RADAR GF
OpenAI Performance Factory: como o ChatGPT segue rápido
📅 20/11/2026 ⏱ 7 min de leitura 🏷 openai · chatgpt · ia-agentica

OpenAI Performance Factory: como o ChatGPT segue rápido

O ritmo do desenvolvimento de agentes tornou as abordagens tradicionais de engenharia de performance insustentáveis. A OpenAI construiu a Performance Factory, um sistema autônomo que roda na nuvem e usa o Codex e seus modelos para encontrar e corrigir regressões de performance. Em pouco mais de 3 meses, o primeiro workflow registrou mais de 1.700 investigações e identificou a causa raiz de mais de 600 casos.

●O que aconteceu

O ritmo acelerado do desenvolvimento agêntico tornou as abordagens tradicionais de engenharia de performance insustentáveis. Para acompanhar, a OpenAI construiu a Performance Factory, um sistema autônomo que usa as capacidades completas do Codex e dos modelos da empresa para encontrar e corrigir regressões com uma velocidade sem precedentes.

A Performance Factory roda na nuvem e automatiza a investigação e a resolução de problemas de performance. É ela que permite à OpenAI manter o passo com a ambição do próprio roadmap de produto.

Dentro da fábrica, os engenheiros definem workflows para trabalhos recorrentes e escrevem as instruções para os agentes do Codex que as executam. O Regression Workflow abre uma tarefa quando um alerta de performance dispara. Um agente investiga o atraso, registra os achados na tarefa e propõe uma correção para o engenheiro revisar. Depois do deploy, outro agente retoma a mesma tarefa para verificar se a performance voltou à linha de base. Do diagnóstico à criação do correto, até a verificação da correção, esse primeiro workflow automatizou o processo inteiro.

O artigo traça o caminho que levou a fábrica:

  1. Pré-Codex. Os engenheiros examinavam métricas e logs manualmente, comparavam traces, depuravam máquinas em produção e liam código. O trabalho era demorado e exigia conhecimento profundo do serviço. Diante de problemas repetidos, como as regressões na latência do primeiro token do ChatGPT, a equipe construiu ferramentas avançadas, como profilers de CPU e de alocação, e acumulou mais de 30 ferramentas de performance com o tempo.
  2. Codex como parceiro. Com o Codex, os engenheiros passaram a perguntar "por que isso ficou mais lento?" e investigar até em sistemas desconhecidos. O Codex busca em codebases grandes, acha métricas e traces relevantes, segue interações entre serviços e faz o profiling. Mas o engenheiro ainda conduzia o processo e escolhia as ferramentas.
  3. Skills reutilizáveis. O processo da equipe de performance virou uma skill compartilhada chamada perf-forensics, que diz ao Codex quais ferramentas existem, quando usá-las e como trabalhar um atraso: descobrir quando o problema começou, identificar os requests afetados e investigar se deploys ou mudanças de configuração explicam o ocorrido. A skill foi testada e refinada com evals baseados em regressões passadas.
  4. O humano como proxy. Com as skills maduras, o engenheiro virou uma ponte entre o alerta e o Codex: copiava o alerta, aplicava a skill certa e colava os achados de volta no Slack.
  5. Investigações automatizadas. As investigações foram para a nuvem: o alerta passou a iniciar uma sessão do Codex automaticamente, que publicava os achados no Slack. A automação parava na resposta. O engenheiro ainda pegava o diagnóstico, desenvolvia a correção e checava se funcionou.
  6. A fábrica. A Performance Factory roda workflows de engenharia de performance agênticos de ponta a ponta. Ela acompanha o que cada tarefa ativa precisa a seguir e atribui um agente quando o passo fica pronto. Cada tarefa guarda estado e achados, então o trabalho passa entre agentes e engenheiros e retoma após a revisão de código ou o deploy.

A Performance Factory tem quatro componentes: um rastreador de tarefas com workflows configuráveis, um dispatch loop que atribui o trabalho pronto a agentes, uma API que roda o Codex na nuvem e assinaturas que acordam agentes quando algo muda, como um comentário de review no GitHub ou a conclusão de um deploy.

No serviço de tarefas, os engenheiros definem workflows com arquivos de configuração e prompts escritos em Markdown. A configuração lista os estados que a tarefa pode atravessar, as transições permitidas e quais passos exigem um engenheiro. Todo o trabalho fica visível numa interface, onde dá para acompanhar o progresso e compartilhar tarefas com colegas.

