
何が起きたか
OpenAIがCodex上に構築したPerformance Factoryは3カ月で1700件超の調査を完了し、600件超で根本原因を特定。4構成要素にまたがり連携した。
なぜ重要か
エージェントがタスク割り当て、テスト実行、本番デプロイを自律的に行えるため、エンジニアは手作業の調査から修正レビューへ移行でき、サービス速度維持の負担軽減につながる。
誰に効くか高トラフィックなオンラインサービスを維持するエンジニアリングチームやサイトリライアビリティチームは恩恵を受けうる。Performance Factoryは、かつて手作業を要した定型的な調査や修正案の作成をエージェントが担えることを示している。
こういう要約が、毎朝あなたのメールに届きます。
OpenAIの投稿は、社内エンジニアリングワークフローの明確な進化をたどっている。初期は人間のエンジニアが問題調査と対策を手作業で担い、次にCodexがパートナーとなったが人間が主導した。AIの能力とスキルが成熟するにつれ、アラート発生時にCodexセッションが自動で開始され、調査結果をSlackに投稿するようになった。現在の段階は、必要なタスクを自律的に特定し、エージェントを割り当て、テストを実行し、本番にデプロイする「エージェント工場」だ。タスクサービス、ディスパッチループ、クラウドCodex、サブスクリプションの4構成要素で築いたPerformance Factoryは、ChatGPTの高速性維持に向けたその段階の具体的な実装である。3カ月で1700件超の調査と600件超の根本原因特定という報告結果は、同システムがすでに大量の診断作業を処理していることを示す。OpenAIは現在、アラートがなくても速度低下や最適化の機会を見つける先回り型への移行を進めており、これにより役割は事後的なトラブルシューティングから継続的な性能調整へと広がる。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
11月19日のarXiv論文で、ICLRの批判重複率が2026年の12.0%から2027年は21.3%に上昇し、LLM使用と判定されたレビューは非判定より4.5ポイント高かった

Technion、University of Haifa、Google Researchの研究者がAltRA-Testを公開

フィードは2026年11月17日、AI調査、質問設計、ページ書き換え、構造化データやllms.txtの技術実装、流入と問い合わせの計測までを担う「マルゴトLLMO」の提供を開始した

Co-Labo AIが2026年11月20日、製造業の管理職・経営層向けにオントロジー解説全3回の初回を公開した

AWS AIプラクティショナー試験のタスク1.2対策として、入力が画像・動画ならCV、テキストならNLP、数値の推移なら時系列予測という3つの見分け軸と、キーワード別の早見表が公開された

物理科学・生命科学・工学の52の実験課題で、Claude Fable 5.2が13エージェント中首位の45.0、Claude Opus 5.5が40.2、GPT-6.1-solが31.7だった
