目次 ― 9 章
この記事の要点
- 何が起きたか: OpenAI は 2026 年 11 月 19 日、ChatGPT が遅くなったときに Codex(OpenAI のコーディング用 AI エージェント)が原因を調べ、修正案を作る社内の仕組み「Performance Factory」を公開しました。3 か月あまりで 1,700 件を超える調査を回し、600 件を超える原因を突き止めたそうです。
- なぜ重要か: 調べる仕事はエージェントがかなりこなせる。でも、直す仕事はまだ人が決めている。その境目を、作り手が自分のサービスの数字で示しました。しかも「どう段取りを組んだか」まで公開しています。
- 誰に関係するか: システムの運用・保守を持つ情報システム部門、社内のアプリを動かす開発チーム、そして運用を外部に委託している会社の担当者です。
まずは、OpenAI の開発者向け公式アカウントの投稿を見てみましょう。
Codex はすでに、私たちが ChatGPT を速く作るのを助けています。いまは ChatGPT を速いまま保つのも助けています。私たちは Performance Factory を作りました。性能の劣化を調べ、エンジニアがレビューする修正案を出し、その修正が本番環境で効いたかを確かめるエージェントたちを取りまとめる仕組みです。
Codex already helps us build ChatGPT faster. Now it’s helping us keep ChatGPT fast. We built the Performance Factory to coordinate agents that investigate regressions, propose fixes for engineers to review, and check if those fixes work in production.
「作る」から「保つ」へ。ここが今回の話の中心です。コードを書く AI の話はもう聞き飽きたかもしれません。でも、動いているサービスを毎日見張って、遅くなったら原因を探す仕事は、どの会社の情報システム部門にもあります。この記事では、OpenAI のエンジニアリング記事を開いて確かめた事実と、Wizit の見方を分けて書きます。数字は 2026 年 11 月 22 日時点で確かめたものです。
01OpenAI の Performance Factory とは何か
Performance Factory は、Codex と OpenAI のモデルを使って、性能の劣化(それまでより遅くなること)を調べて直すための、クラウド上で動く社内の仕組みです。書いたのは OpenAI の技術スタッフのオカイ・ゼッド氏とサイラス・フォーブス氏で、2026 年 11 月 19 日に OpenAI のエンジニアリングのページで公開されました。社外向けの製品ではありません。提供の予定も、記事の中では触れられていません。
仕組みは 4 つの部品でできています。
部品
タスクの管理
- 何をするか
- エンジニアが設定ファイルと Markdown の指示文で手順を決める。タスクの状態、移れる先、人が入る段もここで決める。すべての手順は画面で見える
部品
割り当ての繰り返し
- 何をするか
- 次の段に進めるタスクを定期的に探し、その状態用の指示で Codex を動かす
部品
クラウドでの実行
- 何をするか
- 社内のネットワークの中で Codex を動かす。コードの保管場所と、監視の道具(数字・ログ・処理の記録・CPU の記録など)に触れられる。エージェントは専用の ID で動き、権限を絞り、どの操作がエージェントのものか追える
部品
待ち合わせ
- 何をするか
- 待っているタスクを、レビューのコメント、自動テストの失敗、デプロイの完了などをきっかけに再開させる
| 部品 | 何をするか |
|---|---|
| タスクの管理 | エンジニアが設定ファイルと Markdown の指示文で手順を決める。タスクの状態、移れる先、人が入る段もここで決める。すべての手順は画面で見える |
| 割り当ての繰り返し | 次の段に進めるタスクを定期的に探し、その状態用の指示で Codex を動かす |
| クラウドでの実行 | 社内のネットワークの中で Codex を動かす。コードの保管場所と、監視の道具(数字・ログ・処理の記録・CPU の記録など)に触れられる。エージェントは専用の ID で動き、権限を絞り、どの操作がエージェントのものか追える |
| 待ち合わせ | 待っているタスクを、レビューのコメント、自動テストの失敗、デプロイの完了などをきっかけに再開させる |
