Lilith.
⌕
Ilustración editorial: Amplitude reduce los cambios de producto a 1 o 2 días, pero el código ya no es el cuello de botella
Ilustración de Lilith · remezcla editorial

Amplitude ha presentado Wave, un agente que detecta problemas en los datos de producto, redacta especificaciones, envía trabajo a coding agents y mide el resultado después del despliegue. Un caso de cliente de OpenAI afirma que la empresa entrega así algunos cambios en 1 o 2 días.

Wave une datos de producto, código y medición en un solo ciclo

Wave analiza product analytics, feedback, session replay, registros de errores, agent traces y resultados de experimentos. Convierte esas señales en un problema documentado, propone una solución y deriva el trabajo a una persona o a un coding agent según el riesgo. Otro review agent comprueba el cambio frente a la especificación, lo ejecuta en un sandbox y prepara una grabación para la revisión humana.

Amplitude dice que la primera versión de sus recomendaciones solo obtuvo alrededor de un 5 % de valoraciones positivas. Las iteraciones internas elevaron esa cifra por encima del 70 %. La empresa también declara procesar casi 80.000 millones de eventos diarios y más de 2,5 billones al mes, una base amplia para localizar problemas de producto.

El coding más rápido traslada la discusión a qué merece construirse

Un coding agent puede ejecutar deprisa una especificación precisa. Elegir un cambio que ayude al usuario y mueva la métrica adecuada resulta mucho más difícil. Wave opera un nivel por encima de un bug bot convencional al relacionar el problema técnico con el comportamiento de las personas, un objetivo de negocio y el resultado de un experimento.

También cambia la función de la revisión. Una persona debe evaluar las pruebas, la prioridad y la estrategia además de la calidad del código. Si esa etapa falla, un agente rápido solo acelera la producción de distracciones bien escritas.

El agente corre en repositorios nuevos y se frena ante el producto maduro

Amplitude describe una diferencia clara entre demo y producción. En un proyecto nuevo y de bajo riesgo, un agente creó 101 funciones en una semana. En el codebase maduro de la empresa, sin embargo, solo cerca del 11 % de las propuestas llega al final, aunque el equipo querría ejecutar casi el 50 %. Las citas débiles, el contexto desactualizado, la búsqueda del repositorio correcto y la exigente revisión humana actúan como freno.

Wave está además en beta cerrada para un pequeño grupo de design partners. Las cifras proceden de Amplitude y todavía no constituyen una medición independiente del rendimiento general. La empresa asegura que no entrena modelos con datos de clientes, pero los compradores necesitarán condiciones precisas sobre tratamiento y acceso.

La tasa de cambios que sobreviven a producción decidirá el resultado

La métrica útil no será el número de oportunidades detectadas ni de pull requests abiertos. Los equipos deberían medir la proporción de propuestas desplegadas, el tiempo humano de verificación, las citas erróneas y el efecto real sobre retención o ingresos.

Wave funcionará si eleva el actual 11 % aproximado sin aumentar los fallos en producción ni obligar a los product managers a pasar el día corrigiendo su criterio. Solo entonces 1 o 2 días serán un modelo operativo y no el titular de un caso de cliente.

El veredicto de Lilith

Wave puede dejar un pull request en la puerta en 2 días. Dentro sigue sentada una persona que debe decidir si el cambio ayuda al cliente o solo mantiene ocupada la cola de review.