С повече от 20 години опит ние променяме вашето цифрово присъствие. Специализирани сме в разработването на уебсайтове и електронни магазини, SEO и цифров маркетинг, ERP софтуер и интелигентна автоматизация, които извеждат бизнеса ви на следващото ниво.
Адрес:
Егнатия 154, Солун 546 36
Телефон:
+30 231 231 4095
Електронна поща:
[email protected]
Готови ли сте за следващата стъпка?;
Η loveholidays δείχνει πώς το Codex μετατρέπει ιδέες σε προϊόντα όταν design systems, validations, ανθρώπινα gates και μετρήσεις γίνονται μέρος του workflow.
Απάντηση πρώτα: η περίπτωση της loveholidays δεν δείχνει ότι «όλοι έγιναν engineers». Δείχνει ότι περισσότεροι άνθρωποι μπορούν να μετατρέπουν μια ιδέα σε ελέγξιμο προϊόν όταν το Codex λειτουργεί μέσα σε design systems, repositories, validations, approvals και μετρήσεις. Η αξία δεν βρίσκεται στο prompt μόνο· βρίσκεται στο ασφαλές μονοπάτι από την πρόθεση έως την αλλαγή.
Τι αλλάζει όταν μια ιδέα δεν χρειάζεται πρώτα να περιμένει θέση στο backlog του engineering; Στη loveholidays, product managers, designers και εμπορικές ομάδες αρχίζουν να συνεισφέρουν απευθείας σε εφαρμογές, data και infrastructure workflows με τη βοήθεια του Codex. Το ενδιαφέρον δεν βρίσκεται απλώς στην παραγωγή κώδικα, αλλά στον τρόπο με τον οποίο η εταιρεία μεταφέρει την τεχνική γνώση μέσα σε ελεγχόμενα εργαλεία.
Η επίσημη μελέτη περίπτωσης της OpenAI παρουσιάζει τη loveholidays ως online ταξιδιωτική εταιρεία που δραστηριοποιείται σε οκτώ ευρωπαϊκές αγορές και επεξεργάζεται καθημερινά 60 τρισεκατομμύρια συνδυασμούς ταξιδιωτικών πακέτων. Σε αυτό το περιβάλλον, η ταχύτητα πειραματισμού πρέπει να συμβαδίζει με μια ώριμη τεχνολογική πλατφόρμα. Η εταιρεία δεν περιγράφει το Codex ως άδεια να αλλάζει ο καθένας οτιδήποτε. Περιγράφει ένα κοινό interface που πατά πάνω σε υπάρχον design system, repositories, validations και διαδικασίες release.
Για επιχειρηματίες, marketers και e-commerce ομάδες, αυτή η διάκριση είναι κρίσιμη. Η δημοκρατικοποίηση της δημιουργίας λογισμικού δεν σημαίνει εξαφάνιση της μηχανικής πειθαρχίας. Σημαίνει ότι η πειθαρχία κωδικοποιείται, ώστε να είναι διαθέσιμη την ώρα που κάποιος επιχειρεί μια αλλαγή.
Πριν από αυτή την προσέγγιση, μια επιχειρηματική ομάδα με ιδέα για νέα εμπειρία πελάτη έπρεπε να πείσει ένα engineering team να διαθέσει χρόνο για prototype. Κάθε πείραμα είχε opportunity cost: ο χρόνος που αφιερωνόταν σε μία υπόθεση δεν ήταν διαθέσιμος για άλλο προϊόν, τεχνικό χρέος ή λειτουργική ανάγκη.
Αυτό το μοντέλο δεν αποτυγχάνει επειδή οι μηχανικοί είναι αργοί. Αποτυγχάνει όταν κάθε μικρό πείραμα απαιτεί την ίδια σπάνια ειδικότητα με ένα κρίσιμο production σύστημα. Η loveholidays επιδίωξε να αποσυνδέσει τη δοκιμή ιδεών από τη διαθεσιμότητα engineering χρόνου, χωρίς να αποσυνδέσει τα prototypes από τα τεχνικά πρότυπα της εταιρείας.
