A OpenAI afirmou em 19 de novembro de 2026 que passou a usar um sistema interno chamado Performance Factory para investigar e ajudar a corrigir regressões de desempenho do ChatGPT. A estrutura combina agentes baseados em Codex, um fluxo de tarefas com estados explícitos, acesso controlado a métricas e logs e revisão humana antes do deploy. Segundo a empresa, o primeiro fluxo automatizado registrou mais de 1.700 investigações e encontrou a causa de mais de 600 casos em pouco mais de três meses.
O ponto importante não é a promessa de uma IA que “conserta tudo sozinha”. É a arquitetura operacional: agentes investigam, outro agente tenta refutar a explicação, engenheiros analisam mudanças de código e um agente verifica se a recuperação ocorreu após o deploy. É um exemplo concreto de como agentes podem sair do chat e passar a executar trabalho recorrente em produção, sem eliminar a responsabilidade humana.
Resumo: o que a OpenAI está automatizando
- Alertas de desempenho podem abrir tarefas automaticamente para investigação.
- O agente consulta métricas, logs, traces, perfis de CPU, snapshots de memória e repositórios internos.
- Uma skill interna chamada
perf-forensicsorienta a investigação de regressões recorrentes. - Uma revisão adversarial tenta derrubar diagnósticos frágeis antes que uma correção seja proposta.
- Um engenheiro continua responsável por revisar e decidir se um pull request será implantado.
- Após o deploy, um agente verifica se a métrica voltou ao patamar anterior.
O que é a Performance Factory
A Performance Factory é uma plataforma interna de workflows para engenharia de performance. Em vez de tratar cada alerta como uma conversa isolada com um agente, o sistema registra o trabalho como uma tarefa com estado, evidências, responsáveis e próxima ação. Isso permite que o processo sobreviva à troca de contexto entre agentes, à espera por revisão de código e ao intervalo entre uma implantação e a verificação em produção.
A OpenAI descreve quatro peças principais. A primeira é um serviço de tarefas com workflows configuráveis: equipes definem estados, transições permitidas e pontos em que a decisão precisa ser humana. A segunda é um loop de despacho que identifica tarefas prontas e inicia um turno do Codex com as instruções daquele estágio. A terceira é uma API interna para executar o Codex na nuvem, dentro de um ambiente que tem acesso aos sistemas de engenharia necessários. A quarta são assinaturas de eventos: por exemplo, um comentário em pull request, uma falha de CI ou a conclusão de um deploy pode acordar novamente a tarefa certa.
Do alerta ao retorno à linha de base
O fluxo inicial da OpenAI, chamado Regression Workflow, começa quando um alerta de performance é disparado. O agente determina quais métricas pioraram, quando a mudança começou e quais requisições foram afetadas. Esse detalhe importa porque um aumento na latência média pode vir de código mais lento, de uma mudança no perfil de tráfego ou de uma combinação dos dois; uma explicação sem essa separação pode apontar para a causa errada.
Depois, o agente compara a linha do tempo da regressão com deploys e mudanças de configuração, examina código e consulta sinais operacionais. A skill perf-forensics reúne esse procedimento e orienta quando usar as ferramentas disponíveis. Em vez de depender de uma pessoa que conhece de memória dezenas de painéis e profilers, a equipe tenta transformar parte desse conhecimento em instruções reutilizáveis e avaliáveis.
Se a investigação chega a uma causa provável, outro turno do Codex faz uma revisão adversarial. A missão não é resumir a primeira resposta; é procurar evidência que a contradiga. A OpenAI cita um caso em que o investigador associou conversas com falha a erros no download de imagens. O revisor percebeu que um serviço interno já havia se recuperado enquanto os pedidos de imagem continuavam falhando, o que tornava a explicação insuficiente. A tarefa foi reaberta em vez de receber um selo prematuro de “causa encontrada”.
Por que a etapa de contestação é mais relevante que a automação do alerta
Agentes são muito bons em produzir uma hipótese plausível a partir de muitos dados. Isso não equivale a demonstrar causalidade. A própria OpenAI relata que, em uma revisão manual de 100 sugestões de causa raiz, 70% foram classificadas como precisas; os 30% restantes precisavam de refinamento ou não estabeleciam plenamente a relação causal. O dado é valioso justamente por expor uma limitação: automatizar a investigação aumenta a cobertura, mas também pode escalar explicações convincentes e erradas se não houver testes contrários.
Na Performance Factory, o diagnóstico, a contestação, a proposta de correção e a checagem pós-deploy são etapas diferentes. Essa separação reduz a chance de um único agente defender a própria conclusão do início ao fim. Também cria rastreabilidade: o engenheiro que recebe um pull request deve ter acesso a um resumo, séries temporais, traces e perfis que sustentem a mudança proposta.
O papel do engenheiro não desaparece
O sistema pode abrir um pull request, mas a OpenAI afirma que um engenheiro decide se a correção será incorporada. Essa fronteira não é apenas burocrática. Algumas mudanças de desempenho carregam decisões de produto ou arquitetura: adicionar cache pode reduzir latência e, ao mesmo tempo, criar risco de dados desatualizados; reduzir recursos pode economizar custo e afetar capacidade sob picos; uma alteração aparentemente local pode alterar garantias entre serviços.
