AutoScout24 acelera el desarrollo 10 veces con Codex y ChatGPT de OpenAI

OpenAI ha publicado un caso de estudio sobre AutoScout24, en el que el marketplace de automóviles cuenta cómo integró ChatGPT y Codex en su trabajo diario. Según la empresa, en parte de los proyectos esto redujo el ciclo de desarrollo de 2–3 semanas a 2–3 días y ayudó a escalar la IA mucho más allá de un único equipo de ingeniería.

Por qué AutoScout24 necesitaba IA

AutoScout24 Group gestiona una gran plataforma de venta de coches en Europa y Canadá: más de 30 millones de usuarios al mes, más de 2 millones de anuncios y una red de 45 000 concesionarios asociados. Con ese volumen, cualquier retraso en el desarrollo se convierte rápido en un problema de negocio. El equipo debe mantener varias marcas a la vez, desarrollar el producto para compradores y concesionarios y conservar la estabilidad de sistemas que ya han acumulado una lógica interna compleja.

La compañía explica que las mejoras puntuales de procesos anteriores dejaron de bastar. Los equipos de ingeniería sufrían la presión de las migraciones, los sistemas heredados y una demanda creciente de nuevas funciones, mientras el coste de los lanzamientos lentos no dejaba de aumentar. Por eso AutoScout24 decidió usar los grandes modelos de lenguaje no como un experimento aislado, sino como una forma de rehacer su enfoque del desarrollo, las pruebas y la colaboración interna entre producto, datos e ingeniería. Ya no se trataba de acelerar tareas sueltas, sino de eliminar la fricción sistémica de toda la cadena de entrega del producto.

Cómo se implantaron las herramientas

La implantación tuvo dos capas. Primero, ChatGPT se desplegó en casi toda la organización: unos 2000 empleados obtuvieron acceso y se creó un nivel básico de alfabetización en IA fuera del área de ingeniería. En paralelo, Codex se integró en los procesos diarios de quienes construyen el producto directamente: los equipos de ingeniería, producto y datos. En total son unos 1000 empleados en roles ligados a la creación del producto, para quienes la IA no es una pestaña aparte, sino parte de la operativa habitual.

Antes, la compañía pasó tres meses comparando la herramienta en distintos equipos y acabó eligiendo Codex por su comodidad, su compatibilidad con los procesos existentes y su efecto medible en productividad y calidad del código.

Para que la adopción no dependiera solo de órdenes desde arriba, AutoScout24 creó una red de AI Champions: guías internos de distintas áreas. Recogen comentarios, ayudan a traducir las capacidades de los modelos en escenarios comprensibles y procuran que la IA se integre en los procesos existentes en lugar de quedarse en un piloto aparte.

«Codex se ha convertido en una de las herramientas clave de nuestros procesos de ingeniería, con un efecto medible en productividad, calidad y velocidad», afirma

Frederik Kraus, CTO de AutoScout24 Group.

Dónde se vieron los resultados

El efecto más rápido apareció donde antes había mucha rutina manual, operaciones repetitivas y largos ciclos de aprobación. La IA se usa no para experimentos abstractos, sino para tareas concretas que frenan cada día la salida de cambios. Como resultado, las herramientas ayudan a acelerar las iteraciones, a descargar a los desarrolladores veteranos y a aumentar la uniformidad entre equipos sin revisar por completo la arquitectura ni los procesos. Es ahí donde el efecto resulta más fácil de medir en días, carga de los revisores y rapidez de decisión.

• Revisiones automáticas de pull requests
• Grandes tareas de refactoring
• Preparación de documentación técnica
• Análisis de incidentes tras caídas
• Prototipado de ideas fuera de los equipos de ingeniería

Según AutoScout24, en parte de los proyectos los plazos se redujeron aproximadamente diez veces, de 2–3 semanas a 2–3 días. A la vez aumentó la capacidad de los equipos de ingeniería, y la revisión de código y la documentación dependen menos del trabajo manual. La compañía destaca además un efecto propio entre los empleados no técnicos, que ahora pueden validar hipótesis y crear prototipos sencillos por sí mismos.

El siguiente paso es integrar la IA más a fondo en los sistemas internos clave y en los productos de cara a compradores y concesionarios.

Qué significa

Este caso muestra que la IA corporativa se evalúa cada vez más no por el número de licencias compradas, sino por cuánto acorta el camino de la idea al lanzamiento. Si una empresa sabe combinar un acceso amplio, procesos integrados y responsables claros de la implantación, ChatGPT y Codex pasan de ser un experimento a una capa real de la infraestructura de producción. Eso es lo que distingue una implantación que funciona de un piloto de moda. Y aquí las cifras importan más que los eslóganes.