Глава направления развертывания OpenAI Арно Фурнье в интервью рассказал, как DeployCo внедряет ИИ в крупные корпорации с помощью собственных инженеров. Речь шла о взрывном росте Codex, обратной связи от клиентов для разработки моделей и о том, почему цена машинного интеллекта резко снизилась.
Два года назад Арно Фурнье стал сооснователем команды Forward Deployed Engineering (FDE) в OpenAI и работал первым инженером FDE, позже возглавив направление в регионе EMEA и глобальных вертикалях. С апреля 2026 года он занимает пост CTO в OpenAI Deployment Company, известной внутри как DeployCo, которую компания представила в мае вместе с 19 частными инвестиционными фондами и глобальными системными интеграторами. Первым приобретением дочерней компании стала британская консалтинговая фирма Tomoro, которая передала DeployCo около 150 инженеров и специалистов по развертыванию. «Это будет глобальная компания с ключевым руководством в Европе», — говорит Фурнье THE DECODER.
Инженеры на местах: как реальные задачи возвращаются в исследования OpenAI
Функция FDE нужна по двум причинам: решать проблемы клиентов и понимать текущее состояние технологий и сложности их внедрения. Модель или API сами по себе не создают ценности — она появляется, только когда технология встраивается в бизнес-процессы, соответствует нормативным требованиям и контролируется. «Если мы, создатели технологии, не будем глубоко погружены в работу с клиентами, нам будет трудно предоставлять её наилучшим образом и постоянно развивать инструменты», — поясняет Фурнье. Инженеры находятся на стыке между командами продукта и исследований с одной стороны и клиентами — с другой. Они переносят полученные уроки обратно в компанию и одновременно приносят клиентам новейшие технологии. Команды работают в Париже, Лондоне и Мюнхене, а также участвуют в совместных проектах с немецкими компаниями.
На вопрос о границах между работой FDE и консалтинговых партнеров вроде Deloitte Фурнье ссылается на экосистему Frontier Alliance с Accenture, Capgemini, BCG и McKinsey. Эти фирмы, по его словам, за последние годы построили огромные подразделения по ИИ, но сталкиваются с общей проблемой: сложно успевать за технологиями. Партнерство с инженерами OpenAI призвано гарантировать, что консультанты всегда предоставляют клиентам передовой уровень технологий вместе с необходимыми инструментами и системами. Тот факт, что эти же компании инвестируют в DeployCo и поставляют партнеров для альянса, по мнению Фурнье, доказывает их заинтересованность в практическом внедрении ИИ с OpenAI. Однако точное разделение труда между собственными FDE OpenAI и консультантами, которые потенциально конкурируют за одни и те же проекты, в разговоре осталось размытым.
Как работает обратная связь
На вопрос, используются ли данные клиентов для обучения будущих моделей, Фурнье отвечает: «Мы не обучаемся на данных клиентов, если только они явно не попросят об этом». В таких случаях, по его словам, начинается исследовательское партнерство. Таких случаев очень мало, и они проходят тщательную проверку со стороны регулирующих органов с обеих сторон. Настоящая обратная связь осуществляется по двум другим каналам. Во-первых, это информация о слабых местах моделей. Если команда обнаруживает, что распознавание документов работает плохо, это ценная информация для исследовательской группы, которая затем собирает данные и улучшает модель. Именно так решение, созданное для крупного банка BBVA, значительно улучшилось от GPT-5.0 до 5.5. Во-вторых, потребности в инструментах. Необходимость в оркестрации множества агентов привела к созданию открытого репозитория Swarm, который позже стал Agent SDK.
