Как Oracle сокращает дни работы до минут с ChatGPT и Codex

Орacle десятилетиями продавала программное обеспечение, которое помогает другим компаниям выстраивать операции. Теперь компания сама передаёт значительную часть своей работы инструментам искусственного интеллекта — и результаты оказываются впечатляющими.

Более ста тысяч сотрудников Oracle уже используют ChatGPT Work и Codex — от отдела по подбору персонала до Oracle Applications Lab и IT-организации. В каждом случае работа, которая раньше зависела от узких специалистов и занимала дни, теперь доступна любому сотруднику и выполняется за минуты.

Что именно развернула Oracle

В центре внедрения — два продукта OpenAI: ChatGPT Enterprise (корпоративная версия привычного чат-бота) и Codex (агент для написания и выполнения программного кода).

В июле 2026 года OpenAI запустила ChatGPT Work — продукт, который расширяет возможности Codex за рамки программирования и позволяет справляться со сложными многоэтапными задачами в различных бизнес-приложениях.

Oracle начала использовать инструменты внутри компании весной, подписала партнёрство по перепродаже доступа к моделям в июне, а затем в июле увидела, как OpenAI расширила продукт до полноценной бизнес-платформы.

Рекрутинг: от 4 дней — к 20 минутам

Команда по подбору персонала использовала ChatGPT Work для создания инструмента анализа рынка талантов. Он принимает описание вакансии, исследует аналогичные позиции, сравнивает уровни компенсации и оценивает доступный пул кандидатов в релевантных локациях. Прежде сбор этой информации занимал 2–4 дня.

Теперь ChatGPT Work исследует сопоставимые роли, компенсации и наличие кандидатов, а подготовка такого рыночного брифинга занимает 15–20 минут вместо двух-четырёх дней.

«Мы создали инструмент анализа рынка талантов с помощью ChatGPT Work, и это действительно революционизировало то, как мы ведём начальный этап рекрутинга», — Джен Акерман, старший вице-президент и глобальный руководитель по привлечению талантов, Oracle.

Раньше рекрутеры проводили первичный сбор информации по-разному в зависимости от конкретного поиска. Теперь процесс стандартизирован: каждый менеджер по найму получает данные и инсайты одинакового качества, вне зависимости от того, кто именно ведёт поиск.

Бизнес-аналитика: вопрос на естественном языке — ответ мгновенно

Один из наиболее технически интересных кейсов — то, как Oracle Applications Lab переосмыслила доступ к корпоративным данным.

Команда Oracle Applications Lab, которая помогает управлять ключевыми бизнес-процессами компании, создала онтологию (ontology) — структурированную карту объектов, взаимосвязей и правил компании. Теперь бизнес-вопрос на обычном языке может быть автоматически преобразован в надёжный SQL-запрос с помощью Codex. Пользователь описывает желаемый результат, а Codex сам определяет, к каким внутренним системам обращаться, собирает информацию и возвращает анализ, отчёт или приложение.

«Теперь бизнес-пользователи описывают желаемый результат вместо того, чтобы искать нужный отчёт. Это кардинальный сдвиг. Я бы даже назвал это бизнес-трансформацией», — Ричард Лам, вице-президент группы, Oracle Applications Lab.

Инжиниринг: с кварталов — до недели

Наиболее впечатляющий результат касается скорости разработки: сейчас разработчики могут генерировать код примерно за одну неделю, тогда как та же работа раньше занимала два-три квартала.

В производственном инжиниринге SRE-инженеры (Site Reliability Engineers — специалисты по надёжности систем) используют Codex для сбора контекста об инцидентах и автоматического вызова нужного playbook (регламента реагирования). Они тратят больше времени на принятие решений и меньше — на поиск информации. «Типичный простой инцидент, на разрешение которого раньше уходил час, теперь обрабатывается за минуты», — говорит Лам.