No fluxo de regressão, o agente começa descobrindo quais métricas pioraram, quando mudaram e quais requests foram afetados, com a skill perf-forensics. O diagnóstico passa por uma revisão adversarial antes da correção: turnos diferentes do Codex investigam a regressão, contestam o diagnóstico e propõem a correção, num esquema de checks and balances. Depois, o workflow pede ao Codex que implemente a correção e abra um pull request. O engenheiro revisa o PR e decide se o merge acontece. Cada tarefa tem um relatório com resumo gerado automaticamente: a regressão, o impacto, a causa raiz e a correção proposta.

As lições aprendidas giram em proteger a atenção dos engenheiros: a saída bruta de uma investigação do Codex pode virar uma parede de texto difícil de ler. O workflow agora vincula incidentes relacionados, agrupa por métricas e ranqueia pelo impacto estimado. E o próximo passo: aplicações mais amplas e monitoramento proativo. A OpenAI já explora se os próprios agentes podem revisar e mesclar as correções, tirando o gargalo humano do caminho.

●Os detalhes que importam

"Codex already helps us build ChatGPT faster. Now it's helping us keep ChatGPT fast."OpenAI (19/11/2026) · original
🎯 O que o Grupo Fornax diz sobre isso

A Performance Factory é a prova pública de que agentes de IA já operam em produção com métricas de eficiência, e que o gargalo deixou de ser o diagnóstico para ser a revisão humana. Para o mercado brasileiro, isso traduz em velocidade: quem espera a maturidade total para automatizar fica para trás na fila. O desenho (skill + workflow + revisão) é replicável fora da engenharia de software.

Na prática:

  1. Encontre o seu "alerta recorrente": a tarefa repetitiva que o seu time faz toda semana do zero é o primeiro workflow de fábrica.
  2. Escreva o processo como skill antes de pensar em agente autônomo: ferramentas disponíveis, quando usar e os passos de investigação, testados contra casos passados.
  3. Desenhe o handoff humano com relatório: impacto, causa raiz e correção proposta. Se o humano não consegue decidir em 5 minutos, o fluxo está mal desenhado.

Radar de oportunidade: Dor: time pequeno resolvendo o mesmo problema toda semana, sem memória do que já foi feito. Desejo: diagnóstico automático com o humano decidindo só no final. Objeção: "agente que erra causa raiz me custa mais do que o analista". Modelo de negócio: consultoria de automação de ponta a ponta para operações (SRE, conteúdo, suporte), cobrada por workflow rodando. Aplicação no Brasil: o mesmo desenho sustenta o roadmap de IA agêntica no marketing, para conteúdo e campanhas em escala.

Quer saber onde agentes de IA já pagam o próprio investimento na sua operação? Agende uma avaliação gratuita com a Fornax e receba um mapa dos seus processos candidatos a automação agêntica.

Quero saber onde meu site aparece nas IAs →
📬 Fique atualizado

Receba as notícias do Radar GF por e-mail: o que está movendo o mercado global de SEO, GEO, IA, marketing e vendas, traduzido para o português e com a análise do Grupo Fornax, direto na sua caixa de entrada.

🎯 Grupo Fornax — Marketing e Vendas

Quer levar esse conhecimento para o seu negócio? O Grupo Fornax é assessoria de marketing digital: SEO, GEO/AEO (visibilidade nas IAs), tráfego pago, social media e estratégia de vendas. Fale com a equipe e contrate o serviço que o seu momento pede.

FAQ

O que é a Performance Factory da OpenAI?

É um sistema autônomo que roda na nuvem e usa o Codex e os modelos da OpenAI para investigar e corrigir regressões de performance de ponta a ponta, do alerta à verificação em produção.

Quanto o Regression Workflow já produziu?

Em pouco mais de 3 meses, o workflow acompanhou mais de 1.700 investigações e identificou a causa raiz de mais de 600 casos, ou 17 investigações automatizadas por dia.

Como funciona a revisão adversarial?

Turnos diferentes do Codex investigam a regressão, contestam o diagnóstico e propõem a correção. Na revisão manual de 100 sugestões de causa raiz, 70% saíram corretas e 30% precisaram de refinamento.

O que impede o processo de ser 100% autônomo?

Hoje o gargalo é a revisão do engenheiro no pull request. A OpenAI já explora se os próprios agentes podem revisar e mesclar as correções.

📚 Leia mais no Radar GF

🌐Notícia internacional · publicada no Brasil em 20/11/2026
Baseado em: OpenAI News — "How OpenAI's Performance Factory keeps ChatGPT fast" (fonte, 19/11/2026) → ler o original
Fonte original: OpenAI News, "How OpenAI's Performance Factory keeps ChatGPT fast", OpenAI News, 19/11/2026. Este post repassa os fatos da apuração com citações curtas; texto, ilustração e análise são do Grupo Fornax.