Η επιχειρηματική αξία είναι η διεύρυνση του funnel ιδεών. Περισσότερες υποθέσεις μπορούν να αποκτήσουν λειτουργική μορφή και να συγκεντρώσουν feedback πριν ζητήσουν μεγάλη επένδυση. Αυτό δεν εγγυάται ότι περισσότερες ιδέες θα πετύχουν· μειώνει όμως το κόστος για να μάθει η ομάδα ποιες αξίζουν συνέχεια. Είναι η ίδια λογική που κάνει ένα εσωτερικό app prototype χρήσιμο μόνο όταν υπάρχει σαφής διαδρομή από το πείραμα στην ιδιοκτησία και στη συντήρηση.
Οι engineers της loveholidays δημιούργησαν το Search Playground με το design system, τις frontend τεχνολογίες της εταιρείας και το Codex. Σκοπός του είναι να επιτρέπει σε ανθρώπους από διαφορετικές λειτουργίες να μετατρέπουν μια ιδέα σε λειτουργική εμπειρία αναζήτησης, να συλλέγουν feedback και να εξετάζουν αν προσφέρει αξία.
Σύμφωνα με την OpenAI, μέσα από το Playground αναπτύχθηκαν περισσότερες από δέκα νέες εμπειρίες αναζήτησης. Οι περισσότερες δημιουργήθηκαν από μη μηχανικούς και τουλάχιστον τρεις λειτουργούν ήδη στο site της loveholidays. Ένα παράδειγμα είναι το Inspire Me, που βοηθά ταξιδιώτες να εξερευνούν κατηγορίες ταξιδιών, από διακοπές σε παραλία έως γαστρονομικές αποδράσεις.
Το ουσιαστικό στοιχείο δεν είναι ο αριθμός των prototypes μόνος του. Είναι η διαδρομή από sandbox σε πραγματική εμπειρία. Ένα εσωτερικό εργαλείο αποκτά αξία όταν τα πειράματα μπορούν να αξιολογηθούν, να βελτιωθούν και —όταν αποδειχθούν χρήσιμα— να ενταχθούν στην κανονική πλατφόρμα. Γι’ αυτό ένα design system έτοιμο για AI πρέπει να λειτουργεί ως εκτελέσιμο όριο και όχι μόνο ως οπτική βιβλιοθήκη.
Business builder
Φέρνει το customer context, διατυπώνει την υπόθεση και χτίζει το πρώτο λειτουργικό prototype μέσα στα διαθέσιμα components.
Platform engineer
Ορίζει repositories, design system, validations, δικαιώματα και το ασφαλές μονοπάτι από sandbox προς release.
Owner και approver
Ελέγχει business outcome, ρίσκο, observability και rollback πριν μια αλλαγή φτάσει σε πραγματικούς πελάτες.
Η καμπάνια Crisps from Abroad προσφέρει ένα σαφές παράδειγμα. Το marketing ήθελε ένα διαδραστικό microsite για συμμετοχές σε διαγωνισμό και ταξιδιωτική έμπνευση. Στο προηγούμενο μοντέλο, η ομάδα θα βασιζόταν σε εξωτερικό agency για σχεδιασμό και ανάπτυξη, προσθέτοντας χρόνο και κόστος.
Με το Codex και το Search Playground, η ίδια η ομάδα δημιούργησε την εμπειρία μέσα σε ώρες, διατηρώντας παράλληλα το υπάρχον design system της loveholidays. Η πηγή δεν δημοσιεύει ακριβές κόστος, conversion rate ή σύγκριση απόδοσης της καμπάνιας. Επομένως, η τεκμηριωμένη διαπίστωση είναι στενή αλλά χρήσιμη: το εσωτερικό εργαλείο μείωσε την εξάρτηση από εξωτερική ανάπτυξη για το συγκεκριμένο prototype.
Για ένα e-commerce brand, το ανάλογο μοντέλο μπορεί να αφορά landing-page experiments, merchandising modules ή εργαλεία για εποχικές καμπάνιες. Η προϋπόθεση είναι να υπάρχουν προκαθορισμένα components, κανόνες brand, πρόσβαση μόνο στα απαραίτητα δεδομένα και σαφής διαδικασία έγκρισης πριν μια εμπειρία περάσει σε πελάτες. Το website μετά το launch χρειάζεται το ίδιο μοντέλο ελεγχόμενης αυτονομίας: μικρές αλλαγές με όρια, παρατηρησιμότητα και σαφή ιδιοκτησία.