Фурнье иллюстрирует эту консалтинговую работу на примере BBVA. Банк изначально хотел автоматизировать подготовку кредитных документов. OpenAI предложила другой подход: вместо ускорения задачи, выполняемой раз в год, создать функцию непрерывной оценки кредитного риска. «Вместо одного раза в год вы можете еженедельно или даже ежедневно отслеживать, где находится ваш партнер и каковы ваши риски», — объясняет Фурнье. Когда происходят геополитические события, например война в Украине или обострение в Ормузском проливе, банк может немедленно оценить степень уязвимости своего кредитного портфеля. Этот пример призван показать, что FDE не просто ускоряют существующие процессы, но меняют их суть.
Регулирование редко становится барьером, Codex быстро растет
В Европе действуют строгие правила в области ИИ, такие как EU AI Act, и существуют опасения по поводу конфиденциальности данных, что часто называют причиной нерешительности компаний в принятии ИИ. Однако Фурнье, опираясь на свой ежедневный опыт, говорит, что регулирование уже почти не тормозит процесс. Если и есть, то сейчас наблюдается огромный импульс к внедрению ИИ в компаниях. OpenAI внедрила хранение данных в ЕС и управление ключами предприятия для обслуживания европейских клиентов. Как только эти требования выполнены, обсуждение быстро переходит к конкретным результатам. Франция, Германия и Великобритания входят в десятку крупнейших рынков OpenAI в мире, отмечает Фурнье. В качестве доказательства он приводит немецкую компанию Stadler, производителя систем сортировки отходов со штатом более 650 сотрудников. Согласно кейсу OpenAI, более 85% сотрудников активно используют ChatGPT ежедневно.
Другие цифры, предоставленные OpenAI, также демонстрируют уверенный рост Codex. Инструментом пользуются более четырех миллионов человек в неделю по всему миру — это рост в пять раз за три месяца при ежемесячном увеличении более чем на 70%. В Германии количество еженедельных активных пользователей Codex выросло более чем в семь раз с января 2026 года. Германия лидирует в Европе по этому показателю, входит в глобальную пятерку, а также занимает место в тройке мировых лидеров по платным подпискам и числу разработчиков. По еженедельным активным пользователям Codex страна входит в топ-5 рынков. На опасения, что OpenAI может вытеснить разработчиков, строящих свои продукты на моделях компании, Фурнье отвечает с оптимизмом: «Никогда не было лучшего времени быть разработчиком, чем сегодня». По его словам, экосистема будет массово расти, а OpenAI поддерживает стартапы и цифровые компании. Однако он уходит от прямого ответа на важный обратный аспект: оператор платформы всё больше конкурирует на уровне самих приложений.
О цене: Фурнье возражает, хотя его топ-модель дорожает
Инструменты вроде Codex представляют новое поколение агентных систем, которые выполняют задачи за множество шагов самостоятельно и потребляют гораздо больше вычислительных ресурсов, чем один чат-запрос. По мере распространения таких приложений вопрос стоимости выходит на первый план для компаний, особенно учитывая недавнюю тенденцию к повышению платы за API и переходу на биллинг по кредитам. Когда Фурнье спрашивают о высоких затратах, он предлагает иной ракурс: цена интеллекта упала в сто раз за последние 18 месяцев, «не на 100%, а в 100 раз». Он связывает это с повышением эффективности во всей цепочке: от чипов до взаимодействия с моделями и самих моделей. Модели становятся всё более эффективными в вычислениях, и появляются меньшие модели с тем же уровнем интеллекта.
