, что люди могут надёжно использовать в своей работе. Иногда недостающим звеном оказывается продукт. В других случаях модель хорошо проявляет себя в тестах, но не справляется с реальными переменными и ограничениями. Там, где модели уже могут выполнить задачу, инженеры FDE работают с командой продукта и клиентами, чтобы сделать решение повторяемым. Там, где модели недостаточно сильны, они вместе с клиентами и исследовательской командой определяют разрыв и улучшают модели.
В компании John Deere, аграрном бизнесе с 200-летней историей, задача заключалась в том, чтобы масштабировать персонализированные рекомендации для фермеров. Их технология See & Spray использует камеры и машинное обучение, чтобы опрыскивать сорняки, а не целые поля, что сокращает использование химикатов до 70%. Однако получить эти преимущества можно, только если фермеры знают, как настроить технологию и скорректировать свои методы. John Deere внедрила API OpenAI, чтобы предоставлять ответы на естественном языке, индивидуальные инструкции по настройке и оповещения, когда оборудование может работать не на полную мощность.
OpenAI утверждает, что такие проблемы часто остаются совершенно открытыми: нет устоявшейся опорной истины и готового плейбука. Команда FDE работает по одному основному принципу: начать с результата, сделать всё необходимое для успеха, а затем масштабировать. В середине 2025 года около 15 инженеров FDE работали с крупным клиентом из сферы полупроводников над более чем 10 сценариями использования, чтобы сделать верификацию микросхем нативно основанной на ИИ, — это направление может составлять около 70% трудозатрат проекта.
Источник: OpenAI Blog · Сводку подготовил HeadlinesBriefing