
Revolut 用 OpenAI 模型和 Codex 将编码时间缩短 30%-60%
来源标题:How Revolut raises ambition without lowering the bar
Revolut 借助 OpenAI 模型和 Codex,将从任务启动到功能合并的编码时间缩短了 30%–60%。这些工具还用于扩大金融犯罪调查规模,并在不牺牲安全性的前提下推动创新。Revolut 业务覆盖 40 多个市场、80 万家企业,过去 12 个月消费者基数增长 23%。
以下正文由 AI 翻译自 OpenAI(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
借助 OpenAI 模型和 Codex,Revolut 让团队有更多空间去解决复杂问题——从软件工程到金融犯罪。
从任务启动到功能合并,编码时间大幅缩短
将七年的设计文档转化为 AI 可读的上下文
分享
在日常工作中提速
从规模与影响力交汇处着手
委托执行,但不委托责任
将信任嵌入系统
成果一览
领导力经验
下一步是什么
在日常工作中提速
从规模与影响力交汇处着手
委托执行,但不委托责任
将信任嵌入系统
成果一览
领导力经验
下一步是什么
在日常工作中提速
Revolut(在新窗口打开)的创立初衷就是挑战人们与金钱互动的方式。这一雄心如今已延伸至 40 多个市场、80 万家企业,其消费者群体在过去 12 个月里增长了 23%。
再加上一种要求小而精干的团队快速行动的企业文化,ChatGPT 和 Codex 被证明是天然契合的选择,也就不足为奇了。
“对一个高水准的 Revolut 人最完美的描述是:能够极快地识别问题、推断解决方案、设计四种场景、从中找出最优的一种,然后将其推向市场,”Revolut 全球业务营销主管 Kim Maniovich 说。
“与 OpenAI 合作,使我们能够以极其精简、高性价比且真正贴合我们独特工作方式的方法来构建大量此类解决方案。”
但速度提升只是机会的一部分。对 Revolut 而言,更大的问题是:当优秀人才花更少时间在完成事情的机械流程上、花更多时间解决可能从根本上改变金融服务的问题时,什么将成为可能。
随着 Revolut 的增长,保护客户的复杂性也随之增加。根据一份报告(在新窗口打开),2025 年全球有超过半数的成年人报告遭遇过诈骗。
对 Revolut 来说,每一笔交易都创造了一个新的机会:识别可疑活动、调查潜在风险,并为客户实施稳健且量身定制的保护措施。但这些交易的数量之大,远远超出了任何银行可用的人力资源。
“今天我们能用 AI 解决的最大问题,是人力与我们所面临需求之间的规模化矛盾,”AI 负责人 David Abitbol 说。这就是为什么 Revolut 最大的 AI 应用之一是由 OpenAI 模型驱动的金融犯罪(FinCrime)智能体。
该智能体无需调查人员逐一手动处理每个符合条件的案件,而是可以检查信息、应用 Revolut 的规则,并自动完成既定流程。
GPT‑5.5 的发布是一个转折点。Abitbol 说,正是在那时,模型的能力和成本效益才足以让 Revolut 将筛查和调查工作流完全委托给智能体。结果是,在不以与需求同等速度增加调查人员编制的情况下,获得了更强的交易监控能力。
信息安全工程师 Mo Amiri 补充说,这“直接转化为更强的保护,以及一个我们的客户可以信赖的更具韧性的系统。”
“快速行动,但建立信任”完全可以成为 Revolut 内部工程团队的口号。虽然 Abitbol 指出 Codex 已将编码时间缩短了 30-60%,但他也明确表示某些防护措施是不可妥协的。
“我们有一个系统化的框架,公司里任何用 AI 构建东西的人,在开发、A/B 测试和业务指标预测方面都遵循同一套标准,”他说。“因此,公司里每位工程师都遵循同样的质量标准。我们开始以合理的成本获得足够的智能,从而可以越来越多地将初步调查和筛查委托给智能体。”
对高级平台工程师 Dmitry Pitik 来说,那 30-60% 的编码时间缩减在他构建一个内部代码审查服务时变得实实在在。他设计了系统,将其拆分为功能模块,起初以为需要一个开发团队来实现它。
“我意识到我不需要一整队开发人员来实现这个,”他回忆道。“我只需启动不同的智能体,给每个分配一个特定任务。”Codex 成了他的实现团队,而 Dmitry 则花更多时间设计系统、规划工作和审查返回的结果。
这是 Abitbol 在 Revolut 各处都看到的一种模式。随着 Codex 将产能返还给工程师,他们利用这些回收的时间“花更多时间讨论设计和最佳解决方案。所以我们花更多时间在设计上,而不是实现上。”
这并没有消除对工程专业能力的需求,只是改变了这些专业能力应用的位置。“每位开发者都要对自己产出的代码负责,我们不会盲目信任 AI,”Pitik 说。结果是一种不同的分工:AI 可以协助实现,而工程师则将更多注意力投入到决定软件是否有用、可靠、是否值得构建的决策上。
这种额外投入是值得的。当 Codex 处理一个任务时,Pitik 可以并行处理另一个任务。这种多任务处理能力在一家普通员工平均拥有“三份不同工作”的公司里至关重要,正如 Kim Maniovich 所解释的那样。使用 Codex 创造了一个良性(尽管充满挑战)的飞轮:“我们设定的目标逐月变得更加激进,但也更加可实现。所以标准不断提高。AI 正在使之成为可能。”
Revolut 利用这种新获得的产能所能做的事情的例子包括:开发一个用于为内部应用和面向外部产品构建 Web UI 的工具。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。