2026-11-12 · ← Aktualności
Amplitude skraca zmiany produktowe do 1 lub 2 dni, lecz kod przestał być wąskim gardłem
Amplitude twierdzi, że agent Wave potrafi przeprowadzić część zmian od sygnału do wdrożenia w 1 lub 2 dni. Własne dane firmy pokazują trudniejszą granicę: w dojrzałym codebase do produkcji trafia tylko około 11 % propozycji.
Nie udało się wczytać obrazu.
Amplitude przedstawiło Wave, agenta, który wyszukuje problemy w danych produktowych, przygotowuje specyfikacje, kieruje pracę do coding agentów i mierzy rezultat po wdrożeniu. Studium klienta OpenAI podaje, że niektóre zmiany firma dostarcza w ten sposób w 1 lub 2 dni.
Wave łączy dane produktowe, kod i pomiar w jedną pętlę
Wave analizuje product analytics, feedback, session replay, logi błędów, agent traces i wyniki eksperymentów. Z tych sygnałów buduje opis problemu z dowodami, proponuje rozwiązanie i zależnie od ryzyka przekazuje zadanie człowiekowi albo coding agentowi. Osobny review agent porównuje zmianę ze specyfikacją, uruchamia ją w sandboxie i przygotowuje nagranie do kontroli przez człowieka.
Amplitude podaje, że pierwsza wersja rekomendacji zbierała tylko około 5 % pozytywnych ocen. Po wewnętrznych iteracjach wynik wzrósł powyżej 70 %. Firma deklaruje też przetwarzanie niemal 80 mld zdarzeń dziennie i ponad 2,5 bln miesięcznie, co daje Wave szeroki kontekst do wyszukiwania problemów.
Szybszy coding przenosi spór na wybór rzeczy wartych budowy
Coding agent potrafi szybko wykonać precyzyjną specyfikację. Znacznie trudniej wybrać zmianę, która pomoże użytkownikom i poprawi właściwą metrykę. Wave działa więc poziom wyżej niż zwykły bug bot, bo łączy problem techniczny z zachowaniem ludzi, celem biznesowym i wynikiem eksperymentu.
Zmienia się również rola review. Człowiek ocenia nie tylko jakość kodu, lecz także dowody, priorytet i strategię. Słaba kontrola sprawi, że szybki agent jedynie przyspieszy produkcję dobrze napisanych rzeczy bez znaczenia.
W świeżym repozytorium agent biegnie, przy dojrzałym produkcie czeka na zgodę
Amplitude samo opisuje wyraźną różnicę między demem a produkcją. W nowym projekcie o niskim ryzyku agent stworzył 101 funkcji w tydzień. W dojrzałym codebase firmy do końca dociera jednak około 11 % propozycji, choć zespół chciałby zrealizować prawie 50 %. Przeszkodą są słabe cytowania, nieaktualny kontekst, wyszukiwanie właściwego repozytorium i wymagająca kontrola człowieka.
Wave działa ponadto w zamkniętej becie dla małej grupy design partners. Liczby pochodzą od Amplitude i nie są jeszcze niezależnym pomiarem ogólnej skuteczności produktu. Firma zapewnia, że nie trenuje modeli na danych klientów, ale nabywcy nadal potrzebują precyzyjnych zasad przetwarzania i dostępu.
O wyniku zdecyduje odsetek zmian, które przejdą kontrolę produkcyjną
Najważniejszą metryką nie będzie liczba znalezionych okazji ani otwartych pull requestów. Zespoły powinny mierzyć odsetek wdrożonych propozycji, czas ludzi poświęcony na weryfikację, błędne cytowania i realny wpływ na retencję lub przychody.
Wave odniesie sukces, jeśli podniesie dzisiejsze około 11 % bez wzrostu liczby błędów produkcyjnych i bez całodniowego poprawiania jego decyzji przez product managerów. Dopiero wtedy 1 lub 2 dni staną się modelem działania, a nie nagłówkiem studium klienta.
Werdykt Lilith
Wave potrafi doprowadzić pull request pod drzwi w 2 dni. W środku nadal siedzi człowiek, który musi rozpoznać, czy zmiana pomoże klientowi, czy tylko zajmie kolejkę review.