cult.fit: Industry and size: Fitness, wellness, and consumer services, India
Компанія cult.fit, що працює на ринку фітнесу в Індії, впровадила Codex для стандартизації розробки програмного забезпечення та надання можливостей створювати інструменти командам без інженерної підготовки. За останні місяці неінженерні команди створили понад 20 внутрішніх додатків, а відновлення функціональності внутрішньої панелі керування дозволило уникнути понад 100 000 доларів щорічних витрат на програмне забезпечення. Також зафіксовано зменшення витрат на підтримку клієнтів на понад 50%.
Контекст
- Компанія
- cult.fit
- Галузь
- Non-engineers build applications and avoid $100
- Розмір
- 000+ in software costs
Компанія оперує 708 фітнес-центрами в 77 містах та обслуговує майже мільйон платних користувачів. Зростання вимагало вирішення операційних та продуктових завдань без додаткових шарів процесу та складності. До стандартизації розробники використовували різноманітні кодування-агенти та помічники, що ускладнювало спільне використання знань та повторне використання можливостей між командами. Малі запити на дані доводилося направляти через центральну команду аналітиків, що створювало вузьке місце.
Обмеження
Потрібно було стандартизувати структуру репозиторіїв, навички, тестування, код-ревью та цикли зворотного зв'язку між командами. Інтеграція агентів підтримки з існуючою платформою Sprinklr та внутрішніми системами. Необхідність надання доступу до корпоративних даних для Codex, щоб команди могли самостійно аналізувати їх.
Що зробили
Компанія стандартизувала розробку навколо Codex як єдиної платформи. Розширювала Codex на спеціалізовані інженерні процеси: агент надійності сайтів, агенти безпеки та агенти для повторюваних проблем у продакшені. Переходить до специфікаційно-орієнтованої розробки. Для неінженерних команд провела хакатон та одноденну сесію для керівництва. Інженерія проводить двічі на тиждень консультації, а інженерів вбудовують у вибрані функції для технічної та предметної підтримки. Агенти підтримки інтегровані в Sprinklr та підключені до бекенд-систем. Для досвіду учасників використано GPT Realtime через інтеграцію OpenAI API.
Що могло провалитись
У агенті підтримки клієнтів, що оцінює запити на скасування штрафів за пропущені заняття, людина залишається в контурі рішення, оскільки агент оцінює сигнали, але finaisне рішення може вимагати людської перевірки. У соціальному каналі додатка інженер переглядає pull request перед влиттям коду.
Що з цього переноситься
Підхід працює, коли компанія стандартизує інструменти розробки на єдиній платформі та надає неінженерним командам доступ до даних та можливості створювати власні інструменти; він не підходить, якщо немає інженерної підтримки для введення в експлуатацію та перегляду коду.
Як повторити в себе
Перший крок цього тижня: оберіть одну повторювану операційну задачу (наприклад, збір зворотного зв'язку або планування), яку команда виконує вручну, і спробуйте зібрати її вимоги у текстову специфікацію, яку може обробити кодогенераційний інструмент. Чекліст: 1) виберіть одну функцію (HR, підтримка, операції); 2) описніть поточний процес крок за кроком; 3) знайдіть один крок, де дані або рішення повторюються; 4) спробуйте створити простий інструмент за допомогою Codex або аналогічної моделі з людью, яка перевіряє результат перед використанням.
Кому це релевантно
Релевантно для українських компаній на 10-100 людей, які мають повторювані операційні процеси та хочуть зменшити залежність від центральних аналітиків або дорогого програмного забезпечення. Різниця масштабу: джерело описує велике підприємство з сотнями центрів та мільйоном клієнтів, тож менша компанія може починати з однієї функції та одного інструменту без корпоративної інфраструктури.
Скільки зайняло: Соціальний канал додатка, який раніше оцінювався в більше ніж рік, команда збудувала та випустила за два місяці за новим процесом.
Джерела
- 1openai.com ↗
openai.com