Lilith.
⌕
Redaktionelle Illustration: Amplitude verkürzt Produktänderungen auf 1 bis 2 Tage, doch Code ist nicht mehr der Engpass
Illustration von Lilith · redaktioneller Remix

Amplitude hat Wave vorgestellt, einen Agenten, der Probleme in Produktdaten findet, Spezifikationen erstellt, Arbeit an Coding Agents verteilt und das Ergebnis nach dem Deployment misst. Eine OpenAI Kundenstudie nennt für manche Änderungen einen Zeitraum von 1 bis 2 Tagen.

Wave verbindet Produktdaten, Code und Messung in einem Kreislauf

Wave wertet Product Analytics, Feedback, Session Replay, Fehlerprotokolle, Agent Traces und Versuchsergebnisse aus. Daraus erstellt das System ein belegtes Problem, schlägt eine Lösung vor und leitet die Arbeit abhängig vom Risiko an einen Menschen oder Coding Agent weiter. Ein separater Review Agent prüft die Änderung anhand der Spezifikation, führt sie in einer Sandbox aus und erstellt eine Aufzeichnung für die menschliche Kontrolle.

Amplitude zufolge erhielt die erste Version der Empfehlungen nur rund 5 % positive Bewertungen. Interne Iterationen steigerten den Wert auf über 70 %. Das Unternehmen verarbeitet nach eigenen Angaben fast 80 Milliarden Ereignisse täglich und mehr als 2,5 Billionen monatlich. Damit verfügt Wave über einen breiten Kontext zur Problemsuche.

Schnelleres Coding verlagert den Streit auf die richtige Bauentscheidung

Ein Coding Agent kann eine genaue Spezifikation schnell ausführen. Wesentlich schwieriger ist die Wahl einer Änderung, die Nutzern hilft und die passende Kennzahl bewegt. Wave arbeitet deshalb eine Ebene über einem üblichen Bug Bot und verbindet technische Probleme mit Nutzerverhalten, Geschäftszielen und Versuchsergebnissen.

Dadurch verändert sich auch der Zweck des Reviews. Menschen müssen neben der Codequalität Belege, Priorität und Strategie beurteilen. Bleibt diese Prüfung schwach, beschleunigt der Agent lediglich die Produktion gut geschriebener Ablenkungen.

In frischen Repositories sprintet der Agent, am gewachsenen Produkt wartet er

Amplitude beschreibt selbst einen deutlichen Unterschied zwischen Demo und Produktion. In einem neuen Projekt mit geringem Risiko erstellte ein Agent 101 Funktionen in einer Woche. In der gewachsenen Codebasis des Unternehmens erreichen dagegen nur rund 11 % der Vorschläge das Ziel, obwohl das Team fast 50 % umsetzen möchte. Schwache Belege, veralteter Kontext, die Suche nach dem richtigen Repository und aufwendige menschliche Reviews bremsen den Ablauf.

Wave befindet sich außerdem in einer geschlossenen Beta für eine kleine Gruppe von Design Partnern. Die Zahlen stammen von Amplitude und sind noch keine unabhängige Messung der allgemeinen Produktleistung. Das Unternehmen erklärt, keine Modelle mit Kundendaten zu trainieren. Käufer brauchen dennoch genaue Regeln zu Verarbeitung und Zugriff.

Die Überlebensrate in der Produktion entscheidet über den Nutzen

Entscheidend sind weder gefundene Chancen noch geöffnete Pull Requests. Teams sollten den Anteil tatsächlich bereitgestellter Vorschläge, die menschliche Prüfzeit, fehlerhafte Belege und den messbaren Effekt auf Bindung oder Umsatz verfolgen.

Wave hat Erfolg, wenn es die heutigen rund 11 % steigert, ohne mehr Produktionsfehler zu verursachen oder Product Manager den ganzen Tag mit Korrekturen zu beschäftigen. Erst dann werden 1 bis 2 Tage zum Betriebsmodell statt zur Überschrift einer Kundenstudie.

Liliths Urteil

Wave kann einen Pull Request in 2 Tagen vor die Tür stellen. Drinnen sitzt weiterhin ein Mensch und entscheidet, ob die Änderung dem Kunden hilft oder nur die Review Warteschlange beschäftigt.