楽天將 OpenAI Codex 整合至工程流程以提升效率

楽天已將 OpenAI Codex 整合到其工程工作流程中，以加速軟體交付與事件回應，同時維持安全標準。此整合使平均復原時間 (MTTR) 大幅降低約 50%，並能將複雜專案的開發週期從數季壓縮至數週。

加速事件回應與降低 MTTR

楽天利用 Codex 縮短系統警報與問題解決之間的時間。透過將 Codex 與 KQL（Azure 用於日誌與遙測的查詢系統）整合，工程師能更有效地監控 API、分析訊號，並找出根本原因。

SRE（站點可靠性工程）團隊不再手動合成查詢、日誌與修補程式，而是使用 Codex 提出修復建議並加速補救。此做法將平均復原時間 (MTTR) 降低約 50%，使楽天能以兩倍速度解決生產問題。

為避免部署瓶頸，楽天將 Codex 直接整合至 CI/CD 流程中，以自動化程式碼審查與漏洞檢測。系統透過將內部程式碼原則與標準輸入 Codex 工作流程，確保所有程式碼變更符合公司特定的期望。

正如楽天 AI 業務總經理 Yusuke Kaji 所言：

『我們將內部程式碼原則提供給 Codex。它會使用相同的原則來審查程式碼是否符合我們的標準。』

此自動化確保安全檢查始終如一執行，即使出貨速度提升，也不會降低工程標準。

楽天利用 Codex 執行大型且需求模糊的專案，從最初規格到可運作的實作，降低對完備需求的依賴。此「AI 化」策略讓模型能自行解讀部分需求，並產出可用的成果。

舉例而言，楽天使用 Codex 為既有的網頁 AI 代理服務打造行動應用版。Codex 完成了全端實作，內容包括：

此專案在未經逐步人工指示的情況下完成，將開發時程從一季縮短至數週。

隨著 Codex 的採用，楽天正將工程師的主要職責從手動程式碼審查轉向規格撰寫與驗證。重點已轉向定義明確目標，並建立可量測的標準以驗證 AI 產出的結果。

為促進此轉變，楽天在工程、產品與非技術團隊間舉辦實作工作坊，以在全公司推廣自主開發的使用。