Inside OpenAI: Wie Codex verändert hat, wie alle arbeiten

Wie OpenAI Codex nutzt, um Engineering-Rollen zu verwischen

Dieses Gespräch mit Tibo (Engineering Lead) und Ed (Design Engineer) vom Codex-Team bei OpenAI bietet einen seltenen Einblick, wie eine KI-native Organisation tatsächlich operiert. Die auffälligste Enthüllung ist nicht über die Technologie - es ist darüber, wie dramatisch sich Rollengrenzen verwischt haben.

Über obligatorisches KI-Code-Review: “Everyone just doesn’t have a choice—the code is reviewed by Codex no matter whether you want it reviewed or not. It’s just been so useful at catching issues.” (Jeder hat einfach keine Wahl - der Code wird von Codex reviewed, egal ob du willst, dass er reviewed wird oder nicht. Es war einfach so nützlich beim Erkennen von Problemen.) Die Schlüsselerkenntnis: KI-Review auf alle PRs zu erzwingen eliminierte die “soll ich das nutzen?”-Entscheidungsmüdigkeit. Die Trefferrate war gut genug, dass Beschwerden nie aufkamen.

Über nicht-technische Adoption: “I DM someone, I was like, I didn’t know you could code. And he’s like, I couldn’t till a few months ago.” (Ich schreibe jemandem eine DM, ich so, ich wusste nicht, dass du coden kannst. Und er so, konnte ich bis vor ein paar Monaten nicht.) Ed beschreibt Designer und Go-to-Market-Mitarbeiter, die ihre eigenen PRs einreichen - nicht weil sie gelernt haben zu coden, sondern weil Codex das Coding abstrahiert hat. Ein Copywriter kann jetzt UX-Strings direkt ändern, ohne Engineering einzubeziehen.

Darüber, dass Junior-Engineers gedeihen: “Ahmed joined as a new grad. Didn’t know Rust, learned Rust super quickly. I’ve never seen someone pick up a new language as fast as that… And then the way he discovers the true potential of agents is faster than most people on the team.” (Ahmed kam als frischer Absolvent. Kannte Rust nicht, lernte Rust super schnell. Ich habe noch nie jemanden so schnell eine neue Sprache aufnehmen sehen… Und dann ist die Art, wie er das wahre Potenzial von Agenten entdeckt, schneller als die meisten Leute im Team.) Das kontraintuitive Ergebnis: Juniors ohne eingefahrene Workflows passen sich schneller an als 10-Jahres-Veteranen.

Darüber, wie Anpassungsfähigkeit aussieht: “Sometimes I’m like, oh I’m just going to go back to Vim… and I’m slowing myself down. And then you look at the way they are using AI today and you get inspired.” (Manchmal bin ich so, oh ich gehe einfach zurück zu Vim… und ich verlangsame mich selbst. Und dann schaust du dir an, wie sie KI heute nutzen, und du wirst inspiriert.) Selbst Senior-Engineers finden sich wieder in alte Gewohnheiten zurückzufallen - die Juniors halten sie ehrlich.

Über auflösende Jobtitel: “Often it’s like hey Ed, you’re just like an engineer on the team writing PRs and just fixing things. You don’t need to go and talk to anyone. You just do it.” (Oft ist es so wie hey Ed, du bist einfach wie ein Engineer im Team, der PRs schreibt und einfach Dinge fixt. Du musst nicht mit irgendwem reden. Du machst es einfach.) Wenn ein Designer Produktionscode shippen kann, wird die Unterscheidung zwischen “Designer” und “Engineer” zunehmend künstlich.

6 Erkenntnisse von OpenAI zu KI-nativen Entwicklungspraktiken

• Obligatorisches KI-Review funktioniert - OpenAI zwingt Codex, jeden PR zu reviewen, optimiert für Signal-to-Noise-Ratio, um Alert-Müdigkeit zu vermeiden, während “vier Ebenen tiefe” Probleme erkannt werden, die Menschen verpassen würden
• Nicht-technisches Personal shippt Code - Go-to-Market-, Design- und andere Teams reichen ihre eigenen PRs über Codex’ Web-Interface ein und umgehen traditionelle Engineering-Übergaben komplett
• Junior > Senior bei Anpassung - Frische Absolventen, die mit KI-Tools aufgewachsen sind, übertreffen oft Veteranen, weil sie keine eingefahrenen Workflows zu verlernen haben
• Der echte Engpass sind Ideen - Mit sinkenden Ausführungskosten “zählen gute Ideen mehr” und “richtig ausgerichtete Ideen zählen mehr” - der schwierige Teil ist zu wissen, was gebaut werden soll
• Die Design-zu-Produktion-Lücke schließt sich - Designer forken jetzt Repos und bauen “voll funktionierende” Demos statt statischer Mockups, die Engineers später produktionalisieren
• Kleine Teams gewinnen - Die erfolgreichsten Teams bei OpenAI sind “kleine, wendige Teams, die sich aufstellen, um super schnell zu lernen und zu iterieren”

Was das für Engineering-Organisationen bedeutet

OpenAIs interne Transformation zeigt, was für jede Organisation kommt. Die Schlüsselerkenntnis ist nicht, dass KI Code schreibt - es ist, dass KI die Übergaben eliminiert, die früher Organisationsstruktur definierten. Wenn Designer Code shippen, Copywriter Strings ändern und Juniors Seniors übertreffen, wird die Frage: Was bleibt für traditionelle Rollendefinitionen? Die Antwort, laut diesem Team: Neugier, Problemauswahl und die Bereitschaft, sich anzupassen. Alles andere wird zu Infrastruktur.