Omio i OpenAI: jak AI zmniejszyła koszty budowy software o 80%

Platforma podróżnicza Omio ogłosiła w 2024 roku, że integracja modeli OpenAI — w szczególności OpenAI Codex — zmniejszyła nakład pracy inżynierskiej potrzebny do budowania nowych produktów do zaledwie 20% poprzedniego poziomu. To nie jest kolejny komunikat prasowy o „wdrożeniu AI” — to jeden z pierwszych udokumentowanych przypadków, gdy duże przedsiębiorstwo technologiczne dosłownie przeprojektowało od zera każdy wewnętrzny proces operacyjny, traktując sztuczną inteligencję nie jako nakładkę, lecz jako fundament organizacji.

Czym jest Omio i dlaczego jego transformacja jest wyjątkowa?

Omio to multimodalna platforma podróżnicza koordynująca sprzedaż biletów z ponad 3 000 przewoźników transportowych w 47 krajach. Firma obsługuje połączenia kolejowe, autobusowe i lotnicze w jednym ekosystemie rezerwacyjnym, co czyni ją jednym z największych europejskich agregatów transportowych.

Większość firm technologicznych deklarujących „wdrożenie AI” polega na doklejaniu nowych narzędzi do istniejących procesów. Omio explicite odrzuciło tę strategię. Tomas Vocetka, CTO firmy, postawił przed wszystkimi działami — nie tylko inżynierią — wymóg całkowitego przeprojektowania ram operacyjnych od podstaw, aby organizacja funkcjonowała jako natywne przedsiębiorstwo AI.

Decyzja ta oznacza, że transformacja nie zatrzymała się na poziomie narzędzi deweloperskich. Objęła zarządzanie, planowanie produktu, testowanie oraz funkcje nietechniczne całej korporacji — co w praktyce jest rzadkością nawet wśród firm określanych jako „AI-first”.

Jak działa integracja OpenAI Codex w Omio?

OpenAI Codex to model językowy wyspecjalizowany w generowaniu i analizowaniu kodu źródłowego, zdolny do obsługi pełnego cyklu wytwarzania oprogramowania — od planowania architektury po automatyczne testy regresyjne.

Vocetka zastosował dwuetapowe podejście do wdrożenia. W pierwszej fazie cały zespół otrzymał dostęp do bazowego modelu ChatGPT, co pozwoliło na zbudowanie kompetencji w zakresie pracy z modelami generatywnymi przed przejściem do zasadniczej integracji. Etap ten Vocetka określił wprost jako „wstępne wprowadzenie”, a nie właściwe wdrożenie produkcyjne.

W drugiej fazie Codex został osadzony bezpośrednio w środowiskach deweloperskich (IDE) i objął obowiązkowo cały Software Development Lifecycle (SDLC): wstępny research, planowanie architektury, aktywne kodowanie, automatyczne testowanie, przeglądy kodu oraz bieżące utrzymanie systemów. Inżynierowie zbudowali przy tym własne konektory łączące wewnętrzne zasoby danych z narzędziami AI, eliminując etap podstawowego wyszukiwania informacji i umożliwiając przejście bezpośrednio do realizacji zadań.

Rozszerzenie poza dział inżynieryjny

Kierownictwo Omio aktywnie przenosi zastosowanie Codex do działów nietech­nicznych. Procedury operacyjne w całej organizacji są dostosowywane do możliwości wprowadzonych przez zespół inżynieryjny, co oznacza, że narzędzie przestało być wyłącznie instrumentem programistów i stało się platformą operacyjną firmy.

Redakcja IWD Partner: Przypadek Omio przypomina transformację, przez którą przechodziły firmy finansowe w latach 90., gdy systemy ERP wymuszały redesign procesów biznesowych — z tą różnicą, że tempo zmian skróciło się z dekady do kilkunastu miesięcy. Pytanie, które pozostaje otwarte, brzmi: czy organizacje, które dziś „doklejają AI” do starych procesów, będą w stanie dogonić tych, którzy zbudowali od zera, czy też zostaną z infrastrukturą technicznego długu, której nie da się zreformować stopniowo?

Co konkretnie zmieniło się w czasie i kosztach wytwarzania oprogramowania?

Wewnętrzna analiza Omio wskazuje, że nakład pracy inżynierskiej wymagany do zbudowania konkretnych produktów wynosi obecnie około 20% poziomów sprzed wdrożenia — co oznacza redukcję o 80% bez zmiany zakresu funkcjonalnego dostarczanych rozwiązań.

