OpenAI опубликовала кейс Asana: 5 лет инженерной работы закрыли за 2 недели с Codex — и это в 500 раз дешевле

Привет, друзья! Я сегодня про одну историю, которая мне лично кажется важной не как новость, а как точка перелома. OpenAI опубликовали кейс Asana: их облачный сервис для управления проектами мигрировал тесты с устаревшего Enzyme на современный React Testing Library за две недели вместо запланированных пяти лет. И это не пресс-релиз без деталей, а пост в блоге OpenAI с подписью главного по технологиям Asana, цифрами по трудозатратам и по деньгам. Я не могу припомнить, чтобы индустрия получала настолько показательный пример экономики за последние полгода.

Цифры в одну строку

• Что делали: мигрировали frontend-тесты с устаревшего фреймворка Enzyme на современный React Testing Library.
• Сколько времени планировали: пять лет.
• Сколько времени заняло в реальности: две календарные недели, из них полторы — инженерной работы. Ускорение в 250 раз.
• Сколько человек в Asana этим занималось: инженерная команда, которая проверяла результат дважды в день.
• Цена вопроса по старому плану: ~$6 миллионов на расширение штата.
• Цена вопроса через OpenAI Codex: ~$12 тысяч на модель и инфраструктуру. Экономия в 500 раз.
• Сколько агентов работало параллельно: до четырёх в отдельных копиях кодовой базы.

Это не пресс-релизные цифры «до 80% автоматизации», это отчёт о выполненном проекте. И именно этим он силён.

Что именно произошло

У Asana был старый фреймворк для тестов интерфейса под названием Enzyme. С ним была проблема: Enzyme не обновлялся под новые версии React, и это становилось блокером для модернизации всего фронтенда. По старому плану Asana собиралась расширять инженерную команду и переписывать тесты вручную — по оценке компании, это заняло бы пять лет и обошлось бы примерно в шесть миллионов долларов.

Вместо этого они попробовали OpenAI Codex, модель, которая уже работает в их инженерной команде как обычный участник. По словам Amritansh Raghav, технического директора Asana, всё свелось к следующему: написали пятистрочный промпт для Codex, запустили до четырёх агентов в параллель, каждый в своей копии кодовой базы, инженер проверял прогресс дважды в день и ревьюил каждое предложенное изменение. Никакого хитрого пайплайна, никаких особых трюков — простая инструкция на естественном языке.

«Не каждый многолетний проект сожмётся до пары недель. Но агенты дают инженерам больше пространства для мастерства — и делают когда-то немыслимую работу стоящей попытки».

— Амританш Рагхав, технический директор Asana

Через полторы недели инженерной работы (растянутой на две календарные недели) Enzyme был полностью удалён из кодовой базы Asana. Цена всего проекта — около двенадцати тысяч долларов на модель и инфраструктуру. Это в пятьсот раз меньше старой сметы.

Почему я не буду делать вид, что это совпадение

Это не первая история такого типа, но одна из первых, где OpenAI публикует её от своего имени, а не от компании-партнёра. В прошлом году подобные кейсы появлялись в пресс-релизах Anthropic, Cognition Labs, Replit — но как маркетинговые анонсы с большим количеством редактуры. Здесь же OpenAI просто публикует пост в собственном блоге и подписывает его словами CTO Asana. Это, мне кажется, маркер того, что они считают историю важной для тренда, а не просто для галочки в маркетинге.

Если вы посмотрите на шкалу этого года, таких кейсов уже накопилось прилично. Каждый раз, когда разговор заходит об «автоматизации разработки», я вспоминаю одну и ту же мысль: обычно это про пересказ чужих пресс-релизов, и редко — про конкретные цифры. Здесь цифры есть: пять лет, две недели, двенадцать тысяч долларов, шесть миллионов, четыре параллельных агента. Это не «возможный» результат, это отчёт о выполненном проекте.

