OPENAI SEARCH INSIGHT
ChatGPTを速く保つCodex活用の自動修復基盤、OpenAIが解説
この記事で分かること: OpenAIがChatGPTの遅延や性能低下を検知・調査・修正する仕組みを、利用者への影響と注意点を含めて知りたい。
OpenAIは2026年11月19日、ChatGPTの応答速度などに関わる性能問題を自動で見つけ、原因調査から修正案の作成、改善確認までを支援する社内システム「Performance Factory」を解説した。Codexを活用したエージェント型のワークフローで、性能低下への対応を速めることが狙いだ。
一般のChatGPT利用者が新たな操作をする必要があるとの発表ではない。一方、利用中に応答が遅いと感じる場面では、OpenAI社内で警告を起点に原因を調べ、エンジニアの確認を経て対処する仕組みが動く可能性がある。修正の最終判断やデプロイは、現時点でエンジニアが担うとしている。
OpenAIが発表したPerformance Factoryとは
Performance Factoryは、OpenAIがクラウド上で運用する自律的な性能エンジニアリングの仕組みだ。性能の「回帰」、つまり変更後に応答速度や可用性が以前より悪化する問題を見つけ、調査し、解決までの作業を自動化するために構築された。
中心となるのはCodexだ。Codexエージェントは、あらかじめ定められた指示に沿って、コード、指標、ログ、処理の追跡記録などを調べる。エンジニアは繰り返し発生する作業をワークフローとして定義し、各段階でエージェントに何をさせるかを設定する。
OpenAIによると、この仕組みは従来の手作業中心の調査を置き換えるのではなく、調査や修正案作成を加速するものだ。担当者は、提案の根拠を確認し、サービス上の影響や設計上のトレードオフを踏まえて、変更を採用するか判断する。
ChatGPTの遅さにどう対応するのか
最初に稼働したのが「Regression Workflow(回帰対応ワークフロー)」である。設定された性能アラートが発火するとタスクを作成し、エージェントが遅くなった対象、悪化が始まった時点、影響を受けたリクエストを調べる。
続いて、デプロイや機能フラグの変更、関連するコード、ログや処理記録を照合し、原因候補を絞り込む。調査結果はタスクに保存されるため、別のエージェントやエンジニアが途中から作業を引き継げる。調査、修正案、復旧確認を一連の状態として管理する点が、この仕組みの特徴だ。
原因の診断には、別のCodexセッションが結論を反証しようとする「敵対的レビュー」も導入した。最初に見つかったもっともらしい説明をそのまま採用せず、影響を受けていないリクエストとの比較や、変更を戻した際の指標の動きなどを確認する。
公表された運用実績と人による確認
OpenAIは、Regression Workflowが稼働開始から3カ月強で1,700件超の調査を追跡し、600件超で根本原因を特定したと説明する。1日当たりでは17件の自動調査に相当するという。これは社内の性能対応ワークフローに関する実績であり、利用者ごとの障害解決件数を示す数値ではない。
また、根本原因の提案100件を人手でレビューした結果では、70%を正確と評価した一方、30%は追加の精査が必要、または因果関係を十分に確立できていなかった。自動調査の診断には誤りや不十分なケースもあることを、OpenAI自身が明示している。
修正は原因特定より難しい場合がある。エージェントの提案が必要以上に複雑だったり、新たな問題を引き起こしたりする例があるため、修正案にも別のエージェントによるレビューを加える。プルリクエストはエンジニアが確認し、マージするかを決める。
利用者に関係する変化と、今日の使い方
今回の発表は、ChatGPTの新機能、料金、利用プラン、提供地域を告知するものではない。利用者がPerformance Factoryをオンにしたり、Codexへ直接指示したりするための案内も、公式発表には示されていない。
実用上のポイントは、ChatGPTの速度や安定性を保つための内部運用が自動化されつつあることだ。性能アラートを受けて調査を開始し、修正を展開した後にも、元の水準へ戻ったかをエージェントが確認する。修正後の復旧確認までがワークフローに含まれる。