Η ίδια αρχή εφαρμόστηκε σε Data Platform και υποδομές. Αυτά τα συστήματα είχαν σχεδιαστεί αρχικά για τεχνικούς χρήστες και απαιτούσαν γνώση εξειδικευμένων εργαλείων, repositories, source control και εσωτερικών διαδικασιών. Όταν ένας χρήστης μπλοκαριζόταν, χρειαζόταν παρέμβαση specialist engineer.
Οι engineering ομάδες άρχισαν να κωδικοποιούν best practices, οδηγίες και validations σε workflows που μπορεί να καθοδηγήσει το Codex. Ο χρήστης επικεντρώνεται στο επιθυμητό αποτέλεσμα, ενώ το σύστημα βοηθά να προταθεί αλλαγή, να εκτελεστούν έλεγχοι και να ακολουθηθεί η διαδικασία release. Με αυτόν τον τρόπο η τεχνογνωσία δεν μετατρέπεται σε απλό documentation που κάποιος ίσως διαβάσει. Εμφανίζεται μέσα στη ροή της εργασίας.
Αυτό είναι ένα πιο ώριμο μοντέλο self-service. Το AI δεν αντικαθιστά τις πολιτικές με αυτοσχεδιασμό. Χρησιμοποιεί τις πολιτικές ως πλαίσιο. Όσο αλλάζει η πραγματικότητα, οι specialists ενημερώνουν τα validations και τις οδηγίες, ώστε το κοινό interface να παραμένει συνδεδεμένο με την τρέχουσα πρακτική. Η μετάβαση από ένα πρόχειρο prompt σε επαναλήψιμο AI σύστημα εργασίας συμβαίνει ακριβώς σε αυτό το σημείο.
Η case study αναφέρει ότι οι επιτυχημένες AI-assisted αλλαγές στη Data Platform αυξήθηκαν από 58% σε 93% μέσα σε έναν χρόνο. Παράλληλα, η ομάδα κατέγραψε τέσσερις φορές περισσότερες αλλαγές Data Platform ανά support request. Στα ευρύτερα self-service infrastructure workflows, το success rate αυξήθηκε από 63% σε 90%.
Δηλωμένα αποτελέσματα loveholidays
Τέσσερις μετρήσεις του ίδιου οργανωτικού συστήματος
Οι τιμές αφορούν τη συγκεκριμένη εταιρεία και τη δική της περίοδο ενός έτους. Δεν είναι universal benchmarks ούτε αποδεικνύουν από μόνες τους αιτιότητα.
Πηγή τιμών: OpenAI customer story για τη loveholidays, 26 Αυγούστου 2026.
Οι αριθμοί αφορούν τη loveholidays και τους δικούς της ορισμούς επιτυχίας. Η πηγή δεν δημοσιεύει πλήρη μεθοδολογία, μέγεθος δείγματος ή ανεξάρτητο audit. Δεν πρέπει να χρησιμοποιηθούν ως υπόσχεση ότι κάθε εταιρεία θα πετύχει αντίστοιχη βελτίωση. Δείχνουν όμως πώς μπορεί να σχεδιαστεί η μέτρηση: όχι μόνο πόσοι χρησιμοποίησαν το εργαλείο, αλλά πόσες αλλαγές ολοκληρώθηκαν επιτυχώς και πόση ανθρώπινη υποστήριξη χρειάστηκε.
Για μια ομάδα που ξεκινά, ένας χρήσιμος πίνακας μέτρησης θα ξεχώριζε attempted changes, successful validations, releases χωρίς rollback, support interventions και χρόνο μέχρι την ολοκλήρωση. Η ακριβής επιλογή εξαρτάται από το workflow. Το κρίσιμο είναι το adoption να μη συγχέεται με την αξία ή την ασφάλεια.
Σε επίπεδο engineering οργανισμού, η loveholidays αναφέρει ότι το ποσοστό των code changes με βοήθεια AI αυξήθηκε από περίπου 7% σε 79% μέσα σε έναν χρόνο. Την ίδια περίοδο, οι deployments αυξήθηκαν κατά 73%, ενώ το engineering headcount παρέμεινε σε γενικές γραμμές σταθερό.
Η απλή χρονική συνύπαρξη αυτών των αλλαγών δεν αποδεικνύει από μόνη της ότι όλη η αύξηση των deployments προκλήθηκε αποκλειστικά από το Codex. Η ίδια η εταιρεία τοποθετεί το εργαλείο μέσα σε ευρύτερη πλατφόρμα, workflows και οργανωτική αλλαγή. Η ασφαλής ανάγνωση είναι ότι η αυξημένη χρήση AI συνέπεσε με μεγαλύτερη συχνότητα παράδοσης χωρίς αντίστοιχη αύξηση της ομάδας.
