AutoScout24 ускорила разработку в 10 раз с помощью Codex и ChatGPT от OpenAI

OpenAI опубликовала кейс AutoScout24, в котором автомобильный маркетплейс рассказал, как встроил ChatGPT и Codex в ежедневную работу. По словам компании, для части проектов это сократило цикл разработки с 2–3 недель до 2–3 дней и помогло масштабировать AI далеко за пределы одной инженерной команды.

Почему нужен был AI

AutoScout24 Group управляет крупной площадкой по продаже автомобилей в Европе и Канаде: более 30 млн пользователей в месяц, свыше 2 млн объявлений и сеть из 45 тыс. дилерских партнёров. При таком объёме любая задержка в разработке быстро превращается в бизнес-проблему.

Команде нужно одновременно поддерживать несколько брендов, развивать продукт для покупателей и дилеров и удерживать стабильность систем, которые уже успели обрасти сложной внутренней логикой. Компания пишет, что прежних точечных улучшений процессов стало недостаточно. На инженерные команды давили миграции, легаси-системы и растущий запрос на новые функции, а цена медленных релизов только росла.

Поэтому AutoScout24 решила использовать большие языковые модели не как отдельный эксперимент, а как способ пересобрать сам подход к разработке, тестированию и внутреннему взаимодействию между продуктом, данными и инженерией. Речь шла уже не об ускорении отдельных задач, а о попытке убрать системное трение из всей цепочки поставки продукта.

Как внедряли инструменты Внедрение пошло в два слоя.

Сначала ChatGPT развернули почти на всю организацию, дав доступ к инструменту примерно 2 000 сотрудникам и создав базовый уровень AI-грамотности за пределами инженерного блока. Параллельно Codex встроили в ежедневные процессы тех, кто напрямую строит продукт: инженерных, product- и data-команд. Всего речь идёт примерно о 1 000 сотрудниках ролей, связанных с созданием продукта, для которых AI стал не отдельной вкладкой, а частью обычной операционки.

Перед этим компания три месяца сравнивала инструмент в разных командах и в итоге выбрала Codex за удобство, совместимость с существующими процессами и измеримый эффект в продуктивности и качестве кода. Чтобы внедрение не зависело только от распоряжений сверху, AutoScout24 собрала сеть AI Champions — внутренних проводников из разных функций. Они собирают обратную связь, помогают переводить возможности моделей в понятные сценарии и делают так, чтобы AI встраивался в существующие процессы, а не жил отдельным пилотом.

«Codex стал одним из ключевых инструментов в наших инженерных процессах, давая измеримый эффект по продуктивности, качеству и скорости», — CTO

AutoScout24 Group Фредерик Краус.

Где увидели результат

Самый быстрый эффект компания увидела там, где раньше было много ручной рутины, повторяющихся операций и долгих циклов согласования. AI используют не для абстрактных экспериментов, а для конкретных задач, которые ежедневно тормозят выпуск изменений. В результате инструменты помогают ускорять итерации, разгружать опытных разработчиков и поднимать единообразие в командах без тотального пересмотра архитектуры или процессов. Именно там эффект проще всего измерить в днях, загрузке ревьюеров и скорости принятия решений.

• Автоматические ревью pull request Крупные задачи по рефакторингу Подготовка технической документации Разбор инцидентов после сбоев Прототипирование идей вне инженерных команд По данным AutoScout24, на части проектов сроки сократились примерно в десять раз — с 2–3 недель до 2–3 дней. Одновременно выросла пропускная способность инженерных команд, а код-ревью и документация стали меньше зависеть от ручной работы. Отдельный эффект компания отмечает у нетехнических сотрудников, которые теперь могут сами проверять гипотезы и делать простые прототипы. Следующий шаг — глубже встраивать AI в ключевые внутренние системы и в клиентские продукты для покупателей и дилеров.

Что это значит

Этот кейс показывает, что корпоративный AI всё чаще оценивают не по числу купленных лицензий, а по тому, насколько он сокращает путь от идеи до релиза. Если компания умеет совместить широкий доступ, встроенные процессы и понятные владельцы внедрения, ChatGPT и Codex превращаются из эксперимента в реальный слой производственной инфраструктуры. Именно это отличает рабочее внедрение от модного пилота. И цифры здесь важнее лозунгов.