ただし、この仕組みがあるからといって、すべての遅延が直ちに解消されると受け取るべきではない。OpenAIは、レビュー待ちが処理上の制約になり得ることや、アラートが鳴らない小さな性能低下を今後より能動的に探す取り組みを進めていると説明している。
仕組みを支える4つの要素
Performance Factoryは、設定可能なワークフローを持つタスク管理機能、実行可能な作業をエージェントへ割り当てる処理、クラウドでCodexを実行するAPI、イベントに応じて作業を再開する通知機構の4要素で構成される。
例えば、コードレビューでコメントが付いた時やデプロイが終わった時には、待機していたタスクを再開できる。エージェントを待機中も動かし続けるのではなく、必要な変化が起きた時点で次の作業へ進める設計だ。
クラウド上のエージェントには、社内ネットワーク内でコードリポジトリや監視ツールへのアクセスが与えられる。権限はサービス用の識別情報で範囲を限定し、どの操作が性能対応エージェントによるものかを追跡できるようにしている。権限管理と操作の識別を前提に自動化している点も重要だ。
Agent Memories編集部の考察
今回の注目点は、AIが単発で原因候補を答える段階から、検知、調査、反証、修正提案、レビュー、展開後の検証という業務の流れを管理する段階へ進もうとしていることだ。人が毎回手順を指示するのではなく、再利用可能な作業手順として知見を蓄積する考え方が見える。
ただし、OpenAIの説明でも、人間の役割はなくなっていない。特に、キャッシュ導入による古いデータのリスクのように、速度改善と別の品質要件を比較する判断には、サービス事情を知るエンジニアの関与が必要になる。自動化の目的は判断の排除ではなく、判断に必要な情報を整えることだと考えられる。
利用者の立場では、ChatGPTの応答が一時的に遅い際、個別の操作だけでは解決できないサーバー側の要因もあると理解しておくとよい。急ぎの作業では、重要な入力を手元に保存し、応答の再試行や時間を置いた再アクセスを検討することが現実的だ。ただし、これらは一般的な利用上の対処であり、今回の公式発表が特定の対処法として案内したものではない。
よくある質問
Performance FactoryはChatGPT利用者が使える機能ですか
公式発表では、OpenAI社内の性能対応システムとして説明されている。一般利用者向けの操作画面、申し込み方法、料金、利用条件は発表内で案内されていない。
ChatGPTが遅ければ自動で必ず直りますか
OpenAIは性能問題の検知・調査・修正支援を自動化していると説明するが、すべての遅延を即時に解消できるとは述べていない。修正案はエンジニアがレビューし、展開後にも復旧を確認する工程がある。
Codexが修正を自動で本番環境へ反映するのですか
現時点の説明では、Codexが修正案を実装してプルリクエストを作成する場合があるが、エンジニアがレビューし、マージの可否を決める。OpenAIは将来的に低リスクな変更を人の介在なしで反映する可能性を探っている段階だとしている。
なぜ別のエージェントに診断を疑わせるのですか
最初の調査がもっともらしい原因を早期に結論づけ、誤るケースがあったためだ。別のエージェントが前提や反事実を検証することで、根拠が弱い診断を再調査へ戻し、精度を高めようとしている。
まとめ
OpenAIは、ChatGPTの性能低下を検知した後、Codexを使って原因調査、修正案の作成、展開後の復旧確認をつなぐPerformance Factoryを運用している。利用者向けの新しい提供条件ではなく、ChatGPTを速く保つための社内基盤に関する発表と位置付けられる。
重要なのは、AIによる自動化と人のレビューを組み合わせている点だ。OpenAIは今後、アラートに現れない性能低下や最適化の機会も見つける仕組みを検討しているが、具体的な利用者向け提供内容や時期については、この発表では示していない。
公式出典・確認日
OpenAI公式情報を2026-11-22時点で確認しています。提供範囲・料金・画面は更新される場合があります。
新しいAIへ乗り換えても、自分の前提や判断を持ち運べる状態をつくる。Agent Memoriesは、記憶をスキルや外部ツールへつなぐAIパートナー基盤を育てています。
AIエージェントの記憶を知る Agent Memoriesを見る本カテゴリはMiraigent / Agent Memoriesによる非公式編集記事です。OpenAIとの提携・承認・後援を示すものではありません。