最初に作った手順は「Regression Workflow(劣化対応の手順)」です。性能のアラートが鳴るとタスクが開き、「調査が必要」「原因を特定」「修正を提案」「解決」「回復を確認」の 5 つの状態を順に進みます。
段
1. 原因を探す
- 担当
- エージェント
- 中身
- どの数字がいつから悪くなったか、どのリクエストに出たかを調べる。デプロイ、機能の切り替え、コードを見て、ログで説明を確かめる
段
2. 反証する
- 担当
- 別の Codex
- 中身
- 1 の診断を崩そうとする。たとえば「変更が当たらなかったリクエストは健全だったか」を確かめる
段
3. 修正を提案
- 担当
- エージェント
- 中身
- 修正を実装してプルリクエストを出す。影響・原因・修正・グラフをまとめた報告書が付く。修正にも別の反証が入る
段
4. 取り込むか決める
- 担当
- 人
- 中身
- エンジニアが取り込むかを決める。直す、自分で書く、コメントする(コメントでエージェントが動く)
段
5. 回復を確かめる
- 担当
- エージェント
- 中身
- デプロイ後に性能が元に戻ったかを見る。戻らなければ調査に差し戻す
| 段 | 担当 | 中身 |
|---|---|---|
| 1. 原因を探す | エージェント | どの数字がいつから悪くなったか、どのリクエストに出たかを調べる。デプロイ、機能の切り替え、コードを見て、ログで説明を確かめる |
| 2. 反証する | 別の Codex | 1 の診断を崩そうとする。たとえば「変更が当たらなかったリクエストは健全だったか」を確かめる |
| 3. 修正を提案 | エージェント | 修正を実装してプルリクエストを出す。影響・原因・修正・グラフをまとめた報告書が付く。修正にも別の反証が入る |
| 4. 取り込むか決める | 人 | エンジニアが取り込むかを決める。直す、自分で書く、コメントする(コメントでエージェントが動く) |
| 5. 回復を確かめる | エージェント | デプロイ後に性能が元に戻ったかを見る。戻らなければ調査に差し戻す |
ここで大事なのは 4 の段です。キャッシュを足すと古いデータを返す危険が出る、といった設計の判断は、エンジニアがすると書かれています。
02何が起きたか ― 数字と、ここに至るまでの 6 段階
OpenAI の記事によると、この仕組みはいきなりできたわけではありません。人が手で調べていた時代に 30 を超える調べる道具を作り、Codex と一緒に調べ、その調べ方を「perf-forensics」というスキル(エージェント向けの手順書)にまとめました。次に、人がアラートを Codex に貼り付けて結果を Slack に戻す時期があり、そのあとアラートで調査が自動で始まるようになり、最後に段取りごと仕組みにした、という順番です。
公開された数字は次のとおりです。
項目
期間
- 数字
- 3 か月あまり
- 出どころ
- OpenAI の記事
項目
調査の件数
- 数字
- 1,700 件超(1 日に約 17 件)
- 出どころ
- OpenAI の記事
項目
原因を突き止めた件数
- 数字
- 600 件超
- 出どころ
- OpenAI の記事
項目
原因の正しさ
- 数字
- 100 件を人が見直し、70% を正確と判定。残り 30% は詰めが必要か、因果を示し切れていない
- 出どころ
- OpenAI の記事
項目
修正案まで進んだ件数
- 数字
- 約 400 件
- 出どころ
- VentureBeat の報道(OpenAI の性能チームへの取材)
項目
Codex が書いた修正がそのまま入った件数
- 数字
- 約 15 件
- 出どころ
- 同上
項目
エージェントの提案に沿った、または影響を受けた修正
- 数字
- 約 50 件
- 出どころ
- 同上
項目
反証で差し戻される診断の割合
- 数字
- 約 25%
- 出どころ
- 同上
| 項目 | 数字 | 出どころ |
|---|---|---|
| 期間 | 3 か月あまり | OpenAI の記事 |
| 調査の件数 | 1,700 件超(1 日に約 17 件) | OpenAI の記事 |
| 原因を突き止めた件数 | 600 件超 | OpenAI の記事 |
| 原因の正しさ | 100 件を人が見直し、70% を正確と判定。残り 30% は詰めが必要か、因果を示し切れていない | OpenAI の記事 |
| 修正案まで進んだ件数 | 約 400 件 | VentureBeat の報道(OpenAI の性能チームへの取材) |
| Codex が書いた修正がそのまま入った件数 | 約 15 件 | 同上 |
| エージェントの提案に沿った、または影響を受けた修正 | 約 50 件 | 同上 |
| 反証で差し戻される診断の割合 | 約 25% | 同上 |
