#Engineering

OpenAIは、大規模なcore dump分析でまれなインフラクラッシュを調査し、ハードウェア障害と長年のソフトウェアバグを特定した事例を公開しました。 AIサービス運用の信頼性を支えるデータ基盤・デバッグ手法に関するエンジニアリング記事です。

OpenAI公式RSSでは、エンジニアが大規模core dump分析を使ってまれなインフラクラッシュを調査し、ハードウェア障害と18年続いたソフトウェアバグを見つけたと説明されています。 ChatGPTやAPIの利用者向け新機能ではなく、AIサービスを支えるインフラ信頼性・障害解析の事例です。 対象は大規模AIインフラ、SRE、データ基盤、低頻度障害の解析に関わるエンジニアです。 API、モデル、プラン、移行期限、破壊的変更はありません。 実務上は、大規模運用で希少障害を統計的に追跡し、ハードウェアとソフトウェアの両面から原因を切り分ける事例として参考になります。

OpenAIとThrive Holdingsが、税務エージェントをCodexで継続改善する実例を公開しました。実務者の修正、プロダクトトレース、評価セットをCodexに渡し、エージェント自身の性能改善ループを作る内容です。

Tax AIはCreteの30以上の会計事務所向けに、1040/1041などの税務申告準備を支援しました。7,000件の申告を処理し、税務準備時間を約3分の1削減、最大97%の精度、スループット約50%向上とされています。重要なのは、単にCodexがコードを書く話ではなく、実務者の修正ログを「評価可能な失敗」として構造化し、Codexが対象コード・プロダクトトレース・評価コマンドを使って改善する点です。エージェントを本番投入した後、失敗を集めてeval化し、Codexに改善タスクとして渡すパターンは、税務以外の業務エージェントにも応用できます。