Amplitude оценивает срок выпуска доработок с агентом Wave в 1-2 дня, раньше уходил месяц

Amplitude рассказала на сайте OpenAI, как ее проактивный продуктовый агент Wave сокращает выпуск улучшений с примерно месяца до 1-2 дней. Это оценка самой компании. Она же описывает Wave как примерно на 80% построенный на моделях OpenAI. Это история клиента, опубликованная самим вендором, поэтому цифры стоит читать как заявления Amplitude, а не как независимое измерение.
Что делает Wave
Команда задает агенту область продукта, цели и метрики. Дальше Wave собирает данные аналитики Amplitude, записи пользовательских сессий, отзывы клиентов и код, находит возможности для улучшения и расставляет приоритеты. Для выбранной идеи он готовит техплан с критериями приемки и передает его кодовому агенту, в том числе Codex. После релиза Wave отслеживает результат и использует его в следующем цикле.
Какие модели за что отвечают
Amplitude не гоняет все задачи через одну модель. GPT-6.1 Sol работает в менеджере возможностей и в глубоких расследованиях по коду и данным. GPT-6 Luna берет частые и недорогие операции: сканирование кода и небольшие проверки в оценочных прогонах. GPT-Image-2.5 Flare рисует макеты интерфейса, опираясь на скриншоты из записей сессий.
По цифрам из кейса: в оценке Data Science Agent средняя стоимость модели на один запуск у GPT-6.1 Sol оказалась на 51% ниже, а в оценке Opportunity Investigator стоимость для этой модели составила $1,34. С чем именно сравнивали и что считается одним запуском, в доступной части материала не сказано.
Эксперимент на собственной странице
Пример Amplitude взяла из своего продукта. На главной странице висели универсальные карточки-подсказки, которые должны были подтолкнуть пользователя к диалогу с ИИ-агентом. Wave разобрал 100 записей сессий и увидел, что 80 человек вводили свой вопрос вручную, а подсказку выбрали только 12.
Агент предложил персонализировать карточки: подставлять недавние графики, дашборды или страницу, с которой пришел человек. В техплане он отдельно оговорил, что свободный ввод сохраняется, а при отсутствии контекста показываются обычные подсказки. Команда коротко проверила план, передала задачу кодовому агенту и запустила A/B-тест.
Через день число сообщений, отправленных через карточки, выросло на 160% относительно контрольной группы. В заголовке кейса та же цифра названа ростом вовлеченности в агента, хотя в тексте речь именно о сообщениях через карточки. Это одна правка на одной странице и однодневный замер, так что переносить результат на другие продукты рано.
Что здесь важно
По мнению автора, идея не нова: аналитика, которая сама предлагает гипотезы, и кодовые агенты, которые их реализуют, обсуждаются по отдельности уже давно. Интересно здесь другое: Amplitude замкнула цикл целиком, от поиска проблемы в записях сессий до измерения эффекта. Команда при этом проверяет план перед передачей кодовому агенту.
Второе наблюдение касается архитектуры. Для расследований Amplitude берет GPT-6.1 Sol, для частых недорогих задач GPT-6 Luna. Для команд, которые строят агентов на API, такое разделение по задачам выглядит рабочей схемой, хотя из кейса не видно, как именно компания считает общую экономию.
Wave вырос из аналитики и сразу работает с данными Amplitude, записями сессий и кодом в одном месте. Насколько сокращение до 1-2 дней повторится у клиентов с более тяжелыми релизными процессами, из кейса не видно.
Источники
Похожие новости
Vercel Labs выпустила UI SDK: 50+ поведений интерфейса для ИИ-агентов
Vercel Labs открыла бета-версию UI SDK под Apache-2.0: набор из 50+ поведений интерфейса, из которых агенты собирают доступные компоненты для React, Vue, Svelte, Solid и Web Components.
llama.cpp и ggml вышли в версии 1.0.0 и перешли на семантическое версионирование
Команда ggml-org выпустила llama.cpp и ggml v1.0.0. Теперь поломки API и ABI будут отмечать повышением мажорной версии, а сборки появятся в Homebrew, Winget, conda-forge и других каналах.
NVIDIA добавила в AICR компонент учета AI-нагрузок на базе k8s-aibom от Google
AI Cluster Runtime от NVIDIA получил компонент AIBOM на базе k8s-aibom: в пространствах имен с включенным opt-in он записывает, какие модели и образы работают в кластере. Контроллер потребляет в среднем около 2,2 millicores CPU.