正直なところ、この表の下半分が一番面白いところです。600 件の原因を見つけても、Codex の修正がそのまま入ったのは約 15 件。OpenAI 自身も記事で「修正を正しくするほうが、原因を見つけるより難しかった」と書いています(要旨)。エージェントの修正は必要以上に複雑になったり、新しい問題を持ち込んだりすることがあった、とも書かれています。
03背景と他社の動き ― 運用を任せる製品はもう出ている
「障害の調査をエージェントに任せる」話自体は、新しくはありません。クラウド各社はすでに製品として出しています。
位置づけ
- OpenAI Performance Factory
- OpenAI の社内の仕組み
- Azure SRE Agent
- Microsoft の製品。2026 年 3 月 10 日に一般提供を発表
- AWS DevOps Agent
- AWS の製品。一般提供済み
- Gemini Cloud Assist の調査機能
- Google Cloud の機能。プレビュー
何をするか
- OpenAI Performance Factory
- 調査、反証、修正のプルリクエスト、回復の確認
- Azure SRE Agent
- 診断を速め、対応の手順を自動にする。過去の障害の知識を使う
- AWS DevOps Agent
- アラートやチケットで調査を始め、原因と対処の手順を出す
- Gemini Cloud Assist の調査機能
- 観察・原因の仮説・次の手順や修正案を出す
人の関わり方
- OpenAI Performance Factory
- 取り込むかは必ずエンジニアが決める
- Azure SRE Agent
- 提案だけから、決めた範囲の自動対応まで、自律の度合いを選ぶ
- AWS DevOps Agent
- 対処の手順を出す。別のエージェント向けの指示も出せる
- Gemini Cloud Assist の調査機能
- 調査は環境を書き換えないと説明
課金の形
- OpenAI Performance Factory
- (社内)
- Azure SRE Agent
- 2026 年 4 月 15 日から、トークン量に応じた独自の単位
- AWS DevOps Agent
- 作業した時間の秒単位(InfoQ の報道)
- Gemini Cloud Assist の調査機能
- プレミアムサポート契約か担当チーム経由(2026 年 4 月 10 日から)
| OpenAI Performance Factory | Azure SRE Agent | AWS DevOps Agent | Gemini Cloud Assist の調査機能 | |
|---|---|---|---|---|
| 位置づけ | OpenAI の社内の仕組み | Microsoft の製品。2026 年 3 月 10 日に一般提供を発表 | AWS の製品。一般提供済み | Google Cloud の機能。プレビュー |
| 何をするか | 調査、反証、修正のプルリクエスト、回復の確認 | 診断を速め、対応の手順を自動にする。過去の障害の知識を使う | アラートやチケットで調査を始め、原因と対処の手順を出す | 観察・原因の仮説・次の手順や修正案を出す |
| 人の関わり方 | 取り込むかは必ずエンジニアが決める | 提案だけから、決めた範囲の自動対応まで、自律の度合いを選ぶ | 対処の手順を出す。別のエージェント向けの指示も出せる | 調査は環境を書き換えないと説明 |
| 課金の形 | (社内) | 2026 年 4 月 15 日から、トークン量に応じた独自の単位 | 作業した時間の秒単位(InfoQ の報道) | プレミアムサポート契約か担当チーム経由(2026 年 4 月 10 日から) |
どの製品も「調べる」「手順を出す」まではエージェントに持たせています。一方で、変更を本番環境に入れる段は、利用する会社が自分で決める作りです。OpenAI も、人のレビューなしで直すのは「危険の小さい修正」から試す段階だと書いています。
Performance Factory が製品と違うのは、作り手が自分の一番大きなサービスで、数字の良いところも足りないところも出したことです。製品の紹介ページには、70% という正しさや、15 件という取り込みの数は載りません。社内の運用を任せようとしている会社にとって、これは貴重な目安になります。
なお、エージェントの完了報告をどう確かめるか、人の承認が形だけにならないか、という論点は以前の記事でも扱いました(AIエージェントの「終わりました」をどう確かめるか、人の承認が形だけになる問題)。今回の発表は、その答えの一つを作り手が実際に動かして見せた例です。