Επίσης, περισσότερο code δεν είναι αυτοσκοπός. Η loveholidays δηλώνει ότι μετρά την AI με βάση business outcomes και όχι μόνο adoption. Για managers, αυτό σημαίνει ότι ο σωστός στόχος δεν είναι «να φτάσουμε στο 79%», αλλά να εξετάσουμε αν η υποβοήθηση μειώνει αναμονές, αυξάνει επιτυχημένες αλλαγές και ελευθερώνει χωρητικότητα για προβλήματα μεγαλύτερης αξίας. Μια παρόμοια συζήτηση για Codex σε enterprise workflow έχει νόημα μόνο όταν οι χρόνοι συνδέονται με ποιότητα και πραγματικό αποτέλεσμα.
Με περισσότερη χωρητικότητα για optimisation work που προηγουμένως είχε υψηλό opportunity cost, η Data Engineering ομάδα μείωσε, σύμφωνα με την OpenAI, τα έξοδα cloud storage κατά περίπου 36.000 λίρες τον χρόνο. Η πηγή αναφέρει επιπλέον περίπου 100.000 λίρες ετήσιας εξοικονόμησης από τον περιορισμό σπατάλης στην επεξεργασία δεδομένων.
Αυτά είναι αποτελέσματα της συγκεκριμένης εταιρείας, όχι προβλεπόμενη απόδοση για μια τυπική υλοποίηση Codex. Παρ’ όλα αυτά, υποδεικνύουν έναν συχνά παραμελημένο μηχανισμό ROI: η AI μπορεί να μην εξοικονομεί απλώς λεπτά από κάθε task. Μπορεί να κάνει οικονομικά εφικτές εργασίες βελτιστοποίησης που η ομάδα γνώριζε ότι χρειάζονται, αλλά δεν μπορούσε να προτεραιοποιήσει.
Για να ελεγχθεί αυτό το αποτέλεσμα, μια επιχείρηση πρέπει να καταγράφει ποια optimisation tasks ολοκληρώθηκαν χάρη στη νέα χωρητικότητα και να επαληθεύει τις εξοικονομήσεις σε πραγματικούς λογαριασμούς. Η υπόθεση «παράγουμε περισσότερο, άρα κερδίζουμε περισσότερο» είναι πολύ αδύναμη χωρίς σύνδεση με συγκεκριμένο κόστος ή έσοδο. Η μέτρηση του AI ROI ανά εργασία χρειάζεται baseline, κόστος ελέγχου, downstream αποτέλεσμα και όχι μόνο token ή adoption counts.
Η loveholidays περιγράφει το Codex ως ένα ενιαίο control plane, ένα κοινό interface για engineers, data scientists και επιχειρηματικές ομάδες. Η δύναμη αυτής της ιδέας είναι ότι ο κάθε χρήστης δεν χρειάζεται να μάθει ξεχωριστά όλα τα underlying tools για να εκφράσει ένα επιθυμητό αποτέλεσμα.
Το κοινό interface, όμως, δεν σημαίνει κοινά δικαιώματα. Ένα αξιόπιστο control plane χρειάζεται role-based access, περιβάλλοντα δοκιμής, approvals, audit trail, περιορισμό secrets και δυνατότητα rollback. Η case study εξηγεί best practices και validations, αλλά δεν παρέχει πλήρη τεχνική ανάλυση όλων των security controls. Άρα αυτά πρέπει να αντιμετωπιστούν ως απαιτήσεις σχεδιασμού και όχι ως ιδιότητες που μπορούμε να θεωρήσουμε δεδομένες.
Κανόνας παραγωγής
Το sandbox αποδεικνύει μια ιδέα· δεν εγκρίνει την κυκλοφορία της
Πριν από production, η αλλαγή χρειάζεται ορισμένο owner, least-privilege πρόσβαση, αυτόματους ελέγχους, ανθρώπινη έγκριση ανάλογη του ρίσκου, observability και δοκιμασμένο rollback. Αν λείπει ένα από αυτά, το ασφαλές επόμενο βήμα είναι μικρότερο scope — όχι περισσότερη αυτονομία.