Kompresja czasowa jest równie dramatyczna. Projekty wymagające wcześniej zaangażowania wielu deweloperów przez cały kwartał fiskalny (3 miesiące) realizuje dziś pojedynczy inżynier w ciągu około jednego miesiąca. Przełożenie jest trzykrotne w wymiarze czasu i wielokrotne w wymiarze zasobów ludzkich.

Krótsze cykle dostarczania pozwalają zespołom testować eksperymentalne koncepcje i weryfikować popyt konsumencki przy minimalnych nakładach. Kierownictwo alokuje kapitał i godziny inżynierskie z większą precyzją — prototypowanie eliminuje nieżywotne funkcje zanim zostaną przekazane do pełnoskalowej produkcji. Efektem ubocznym jest przyspieszenie iteracji na istniejących produktach i szybsze wdrażanie aktualizacji interfejsów do środowiska produkcyjnego.

Jak działa konwersacyjny interfejs rezerwacji podróży?

Omio uruchomiło jeden z pierwszych konwersacyjnych interfejsów rezerwacji podróży w 2023 roku, łącząc modele OpenAI z własnym inwentarzem transportowym w czasie rzeczywistym.

System przetwarza zapytania w języku naturalnym dotyczące złożonych tras multimodalnych — użytkownik może opisać podróż słowami, a silnik wyszukuje połączenia przez kolej, autobus i samolot jednocześnie, uwzględniając aktualną dostępność miejsc od ponad 3 000 partnerów. Konwersacyjny handel elektroniczny (conversational commerce) oparty na danych transportowych w czasie rzeczywistym to podejście, które wymaga synchronizacji modelu językowego z dynamicznymi bazami danych — technicznie znacznie bardziej wymagające niż standardowe chatboty oparte na statycznych FAQ.

Dlaczego transformacja Omio ma znaczenie dla całej branży technologicznej?

Omio pokazuje, że próg kosztowy i czasowy tworzenia oprogramowania obniżył się na tyle drastycznie, że strategie produktowe oparte na długich cyklach planowania przestają być konkurencyjne. Firma działająca w 47 krajach z infrastrukturą ponad 3 000 partnerów zdołała skrócić cykl deweloperski trzykrotnie przy jednoczesnej redukcji zaangażowania personalnego o 80% — bez doniesień o zwolnieniach, lecz z wyraźnym przesunięciem zadań inżynierów w kierunku nadzoru nad systemami AI.

Według danych OpenAI z 2024 roku, Codex jest aktywnie wykorzystywany przez setki firm technologicznych na świecie, jednak przypadki pełnej reorganizacji procesów operacyjnych — nie tylko działu IT — pozostają wyjątkiem. Model Omio może stać się punktem odniesienia dla firm zastanawiających się, czy wdrożenie AI ma sens jako projekt pilotażowy czy jako fundament reorganizacji strukturalnej.

Dla użytkowników końcowych oznacza to szybsze pojawianie się nowych funkcji w aplikacjach podróżniczych, lepiej dopasowane interfejsy i — potencjalnie — niższe koszty operacyjne przekładające się na ceny biletów. Pośrednio transformacja ta sygnalizuje, że sektor travel-tech wchodzi w fazę, w której przewaga konkurencyjna będzie budowana nie przez liczbę inżynierów, lecz przez jakość integracji AI z danymi własnymi firmy.

Powiązane pojęcia z AI i uczenia maszynowego

• OpenAI Codex — model językowy OpenAI wyspecjalizowany w generowaniu i analizowaniu kodu źródłowego, zdolny do obsługi zadań w dziesiątkach języków programowania.
• Software Development Lifecycle (SDLC) — ustandaryzowany proces obejmujący wszystkie etapy tworzenia oprogramowania: od analizy wymagań i projektowania, przez kodowanie i testowanie, po wdrożenie i utrzymanie.
• Conversational commerce — model sprzedaży oparty na interfejsach konwersacyjnych (chatboty, asystenci głosowi), w którym transakcja handlowa odbywa się w ramach dialogu w języku naturalnym.
• Multimodal Large Language Model (MLLM) — model językowy zdolny do przetwarzania i generowania treści w wielu modalności jednocześnie, takich jak tekst, obraz i kod.
• Prototypowanie AI-assisted — metodyka szybkiego tworzenia działających prototypów produktów przy wsparciu narzędzi generatywnej AI, pozwalająca na wczesną weryfikację założeń biznesowych przy minimalnym nakładzie zasobów.

Na podstawie materiałów źródłowych.