
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 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:
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.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.
"Codex already helps us build ChatGPT faster. Now it's helping us keep ChatGPT fast."OpenAI (19/11/2026) · original
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:
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 →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.
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.
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.
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.
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.
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.