Majdnem három évtizedes üzleti kommunikációs innováció után a RingCentral világszerte több ezer alkalmazottal működő cégként évente több mint 2,6 milliárd dollár bevételt termel. A vállalat most azzal bővíti innovációs hagyományát, hogy AI‑native (mesterséges intelligencia‑első) munkavégzést vezet be a szervezetben: minden munkatársnak biztosított lehetőséget a ChatGPT Work és a Codex használatára, így bárki — mérnök vagy nem mérnök — képessé válhat új termékek és infrastruktúra létrehozására.
Az AI‑Native Challenge: kísérletből működő modell
A vezérigazgatói iroda (Office of the CEO) által támogatott AI‑Native Challenge célja az volt, hogy az egész globális mérnökségi szervezet AI‑felkészültségét növelje. A résztvevőknek ChatGPT Work és Codex állt rendelkezésre, és egy teljes, végpont‑végpont projekt felépítésére kérték őket anélkül, hogy kötelező munkafolyamatot vagy egyéb korlátokat írtak volna elő.
A kezdeményezés túlmutatott az egyszerű kódolási feladaton: a résztvevőket az AI‑native fejlesztési életciklus minden szakaszába bevonta, a tervezéstől és megvalósítástól a tesztelésen, dokumentáción és CI/CD‑n át az iterációig. A résztvevők szinte mindegyike működő adattárat (repository) készített, és több ezer alkalmazott — köztük nem műszaki munkatársak és akár vezetők is — szállított működő projekteket.
Gyorsabb termékfejlesztés belső eszközökkel
A vállalat stratégiájának központi eleme, hogy a belső AI‑használattal felgyorsítva gyorsabban juttasson el ötleteket ügyfeleihez. Ugyanezt a Codex‑alapú megközelítést alkalmazzák a RingCentral saját, mesterséges intelligencia által vezérelt termékei fejlesztésének gyorsítására, többek között a RingCentral AI Receptionist (AIR), AI Virtual Assistant (AVA) és AI Conversation Expert (ACE) termékeknél. Ez lerövidíti az utat az ötlettől a végleges, ügyfelek számára elérhető funkcióig.
„A kihívás legvilágosabb tanulsága az volt, hogy az AI‑native fejlesztés nem a mérnökök helyettesítéséről szól — hanem a mérnökök képességeinek megsokszorozásáról. Az AI felgyorsítja az egész fejlesztési ciklust, miközben az emberek a folyamatban maradnak: ők határozzák meg a termékkövetelményeket, adják a vállalati kontextust, hozzák meg az architekturális döntéseket, és biztosítják, hogy minden eredmény tesztelt és ellenőrzött legyen.”
— Engineering leader at RingCentral who spearheaded the project
Műveleti átalakulás: a PMO példája
Az AI‑Native Challenge hatására a nem mérnöki területek is elkezdték beépíteni az AI‑native munkamódszereket. A Program Management Office (PMO) a ChatGPT Worköt arra használta, hogy gyakorlatilag egy programmenedzsment‑operációs rendszert építsen: a széttöredezett jegyzetek és csevegési előzmények helyett AI‑támogatott munkafolyamatok szolgálnak az állapotkövetésre, jelentéskészítésre, kiadásfelügyeletre és tudásátadásra.
Egy konkrét alkalmazás az automatikus státuszjelentés: a PMO munkatársai olyan munkafolyamatokat hoztak létre ChatGPT Work segítségével, amelyek értesítéseket generálnak a Jira, Google Sheets, CRM rendszerek és egyéb forrásokban nyilvántartott problémák alapján. Ez azt jelenti, hogy a találkozókra nem úgy érkeznek be, hogy „mi változott?”, hanem előre definiált blokkolók, felelősök és teendők állnak rendelkezésre.
A kezdetben nyitott kísérleti lehetőségből — ahol több ezer mérnök épített megoldásokat a semmiből — mára működő operatív gerinc lett, amelyen olyan csapatok, mint a PMO futtatják programjaikat. A manuális koordináció csökkentésével a ChatGPT Work lehetővé teszi a PMO számára, hogy több projektet kezeljen nagyobb pontossággal.
Általános hatás: kompetenciától infrastruktúráig
A RingCentralnál megfigyelt mintázat minden részlegen érvényesül: az alkalmazottak számára biztosított kísérleti tér nem csupán egyéni készségeket épít, hanem hosszabb távon azt az infrastruktúrát alakítja ki, amelyen a vállalat működik. A szervezet AI‑native eszközök köré épülő belső gyakorlatain keresztül gyorsítja a fejlesztést, javítja az operációk hatékonyságát és rövidíti le az utat az ötlettől az ügyfél számára elérhető termékig.
