Asana сэкономила 5 лет работы с помощью ИИ-кода за $12K
Компания Asana завершила пятилетний проект по модернизации тестирования за две недели, использовав OpenAI Codex. Решение обошлось в $12 000, став яркой демонстрацией возможностей ИИ в разработке ПО.
В последние годы ИИ-ассистенты для написания кода, такие как GitHub Copilot и OpenAI Codex, активно внедряются в разработку. Однако до сих пор было мало примеров, когда один такой инструмент кардинально менял бы сроки и стоимость целого инфраструктурного проекта. История Asana с использованием Codex для замены устаревшей системы тестирования стала одним из самых ярких кейсов: вместо пяти лет работы и миллионных бюджетов компания уложилась в две недели и $12 000.
Что произошло
Asana, популярная платформа для управления проектами, столкнулась с необходимостью заменить свою устаревшую систему сквозного тестирования. По оценкам команды, на ручное переписывание тестов ушло бы около пяти лет. Вместо этого инженеры применили OpenAI Codex — модель, способную генерировать код по текстовым описаниям. С её помощью они автоматически перевели сотни тысяч строк тестов на новый фреймворк всего за 14 дней. Общая стоимость использования API Codex составила примерно $12 000, что в сотни раз меньше традиционных затрат на такую миграцию.
Почему это важно
Этот кейс наглядно демонстрирует, как ИИ-ассистенты могут сокращать не просто рутинные операции, а целые этапы инженерной работы, которые раньше считались неизбежно долгими и дорогими. Перевод тестов — задача, требующая глубокого понимания логики, но повторяющаяся по структуре. Codex справился с ней, показав, что генеративные модели способны выполнять сложные рефакторинги и миграции кода, которые раньше доверяли только опытным разработчикам. Для бизнеса это означает радикальное снижение времени вывода продуктов на рынок и высвобождение человеческих ресурсов для более творческих задач.
«Мы ожидали, что на замену тестовой системы уйдут годы. С Codex мы сделали это за две недели. Это переосмысление того, как мы подходим к техническому долгу», — отметил технический директор Asana.
Что дальше
Успех Asana вдохновляет другие компании на эксперименты с Codex и аналогичными инструментами. Ожидается, что в ближайшее время мы увидим больше примеров массовой автоматизации инженерных работ — от миграции между стеками до генерации документации. Однако остаются вопросы контроля качества и безопасности: полностью полагаться на ИИ без проверки пока рискованно. Asana, впрочем, подтвердила, что все сгенерированные тесты прошли автоматическую валидацию. Этот кейс может стать отправной точкой для нового стандарта в управлении техническим долгом — когда ИИ не просто помогает, а берёт на себя масштабные проекты, которые раньше считались неподъёмными.
Материал подготовлен с помощью ИИ на основе открытых источников и может содержать неточности. Нашли ошибку — напишите на hello@tolk.media.