OpenAI、Codex再構築で独自コード9割削減

OpenAIはFDEチームの目的を「導入の隔たり」という言葉で説明する。モデルの能力は、それを活用するために必要なシステムやプロセスよりも速く進んでいる。欠けているものが製品であることもあれば、モデルがベンチマークでは良好でも現実の変数や制約に対応できないこともある。チームの掲げる目標は、各案件が次の顧客により良い出発点を残すことだ。次回同じ種類の問題にFDEが不要になれば、それを成功とみなす。

John Deereの例はこのパターンを示す。精密除草技術See & Sprayはカメラと機械学習で雑草にのみ散布し、農地全体を処理せず、薬剤使用量を最大70%削減する。だがその利点を得るには、農家が技術を設定し作付け計画を立てる必要があるため、John DeereはOpenAIのAPIを導入し、サポートを個別化・拡張可能にした。ライフサイエンス分野では、FDEの科学バックグラウンドが標的検証や遺伝子発現解析などの課題で研究者の信頼を得るのに役立つという。

チームが自らの独自作業をいかに縮小したかも描く。Codexの能力向上後、あるFDEがCodexを中心にアプリを再構築する実験を行い、ユースケースを共通ハーネスへ移し、独自アプリをプラグインとスキルに変えた。これにより個別のターミナルUIやCLIを廃止できたといい、同じ原則が企業向け音声・チャットエージェント製品OpenAI Presenceにも生かされた。通信案件では、モデルはスコーピング時の主要評価で約60%だったが、6カ月かけてResearchが能力の不足に対応し、性能は90%超に向上した。