OpenAI køber Ona for at gøre Codex til en platform for vedvarende virksomhedsarbejde

De økonomiske vilkår er ikke offentliggjort. Handlen er underlagt almindelige afslutningsvilkår og myndighedsgodkendelser. Når opkøbet er gennemført, bliver Ona-teamet en del af OpenAI’s Codex-division .

Sådan skal Ona udvide Codex

Codex kan allerede generere kode og håndtere løbende programmeringsopgaver. Indtil videre har arbejdet dog i høj grad været knyttet til en aktiv brugersession og en bestemt enhed. Ona tilfører vedvarende cloudarbejdsområder, hvor agenter kan arbejde uafhængigt i timer eller dage .

Tre funktioner er særligt centrale:

• Vedvarende cloudarbejdsområder: Agenter kan køre i sikre cloudbaserede sandkasser, som fortsætter med at være aktive, selv efter at brugeren har lukket sin bærbare computer. Det frigør arbejdet fra den lokale hardware og gør længerevarende opgaver som store refaktoreringer, opdateringer af afhængigheder og ændringer på tværs af flere kodearkiver mere realistiske .
• Adgang til værktøjer og kontekst over tid: I Ona-miljøer kan agenter få sikker adgang til projektfiler, legitimationsoplysninger, API’er og den runtime-kontekst, de har brug for for at fortsætte arbejdet. Brugeren kan efterfølgende gennemgå resultatet, give nye instruktioner og lade agenten fortsætte uden at begynde forfra .
• Orkestrering af produktionsklare arbejdsgange: Ona-platformen håndterer hele agentens livscyklus – fra oprettelse af isolerede miljøer og kørsel af opgaver til håndtering af afhængigheder og nedlukning af sandkasser, når arbejdet er færdigt. Det kan flytte Codex fra enkeltstående eksperimenter til stabile og gentagelige arbejdsgange i produktion .

Mere kontrol over infrastruktur og data

For virksomhedskunder er den vigtigste ændring den måde, udførelsen kontrolleres på. Ona’s arkitektur er designet til at lade agenter køre i organisationens eget cloudmiljø, for eksempel på AWS eller GCP, i stedet for på OpenAI’s infrastruktur. Dermed kan kildekode, legitimationsoplysninger og følsomme data forblive inden for virksomhedens eksisterende sikkerhedsgrænse .

Det er især relevant for finanssektoren, sundhedsvæsenet og andre regulerede brancher, hvor krav til dataplacering, adgangsstyring og dokumentation ofte er omfattende. Virksomheder kan i princippet tage AI-baserede kodeagenter i brug uden at flytte følsomme data til en ekstern cloud eller ændre hele deres sikkerhedsmodel.

Centrale sikkerheds- og governancefunktioner

Ona-platformen fremhæver flere mekanismer, der skal gøre agenternes arbejde lettere at styre og kontrollere:

• Afgrænsede legitimationsoplysninger og adgangsrettigheder: Agenter begrænses til bestemte filsystemområder, krypteringsnøgler og credentials, så de ikke får adgang til følsomme dele af netværket .
• Midlertidige, sikre sandkasser: Miljøerne slettes automatisk, når en opgave er afsluttet. Det mindsker risikoen for dataudslip eller efterladt adgang sammenlignet med vedvarende lokale miljøer .
• Aktivitetslogning og revisionsspor: Agenternes handlinger registreres, så virksomheder kan understøtte governance, compliance og efterfølgende undersøgelser i regulerede miljøer .
• Registrering af malware og sløring: Ona bruger kryptografisk hashing til at identificere og blokere skadelige programmer, også hvis de er blevet omdøbt, flyttet eller skjult i scripts .
• Blokering af udgående forbindelser: Platformen kan forhindre agenter i at oprette forbindelse til potentielt skadelige eksterne servere. Det begrænser konsekvenserne, hvis en agent opfører sig uventet .

Samlet set handler modellen ikke kun om, hvor hurtigt en agent kan skrive kode, men også om hvor arbejdet udføres, hvilke systemer agenten må tilgå, og hvordan dens handlinger kan dokumenteres.

Ledelserne fremhæver tillid og menneskelig kontrol

Ledelserne i begge virksomheder præsenterede opkøbet som et svar på virksomhedernes behov for sikkerhed, styring og pålidelig drift.

Johannes Landgraf, medstifter og administrerende direktør i Ona, understregede, at AI-agenter har brug for mere end intelligens:

"Agenter har brug for mere end intelligens; de har brug for et arbejdsområde, man kan have tillid til. Vi byggede Ona for at give agenter cloudmiljøer med den kontekst, kontrol og det samarbejde, virksomheder kræver. Ved at blive en del af OpenAI kan vi føre dette fundament ind i Codex, hjælpe organisationer med at implementere agenter med større sikkerhed og give mennesker mere indflydelse på deres arbejde."

Landgraf skrev senere på LinkedIn, at opkøbet føltes mindre som en afslutning end som om virksomhedens arbejde var blevet "større og vigtigere" .

Thibault Sottiaux, ansvarlig for kerneprodukter hos OpenAI, fokuserede på de praktiske krav til implementering af AI i virksomheder:

"Virksomheder ønsker effektive agenter, der kan udføre reelt arbejde og samtidig leve op til kravene til sikkerhed og kontrol i deres miljøer. Ona vil hjælpe os med at gøre Codex lettere at implementere sikkert i produktionsarbejdsgange for kunder, der arbejder efter de højeste standarder for tillid og skala."

Udtalelserne peger på en fælles ambition: AI-baserede kodeagenter skal ikke blot være mere kapable, men også kunne kontrolleres, revideres og anvendes sikkert i de mest krævende virksomhedsmiljøer.

Et skifte fra modelkraft til eksekveringsinfrastruktur

Opkøbet viser, hvordan AI-kodeværktøjer i stigende grad positioneres til virksomhedsbrug. Konkurrencen handler ikke længere kun om modellernes intelligens eller resultater på benchmarks. Den handler også om den infrastruktur, der lader agenten udføre arbejdet: Hvem kontrollerer miljøet? Hvor ligger dataene? Hvilke rettigheder har agenten? Og kan dens handlinger efterfølgende dokumenteres?

Ved at integrere Ona’s runtime direkte i Codex forsøger OpenAI at skabe et fundament for mere autonom softwareudvikling, der kan køre kontinuerligt og inden for virksomhedens egne sikkerhedsgrænser.