Как выглядит рабочий процесс с Codex

graph TD
    A[Сотрудник описывает задачу на естественном языке] --> B[ChatGPT Work / Codex получает запрос]
    B --> C{Тип задачи}
    C -->|Аналитика / отчёт| D[Codex обращается к внутренним системам через онтологию]
    C -->|Код / разработка| E[Codex пишет код в изолированной среде]
    C -->|Инцидент| F[Codex собирает контекст и находит нужный регламент]
    D --> G[Готовый анализ или отчёт за секунды]
    E --> H[Pull Request для проверки инженером]
    F --> I[SRE принимает решение на основе подготовленного контекста]
    G --> J[Человек проверяет результат]
    H --> J
    I --> J

Безопасность и контроль: автопилот отключён

Внедрение чётко разграничивает права: доступ на чтение не означает права отправлять сообщения или изменять записи, производственные привилегии выдаются временно, а чувствительные действия требуют явного одобрения.

Даже когда Codex берёт на себя всё больше работы, руководство Oracle подчёркивает: ничто не работает на полном автопилоте. Кто-то всегда должен следить за тем, чтобы базовая система была правильно выстроена.

По словам Лама, ответственное проектирование систем, архитектура и безопасность остаются обязательными — никакой ИИ не отменяет эти требования.

Ключевые результаты: сравнение «до» и «после»

Почему это важно для бизнеса за пределами Oracle

Рекрутеры пропускают дни рыночного исследования, бизнес-пользователи описывают желаемый результат вместо того, чтобы искать нужный отчёт, а технические лидеры создают инструменты, на которые раньше требовалась целая команда на несколько месяцев.

Это ключевой сдвиг в самой логике корпоративного AI: раньше автоматизация предполагала создание жёстких скриптов для конкретных задач. Теперь сотрудник просто описывает, чего хочет достичь, — и система выстраивает путь сама.

По сути, такие инструменты превращают разрозненные знания команды в многократно используемые рабочие процессы с корпоративными средствами контроля.

Для Oracle внутреннее внедрение одновременно служит историей успеха для продаж: компания предлагает модели OpenAI через свой облачный сервис и встраивает генеративный AI в Fusion Cloud HCM. Возможность ссылаться на показатель 80% внутреннего охвата даёт её продавцам референсного клиента — которым является сама Oracle.

Уроки для лидеров: как Oracle выстраивала внедрение

По материалам публичного кейса OpenAI можно выделить несколько принципов, которые сделали внедрение успешным:

1. Начать с конкретной боли. Oracle не пыталась автоматизировать всё сразу — команды брали реальные болевые точки (длительное рыночное исследование, медленный отклик на инциденты) и строили вокруг них первые инструменты.

2. Закодировать знания специалистов. Онтология Oracle Applications Lab — это, по сути, оцифрованный опыт лучших аналитиков компании, доступный теперь любому сотруднику.

3. Сохранить человека в контуре решений. Ни один процесс не работает полностью автономно. AI готовит контекст и варианты — человек принимает финальное решение.

4. Масштабировать через стандартизацию. Единый инструмент для рекрутинга обеспечивает одинаковое качество данных для всех менеджеров по найму, вне зависимости от опыта конкретного рекрутера.

5. Встроить контроли с самого начала. Разграничение прав доступа, временные производственные привилегии и обязательное одобрение чувствительных действий — не afterthought, а архитектурное решение.

Итог

История Oracle — это не просто корпоративный кейс об экономии времени. Это демонстрация нового принципа: специализированные знания, которые раньше жили в головах нескольких экспертов, можно превратить в воспроизводимый процесс, доступный любому сотруднику. ChatGPT Work и Codex стали инфраструктурой, на которой Oracle строит эту трансформацию — от рекрутинга до производственного инжиниринга.

При всей масштабности результатов, ключевой вывод звучит просто: AI не заменяет специалистов — он делает их знания масштабируемыми.