Codex поднял продажи Proaction на 60% и сэкономил 75+ часов

Когда стартап из пяти человек обходит многолетних игроков рынка — обычно за этим стоит нестандартный подход. Proaction, AI-нативная компания по управлению автопарками (fleet management — комплексное управление корпоративными транспортными средствами и оборудованием), именно так и поступила: вместо найма армии разработчиков и продавцов она сделала ставку на связку из трёх моделей OpenAI — Codex, GPT-Live-1 и GPT-6 Astra. Результат впечатляет: компания зафиксировала рост продаж на 60% и сэкономила более 75 часов после внедрения OpenAI Codex вместе с GPT-Live-1 и GPT-6 Astra.

ℹ Кто такая Proaction?
Proaction — AI-native стартап по управлению автопарками, основанный в Де-Мойне, штат Айова. Компания создаёт современную альтернативу дорогостоящим и устаревшим методам управления коммерческими автопарками. В июле 2026 года Proaction привлекла $4,2 млн венчурного финансирования; в число новых инвесторов вошли GTMfund, Breakers, Aviso Ventures и Iowa InnoVenture.

Почему старый рынок созрел для перемен

Десятилетиями автопарки полагались на устаревших поставщиков и разрозненные программные инструменты для управления активами, техническим обслуживанием, платежами, претензиями и другими рабочими процессами. Для российских реалий картина знакома: большинство логистических и транспортных компаний до сих пор ведут учёт автомобилей в Excel, а ремонтные заявки согласовываются в мессенджерах.

«Автопарки годами работают с теми же устаревшими поставщиками и процессами. Мы считаем, что современные технологии дают возможность перестроить fleet management с нуля: снизить затраты, добавить прозрачность и сделать жизнь команд намного проще», — Дрейк Бауэр, CEO Proaction.

Предиктивное обслуживание и оптимизация маршрутов способны сократить операционные расходы коммерческих автопарков на 5–10%. Proaction решила пойти дальше — переосмыслить весь цикл: от написания кода продукта до закрытия сделок с клиентами.

Три модели — три роли

Особенность внедрения Proaction — использование трёх разных моделей OpenAI в связке: Codex берёт на себя тяжёлую работу по генерации кода и техническим операциям, тогда как GPT-Live-1 и GPT-6 Astra обеспечивают разные аспекты платформы управления автопарком. Это не типичное развёртывание одной модели — это скоординированная AI-стратегия, охватывающая весь бизнес от разработки до продаж.


graph TD
    A[Запрос клиента] --> B[Codex: генерация кода и демо]
    A --> C[GPT-Live-1: операционные процессы]
    A --> D[GPT-6 Astra: фичи платформы]
    B --> E[Персонализированное демо]
    C --> F[Автоматизация рутины]
    D --> G[Новые возможности продукта]
    E --> H[Закрытие сделки +60% продаж]
    F --> H
    G --> H

Codex: от технического инструмента — к продажам

Ключевое открытие Proaction — Codex вышел за рамки привычной роли помощника разработчика. Кейс показывает, как агент для написания кода переходит от внутренней разработки к непосредственному участию в продажах.

Proaction — стартап из пяти человек — использует Codex прямо в процессе продаж: сооснователь Колин Кнудсен превращает разговоры с клиентами в персонализированные предложения, прототипы рабочих процессов и работающие демо ещё до подписания контракта. Это объединяет клиентский discovery, продажи и разработку продукта внутри маленькой команды.

COO компании ежемесячно создаёт от четырёх до шести кастомизированных интерактивных демо. Для потенциального клиента это выглядит как работающий прототип системы — уже на этапе переговоров, до подписания договора. В российских B2B-продажах, где решение о покупке принимается медленно и требует наглядного подтверждения ценности, такой подход мог бы радикально сократить цикл сделки.

💡 Совет для B2B-команд
Если ваша команда работает в нишевом B2B-рынке, попробуйте использовать Codex не только для внутренней разработки, но и для создания «живых» демо под каждого конкретного клиента прямо на встрече. Это снижает барьер входа и ускоряет принятие решения о покупке.

75+ часов в месяц: откуда экономия?

