Oracle 部署 ChatGPT Work 和 Codex，将多日任务缩短至数分钟

TL;DR

Oracle 已向超过 100,000 名员工推出 ChatGPT Work 和 Codex，将原本需要数天专业人员投入的任务，转变为在招聘、业务分析和站点可靠性工程等领域仅需数分钟即可完成的操作。

招聘 – 15 至 20 分钟内完成市场情报分析

成果： 招聘人员现在可在 20 分钟内完成与职位相当的研究、薪酬基准和人才池评估，而此前需要 2 至 4 天。

  • 人才招聘团队使用 ChatGPT Work 构建了一个 人才市场情报工具。
  • 该工具可接收职位描述，自动研究相似职位、进行薪酬基准分析，并评估不同地区的候选人池。
  • Jan Ackerman（全球人才招聘主管，副总裁）表示，该流程现在更加一致且高效，使招聘人员能在 15 至 20 分钟内为招聘经理会议做好准备。

“我们使用 ChatGPT Work 构建了人才市场情报工具，这真正彻底改变了我们招聘流程的前端工作方式。” – Jan Ackerman, Oracle

业务分析 – 自然语言查询瞬间转化为 SQL

成果： 业务用户用自然语言描述期望结果，系统在数秒内生成准确的 SQL 驱动报告或应用。

  • Oracle Applications Lab 创建了企业对象、关系和规则的本体论。
  • Codex 将用户的自然语言请求转化为适当的内部系统调用，并生成所需的 SQL 查询。
  • 一位用户报告称，答案“几乎立即”返回，与手动流程在精确数字上完全一致。

站点可靠性工程 – 事件解决时间缩短至数分钟

成果： 过去需要一小时才能解决的简单事件，如今通过自动化上下文收集和操作手册检索，可在数分钟内完成处理。

  • SRE 人员调用 Codex 收集事件上下文并获取正确的运行手册。
  • 工程师能将更多时间用于决策，而非信息检索。
  • Richard Lam（Oracle Applications Lab 集团副总裁）强调，这种转变是一种“业务转型”，而非完全自主的系统。

“现在业务用户不再需要四处寻找报告，而是直接描述他们想要的结果。这是一个重大转变。我甚至可以称之为一次业务转型。” – Richard Lam

领导力经验：AI 增强开发的关键启示

核心要点：

  1. 必须设置护栏。 在 Codex 生成代码之前，必须先定义系统设计、架构和安全规范。
  2. 先原型，后规范。 团队现在先从可运行的原型开始，而非详细规格说明。
  3. 对生成的代码负责。 必须持续进行人工监督，以确保代码库可维护。

“如果你不与 Codex 协同工作，你最终将陷入大量难以维护的代码之中。” – Richard Lam

未来方向 – AI 作为通用工作引擎

展望： Oracle 正推动整个组织转向以结果为导向的工作流，由 ChatGPT Work 和 Codex 负责实现细节。

  • 数千名员工已依赖这两个模型完成日常任务。
  • 高管预计，未来解决问题的首要方式将是先用 Codex 进行原型设计，再逐步优化解决方案。

“我不知道答案是什么，因为我还不知道下一个要解决的问题是什么。但我清楚的是，我首先会利用 Codex 来完成这件事。” – Barry Shilmover

影响： Oracle 内部部署案例表明，大规模企业采用基于大语言模型的工具，可将多日工作流压缩至数分钟，提升一致性，并释放专业人才从事更高价值的工作。该案例突显了在组织内规模化生成式 AI 时，强有力的治理机制、人机协同监督以及清晰的结果导向提示的重要性。

Sources