Когда ему напоминают, что GPT-5.5 стоит на 49–92% дороже предшественника в зависимости от длины входных данных, Фурнье указывает на вычисления во время теста. Подобные модели могут увеличивать потребление токенов. Сложная физическая задача может требовать десятков часов вычислений, простая математическая — нет. Для стабильного уровня интеллекта цены резко упали, говорит он. Поэтому одна из задач его команды — объяснить клиентам, что высокой вычислительной мощности GPT-5.5 не нужно для каждой задачи. Когда его спрашивают, не ломается ли классическая модель лицензирования по числу рабочих мест под аппетитами агентных рабочих нагрузок, Фурнье переводит разговор в плоскость роста. Спрос намного выше, чем три месяца назад, и клиенты используют инструменты всё интенсивнее. OpenAI стремится не только обслуживать платящих клиентов, но и предоставлять широкий доступ к технологии. В доказательство он отмечает, что Codex остается доступным даже для бесплатных пользователей, а компания продолжает ослаблять и вновь открывать лимиты использования. Это стало возможным, потому что OpenAI два года назад начала масштабные инвестиции в собственную вычислительную инфраструктуру. Однако он оставляет без ответа реальный вопрос о том, останутся ли экономически жизнеспособными фиксированные и посеатные модели при взрывном росте потребления вычислений. Свое уклонение он объясняет заранее: «Моя роль сейчас — работать с клиентами и создавать для них ценность, поэтому я не лучший человек для ответа на вопрос о модели seat-based и подобных вещах». То, что клиенты уже видят рост цен и более высокое потребление как проблему, подтверждается слухами о том, что OpenAI и Anthropic рассматривают снижение цен в сегменте API, а также комментарием CEO OpenAI Сэма Альтмана, который заявил, что стоимость стала «огромной проблемой» для компаний.
О возврате инвестиций: Фурнье не дает четкой формулы
По смежной теме возврата инвестиций (ROI) Фурнье признает, что пока еще рано судить. Многое из того, что сейчас запускается в работу, началось шесть-двенадцать месяцев назад, поэтому полный эффект можно будет оценить лишь с задержкой. Временной горизонт он считает ключевым фактором. Два года назад руководители считали всё слишком дорогим, а сегодня многие из этих задач уже являются базовыми и приносят высокий ROI. Измерять выгоду, по его словам, можно через производительность сотрудников и через влияние на бизнес-процессы. В пример он приводит партнерство с производителем сельхозтехники John Deere, где ИИ помогает фермерам сократить использование химикатов на полях. Это дает и финансовую отдачу, и экологический эффект. Однако когда его просят назвать конкретную формулу, которую компании могли бы использовать для оценки ценности ИИ-проекта, Фурнье уклоняется, говоря, что такую формулу напишут практики на местах. Его совет остается прагматичным, даже уклончивым: «Просто купите лицензию Codex за $20 и начните работать».
Открытый счет за трансформацию с ИИ
По сути, в разговоре Фурнье описывает стратегический сдвиг: по мере того как производительность моделей становится дешевле и доступнее, ценность перемещается в глубину интеграции с клиентом, в отраслевые рабочие процессы, в обратную связь с продуктом и исследованиями и в привязку, которая выходит за рамки простого использования API. В этой логике Forward Deployed Engineers — не дополнительная услуга, а механизм, с помощью которого OpenAI внедряет свои модели в ключевые процессы крупных компаний, одновременно выясняя, что нужно будет следующему поколению продуктов и моделей. Поражает и разрыв между мощью описываемой трансформации и её реальной зрелостью. Фурнье рисует картину интенсивного использования, глубоко перестроенных корпораций и мира, где через десять лет подавляющее большинство компаний работает с ИИ. Но насколько обоснована эта картина, сегодня едва ли можно проверить. Многое из того, что запускается сейчас, началось всего шесть-двенадцать месяцев назад, а универсальной формулы ROI он не предлагает. DeployCo и Фурнье как раз и призваны сократить этот разрыв между активным использованием и реальной трансформацией. Аппарат продаж и интеграции сейчас выстраивается в масштабе именно потому, что самоподдерживающегося импульса, который предполагают кривые роста Codex, на практике не существует. Кривые активного использования ещё не означают успешной корпоративной трансформации. Три момента, по которым Фурнье уклоняется или отвечает лишь примерами, — модель биллинга, конкуренция с собственной базой разработчиков и измеримый ROI, — не случайно оказываются теми же вопросами, которые определят экономику всей индустрии ИИ.