Agente de IA encontra bug de 3 anos no motor de consulta do PostHog e melhora performance

O bug do PostHog não era um erro de lógica ou SQL mal escrito, era uma falha silenciosa na interação entre o motor de consulta e a estrutura física dos dados no ClickHouse. A chave primária definida como (team_id, timestamp) deveria permitir que filtros por timestamp usassem o índice esparso para pular granules inteiros, mas, por um problema de otimização interna no parser de consultas, o timestamp era ignorado quando usado em cláusulas WHERE com certos operadores (como BETWEEN com valores dinâmicos). Isso forçava leitura completa de todos os granules da partição, mesmo em queries altamente seletivas. O agente não 'adivinhou' o problema: ele comparou padrões de execução real com modelos de comportamento esperado baseados na documentação oficial do ClickHouse e nos perfis de I/O gerados pelo sistema de tracing interno do PostHog.

Isso difere radicalmente do caso da Mixpanel, onde a IA corrigiu um modelo preditivo defeituoso, aqui, ela identificou uma discrepância entre especificação e implementação. Também contrasta com o Projeto Glasswing, focado em segurança: este foi um achado de engenharia de performance pura, sem relação com vulnerabilidades ou fluxos de dados sensíveis. E, ao contrário do TD Bank, que usa agentes para orquestrar processos externos (como análise de crédito), o agente do PostHog atuou diretamente no stack de infraestrutura, sem intervenção humana além da validação final.

Em maio, a CEVIU destacou o uso de agentes para detectar falhas de segurança em tempo real (Ramp) e para auto-aperfeiçoamento contínuo (Codex). Agora, com o PostHog, vemos a primeira aplicação pública de um agente de IA que não apenas encontra bugs, mas corrige um problema técnico profundo, não em código-fonte, mas no comportamento de um sistema de banco de dados em produção. Antes, a IA era usada para 'ler' ou 'simular'; agora, ela 'diagnostica' e 'valida' a física dos dados. O salto é operacional: enquanto o projeto Glasswing gera relatórios, o agente do PostHog produziu um patch aplicável direto no schema e nas configurações de query rewrite.

Esse caso mostra que agentes de IA estão deixando de ser assistentes de desenvolvedores para virarem engenheiros de confiabilidade autônomos. Um bug que passou três anos despercebido por equipes humanas, apesar de métricas de latência estarem sempre acima do esperado, foi resolvido em horas por um agente treinado com poucos prompts e acesso direto aos logs de execução do ClickHouse. Para empresas que rodam milhares de consultas por segundo em bancos de dados analíticos, isso não é só sobre velocidade: é sobre custo de infraestrutura, previsibilidade de SLA e redução de tempo gasto em investigações manuais de 'slow queries'. A correção de 62% nos granules escaneados equivale, na prática, a desligar um terço dos nós do cluster durante picos de carga, algo que nenhuma ferramenta de observabilidade tradicional conseguia sugerir, porque o problema não estava nos sintomas, mas na suposição implícita de como o índice funcionava.