Команда фиксирует рост продаж на 60% и более 75 часов сэкономленного времени ежемесячно — суммарно по инженерной и основательской работе.

Сэкономленное время во многом связано со способностью Codex ускорять циклы разработки. Платформы управления автопарками требуют постоянных обновлений для поддержки новых типов транспортных средств, изменений в регуляторике и клиентских интеграций. Вместо того чтобы держать большую инженерную команду, Proaction делегирует значительную часть рутинного кодинга Codex.

Компания экономит более 75 часов операционной работы ежемесячно благодаря AI-автоматизации. Для растущей компании такая экономия времени эквивалентна добавлению почти двух штатных сотрудников без накладных расходов.

Сравнение: до и после внедрения AI-стека

ПроцессДо внедрения AIПосле внедрения Codex + GPT
Создание демо для клиентаНесколько дней разработки1–2 часа с Codex
Цикл выпуска обновленийМедленный, трудоёмкийУскорен за счёт AI-генерации кода
ПродажиСтандартные презентации+60% к выручке
Операционные трудозатратыПолная загрузка командыЭкономия 75+ часов/мес
Размер командыТребует большого штата5 человек покрывают весь цикл

Широкий тренд: Codex выходит за пределы инженерии

История Proaction — не исключение, а часть масштабной трансформации. Codex — агентский продукт OpenAI для программирования — достиг 5 миллионов еженедельно активных пользователей. При этом работники умственного труда, не связанные с разработкой, составляют около 20% от этой аудитории и подключаются к инструменту втрое быстрее, чем разработчики.

С февраля число еженедельно активных корпоративных пользователей Codex выросло в 108 раз среди юристов, в 41 раз среди специалистов по продажам, в 41 раз среди рекрутеров и в 26 раз среди маркетологов — тогда как среди инженеров рост составил лишь пятикратный.

ChatGPT Work расширяет агентный AI за пределы разработчиков, позволяя сотрудникам всей компании не просто запрашивать помощь, а делегировать содержательные задачи. По состоянию на июнь 2026 года агентный AI (Codex) составлял 64% от совокупных выходных токенов среди корпоративных клиентов OpenAI.

⚠ Важно учитывать
Кейс Proaction описывает компанию с пятью сотрудниками и специфическим B2B-рынком. Перед масштабированием подобного подхода важно оценить: насколько ваш продукт поддаётся демонстрации через AI-генерируемые прототипы, и есть ли в команде люди, готовые работать «на стыке» продаж и разработки.

Что это значит для российского рынка

Управление корпоративными автопарками в России — зрелый, но слабо автоматизированный рынок. Крупные логистические операторы, строительные компании, ритейлеры с собственным транспортом — все они сталкиваются ровно с теми проблемами, которые решает Proaction: разрозненные данные, ручная работа, медленные процессы.

Подход Proaction демонстрирует три ключевых принципа, актуальных для любого нишевого B2B-стартапа:

  1. Используй AI как мультипликатор команды — пять человек могут конкурировать с компаниями в десятки раз большими, если правильно делегируют задачи моделям.
  2. Переноси AI в точку продажи — Codex помогает строить демо прямо под клиента, убирая разрыв между «мы можем это сделать» и «вот как это будет выглядеть».
  3. Комбинируй специализированные модели — использование трёх разных моделей OpenAI в согласованной работе делает подход Proaction особенно примечательным: Codex берёт на себя генерацию кода и технические операции, тогда как GPT-Live-1 и GPT-6 Astra обеспечивают разные аспекты платформы.

Итог

Задокументированный успех Proaction с инструментами OpenAI — убедительное доказательство того, что корпоративные AI-внедрения способны давать немедленный, измеримый бизнес-результат. Рост продаж на 60% и экономия 75+ часов предлагают воспроизводимую модель для других компаний в сфере управления автопарками, демонстрируя растущую зрелость корпоративного AI за пределами экспериментальных сценариев.

Главный вывод: AI-инструменты уже сегодня позволяют крошечным командам строить, эксплуатировать и продавать сложные B2B-продукты быстрее, чем это делают крупные игроки с традиционными подходами. Вопрос не в том, «стоит ли внедрять» — вопрос в том, как именно и куда в первую очередь.