O texto também reconhece que propor uma correção tem sido mais difícil do que localizar a causa. Alterações sugeridas por agentes podem ser complexas demais ou introduzir efeitos colaterais. Por isso, a OpenAI adicionou revisão adversarial também para as propostas de correção e diz estar comparando mudanças sugeridas pelos agentes com o que os engenheiros acabam efetivamente aprovando. Essa comparação alimenta avaliações e melhorias nos workflows.
Como o sistema tenta medir qualidade
Para avaliar investigação, a equipe usa incidentes passados como testes retrospectivos. O agente recebe o sinal original, mas não pode acessar o postmortem, memórias de investigações anteriores ou dados que entregariam a resposta. A avaliação separa perguntas que frequentemente são confundidas: quando o problema começou, qual foi sua dimensão, quais requisições sofreram impacto e qual mudança realmente explica o comportamento.
Há uma avaliação separada para o handoff entre agente e engenheiro. Resumos de tarefas preservadas servem como casos de teste porque não dependem de telemetria que expira. Um avaliador verifica se uma pessoa sem contexto do sistema consegue entender o incidente, se os gráficos úteis foram mantidos e se o próximo passo proposto é sustentado pelas evidências. É uma lição prática para qualquer equipe que queira usar agentes em operações: um relatório extenso não é automaticamente um relatório revisável.
Aplicações práticas para equipes brasileiras
Empresas não precisam reproduzir a infraestrutura interna da OpenAI para aproveitar o princípio. Um primeiro passo realista é escolher um incidente repetitivo e bem instrumentado, como aumento de latência em uma API, falhas de fila ou regressões após deploy. O workflow deve registrar evidências, separar investigação de aprovação e definir um critério objetivo para encerrar o caso.
- Plataformas SaaS: correlacionar alertas de p95/p99 com versões implantadas e feature flags antes de abrir um incidente para engenharia.
- Times de dados: investigar atrasos recorrentes em pipelines, checando mudanças de volume, custo de consulta e falhas de dependências.
- Operações de IA: identificar aumento de latência, erro ou custo por modelo e produzir uma hipótese com links para traces e dashboards.
- Times de plataforma: detectar configurações de autoscaling que mantêm mais réplicas do que o necessário, com aprovação humana antes de qualquer alteração.
Limitações e cuidados de segurança
A Performance Factory opera com acesso a código e telemetria sensíveis dentro da rede da OpenAI. Para organizações menores, conceder a um agente acesso amplo a produção sem segmentação seria um risco. A OpenAI informa que seus agentes rodam com uma identidade de serviço, o que permite limitar permissões e identificar ações feitas pelos agentes. Esse é o requisito mínimo conceitual: identidade própria, logs auditáveis, privilégios mínimos e etapas de aprovação para ações com impacto.
Também é preciso evitar transformar métricas em uma fonte única de verdade. Um agente pode detectar uma correlação entre um deploy e uma piora, mas a regressão pode ter outra origem. A revisão adversarial, os contrafactuais e a validação pós-deploy são mecanismos para enfrentar esse problema, não garantias de acerto. A OpenAI ainda explora correções autônomas apenas para mudanças de baixo risco; não anunciou que o fluxo já faça deploy de correções sem revisão humana.
Análise do NoticIA: o padrão útil é a fábrica de decisões, não o “agente que programa”
Na análise do NoticIA, a contribuição mais importante da Performance Factory é mostrar que agentes em produção precisam de uma máquina de estados e de evidências, não apenas de prompts melhores. O ganho vem de transformar uma atividade recorrente em processo explícito: detectar, investigar, contestar, propor, aprovar, implantar e verificar. Sem esse encadeamento, uma empresa tende a acumular respostas de IA em chats e canais de mensagem sem saber quem tomou a decisão, com qual evidência e se o resultado se confirmou.
O modelo também evita uma leitura simplista de autonomia. A OpenAI mede o sistema por investigações e causas encontradas, mas admite limites tanto na precisão dos diagnósticos quanto na qualidade das correções. Para times que adotam agentes, a pergunta correta não é “a IA consegue fazer o trabalho sozinha?”, e sim “quais decisões podem ser automatizadas, que evidência é exigida e em qual ponto uma pessoa precisa assumir responsabilidade?”.
O que vem a seguir
A OpenAI diz que pretende ampliar o uso da mesma estrutura para detectar otimizações sem depender de alertas já configurados e para converter padrões recorrentes em novos workflows. Entre os exemplos citados está a identificação de configurações de autoscaling com réplicas em excesso. Esses planos ainda são prospectivos: até o momento, o caso detalhado publicamente é o fluxo de regressões de performance.
Para quem acompanha agentes de IA, a mudança é concreta: o valor deixa de estar só na capacidade de gerar código ou explicar logs e passa à capacidade de conduzir um processo verificável até a recuperação do serviço. Esse é o critério que separa uma demonstração impressionante de uma automação que pode ser usada em operações reais.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