Η λογική ευθυγραμμίζεται με το NIST AI RMF: οι ρόλοι ανθρώπου και AI πρέπει να είναι διαφοροποιημένοι και τεκμηριωμένοι, ενώ η μέτρηση και η παρακολούθηση συνεχίζονται σε όλο τον κύκλο ζωής. Συμπληρωματικά, το NIST SSDF ζητά οι έλεγχοι ασφάλειας να ενσωματώνονται στο software development lifecycle. Ένα audit trail για AI αυτοματισμούς είναι επομένως μέρος της λογοδοσίας, όχι γραφειοκρατικό πρόσθετο.
Καθώς routine requests περνούν από self-service workflows, οι specialists ξοδεύουν λιγότερο χρόνο σε επαναλαμβανόμενη υποστήριξη και περισσότερο στη βελτίωση της ίδιας της πλατφόρμας. Ο CTO Mike Jones περιγράφει αυτή τη μετατόπιση ως ανύψωση της εργασίας: ο engineer δεν λαμβάνει απλώς μια προαποφασισμένη λύση για υλοποίηση, αλλά συμμετέχει περισσότερο στην κατανόηση του business problem.
Αυτό δεν καταργεί την ανάγκη για engineering. Αντίθετα, αυξάνει τη σημασία των αρχιτεκτονικών ορίων, των design systems, των automated checks και της observability. Όσο περισσότεροι άνθρωποι μπορούν να προτείνουν αλλαγές, τόσο πιο σημαντικό είναι το σύστημα να κάνει το ασφαλές μονοπάτι εύκολο και το επικίνδυνο μονοπάτι δύσκολο.
Η οργανωτική μετατόπιση χρειάζεται επίσης νέο μοντέλο ευθύνης. Ο business χρήστης φέρνει context και πρόθεση, το Codex βοηθά στη διατύπωση και εκτέλεση, ενώ το engineering ορίζει πλατφόρμα και κανόνες. Η ευθύνη δεν εξαφανίζεται μέσα στο AI· κατανέμεται ρητά στα στάδια του workflow.
Η πιο συνετή αφετηρία είναι ένα στενό workflow με υψηλή συχνότητα και ξεκάθαρο αποτέλεσμα. Η σειρά έχει σημασία: πρώτα ασφαλές περιβάλλον, πραγματικοί έλεγχοι και baseline· έπειτα ευρύτερη αυτονομία.
Από ένα bottleneck σε ελεγχόμενο AI-assisted workflow
Επιλέξτε επαναλαμβανόμενο αίτημα, όπως landing-page prototype, data change ή infrastructure request, με σαφές input, owner και επιθυμητό αποτέλεσμα.
Καταγράψτε χρόνο αναμονής, ποσοστό επιτυχίας, support interventions, rollbacks και business αποτέλεσμα πριν μπει το Codex στο workflow.
Μετατρέψτε design tokens, repository conventions, security rules και specialist checks σε instructions, templates και validations που εκτελούνται.
Χρησιμοποιήστε πραγματικά components και schemas, αλλά απομονώστε δεδομένα, secrets και production δικαιώματα μέχρι να αποδειχθεί η σταθερότητα.
Ξεχωρίστε ποια αλλαγή μπορεί να περάσει αυτόματα, ποια χρειάζεται peer review και ποια απαιτεί owner, security ή business approval.
Συγκρίνετε successful releases, support load, χρόνο ολοκλήρωσης, incident rate και downstream αξία· το adoption μόνο του δεν αρκεί.
Αυξήστε scope όταν οι έλεγχοι περνούν σταθερά, το rollback έχει δοκιμαστεί και οι specialists βελτιώνουν το σύστημα αντί να διορθώνουν κάθε έξοδο.
Έτσι προστατεύεται ο χρόνος των engineers από δύο άκρα: ούτε κάθε ιδέα περιμένει στην ουρά τους, ούτε κάθε AI-generated αλλαγή φτάνει σε αυτούς χωρίς επαρκή validation. Το ώριμο μοντέλο είναι μια ελεγχόμενη self-service διαδρομή που απορροφά τις συνηθισμένες περιπτώσεις και κλιμακώνει τις αβέβαιες.
