OpenAIは2026年11月19日、Codexを使ってChatGPTの性能問題を調査・修正・確認する「Performance Factory」を紹介しました。注目点は、AIに仕事を丸投げしたことではありません。アラート、原因調査、修正案、エンジニアのレビュー、復旧確認を別の工程としてつないだことです。
AIに任せる単位を「調査」と「反映」に分ける
OpenAIの公式説明では、性能アラートが出るとRegression Workflowがタスクを作り、Codexが遅延の原因を調べて修正案を提案します。修正をデプロイするのはエンジニアで、デプロイ後は別のエージェントが性能が元の水準へ戻ったかを確認します。工程は「検知」「原因特定」「修正提案」「レビューとデプロイ」「復旧確認」に分かれています。
3か月強で1,700件超を調査し、600件超で根本原因を特定したという数値も示されています。ただし、これはOpenAIの内部運用の結果です。企業の開発組織で同じ速度や精度が出ると約束する数字ではありません。
一回の回答ではなく、反証と評価を組み込む
OpenAIでは、最初のもっともらしい原因で止まらないよう、別のCodexセッションが診断を反証する仕組みを加えています。修正案にも同様のレビューを行い、原因に効いているか、別の不具合や複雑さを持ち込まないかを確認します。過去100件の根本原因候補を人が確認したところ、正確と評価できたのは70%で、残りは追加の精緻化や因果関係の説明が必要でした。
この結果が示すのは、AIの回答を一度採点して終わるのではなく、反証、過去事例での評価、デプロイ後の確認を工程に入れる必要性です。
企業で試すなら「戻れる状態」を先に作る
自社で試すときは、AIに修正を直接反映させる前に、アラートと調査結果を一つのタスクへ残します。原因の根拠、未確認点、修正案、承認者、戻す条件を分けて記録し、変更は人のレビュー後に反映します。反映後に改善しなければ、解決済みとせず再調査へ戻せる状態も必要です。
Performance Factoryから学べるのは、強いエージェントの選び方ではありません。AIが進める工程と、人が判断する工程を分け、失敗を検出したら前の段階へ戻す運用設計です。