Codexは3モデルを使い分け、開発を高速化

出発点となる課題はコスト管理だ。最上位モデルを開発の全工程で動かせば予算を圧迫し、安価なモデルを一律に選べば修正ループが増えて手戻りが発生する。石田氏の答えは単一モデルの選択ではなく、振り分けの規律である。高難度タスクにはGPT-6 Astraを温存し、品質と速度の両立が必要な場面ではGPT-6.1 Solを使い、定型作業はGPT-6 Lunaに任せる。

挙げられた事例は、その規律が実務でどう働くかを示す。Rakutenは約3カ月かかっていたモバイルアプリ開発を数週間に短縮し、OpenAIの社内プロジェクトは約5カ月で約1,500件のプルリクエストをマージ、1人1日あたり3.5件に相当する成果を出した。いずれも個々の開発タスクをAIに委ね、人はより高次の判断に集中しており、これが石田氏の指す生産性向上だ。

この指針が強調するのは、Codexはそれだけでは成果を出さないということだ。チームは自らの業務に合った環境とルールを整え、どのタスクをどのモデルが担うかを決める必要がある。処理を単に任せるのか、開発の成果を実際に高めるのかを分けるのはそこだ。