У OpenAI Codex уже 5 млн активных пользователей в неделю, и 20% из них — не разработчики, а так называемые knowledge workers. Для IT-рынка это важный сигнал: OpenAI Codex все заметнее уходит из ниши «ассистент для написания кода» в сторону универсального рабочего инструмента для аналитиков, продактов, исследователей и команд, которые живут не только в IDE, но и в документах, таблицах и внутренних сервисах.
OpenAI добавила в Codex новые инструменты Sites, Annotations и расширила набор плагинов, сообщает The New Stack. Сам по себе список функций выглядит как очередной продуктовый апдейт, но в данном случае важнее аудитория, под которую его делают. Если раньше Codex ассоциировался прежде всего с генерацией кода и помощью разработчикам, то теперь компания прямо показывает: значимая часть пользователей приходит туда не за Python-скриптом и не за рефакторингом, а за повседневной интеллектуальной работой вокруг контента, знаний и внутренних процессов.
Поворот довольно прагматичный. Пять миллионов недельных активных пользователей — это уже не экспериментальная база ранних энтузиастов, а аудитория, по которой можно принимать продуктовые решения. А доля в 20% означает, что речь идет примерно о миллионе людей, использующих Codex вне классического сценария «сел за редактор, написал код, прогнал тесты». Для OpenAI это не просто красивый слайд для презентации. Это аргумент в пользу того, что рынок ИИ-инструментов для офисной и исследовательской работы начинает пересекаться с рынком devtools, и граница между ними быстро размывается.
Что именно меняется на уровне продукта? По названию функций видно, что OpenAI делает ставку на более структурированную работу с информацией. Sites звучит как попытка встроить в Codex формат, близкий к публикации, представлению или упаковке результата. Annotations — это уже язык совместной работы, разметки и пояснений, а не только выдачи готового ответа. Расширение набора плагинов тоже укладывается в ту же логику: чем больше внешних подключений, тем меньше Codex похож на отдельный чат с моделью и тем больше — на прослойку между сотрудником и его рабочим стеком. Для knowledge workers это, возможно, даже важнее качества генерации как таковой: ценность появляется там, где ИИ умеет дотянуться до нужных данных, документации, таск-трекеров и корпоративных систем, а не только красиво сформулировать абзац.
Для разработчиков эта новость тоже не проходная. Когда продукт, выросший из coding assistant, начинает обслуживать более широкую аудиторию, это почти всегда меняет приоритеты платформы. С одной стороны, у экосистемы появляется больше денег, сценариев и интеграций. С другой — фокус может сдвигаться от глубокой инженерной специализации к более массовым задачам. Если говорить без романтики, OpenAI сейчас тестирует очень понятную гипотезу: помощник, который умеет работать с кодом, документами, заметками, веб-представлением результата и плагинами, коммерчески интереснее, чем инструмент только для программистов. Для CTO и продакт-лидов это означает, что на рынке становится меньше чисто «разработческих» ИИ-продуктов и больше платформ, которые хотят закрыть сразу несколько ролей внутри компании.
Есть и более широкий контекст. Последние полтора-два года ИИ-сервисы для разработки постепенно перестали быть исключительно инструментами инженеров. Их начали тянуть в бизнес-аналитику, подготовку внутренней документации, ресерч, customer support и операционные задачи. Причина простая: во многих компаниях узким местом давно стал не сам код, а работа между системами, командами и знаниями. Там, где сотрудник вручную собирает материалы, пишет пояснения, согласует версии и переносит информацию из одного интерфейса в другой, ИИ выглядит особенно привлекательно. Поэтому шаг OpenAI в сторону knowledge workers — не экзотика, а довольно ожидаемое продолжение тренда, в котором разработческие агенты превращаются в «рабочие станции» для любой цифровой профессии.
Для русскоязычной IT-аудитории здесь особенно интересен не набор громких названий, а продуктовая логика. Sites, Annotations и плагины — это попытка занять слой над корпоративными знаниями и рабочими артефактами. Если такой подход взлетает, выигрывает не тот, у кого просто сильнее модель, а тот, кто лучше встроился в реальную рутину команды. И именно здесь начинается конкуренция не только с другими ИИ-ассистентами, но и с wiki-системами, офисными пакетами, внутренними порталами, таск-менеджерами и даже частью low-code-инструментов. Проще говоря, OpenAI Codex все сильнее претендует не на место рядом с редактором кода, а на место рядом с браузером, корпоративным поиском и рабочей перепиской.
Главный вопрос теперь не в том, сможет ли OpenAI расширить Codex за пределы разработки, а в том, насколько далеко рынок готов принять такую универсализацию. Когда один и тот же ИИ-инструмент начинает обслуживать инженеров, аналитиков и менеджеров, выигрывает платформа, но у пользователей растут требования к точности, контролю и интеграциям. Если OpenAI удержит этот баланс, Codex может окончательно закрепиться как рабочий слой поверх цифровой инфраструктуры компании, а не просто как помощник для кода. Подробности о расширении функций описаны в материале .