A OpenAI descreveu a 19 de novembro de 2026 a Performance Factory, um sistema autónomo em que agentes Codex encontram, diagnosticam e ajudam a corrigir regressões de desempenho no ChatGPT e nos seus serviços. O texto é assinado por Okay Zed e Cyrus Forbes, membros do pessoal técnico, e apresenta o sistema como resposta a um ritmo de desenvolvimento com agentes que torna insustentável a engenharia de desempenho manual.
O número central é o volume. A OpenAI afirma que o primeiro fluxo de trabalho, chamado Regression Workflow, acompanhou mais de 1700 investigações e identificou a causa de mais de 600 casos em pouco mais de três meses, o que os autores situam em cerca de 17 investigações automáticas por dia. O fluxo abre uma tarefa quando dispara um alerta de desempenho, um agente investiga a lentidão e regista as conclusões, propõe uma correção para um engenheiro rever e, depois da colocação em produção, outro agente verifica se o desempenho voltou ao valor de referência.
O texto explica como a equipa chegou aqui. Os engenheiros começaram por investigar à mão e acumularam mais de 30 ferramentas de desempenho. Depois usaram o Codex como parceiro, registaram o seu método numa competência partilhada chamada perf-forensics, passaram as investigações para a nuvem para que os alertas iniciassem sessões automaticamente e por fim construíram a fábrica para executar fluxos de ponta a ponta. O sistema tem quatro partes: um serviço de tarefas com fluxos configuráveis, escritos em ficheiros de configuração e instruções em Markdown, um ciclo de distribuição que atribui trabalho pronto aos agentes, uma API interna que executa o Codex na nuvem sob uma identidade de serviço com permissões limitadas, e subscrições que acordam os agentes quando ocorrem eventos como comentários em pedidos de integração ou conclusões de implementações.
A fiabilidade é tratada com verificações cruzadas. Os primeiros agentes paravam por vezes na primeira causa plausível, pelo que a OpenAI acrescentou uma revisão adversarial em que outra sessão do Codex tenta refutar o diagnóstico. Num exemplo, um revisor reabriu uma investigação porque o serviço de localização de ficheiros já recuperara enquanto os pedidos de imagens continuavam a falhar. Numa revisão manual de 100 sugestões de causa, 70% foram consideradas corretas e 30% precisavam de mais trabalho. Corrigir revelou-se mais difícil do que achar causas, pois as alterações propostas eram por vezes mais complicadas do que o necessário ou criavam novos problemas, e por isso as correções também passam por revisão adversarial e são os engenheiros que decidem o que segue.
A OpenAI partilha ainda lições operacionais. Protege a atenção dos engenheiros ligando incidentes relacionados e ordenando o impacto estimado, testa as competências de investigação contra incidentes passados com provas limitadas ao que o agente poderia ter visto, avalia separadamente a utilidade dos resumos, e executa diariamente um agente que analisa execuções recentes à procura de falhas de ferramentas e erros de acesso, para que problemas recorrentes se tornem tarefas de reparação.
Os passos seguintes incluem a deteção proativa de lentidões que os alertas não apanham, fluxos reutilizáveis como o dimensionamento de serviços, testes de desempenho sintéticos e a avaliação de se os agentes poderão um dia rever e entregar correções de baixo risco sem intervenção humana. Por agora, o estrangulamento pode ser um engenheiro a aprovar a alteração.
Todos os números são da própria OpenAI e provêm de um sistema interno, pelo que mostram o que a empresa mediu e não um resultado auditado de forma independente.