Fabryka wydajności OpenAI wykorzystuje agentów Codex do badania problemów z wydajnością ChatGPT
Najważniejsze informacje
- •Fabryka wydajności OpenAI wykorzystuje agentów programistycznych Codex do automatyzacji badań regresji wydajności w ChatGPT, wykonując średnio 17 automatycznych badań dziennie.
- •Przepływ pracy wielu agentów obejmuje zarządzanie alertami, badania kryminalistyczne, kontrariańską recenzję równoległą oraz weryfikację po wdrożeniu, przy czym inżynierowie zachowują ostateczną akceptację wdrożeń.
- •W nieco ponad trzy miesiące system zrealizował ponad 1700 badań, zidentyfikował przyczyny źródłowe w ponad 600 przypadkach i doprowadził do około 400 proponowanych poprawek.
- •Tylko 15 poprawek to dokładne pull requesty autorstwa Codex, a około 50 kolejnych zostało pod wpływem sugestii agentów, co wskazuje, że system głównie przyspiesza pracę inżynierów, a nie ją zastępuje.
- •Około 25% diagnoz agentów Codex jest kwestionowanych w ramach kontrariańskiej recenzji równoległej, stanowiąc wbudowaną warstwę kontroli jakości przed działaniem na podstawie poprawek.

OpenAI zbudowało wewnętrzny system, który przekazuje agentom AI jedno z najmniej efektownych zadań inżynierii oprogramowania. System, znany jako Performance Factory, wykorzystuje agentów programistycznych Codex do śledzenia problemów z wydajnością w ChatGPT, wykonując średnio 17 automatycznych badań wydajności dziennie, podczas gdy inżynierowie zachowują ostateczną akceptację tego, co trafia do produkcji.
OpenAI ogłosiło system 19 listopada 2026 roku w raporcie VentureBeat oraz w wątku na koncie @OpenAIDevs na X. Założenie jest proste: niech agenci zajmą się żmudną pracą analityczną, a ludzie podejmą ostateczną decyzję.
Co robi fabryka
W oprogramowaniu regresja wydajności występuje, gdy zmiana sprawia, że system działa wolniej lub mniej niezawodnie niż wcześniej. Tradycyjnie jej zidentyfikowanie oznacza inżyniera ręcznie przeszukującego logi. OpenAI twierdzi, że Performance Factory zastępuje większość tej ręcznej analizy logów zautomatyzowanym przepływem pracy. Proces uruchamiane są alerty, a praca odbywa się w sesjach w chmurze.
System koordynuje kilku agentów na różnych etapach, w tym zarządzanie alertami, prowadzenie szczegółowych badań kryminalistycznych, przeprowadzanie recenzji równoległych oraz weryfikację, czy poprawki faktycznie zadziałały po wdrożeniu.
Dotychczasowe liczby
W nieco ponad trzy miesiące Performance Factory zrealizowała ponad 1700 badań. W ponad 600 przypadkach agenci zidentyfikowali przyczyny źródłowe. Około 400 z tych przypadków doprowadziło do proponowanych poprawek.
Udział poprawek napisanych całkowicie przez maszyny jest znacznie mniejszy. Tylko 15 to dokładne pull requesty autorstwa Codex, czyli zmiany w kodzie sporządzone przez agentów, które trafiły do produkcji w takiej formie, w jakiej zostały napisane. Sugestie agentów wpłynęły na około 50 kolejnych poprawek — wynik Codex wskazywał inżynierom właściwy kierunek, choć ostateczną wersję napisali ludzie.
Istnieje również warstwa kontroli jakości: około 25% diagnoz generowanych przez agentów Codex jest kwestionowanych w ramach kontrariańskiego procesu recenzji równoległej.
Dlaczego OpenAI zbudowało to w ten sposób
Ten projekt odzwierciedla szerszą zmianę w sposobie wykorzystania Codex przez OpenAI. Zamiast prosić agentów o wygenerowanie pojedynczego fragmentu kodu na żądanie, firma łączy ich w zintegrowane przepływy pracy, które rozwiązują powtarzające się operacyjne problemy.
OpenAI wyraźnie podkreśla, że człowiek pozostaje w pętli decyzyjnej. Inżynierowie zachowują ostateczną akceptację tego, co zostanie wdrożone. Agenci badają i proponują, ale nie otrzymują kluczy do budynku.
Ta równowaga widać w danych. Różnica między około 400 proponowanymi poprawkami a 15 dokładnymi pull requestami autorstwa Codex sugeruje, że system przede wszystkim przyspiesza pracę ludzi, a nie ją zastępuje.
Co to oznacza dla zespołów inżynierskich
Ponad 1700 badań w nieco ponad trzy miesiące to skala, która obciążyłaby ludzki zespół, szczególnie w przypadku alertów, które mogą okazać się bezpodstawne. Lejek się zawęża: badania zawężają się do przyczyn źródłowych, przyczyny źródłowe do proponowanych poprawek, a tylko niewielki ułamek staje się kodem napisanym wyłącznie przez agentów.
Etap kontrariańskiej recenzji, przy którym około 25% diagnoz spotyka się ze sprzeciwem, jest przyznaniem, że wyniki pracy agentów nadal wymagają weryfikacji, zanim ktokolwiek na nich zadziała. Etap weryfikacji po wdrożeniu istnieje po to, by wychwycić pewne siebie, ale błędne diagnozy, które mogą marnować czas równie łatwo, jak go oszczędzają.
OpenAI w efekcie używa własnego produktu do uruchamiania własnego produktu. Każde badanie jest jednocześnie testem obciążeniowym Codex w wymagającym, rzeczywistym środowisku.
Opublikowane dane dają również zespołom spoza OpenAI konkretny punkt odniesienia do oceny twierdzeń o inżynierii wspieranej przez agentów, a liczbą wartą obserwacji jest odsetek proponowanych poprawek, które trafiają jako dokładne pull requesty autorstwa agenta — bezpośrednio raportowana miara tego, gdzie w systemie produkcyjnym przebiega obecna granica między pracą agentów a ludzi.
Ten artykuł opiera się na relacji CryptoBriefing, redakcja: Diego Almada Lopez.