A AutoScout24 acelerou o desenvolvimento em 10x com Codex e ChatGPT da OpenAI

A OpenAI publicou um caso de uso do AutoScout24, no qual o marketplace de automóveis compartilhou como integrou ChatGPT e Codex em suas operações diárias. Segundo a empresa, em alguns projetos isso reduziu o ciclo de desenvolvimento de 2–3 semanas para 2–3 dias e ajudou a escalar AI muito além de um único time de engenharia.

Por que a AutoScout24 Precisava de AI

O Grupo AutoScout24 opera um grande marketplace de automóveis na Europa e Canadá: mais de 30 milhões de usuários por mês, mais de 2 milhões de anúncios e uma rede de 45 mil parceiros revendedores. Nessa escala, qualquer atraso no desenvolvimento rapidamente se torna um problema de negócio. O time precisa simultaneamente manter múltiplas marcas, desenvolver produtos para compradores e revendedores, e manter a estabilidade de sistemas que já desenvolveram lógica interna complexa.

A empresa observou que melhorias pontuais anteriores nos processos não eram mais suficientes. Os times de engenharia enfrentavam pressão de migrações, sistemas legados e uma demanda crescente por novas funcionalidades, enquanto o custo de lançamentos lentos continuava a aumentar. Portanto, a AutoScout24 decidiu usar modelos de linguagem grandes não como um experimento separado, mas como uma forma de reconstruir toda a abordagem para desenvolvimento, testes e interação interna entre times de produto, dados e engenharia. Não se tratava mais de acelerar tarefas individuais, mas de tentar remover o atrito sistêmico de toda a cadeia de entrega de produtos.

Como as Ferramentas Foram Implementadas

A implementação foi realizada em duas camadas. Primeiro, o ChatGPT foi implementado em praticamente toda a organização, fornecendo acesso a aproximadamente 2.000 funcionários e estabelecendo um nível básico de alfabetização em IA além do departamento de engenharia. Em paralelo, o Codex foi integrado aos processos diários daqueles que constroem diretamente o produto: equipes de engenharia, produto e dados. No total, isso envolveu aproximadamente 1.000 funcionários em funções de desenvolvimento de produtos, para os quais a IA se tornou não uma aba separada, mas parte das operações rotineiras.

Antes disso, a empresa gastou três meses avaliando a ferramenta em diferentes times e finalmente escolheu Codex por sua conveniência, compatibilidade com processos existentes e impacto mensurável na produtividade e qualidade do código. Para garantir que a implementação não dependesse apenas de diretrizes de cima para baixo, a AutoScout24 montou uma rede de AI Champions—defensores internos de vários departamentos. Eles coletam feedback, ajudam a traduzir capacidades do modelo em cenários compreensíveis e garantem que a IA seja integrada aos processos existentes em vez de funcionar como um projeto piloto separado.

"O Codex se tornou uma das principais ferramentas em nossos processos de engenharia, entregando impacto mensurável em produtividade, qualidade e velocidade", — Frederick Kraus, CTO do Grupo AutoScout24.

Onde os Resultados Foram Visíveis

A empresa viu o impacto mais rápido em áreas onde havia muita rotina manual, operações repetitivas e ciclos de aprovação longos. A IA é usada não para experimentos abstratos, mas para tarefas concretas que diariamente desaceleram o lançamento de mudanças. Como resultado, as ferramentas ajudam a acelerar iterações, aliviar desenvolvedores experientes e melhorar a consistência entre times sem uma revisão completa da arquitetura ou processos. Essas são áreas onde o impacto é mais fácil de medir em dias, carga de trabalho dos revisores e velocidade de tomada de decisão.

• Revisões automatizadas de pull requests
• Grandes projetos de refatoração
• Preparação de documentação técnica
• Análise pós-incidente
• Prototipagem de ideias fora das equipes de engenharia

De acordo com a AutoScout24, os prazos foram reduzidos aproximadamente 10 vezes em alguns projetos—de 2–3 semanas para 2–3 dias. Ao mesmo tempo, o throughput dos times de engenharia aumentou, e as revisões de código e documentação se tornaram menos dependentes de trabalho manual. A empresa observa um benefício separado entre funcionários não-técnicos, que agora podem testar hipóteses e criar protótipos simples por conta própria.

O próximo passo é integrar mais profundamente a IA nos sistemas internos principais e nos produtos voltados para o cliente para compradores e revendedores.

O Que Isso Significa

Este caso demonstra que a IA corporativa é cada vez mais avaliada não pelo número de licenças compradas, mas por quanto ela reduz o caminho de uma ideia até o lançamento. Quando uma empresa consegue combinar acesso amplo, processos integrados e proprietários de implementação claros, ChatGPT e Codex se transformam de um experimento em uma camada real de infraestrutura de produção. Isto é o que diferencia uma implementação funcional de um piloto na moda. E os números aqui importam mais do que os slogans.