Proaction 是一家为车队管理企业开发软件的公司，客户车队涵盖汽车、卡车和工程机械。由于每个车队运营方式不同，向潜在客户展示平台如何适配其业务是销售的关键环节。但个性化演示需要工程资源，团队难以抽出人手，此前创始人只能依靠对话和幻灯片解释产品能力。

Codex 改变了这一点。联合创始人兼 COO Colin Knudsen 是非技术背景，以前做演示需要找工程师，现在自己用 Codex 完成。他每月制作四到六个定制交互式演示，每个耗时 30 到 45 分钟，并估计这避免了每月 40 到 60 小时的工程工作。具体方式：销售电话结束后，Colin 把 Granola 录音、潜在客户的邮件线程和共享的电子表格交给 Codex，Codex 基于这些上下文定制一个 HTML 演示环境，镜像 Proaction 产品并模拟客户自己的车队。共享屏幕时，客户能看到自己的车辆和设备按他们的工作方式组织，可以直接指出需要调整的地方，共同参与构建方案。Colin 估计，有了定制演示后，从初次接触到进入解决方案开发阶段的交易比例提升了 50% 到 60%。

这些演示在后端同样省时。如果由 Proaction 工程师制作同等演示，每个约需 10 小时；每月四到六个演示，相当于节省 40 到 60 小时工程时间。客户成为正式用户后，Colin 把定制演示交给工程师作为视觉参考，减少了关于构建内容的反复沟通。Proaction 还用 Codex 构建了客户解决方案中心：客户可以登录、探索针对其业务的工作流、查看销售材料，从而把需求表达得更清楚，非工程团队成员也能据此把对话转化为更明确的需求。

Colin 的日常工作覆盖销售、客户支持和产品管理。通过 Codex 的插件，包括 Granola、Gmail、Slack、Linear、GitHub 和 HubSpot，他可以在 Codex 内汇总客户上下文并执行下一步操作，比如拉取通话记录和邮件历史准备跟进、创建 Linear issue、更新 HubSpot 机会。他还设置了定时自动化，审阅近期通话并为团队准备销售更新。此前他需要频繁切换标签页、复制信息，现在只需描述需求。他估计自己每天有 15 到 20 个不同任务，Codex 每月帮他节省 25 到 33 小时。他说：“我无法想象没有 Codex 的初创创始人生活。”

Proaction 还在平台中使用 OpenAI 模型。客户提交带照片的车辆问题报告时，ChatGPT-5.6 Sol 帮助识别损坏；借助 GPT-Live-1，Proaction 正在构建处理车队日常运营的代理，称为“托管执行层”。这些代理使用包括 GPT-Live-1 和 GPT-6 Astra 在内的 OpenAI 模型，进行语音通话、审查文档和图片、分析文本并在聊天中响应。其中一个代理 Marty 负责协调车辆维护：与司机交谈了解问题、致电维修店、安排服务、帮助审批和支付估价，需要人工审查时由团队介入。产品负责人 Danny O’Halloran 表示，GPT-6 Astra 的计算机使用执行更简洁，相比 GPT-5.6 Sol，完成同样工作的运行时间更短。这使 Proaction 能更快构建客户体验，也为团队和车队管理者节省了时间。