Что я считаю самым интересным в этой истории

Не деньги. Деньги важные, но в Asana экономия шести миллионов долларов — это не про ИИ-революцию, это про корпоративный бюджет. Что мне реально цепляет — это то, что Asana после проекта объявила: «мы теперь будем пробовать агентов на других миграциях и переписываниях, которые раньше считали непрактичными». То есть речь уже не про один разовый эксперимент, а про новую норму того, какие проекты вообще стоит начинать.

Это сдвиг более важный, чем цифры по стоимости. Потому что о деньгах компании спорят каждый квартал. А о том, какие проекты стоит начинать, инженерные руководители решают годами. Если пятилетние проекты становятся двухнедельными, горизонт планирования самой проектной работы меняется. И никакая отдельно взятая миграция Enzyme не описывает этот сдвиг, но Asana его описывает одной строкой.

Где здесь ограничения

Честное чтение — обязательно. В этом кейсе работают три условия, которые есть не у всех команд и не во всех компаниях. Первое: у Asana уже был зрелый инженерный процесс и понимание, как смотреть на pull-request от агента. Без этого ревью результат был бы мусором за $12 тысяч. Второе: задача была структурно массовой и повторяемой (миграция тысяч похожих тестов), а не творческой. Агенты хорошо работают на повторяемых задачах, плохо — на единичных архитектурных решениях. Третье: миграция Enzyme → React Testing Library хорошо описана в формальной спецификации обоих фреймворков; для задач с более расплывчатой формулировкой такого результата не получится.

Кроме того, в открытом доступе пока нет подробного описания методики того, как именно Asana настроила агентов — какие системные промпты, какой workflow проверки, какая пост-обработка результатов. Без этих деталей любой CTO, который захочет повторить этот опыт, будет делать вслепую. OpenAI в посте упоминает «простой пятистрочный промпт», но не показывает, что именно в нём было. Будем ждать более технический отчёт.

Что это значит для российской инженерной сцены

Для команд, которые пишут на React и до сих пор сидят на Enzyme, это прямой повод начать пробовать агентов сейчас, пока есть публичный кейс с конкретными цифрами. И, честно говоря, не нужны ни OpenAI Codex, ни GPT-5.6 — нужна любая модель с нормальным кодинг-агентом. Уже сейчас Qwen3.8-Max от Alibaba, Kimi от Moonshot, GigaChat от Сбера и GPT-5.6 от OpenAI справляются с похожими массовыми миграциями. Кейс Asana показывает не «вот какой крутой Codex», а «вот как это работает у всех».

Для команд, которые решают, стоит ли вообще брать большой legacy-проект — это повод перестать считать сроки в годах. Если раньше вы оценивали свой старый модуль в шесть инженер-лет, попробуйте оценить его сейчас в шесть инженер-недель с агентом, и посмотрите, насколько реальный результат отличается.

И последнее. Я не могу не подколоть индустрию. Этот же проект в 2024 году оценивался бы индустрией в терминах «построим отдел миграции, наберём пять человек, уложимся в 24 месяца». В 2026 году OpenAI опубликовал кейс, где это сделали за две недели инженером, который раз в полдня проверял результат. Стоимость инженерного решения сместилась из разряда «найм + зарплата» в разряд «подписка на модель + ревью». Это структурный сдвиг, который мы будем наблюдать ещё лет пять.

Источники, на которых я всё проверяла: официальный пост OpenAI «Asana cleared 5 years of engineering work in 2 weeks with Codex» (опубликован 18.08.2026), Analytics India Magazine (20.08.2026, уточняет цифру $6 миллионов и 500x), AI Toolly (19.08.2026), Digg — уточнение про Enzyme → React Testing Library (19.08.2026), ProvenLabs Journal (18.08.2026), AI News JP (18.08.2026), Marketer Intel (19.08.2026). Изображения в посте — официальные ассеты OpenAI из их же кейса: lockup-картинка в шапке и карточка с логотипом Asana рядом с цитатой CTO. С вами была я, Ками. Пока-пока!