NotizieMacroLa Performance Factory di OpenAI usa agenti Codex con peer review avversariale

La Performance Factory di OpenAI usa agenti Codex con peer review avversariale

Autore: CryptoBriefing·

Punti chiave

  • •La Performance Factory di OpenAI usa agenti di coding Codex per automatizzare le indagini sulle regressioni di prestazioni in ChatGPT, con una media di 17 indagini automatiche al giorno.
  • •Il flusso di lavoro multi-agente copre gestione degli avvisi, indagine forense, peer review avversariale e verifica post-deploy, con gli ingegneri umani che mantengono l'approvazione finale sulle rilasci.
  • •In poco più di tre mesi il sistema ha completato oltre 1.700 indagini, identificato le cause alla base in oltre 600 casi e portato a circa 400 correzioni proposte.
  • •Solo 15 correzioni sono state pull request scritte esattamente da Codex, con circa altre 50 influenzate dai suggerimenti degli agenti, a indicare che il sistema accelera soprattutto il lavoro di ingegneria umano anziché sostituirlo.
  • •Circa il 25% delle diagnosi degli agenti Codex viene messo in discussione attraverso un processo di peer review avversariale, che funge da livello di controllo qualità integrato prima di agire sulle correzioni.
La Performance Factory di OpenAI usa agenti Codex con peer review avversariale

OpenAI ha realizzato un sistema interno che affida agli agenti IA uno dei compiti meno glamour dell'ingegneria del software. Il sistema, noto come Performance Factory, utilizza agenti di coding Codex per rintracciare problemi di prestazioni in ChatGPT, eseguendo in media 17 indagini automatiche sulle prestazioni al giorno, mentre gli ingegneri umani mantengono l'approvazione finale su ciò che viene rilasciato.

OpenAI ha annunciato il sistema il 19 novembre 2026, tramite un report di VentureBeat e un thread sul suo account @OpenAIDevs su X. La proposta è semplice: lasciare che gli agenti gestiscano il lavoro forense noioso e che gli esseri umani prendano la decisione finale.

Cosa fa la Factory

Nel software, una regressione di prestazioni si verifica quando una modifica rende un sistema più lento o meno affidabile di prima. Tradizionalmente, identificarla richiede un ingegnere che setaccia i log a mano. OpenAI afferma che la Performance Factory sostituisce gran parte di quell'analisi manuale dei log con un flusso di lavoro automatizzato. Gli avvisi attivano il processo e il lavoro si svolge in sessioni basate sul cloud.

Il sistema coordina diversi agenti in fasi distinte, tra cui la gestione degli avvisi, lo svolgimento di indagini forensi dettagliate, la conduzione di peer review e la verifica che le correzioni abbiano effettivamente funzionato dopo il deployment.

I numeri finora

In poco più di tre mesi, la Performance Factory ha completato più di 1.700 indagini. Di queste, gli agenti hanno identificato le cause alla base in oltre 600 casi. Circa 400 di questi casi con causa identificata hanno portato a correzioni proposte.

La quota di correzioni scritte interamente dalle macchine è molto più piccola. Solo 15 sono state pull request scritte esattamente da Codex, ossia modifiche al codice redatte dagli agenti e inserite così come scritte. I suggerimenti degli agenti hanno influenzato circa altre 50 correzioni, con l'output di Codex che ha indirizzato gli ingegneri nella direzione giusta anche se gli esseri umani hanno fatto la stesura finale.

Esiste anche un livello di controllo qualità: circa il 25% delle diagnosi prodotte dagli agenti Codex viene messa in discussione attraverso un processo di peer review avversariale.

Perché OpenAI l'ha costruita così

La progettazione riflette un cambiamento più ampio nel modo in cui OpenAI usa Codex. Invece di chiedere agli agenti di generare un singolo blocco di codice su richiesta, l'azienda li concatena in flussi di lavoro integrati che affrontano problemi operativi ricorrenti.

OpenAI è anche esplicita sul fatto che gli esseri umani restano nel processo. Gli ingegneri mantengono l'approvazione finale su ciò che viene rilasciato. Gli agenti indagano e propongono, ma non ricevono le chiavi dell'edificio.

Questo equilibrio si riflette nei dati. Il divario tra le circa 400 correzioni proposte e le 15 pull request scritte esattamente da Codex suggerisce che il sistema sta per lo più accelerando il lavoro umano anziché sostituirlo.

Cosa significa per i team di ingegneri

Più di 1.700 indagini in poco più di tre mesi è un volume che metterebbe in difficoltà un team umano, in particolare per gli avvisi che potrebbero rivelarsi infondati. L'imbuto si restringe a ogni fase: le indagini si riducono alle cause alla base, le cause alle correzioni proposte, e solo una parte minima diventa codice scritto puramente da agenti.

La fase di review avversariale, con circa il 25% delle diagnosi che riceve contestazioni, è un'ammissione che l'output degli agenti richiede ancora verifica prima che qualcuno agisca di conseguenza. La fase di verifica post-deploy esiste per intercettare le diagnosi sicure ma errate, che possono sprecare tempo tanto quanto risparmiarlo.

OpenAI usa di fatto il proprio prodotto per gestire il proprio prodotto. Ogni indagine raddoppia come stress test di Codex in un contesto reale ed esigente.

Queste cifre pubblicate forniscono anche ai team esterni a OpenAI un punto di riferimento concreto per valutare le dichiarazioni sull'ingegneria assistita da agenti, e il numero da tenere d'occhio è la quota di correzioni proposte che approdano come pull request scritte esattamente dagli agenti — una misura riportata direttamente di dove si trova attualmente il confine tra lavoro di agenti e lavoro umano in un sistema di produzione.

Questo articolo si basa su una ricostruzione di CryptoBriefing, a cura di Diego Almada Lopez.