НовостьНейросетиOpenAICodex

NTT DATA сократила разбор IT-инцидента с трёх дней до 30 минут с помощью Codex

NTT DATA внедрила Codex примерно для 9 тысяч сотрудников. В одном из первых кейсов AI-агент провёл сложный разбор IT-инцидента за 30 минут вместо трёх дней работы пяти инженеров.

Кирилл Киреев

22.07.2026 · 3 минут чтения · Нейросети

Codex сократил разбор IT-инцидента в NTT DATA с трёх дней до 30 минут

Содержание

Как NTT DATA превратила Codex из помощника программиста в корпоративного AI-агента

NTT DATA Group внедрила Codex примерно для 9 тысяч сотрудников и показала один из самых наглядных корпоративных кейсов AI-агентов. Сложный анализ инцидента в критической системе, который раньше занимал три дня работы пяти опытных инженеров, удалось выполнить за 30 минут.

Что именно изменил Codex

По данным OpenAI и NTT DATA, Codex не просто ускорял написание кода: агент самостоятельно исследовал проблему, выполнял действия, проверял результат и корректировал ход работы по исходной задаче. Успех первого кейса стал аргументом для масштабирования инструмента на другие команды.

Компания начала с повсеместного внедрения ChatGPT Enterprise и внутреннего центра компетенций OpenAI. Сотрудники сначала привыкли использовать AI для поиска информации, текстов и генерации идей, а затем перешли к делегированию Codex конкретных задач с измеримым результатом. Во внутреннем опросе более 95% респондентов сообщили о росте продуктивности при работе с ChatGPT Enterprise.

Codex используют не только разработчики

В NTT DATA агент уже помогает обрабатывать файлы, анализировать данные в Excel, собирать отчёты и автоматизировать повторяющиеся процессы. Например, сотрудники переносят транспортные расходы из банковских выписок в формы командировочных затрат, а рутинные операции во внутренних системах автоматизируют через Playwright и упаковывают в переиспользуемые Skills.

Для бизнеса важен сам подход: компания не ограничилась выдачей лицензий, а подготовила правила по данным, доступу к системам, сетевому трафику, режимам изоляции и обязательной проверке человеком. Так AI-агент можно масштабировать на тысячи пользователей, не превращая автоматизацию в неконтролируемый эксперимент.

Почему это важно

Кейс показывает, что эффект от AI-агентов всё чаще измеряют не количеством сгенерированного кода, а сокращением целого рабочего процесса. Для команд маркетинга, контента и операций логика та же: сначала выбрать повторяемую задачу с понятным результатом, затем дать агенту доступ только к нужным данным и инструментам, а финальную проверку оставить человеку.

Хочешь узнавать первым о таких новостях?

Переходи в наш телеграм канал где мы ежедневно публикуем самые свежие и интересные новости

Чиби Новости