Η πιο χρήσιμη ανάγνωση της περίπτωσης είναι πιο απαιτητική: δώστε σε περισσότερους ανθρώπους έναν τρόπο να χτίζουν μέσα σε σύστημα που ενσωματώνει την τεχνική γνώση. Το Search Playground χρησιμοποιεί υπάρχον design system και frontend τεχνολογίες. Τα data και infrastructure workflows περιλαμβάνουν οδηγίες και validations. Η επιτυχία μετριέται σε outcomes, όχι μόνο σε χρήση.
Αυτό εξηγεί γιατί η φράση «όλοι είναι builders» δεν ισοδυναμεί με «όλοι είναι engineers». Οι ρόλοι παραμένουν διαφορετικοί, αλλά το χάσμα ανάμεσα στην ιδέα και στο λειτουργικό prototype μικραίνει. Η engineering ομάδα σχεδιάζει το περιβάλλον στο οποίο η δημιουργία μπορεί να συμβεί με μεγαλύτερη ασφάλεια και μικρότερο συντονιστικό κόστος.
Για την αγορά, το ευρύτερο σήμα είναι ότι τα AI coding tools εξελίσσονται από προσωπικούς επιταχυντές σε οργανωτικά interfaces. Η αξία τους θα κριθεί λιγότερο από το εντυπωσιακό demo και περισσότερο από το αν οι εταιρείες μπορούν να μετατρέψουν standards, δικαιώματα και ελέγχους σε καθημερινά workflows. Εκεί ακριβώς συναντώνται η τεχνολογία με τους αυτοματισμούς επιχειρήσεων και AI.
AI workflow με πραγματικά όρια
Μετατρέψτε ένα επαναλαμβανόμενο bottleneck σε ασφαλές self-service
Η TWO DOTS χαρτογραφεί το workflow, συνδέει business software και δεδομένα, ορίζει validations και ανθρώπινα gates και μετρά αν ο αυτοματισμός μειώνει αναμονή χωρίς να αυξάνει το λειτουργικό ρίσκο.
Често задавани въпроси
Έβαλε το Codex μέσα σε υπάρχοντα design systems, repositories, validations και release workflows, ώστε product, design και commercial ομάδες να δημιουργούν prototypes και να προτείνουν αλλαγές χωρίς κάθε ιδέα να ξεκινά στην ουρά του engineering.
Είναι εσωτερικό περιβάλλον που συνδυάζει το design system, τις frontend τεχνολογίες της εταιρείας και το Codex, ώστε ομάδες πέρα από το engineering να δημιουργούν και να δοκιμάζουν εμπειρίες αναζήτησης.
Σύμφωνα με την OpenAI, δημιουργήθηκαν περισσότερες από δέκα εμπειρίες, οι περισσότερες από μη μηχανικούς, και τουλάχιστον τρεις λειτουργούν ήδη στο site της loveholidays.
Η loveholidays δηλώνει ότι μέσα σε έναν χρόνο το ποσοστό των code changes που χαρακτηρίζει AI-assisted αυξήθηκε από περίπου 7% σε 79%. Είναι εταιρική μέτρηση της συγκεκριμένης οργάνωσης, όχι γενικό benchmark παραγωγικότητας.
Όχι αιτιωδώς. Η αύξηση deployments συνέπεσε με μεγαλύτερη χρήση AI και broadly flat headcount, αλλά η εταιρεία περιγράφει επίσης πλατφόρμα, design systems, validations και οργανωτική αλλαγή. Δεν δημοσιεύεται matched control group.
Η εταιρεία αναφέρει ότι οι επιτυχημένες AI-assisted αλλαγές στη δική της Data Platform αυξήθηκαν από 58% σε 93% σε έναν χρόνο. Η πηγή δεν δίνει πλήρη ανεξάρτητη μεθοδολογία, άρα το μέγεθος δεν πρέπει να γενικεύεται.
Ναι, ανάλογα με το ρίσκο. Ένα αξιόπιστο workflow διαχωρίζει sandbox και production, εφαρμόζει least-privilege πρόσβαση, αυτόματους ελέγχους, owner approval, audit trail, observability και δοκιμασμένο rollback.
Να επιλέξει ένα στενό και συχνό workflow, να μετρήσει το σημερινό baseline, να κωδικοποιήσει τους πραγματικούς ελέγχους των specialists και να δοκιμάσει το νέο μονοπάτι σε sandbox πριν διευρύνει την αυτονομία.
