OpenAI's Performance Factory gebruikt Codex-agents om prestatieproblemen in ChatGPT te onderzoeken
Belangrijkste punten
- •De Performance Factory van OpenAI gebruikt Codex-coderingsagents om onderzoeken naar prestatieachteruitgang in ChatGPT te automatiseren, met gemiddeld 17 geautomatiseerde onderzoeken per dag.
- •De multi-agent-workflow omvat alertbeheer, forensisch onderzoek, adversarial peer review en verificatie na uitrol, terwijl humane ingenieurs de definitieve goedkeuring behouden over wat wordt uitgerold.
- •In iets meer dan drie maanden voltooide het systeem meer dan 1.700 onderzoeken, identificeerde het in meer dan 600 gevallen de hoofdoorzaak en leidde het tot ongeveer 400 voorgestelde fixes.
- •Slechts 15 fixes waren exacte pull requests geschreven door Codex, en ongeveer 50 andere werden beïnvloed door suggesties van agents, wat aangeeft dat het systeem vooral het werk van ingenieurs versnelt in plaats van vervangt.
- •Ongeveer 25% van de diagnoses van Codex-agents wordt aangevochten via een adversarial peer review-proces, dat als ingebouwde kwaliteitscontrolelaag dient voordat fixes worden uitgevoerd.

OpenAI heeft een intern systeem gebouwd dat een van de minder glamoureuze taken in software-engineering overdraagt aan AI-agents. Het systeem, bekend als de Performance Factory, gebruikt Codex-coderingsagents om prestatieproblemen in ChatGPT op te sporen en voert gemiddeld 17 geautomatiseerde prestatieonderzoeken per dag uit, terwijl humane ingenieurs de definitieve goedkeuring behouden over wat wordt uitgerold.
OpenAI kondigde het systeem aan op 19 november 2026, via een rapport van VentureBeat en een thread op zijn @OpenAIDevs-account op X. Het idee is eenvoudig: laat agents het tijdrovende forensische werk doen en laat mensen de eindbeslissing nemen.
Wat de Factory doet
In software treedt prestatieachteruitgang op wanneer een wijziging een systeem trager of minder betrouwbaar maakt dan ervoor. Traditioneel betekent het opsporen ervan dat een ingenieur met de hand door logbestanden graaft. OpenAI zegt dat de Performance Factory een groot deel van die handmatige loganalyse vervangt door een geautomatiseerde workflow. Alerts triggeren het proces en het werk draait in cloudgebaseerde sessies.
Het systeem coördineert meerdere agents in verschillende fasen, waaronder het beheren van alerts, het uitvoeren van gedetailleerde forensische onderzoeken, het houden van peer reviews en het verifiëren of fixes na uitrol daadwerkelijk hebben gewerkt.
De cijfers tot nu toe
In iets meer dan drie maanden heeft de Performance Factory meer dan 1.700 onderzoeken voltooid. Daarbij identificeerden de agents in meer dan 600 gevallen de hoofdoorzaak. Ongeveer 400 van die gevallen met een bekende hoofdoorzaak leidden tot voorgestelde fixes.
Het aandeel fixes dat volledig door machines is geschreven, is veel kleiner. Slechts 15 waren exacte pull requests geschreven door Codex, wat betekent dat de door agents opgestelde codewijzigingen ongewijzigd zijn doorgevoerd. Suggesties van agents beïnvloedden ongeveer 50 andere fixes, waarbij de output van Codex ingenieurs de juiste richting wees, ook al schreven mensen de definitieve code.
Er is ook een kwaliteitscontrolelaag: ongeveer 25% van de diagnoses die Codex-agents produceren wordt ter discussie gesteld via een adversarial peer review-proces.
Waarom OpenAI het zo heeft gebouwd
Het ontwerp weerspiegelt een bredere verschuiving in hoe OpenAI Codex gebruikt. In plaats van agents te vragen op verzoek een enkele hoeveelheid code te genereren, koppelt het bedrijf ze aan elkaar in geïntegreerde workflows die terugkerende operationele problemen aanpakken.
OpenAI benadrukt ook expliciet dat mensen betrokken blijven. Ingenieurs behouden de definitieve goedkeuring over wat wordt uitgerold. De agents onderzoeken en stellen voor, maar ze krijgen niet de sleutels van het gebouw.
Die balans blijkt uit de cijfers. Het verschil tussen ongeveer 400 voorgestelde fixes en 15 exacte pull requests geschreven door Codex suggereert dat het systeem vooral het werk van mensen versnelt in plaats van vervangt.
Wat dit betekent voor engineeringteams
Meer dan 1.700 onderzoeken in iets meer dan drie maanden is een volume dat een team van mensen zou belasten, vooral bij alerts die uiteindelijk op niets uit kunnen draaien. De trechter wordt op elke stap smaller: onderzoeken leiden tot hoofdoorzaken, hoofdoorzaken tot voorgestelde fixes, en slechts een fractie wordt pure code geschreven door agents.
De adversarial review-stap, waarbij ongeveer 25% van de diagnoses wordt aangevochten, is een erkenning dat de output van agents nog steeds gecontroleerd moet worden voordat iemand er iets mee doet. De verificatiefase na uitrol bestaat om zelfverzekerde maar foutieve diagnoses op te vangen, die net zo makkelijk tijd kunnen verspillen als besparen.
OpenAI gebruikt in feite zijn eigen product om zijn eigen product te draaien. Elk onderzoek is tegelijk een stresstest van Codex in een veeleisende, echte omgeving.
Die gepubliceerde cijfers geven teams buiten OpenAI ook een concreet referentiekader voor het beoordelen van claims over agentondersteunde engineering, en het meest interestinge getal is het aandeel voorgestelde fixes dat landt als exacte pull requests geschreven door agents — een direct gerapporteerde maatstaf voor waar de grens tussen het werk van agents en mensen momenteel ligt in een productiesysteem.
Dit artikel is gebaseerd op berichtgeving van CryptoBriefing, geredigeerd door Diego Almada Lopez.