Amplitude и Wave: от инсайта в replay до PR за пару дней

Amplitude оценивает цикл с проактивным агентом Wave в 1–2 дня вместо примерно месяца: агент стягивает аналитику, session replay, отзывы и код, находит возможность и передаёт coding agent техплан с критериями приёмки. Amplitude показала на своей главной, как от сигнала в replay до A/B уходит пара дней, а не очередь в спринт.

Wave, по словам компании, опирается примерно на 80% на модели OpenAI. GPT‑6.1 Sol тянет глубокие расследования по коду и данным, GPT‑6 Luna — частые дешёвые проверки, GPT‑Image‑2.5 Flare рисует макеты со скриншотами из записей сессий. Когда задача готова к сборке, её можно отправить из Wave в coding agent, в том числе Codex, без ручной переписки плана.

Карточки на главной

На домашней странице Amplitude generic-подсказки должны были заводить разговор с AI-агентом. Wave выборочно просмотрел 100 session replay: 80 пользователей набрали свой вопрос, только 12 нажали на подсказку.

Агент предложил персонализировать карточки по недавним графикам, дашбордам или странице, с которой пришли пользователи — при этом сохранить свободный ввод и generic-вариант, если контекста нет. После короткого ревью работу отдали coding agent и включили A/B. За сутки отправки через карточки выросли на 160% относительно контроля.

Какие модели на каких задачах

• Opportunity Investigator — GPT‑6.1 Sol: 4,06 из 5 по пяти критериям расследования, медиана 54 минуты, около $1,34 за dispatch.
• Data Science Agent — 67,5 из 100 у Sol против 69,3 у альтернативы при $1,28 против $2,63 за dispatch (на 51% дешевле).
• Макеты — GPT‑Image‑2.5 Flare: 80,3 из 100 на wireframe по 15 возможностям против 63,9 у другой image-модели.

В бете у клиентов багфиксы часто уходят в coding agent сразу, крупные фичи — с человеческим ревью. Среди запущенных экспериментов и флагов четверть вышла в тот же день, когда Wave подсветил возможность, половина — быстрее четырёх дней, две трети — в течение недели.

Источник: How Amplitude ships product improvements in 1–2 days with OpenAI.