04ここから読み取れること ― Wizit の見方 3 つ
1. 先に任せるのは「調べて報告書を書く」ところまで
Wizit の見方では、日本の企業がまず任せるべきなのは、調査と報告書の段です。根拠は OpenAI の数字そのものです。原因の特定は 600 件超、正しさは 70%。修正がそのまま入ったのは約 15 件。調べる段はもう使える水準で、直す段はまだ人の判断が要る、というのが作り手自身の結果です。
しかも、70% という数字でも役に立つのは、報告書が付いているからです。影響・原因・修正案・グラフが 1 枚にまとまっていれば、担当者は「合っているか」を見るだけで済みます。夜中にゼロからログを探すのとは、手間がまるで違いますよね。
2. 効いているのは、モデルより段取りの設計
ここから読み取れるのは、性能を出しているのが段取りだということです。状態と移れる先を設定ファイルで決める。人が入る段を明示する。反証役に別の Codex を立てる。デプロイ後に回復を確かめる。過去の障害で、答えを伏せて新しいエージェントに調べさせて試す。引き継ぎの要約を、別の採点役が「知らない人が読んで分かるか」で採点する。どれもモデルの賢さとは別の、仕事の組み立ての話です。
OpenAI の記事には、初めのころエージェントが「最初に見つけたもっともらしい説明で調査を止めてしまい、その一部は間違っていた」と書かれています(要旨)。反証役は、この失敗への手当てとして入りました。日本の企業が自分で組むときも、同じ失敗は起きると考えておいたほうがよいでしょう。
3. 一番足りないのは、人の注意
3 つ目は、人の時間の使い方です。OpenAI は、エージェントの生の出力は読みにくいので、関連する障害をつなぎ、数字ごとにまとめ、影響の大きい順に並べるようにした、と書いています。1 日 17 件の調査がそのまま届いたら、担当者は読み切れません。
この点を考えるうえで、Performance Factory の記事に協力者として名前がある、性能の専門家ブレンダン・グレッグ氏が、OpenAI に入ったときに書いた文章が参考になります。
この課題に直接取り組むために OpenAI に入りました。最初は ChatGPT の性能に集中します。規模は桁外れで、伸び方は想像を超えています。
I have joined OpenAI to work on this challenge directly, with an initial focus on ChatGPT performance. The scale is extreme and the growth is mind-boggling.
これは 9 か月前の、背景としての引用です。規模が桁外れだと、人がすべてを調べることはできません。だからエージェントに調べさせ、人は判断に集中する。Wizit の見方では、日本の企業ではここまでの規模は少ない一方で、運用の担当者の数が足りない会社は多く、同じ理屈が当てはまります。違うのは件数だけです。
05日本の企業で何が変わるか
では、日本の会社では具体的に何が変わるのでしょうか。業種ごとに例を挙げます。
業種
金融(ネットバンキングなどの外向けサービス)
- いまの仕事
- 応答が遅いというアラートを夜間の当番が受け、ログと変更履歴を手で照らす
- エージェントに任せられそうなこと
- 遅くなった時刻、影響したリクエスト、直前の変更を並べた報告書を作る
- 人が決めること
- 変更を戻すか、取引を止めるか。監督官庁への報告の要否
業種
製造(工場のシステム・設備のデータ基盤)
- いまの仕事
- データの取り込みが遅れ、翌朝の生産の数字が出ない
- エージェントに任せられそうなこと
- どの取り込みが詰まったか、いつからかを調べ、似た過去の事例を添える
- 人が決めること
- 生産計画を待たせるか、手作業で回すか
業種
小売・EC
- いまの仕事
- セールの日にページが重くなる。原因が広告か、在庫の照会か、外部の決済か分からない
- エージェントに任せられそうなこと
- リクエストの種類ごとに遅さを分け、「同じ処理が遅くなったか、遅い処理が増えたか」を切り分ける
- 人が決めること
- 機能を一時的に止めるか、キャンペーンを続けるか
業種
情報システムの子会社・保守の委託先
- いまの仕事
- 親会社のシステムの一次対応を人数で受けている
- エージェントに任せられそうなこと
- 一次調査と報告書の下書き
- 人が決めること
- 契約上、どこまでを誰が変えてよいか
| 業種 | いまの仕事 | エージェントに任せられそうなこと | 人が決めること |
|---|---|---|---|
