OpenAI'da FDE ne anlama geliyor
Özgün başlık: What FDE means at OpenAI
Codex çıktığında, ekipten biri bana şunu sordu: "Codex, son birkaç ayda oluşturmak için harcadığımız kullanım örneklerini tek seferlik olarak gerçekleştirebilirken ne yapacağız?" Bu soru FDE'nin OpenAI'de ne anlama geldiğinin özüne iniyor. Müşterilerimizin en zor sorunlarını anlamak ve güvenebilecekleri çözümler oluşturmak için onlarla birlikte çalışıyoruz. Öğrendiklerimiz ürünlerimizi şekillendirmeye yardımcı olur ve Araştırma'ya çözmesi gereken somut sorunlar sunar. Bu bir ilerlemedir.
Her birkaç ayda bir kendimizi eski hale getirirsek, FDE ekibimiz işini yapıyor. Ekibi 2025'in başlarında "dağıtım açığı" dediğimiz şeyi kapatmak için kurdum: modellerin yapabilecekleri ile insanların işlerini yapmak için güvenilir bir şekilde kullanabilecekleri arasındaki mesafe. Mevcut yapay zeka zekası ile iş değeri arasındaki boşluğu gösteren dağıtım boşluğu diyagramı. Model yetenekleri, bunları kullanmak için gereken sistem ve süreçlerden daha hızlı ilerledi.
When Codex came out, someone on the team asked me, “What do we do when Codex can just one-shot the use cases we spent the last few months building?” That question gets to the heart of what FDE means at OpenAI. We work alongside customers to understand their hardest problems and build solutions they can depend on. What we learn helps shape our products and gives Research concrete problems to solve. That is progress. If we make ourselves obsolete every couple of months, our FDE team is doing its job.
I founded the team in early 2025 to close what we call “the deployment gap”: the distance between what models appear capable of and what people can reliably use to do their work. Deployment gap diagram showing the gap between available AI intelligence and business value. Model capabilities have moved faster than the systems and processes needed to put them to use.
Cuando salió Codex, alguien del equipo me preguntó: "¿Qué hacemos cuando Codex puede realizar una sola toma de los casos de uso que pasamos construyendo en los últimos meses?" Esa pregunta llega al meollo de lo que significa FDE en OpenAI. Trabajamos junto a los clientes para comprender sus problemas más difíciles y crear soluciones en las que puedan confiar. Lo que aprendemos ayuda a dar forma a nuestros productos y brinda a la investigación problemas concretos que resolver. Eso es progreso. Si nos volvemos obsoletos cada dos meses, nuestro equipo FDE está haciendo su trabajo.
Fundé el equipo a principios de 2025 para cerrar lo que llamamos “la brecha de implementación”: la distancia entre lo que los modelos parecen capaces de hacer y lo que las personas pueden usar de manera confiable para hacer su trabajo. Diagrama de brecha de implementación que muestra la brecha entre la inteligencia de IA disponible y el valor comercial. Las capacidades de los modelos se han movido más rápido que los sistemas y procesos necesarios para ponerlas en uso.
Когда вышел Codex, кто-то из команды спросил меня: «Что нам делать, когда Codex может просто одним выстрелом использовать варианты использования, которые мы потратили на создание последних нескольких месяцев?» Этот вопрос затрагивает суть того, что означает FDE в OpenAI. Мы работаем вместе с клиентами, чтобы понять их самые сложные проблемы и найти решения, на которые они могут положиться. То, что мы изучаем, помогает формировать нашу продукцию и дает исследованиям конкретные проблемы, которые нужно решить. Это прогресс.
Если мы устареваем каждые пару месяцев, наша команда FDE делает свою работу. Я основал команду в начале 2025 года, чтобы закрыть то, что мы называем «разрывом в развертывании»: расстояние между тем, на что способны модели, и тем, что люди могут надежно использовать для выполнения своей работы. Диаграмма разрыва в развертывании, показывающая разрыв между доступным интеллектом ИИ и ценностью для бизнеса. Возможности моделей развивались быстрее, чем системы и процессы, необходимые для их использования.