Агент Wave от Amplitude сокращает циклы релизов ценой в $1,34 за запуск
Традиционный вывод продуктового улучшения на рынок требовал около месяца ручного формирования требований, разработки и тестирования. Теперь Amplitude оценивает, что ее проактивный продуктовый агент Wave позволяет командам развертывать аналогичные обновления за один-два дня. Этот переход знаменует сдвиг от перегруженных бэклогов к алгоритмическим циклам исполнения с автоматизированным анализом задач. Подобная модель ставит под сомнение классическое планирование дорожных карт: автоматизированная система выявляет проблемные точки непосредственно по поведенческим логам, формирует технические спецификации и передает их напрямую автономным кодерам.
Тем не менее корпоративные лидеры сталкиваются с прагматичным финансовым расчетом: способны ли автономные агенты координировать код, визуальные макеты и аналитику без постоянного вмешательства людей для устранения отклонений? Данные указывают на то, что планирование продукта трансформируется из ежеквартальных дискуссий команд в автоматическую генерацию гипотез с прозрачной юнит-экономикой. Amplitude отмечает, что Wave примерно на 80% опирается на модели OpenAI, используя оркестрированную связку из GPT-6.1 Sol, GPT-6 Luna и GPT-Image-2.5 Flare для сокращения операционных затрат при параллельном росте скорости релизов.
Автоматизированный аудит поведения и рост метрик на 160%
Механика этой агентной модели проявилась в ходе внутреннего аудита главной страницы самой Amplitude. Страница содержала стандартные карточки подсказок для вовлечения пользователей в диалог с ИИ-агентом, однако телеметрия зафиксировала обратный эффект. В выборке из 100 записей сессий, проанализированных Wave, 80 пользователей предпочли вводить запросы вручную и только 12 кликнули на карточки. Вместо того чтобы оставить неэффективный функционал без внимания, Wave выявил поведенческое несоответствие и спроектировал автоматическое исправление.
Wave предложил персонализировать подсказки на основе последних графиков, дашбордов или страницы перехода пользователя, сформировав технические критерии для сохранения ручного ввода и резервных сценариев. После беглой валидации плана инженерами задачи были направлены кодинг-агентам, включая Codex. Согласно отчету об эксперименте Amplitude, количество сообщений, отправленных через карточки подсказок на главной странице, выросло на 160% по сравнению с контрольной группой уже через день.
«Суть Wave заключается в единой платформе с агентами, которые сканируют огромные массивы записей сессий, аналитики и кода для поиска точек роста продукта», — поясняет Джейкоб Ньюман, ведущий менеджер по продуктам ИИ в Amplitude.
Как отметил Эрик Карлсон, старший ведущий инженер по ИИ в Amplitude, тест главной страницы наглядно демонстрирует, как обычно игнорируемые базовые элементы интерфейса могут резко повысить вовлеченность, если система целенаправленно ищет точки трения.
Многоуровневая архитектура моделей и юнит-экономика инференса
Экономическая жизнеспособность такого автономного пайплайна напрямую зависит от стоимости вычислительных мощностей. Развертывание тяжелых reasoning-моделей на рутинных операциях быстро истощает бюджеты разработки. Amplitude решает эту проблему за счет многоуровневой маршрутизации задач. GPT-6.1 Sol обеспечивает работу менеджера гипотез и выполняет глубокий анализ кода и данных, тогда как GPT-6 Luna берет на себя частые и дешевые операции вроде сканирования репозиториев и быстрых оценочных тестов. Для визуального слоя GPT-Image-2.5 Flare генерирует интерфейсные макеты, используя скриншоты из сессий пользователей как референсы.
В бенчмарке Opportunity Investigator модель GPT-6.1 Sol набрала 4,06 балла из 5, опередив трех конкурентов с результатами 3,62, 3,52 и 2,94 балла и показав лидерство по всем пяти критериям исследования. По оценке Amplitude, стоимость модели в этом бенчмарке составила $1,34.
«ИИ способен находить полезные задачи, которые мы сами даже не догадались бы поставить. Модели OpenAI могут исследовать проблему, писать и исполнять код, а затем использовать полученные результаты для выбора следующих шагов».
Финансовая дисциплина соблюдается и в высоконагруженных задачах. В бенчмарке Data Science Agent модель GPT-6.1 Sol получила 67,5 балла из 100 при средней стоимости $1,28 за запуск, что на 51% дешевле альтернативной ведущей модели, набравшей 69,3 балла при цене $2,63. За счет такого разделения уровней дорогие вычислительные ресурсы изолируются исключительно под сложные архитектурные задачи.
Хотя маркетинговые нарративы обещают полную автономность, где софт сам планирует, пишет и внедряет код без трения, техническая реальность по-прежнему требует контроля человека между генерацией предложений и деплоем в прод. Amplitude сжимает месячный цикл разработки до пары дней, однако пайплайн все еще зависит от финального ревью инженеров, гарантирующего соответствие фактам и предотвращающего критические сбои системы.
Как менялась картина
Месячные циклы ручной разработки в Amplitude сжались до одного-двух дней автономной правки интерфейсов. Людям в этой цепочке Wave оставил лишь беглую валидацию готовых технических критериев перед отправкой задач кодинг-агентам. Скорость релизов теперь упирается не в человеческие споры о бэклоге, а в точность связки дешевых сканеров и тяжелых моделей логики.
Источник: OpenAI Blog