Az Amplitude egy, Wave névre keresztelt proaktív termékügynökét mutatta be, amely döntő részt OpenAI‑modellekre épül. A cég szerint a rendszer körülbelül 80%-ban használ OpenAI‑modulokat, köztük a GPT‑6.1 Solt, GPT‑6 Lunát és GPT‑Image‑2.5 Flaret. Wave célja, hogy a termékanalitikából és a felhasználói viselkedésből fakadó lehetőségeket megfogalmazza, megtervezze a kivitelezést, továbbadja azt kódoló ügynököknek, majd mérje a változások hatását.
Működés és feladatmegosztás
A csapatok megadják Wave‑nek a termékterületet, valamint azokat a célokat és mutatókat, amelyeket javítani szeretnének. Wave összegyűjti és elemezteti az Amplitude adatait, session replayeket, ügyfélvisszajelzéseket és kódot, majd:
- azonosít és priorizál lehetőségeket;
- kidolgoz megoldásokat és technikai terveket;
- koordinálja a végrehajtást emberekkel és kódoló ügynökökkel (például Codexszel);
- követi az eredményeket és a tanulságokat visszaforgatja a következő iterációba.
A háttérben különböző OpenAI‑modelleket rendelnek eltérő feladatokhoz. GPT‑6.1 Solt használják az Opportunity Investigator és mélyebb kód‑ és adatvizsgálatokhoz; GPT‑6 Lunát a gyakori, alacsony költségű ellenőrzésekhez és kómszkenneléshez; GPT‑Image‑2.5 Flaret pedig termékvázlatok és mockupok generálásához, session replayekből származó képernyőképek vizuális referenciájaként.
Amikor egy lehetőség kivitelezésre kész, a csapatok a Wave‑ből közvetlenül továbbíthatják a technikai tervet és az elfogadási kritériumokat kódoló ügynököknek.
Esetpélda: személyre szabott javaslatkártyák az Amplitude kezdőoldalán
Amplitude saját honlapján tesztelte Wave‑t: korábban általános javaslatkártyák segítették a felhasználókat, hogy egy AI‑ügynökkel beszélgetést indítsanak. Egy minta‑100 session replay alapján kiderült, hogy 80 felhasználó inkább saját kérdést írt be, és csak 12 választott egy javaslatot. Wave azt javasolta, hogy a kártyákat személyre szabják az utóbbi időben megtekintett diagramokkal, dashboardokkal vagy azzal az oldallal, ahonnan a felhasználó érkezett. Bemutatta a változtatást és kidolgozott egy technikai tervet, amely megőrizte a szabad szövegbevitel lehetőségét, és csak akkor jelenítette a generikus javaslatokat, ha nem állt rendelkezésre személyre szabási kontextus.
A változtatást rövid felülvizsgálat után egy kódoló ügynöknek adták át, majd A/B tesztelték. Az Amplitude által közzétett eredmény szerint a kezdőoldali javaslatkártyákon keresztül küldött üzenetek 160%-kal nőttek a kontrollcsoporthoz képest egy nap után. Eric Carlson, Senior Principal AI Engineer az Amplitude‑nál ezt példaként említette arra, hogyan hozhatnak „nem forradalmi” de figyelmen kívül hagyott változtatások jelentős felhasználói elfogadottság‑növekedést.
Teljesítmény, költség és modellválasztás
Amplitude felméri minden feladattípusnál a minőséget, válaszidőt és költséget, és ennek megfelelően osztja be a modelleket. A deep investigation‑ök erős érvelést és bizonyítékokra épülő következtetéseket igényelnek; az ismétlődő, nagyszámú ellenőrzésnek viszont alacsony késleltetésre és költségre van szüksége.
Az Opportunity Investigator értékelésében GPT‑6.1 Sol összesített pontszáma 4,06 volt 5‑ből; három alternatív modell 3,62, 3,52 és 2,94 pontot ért el. GPT‑6.1 Sol vezetett az öt vizsgálati kritériumban, és medián vizsgálati ideje 54 perc volt, ami a leggyorsabb a tesztelt modellek között.
A Data Science Agent vizsgálatban GPT‑6.1 Sol 67,5 pontot kapott 100-ból, egy másik vezető modell 69,3 pontjával szemben; itt a GPT‑6.1 Sol átlagos modellköltsége aktív futtatásonként 1,28 USD volt szemben a másik modell 2,63 USD‑jával. A GPT‑6.1 Sol jobbnak bizonyult a tool‑contract teljesítésében, a becslések és bizonytalanság kezelése terén, valamint a bizonyítékokhoz kötött állításokban.
A magas forgalmú, egyszerűbb feladatokhoz GPT‑6 Luna‑t alkalmazzák, hogy alacsonyan tartsák a késleltetést és a költséget. A munka specialisták közötti felosztása lehetővé teszi, hogy a drágább, erősebb érvelést igénylő modelleket csak ott használják, ahol valóban szükséges.
Képgenerálásnál az OpenAI képgeneráló modellje 80,3 pontot ért el 100‑ból a megoldásvázlatoknál, szemben egy másik modell 63,9 pontjával. Az értékelés kommunikációs minőséget, termék‑hűséget, instrukciókövetést, szöveg‑ és UI‑olvashatóságot, valamint vizuális koherenciát mérte 15 lehetőségre kiterjedően.
Ügyfelek és bevezetési idők
Ügyfelek különböző iparágakból már a Wave béta‑verzióját használják, hogy lehetőségeket azonosítsanak és élesítsenek. Wave ajánlásai javasolt javítást, technikai tervet és elfogadási kritériumokat tartalmaznak. A csapatok szabadon szabályozhatják az automatizálás szintjét: a legtöbb csapat a hibajavításokat közvetlenül kódoló ügynököknek küldi, míg az új funkciók és nagyobb változtatások emberi felülvizsgálaton mennek keresztül.
Amplitude adatai szerint azoknál a változtatásoknál, amelyek eljutottak a bevezetésig, a felfedezéstől a végrehajtásig tartó út rövid lehet: az ügyféláltal indított kísérletek, feature flagek és guide‑ok közül minden negyedik ugyanazon a napon élesedett, amikor Wave felfedte a lehetőséget; a változtatások fele kevesebb mint négy nap alatt, kétharmada pedig egy héten belül éles lett.
Célok és jövőkép
Amplitude ambíciója – ahogy a cég fogalmazott – az, hogy az OpenAI‑val együttműködve a „önjavító termékek” váljanak alapértelmezett módszerré a szoftverfejlesztésben. Amint az OpenAI modellek egyre jobbá válnak az érvelésben és a kódolásban, a csapatok egyre nagyobb részét delegálhatják az ügynököknek, ami gyorsabban juttathat jobb termékeket a felhasználókhoz. Az Amplitude saját termékénél már látni, hogy agentek találnak lehetőségeket és segítik azok kivitelezését, miközben a fejlesztői csapat más prioritásokon dolgozik.
Végkövetkeztetés
Wave egy olyan platform‑szerű megközelítést ad, amely automatizált és emberi ellenőrzést kombinál, különböző OpenAI‑modellek képességeit felosztva a feladatok között. Az Amplitude bemutatott eredményei szerint a megközelítés csökkentheti az új termék‑javítások piacra juttatásának idejét és javíthatja a funkciók elfogadását, miközben figyelembe veszi a költségeket és a minőséget minden egyes modellalkalmazásnál.
