Newshot 
Cult.fit 是印度领先的技术驱动型健身公司之一，在 77 个城市运营 708 家健身中心，服务近 100 万名付费会员。其业务将基于订阅的健身房和教练带领的健身课程使用权，与不断扩大的消费产品组合相结合，产品涵盖健身器材、配件、训练鞋和运动服。
随着公司发展，它希望在不必增加层层流程和复杂性的情况下，解决更多运营和产品挑战。通过在工程团队中统一采用 Codex，再将其扩展到工程之外，cult.fit 正在帮助全组织各团队分析数据、构建工具，并把想法推向生产环境。在推广 Codex 的同时，它还在使用 OpenAI API 开发更个性化的会员体验，包括通过其 AI Trainer 实现。
对于 cult.fit 的 CTO Santhosh Kumar 来说，AI 提供了一个改变组织运作方式的机会。“我们希望在运营方式上变得更加 AI 原生，”他说。“我们如何以 AI 优先的方式运行或转型我们的运营？我们能提供哪些新的客户体验？我们又如何转变组织的运作方式？”
用 Codex 标准化软件开发
Cult.fit 的第一个重大转变发生在工程领域。在统一采用 Codex 之前，开发者混用多种编码智能体和助手。不同工具意味着仓库、智能体指令、技能和开发工作流采用不同约定，使跨团队共享知识和复用能力变得更加困难。
Cult.fit 希望有一个共享平台，围绕它来标准化软件开发生命周期。公司选择 Codex 作为这一基础。仓库结构、技能、测试、代码审查和反馈闭环现在都可以在各团队之间遵循共同约定。
“一旦我们在 Codex 上实现标准化，我们就能围绕单一平台构建软件开发生命周期。”
随后，团队将 Codex 扩展到更专业的工程工作流中。其站点可靠性工程智能体可以汇总来自可观测性平台和日志的信息，调查事件，并在许多情况下创建包含建议修复方案的 pull request，供工程师审查。安全智能体帮助识别和处理漏洞，而其他值班智能体则调查反复出现的生产问题。
Cult.fit 还在转向更完整的规范驱动开发模式，在这种模式下，规范可以引导工作贯穿软件开发生命周期，直至形成供工程师审查的 pull request。这为团队提供了一条更可重复的路径，从明确需求走向可运行代码。
最近的一个例子是 cult.fit 应用中的社交信息流。Kumar 估计，这个项目以前需要一年以上才能构建完成。使用新工作流，团队在两个月内端到端完成构建并发布。
让每个团队都具备构建能力
此后，Codex 已扩展到工程之外。cult.fit 让其公司数据更便于 Codex 使用，使各团队能够自行查找答案并执行常规分析。此前，即使是很小的数据请求也必须经过中央分析师团队，形成了瓶颈。
“Codex 是我们迈向数据民主化的最大一步。团队现在可以自行完成所需的分析。”
各团队也在构建自己的应用和工作流。例如，HR 在 Codex 中构建了一个工作流，用于管理绩效评估、排期、反馈收集，以及汇总这些信息的工作。近几个月，非工程团队已构建了 20 多个内部应用。
文章标题：Cult.fit 借助 Codex 构建运营能力
正文： 这一转变正在改变 cult.fit 对其业务运营所需软件的思考方式。当内部仪表盘软件的成本大幅上升时，一名工程师利用一个周末的时间用 Codex 重建了该功能。Cult.fit 现在在自己的应用上运行这项能力，每年节省超过 100,000 美元的软件成本。
实现这一转变所需的不仅仅是让员工使用 Codex。一场大型黑客松让员工提前看到了可能性。随后，公司召集管理团队进行为期一天的会议，各职能部门的领导者在会上用 Codex 构建了与自己工作相关的东西。
工程团队还每周举办两次办公时间，帮助员工将项目从想法推进到生产环境，同时工程师嵌入到选定的职能部门中，提供技术和领域支持。
“软件已经民主化了。借助 OpenAI 的解决方案，我们的员工能够围绕团队所需构建自己的应用。”
用 AI 丰富会员体验
Cult.fit 还通过其 AI Trainer 使用 OpenAI API 将 AI 扩展到会员体验中。超过 45% 的 cult.fit 会员是首次进入健身房的人，指导是帮助他们养成健身习惯的关键途径。该公司几年前首次构建 AI Trainer，为会员提供无需私人教练的引导式个性化锻炼体验。
目前约 20% 的 Cult.fit 健身房用户使用 AI Trainer 产品。随着语言模型的进步，cult.fit 看到了让体验更具互动性和对话性的机会。
最新版本围绕语音优先的锻炼体验设计。通过 OpenAI API 集成使用 GPT Realtime，教练可以提供指导提示，并通过双向语音交互支持锻炼记录。
让 AI 成为运营模式的一部分
Cult.fit 还将 AI 应用于此前需要人工客服评估每个案例的客户支持工作流。一个例子是免除缺席团体健身课程罚款的请求。
当会员表示因正当理由缺席课程时，AI 代理可以通过检查当地天气和该课程的出勤模式等信号来评估请求，然后决定是否应免除罚款。
Cult.fit 将这些代理构建到其现有的 Sprinklr 支持平台中，并将它们连接到后端系统，将客户支持从以人工为主的聊天模式转向 AI 优先的工作流。
成果一览
- 近几个月非工程团队构建了 20 多个内部应用
- 通过用 Codex 重建内部能力，每年节省 100,000 美元以上的软件成本
- 客户支持成本降低 50% 以上
下一步
Cult.fit 的下一步是从个别的 AI 工作流转向将 AI 融入工作方式的组织。在运营方面，Kumar 将这一目标描述为“自动驾驶运营组织”，让 AI 承担更多一线团队周边的支持工作。
在会员体验方面，目标是“口袋里的教练”，将个性化指导扩展到人类教练在规模上无法提供的程度。在组织内部，cult.fit 继续寻找团队可以用 AI 消除的瓶颈。随着更多员工自己构建应用、分析信息和自动化工作流，更多想法可以直接转化为可用的解决方案。