| 金融(ネットバンキングなどの外向けサービス) | 応答が遅いというアラートを夜間の当番が受け、ログと変更履歴を手で照らす | 遅くなった時刻、影響したリクエスト、直前の変更を並べた報告書を作る | 変更を戻すか、取引を止めるか。監督官庁への報告の要否 |
| 製造(工場のシステム・設備のデータ基盤) | データの取り込みが遅れ、翌朝の生産の数字が出ない | どの取り込みが詰まったか、いつからかを調べ、似た過去の事例を添える | 生産計画を待たせるか、手作業で回すか |
| 小売・EC | セールの日にページが重くなる。原因が広告か、在庫の照会か、外部の決済か分からない | リクエストの種類ごとに遅さを分け、「同じ処理が遅くなったか、遅い処理が増えたか」を切り分ける | 機能を一時的に止めるか、キャンペーンを続けるか |
| 情報システムの子会社・保守の委託先 | 親会社のシステムの一次対応を人数で受けている | 一次調査と報告書の下書き | 契約上、どこまでを誰が変えてよいか |
小売の例の「同じ処理が遅くなったか、遅い処理が増えたか」という切り分けは、OpenAI の記事に書かれた調べ方そのものです。こういう調べ方を、ベテランの頭の中から手順書に移せるかどうかが分かれ目になります。
体制の面では、3 つのことが変わります。
- 手順書の書き方が変わる。 人が読む前提の運用手順書を、エージェントが読める形(見る数字、見るログ、確かめる順番、止める条件)に書き直すことになります
- 権限の考え方が変わる。 エージェントを専用の ID で動かし、読める範囲と変えられる範囲を分けます。誰の操作か後から追えることが条件です
- 委託の契約が変わる。 一次調査をエージェントが担うなら、委託先との役割分担と、報告書の形を決め直すことになります
06反対の見方・まだ分からないこと
ここは様子を見たほうがよい点もあります。
数字は OpenAI 自身の評価です。 70% という正しさは、OpenAI が 100 件を見直した結果です。外部の検証ではありません。また、応答がどれだけ速く戻ったか、エージェントを動かす費用がどれだけかかったかは、公式の記事には書かれていません。費用に見合うかは、まだ分からないということです。
前提の整い方が違います。 OpenAI には、30 を超える自前の調べる道具と、数字・ログ・処理の記録・CPU の記録がそろっています。日本の企業では、ログが残っていない、残っていても保存期間が短い、という例は珍しくありません。OpenAI 自身も、過去の事例で試すときに「記録の保存期限が切れる」ことを制約に挙げています。調べる材料が無ければ、エージェントも調べられません。
件数が少ない会社では割に合わない場合があります。 1 日 17 件の調査があるから仕組みを作る意味が出ます。月に数件のアラートなら、まずはクラウド各社の製品を試すか、担当者が Codex や Claude Code のような道具と一緒に調べる段階(OpenAI の 2 段目)で十分なこともあります。
日本の運用は委託の層が厚いです。 監視、一次対応、改修が別の会社に分かれていると、エージェントがコードの保管場所と監視の道具の両方に触れる、という前提が成り立ちにくくなります。契約と権限の整理が先です。
人の承認なしで直す範囲は、まだ決まっていません。 OpenAI は、危険の小さい修正を人のレビューなしで入れる方法を「探っている」段階です。各社の製品も、自動対応の範囲は利用する会社に決めさせています。ここは急がなくてよいと Wizit は考えます。
07いまやること(持ち帰りチェックリスト)
今週
- 月に何度も起きているアラートや問い合わせを 1 つ選ぶ(毎回同じ手順で調べているもの)
- その調べ方を、ベテランに聞いて手順書に書き出す(見る数字、見るログ、変更履歴、止める条件)
- 調べるために必要なログと数字が、どこに、何日分残っているかを確かめる
今月
- 過去の事例を 10〜20 件集め、答えを伏せてエージェントに原因を当てさせる(判定基準を先に決める)
- 診断を崩す役(別のエージェントか、別の担当者)を置き、差し戻しの条件を決める
- 報告書の形を決める(影響・原因・根拠・修正案・次に確かめること)
- エージェントを動かす専用の ID を作り、読める範囲と変えられる範囲を分ける
- 結果を誰が、いつ、どの順番で読むかを決める(影響の大きい順に並べる)
次の予算まで
- クラウド各社の製品(Azure SRE Agent、AWS DevOps Agent など)と、自分で組む場合を、権限・費用・記録の残り方で比べる
- 委託先との役割分担と、報告書の受け渡し方を契約に書く
- 人の承認なしで動かしてよい範囲は「まだ決めない」と決め、半年ごとに見直す
08よくある質問
Performance Factory は、自分の会社でも使えますか?
2026 年 11 月 22 日時点では使えません。OpenAI の社内の仕組みで、外部への提供は記事で触れられていません。同じ考え方の製品としては、Azure SRE Agent や AWS DevOps Agent が一般提供されています。
Codex とは何ですか? ChatGPT とどう違いますか?
Codex は OpenAI のコーディング用の AI エージェントです。コードを読み、書き、テストを動かし、プルリクエストを出せます。ChatGPT が人との会話を中心にしているのに対し、Codex は開発の作業そのものを進める道具です。Performance Factory では、Codex がクラウド上で監視の道具やコードに触れて調査をしています。
障害の調査を AI に任せると、間違った原因で対応してしまいませんか?
その危険はあります。OpenAI の結果でも、原因の正しさは 70% でした。だからこそ、OpenAI は反証役と人の判断の段を置き、デプロイ後に回復を確かめています。任せるのは調査と報告書まで、対応を決めるのは人、と分けておくのが安全です。
09Wizitではどう進めるか
Wizit は、書類の読み取りや社内文書の検索など、生成 AI の業務アプリを作って動かしている会社です。Performance Factory の記事で一番参考になったのは、モデルの話よりも「状態」「人が入る段」「反証役」「後から確かめる段」を先に決める作り方でした。業務のアプリにエージェントを組み込むときも、どの段を AI が受け持ち、どこで人が決め、正しさを何で判定するかを先に表にすることが、Wizit の見方では一番の近道です。
読者の会社で試すなら、まず対象の業務を 1 つに絞ってください。運用の調査でも、書類の点検でも構いません。過去の事例を集め、答えを伏せて AI に当てさせ、合っている割合を自分たちの数字で確かめる。そこから、任せる範囲を決めていくのが確実です。
出典
- OpenAI「How OpenAI's Performance Factory keeps ChatGPT fast」(2026 年 11 月 19 日、オカイ・ゼッド氏、サイラス・フォーブス氏)https://openai.com/index/how-openai-performance-factory-keeps-chatgpt-fast/ (2026 年 11 月 22 日に確認)
- OpenAI Developers(@OpenAIDevs)の X の投稿(2026 年 11 月 19 日)https://x.com/OpenAIDevs/status/2123471880292299171 (本文・アカウント名・投稿日を https://cdn.syndication.twimg.com/tweet-result?id=2123471880292299171&token=a で確認)
- VentureBeat「Exclusive: OpenAI reveals Performance Factory, a Codex-powered software optimization system that keeps ChatGPT fast」(2026 年 11 月 19 日)https://venturebeat.com/orchestration/exclusive-openai-reveals-performance-factory-a-codex-powered-software-optimization-system-that-keeps-chatgpt-fast
- ブレンダン・グレッグ氏「Why I joined OpenAI」(2026 年 2 月 7 日)https://www.brendangregg.com/blog/2026-02-07/why-i-joined-openai.html
- Microsoft「Announcing general availability for the Azure SRE Agent」(2026 年 3 月 10 日)https://techcommunity.microsoft.com/blog/AppsonAzureBlog/announcing-general-availability-for-the-azure-sre-agent/4500682
- AWS「About AWS DevOps Agent」(ユーザーガイド、2026 年 11 月 22 日に確認)https://docs.aws.amazon.com/devopsagent/latest/userguide/about-aws-devops-agent.html
- InfoQ「AWS DevOps Agent GA」(2026 年 4 月 18 日)https://www.infoq.com/news/2026/04/aws-devops-agent-ga
- Google Cloud「Troubleshoot issues with Gemini Cloud Assist investigations」(2026 年 11 月 22 日に確認)https://docs.cloud.google.com/cloud-assist/investigations
発行: 株式会社Wizit。記事の内容に誤りがありましたら、お問い合わせからお知らせください。