كيف تطلق Amplitude تحسينات للمنتجات خلال يوم أو يومين مع OpenAI

لطالما ساعدت Amplitude الفرق على فهم كيفية استخدام الناس لمنتجاتها فعليًا. ويساعد وكيلها الاستباقي للمنتجات Wave الفرق على تحويل هذه الرؤى إلى تحسينات تُطلق للمستخدمين. تصف Amplitude وكيل Wave بأنه يعتمد بنسبة 80% تقريبًا على نماذج OpenAI، ومنها GPT‑6.1 Sol وGPT‑6 Luna وGPT‑Image‑2.5 Flare. يحوّل Wave الرؤى المستخلصة عن المنتجات إلى خطط تنفيذ يمكن للفرق إرسالها إلى وكلاء البرمجة، ومنهم Codex، ثم يقيس أثرها.

تقدّر Amplitude أن Wave يستطيع مساعدة الفرق على إطلاق تحسينات للمنتجات خلال يوم أو يومين، بدلًا من شهر تقريبًا. وفي صفحة Amplitude الرئيسية نفسها، ساعد Wave على تخصيص بطاقات الاقتراحات، مما أدى إلى زيادة الرسائل المرسلة عبرها بنسبة 160%.

Wave هو وكيل Amplitude الاستباقي للمنتجات. تحدد له الفرق جانبًا من المنتج، والأهداف والمقاييس التي تريد تحسينها. يجمع Wave بين بيانات Amplitude وتسجيلات الجلسات وملاحظات العملاء والتعليمات البرمجية لتحديد الفرص وترتيب أولوياتها، وتطوير الحلول، وتنسيق التنفيذ مع الأشخاص ووكلاء البرمجة. ثم يتتبع النتائج ويستفيد مما يتعلمه لتوجيه الجولة التالية من التحسينات.

وراء سير العمل هذا، تستخدم Amplitude نماذج مختلفة من OpenAI لمهام مختلفة. يدعم GPT‑6.1 Sol مدير الفرص وعمليات الاستقصاء المتعمقة في التعليمات البرمجية والبيانات. يتولى GPT‑6 Luna المهام المتكررة الأقل تكلفة، مثل فحص التعليمات البرمجية وإجراء اختبارات تقييم بسيطة. ينشئ GPT‑Image‑2.5 Flare تصورات تصميمية للمنتجات، مستعينًا بلقطات شاشة من تسجيلات الجلسات بوصفها مراجع بصرية.

عندما تصبح الفرصة جاهزة للتطوير، يمكن للفرق إرسالها مباشرةً من Wave إلى وكلاء البرمجة، ومنهم Codex، مع خطة تقنية ومعايير قبول لتوجيه التنفيذ.

يوضح جاكوب نيومان، مدير المنتجات الرئيسي لتقنيات AI في Amplitude: «تقوم فكرة Wave على توفير منصة موحدة تضم وكلاء يمشّطون كميات هائلة من تسجيلات الجلسات والتحليلات والتعليمات البرمجية لاكتشاف فرص تحسين المنتجات».

اختبرت Amplitude وكيل Wave على صفحتها الرئيسية، حيث وُضعت بطاقات اقتراحات عامة لمساعدة المستخدمين على بدء محادثة مع وكيل AI. اكتشف Wave أن المستخدمين غالبًا ما يتجاوزونها: ففي عينة من 100 تسجيل جلسة، كتب 80 مستخدمًا أسئلتهم بأنفسهم، ولم يختر اقتراحًا سوى 12 مستخدمًا.

اقترح Wave تخصيص البطاقات بالاستناد إلى الرسوم البيانية أو لوحات المعلومات الأخيرة، أو الصفحة التي انتقل منها المستخدم. وقدّم تصورًا بصريًا للتغيير وأعدّ خطة تقنية تتضمن الإبقاء على خيار الكتابة الحرة وعرض اقتراحات عامة عند غياب السياق اللازم للتخصيص. بعد مراجعة موجزة، أسند الفريق العمل إلى وكيل برمجة وأجرى اختبار A/B للتغيير.

أظهرت نتائج التجربة التي شاركتها Amplitude أن الرسائل المرسلة عبر بطاقات الاقتراحات في الصفحة الرئيسية زادت بنسبة 160% مقارنةً بالمجموعة الضابطة بعد يوم واحد. يوضح إريك كارلسون، كبير المهندسين الرئيسيين لتقنيات AI في Amplitude: «هذا مثال رائع على أن الأمور البسيطة التي لا تُعدّ ابتكارات ثورية، وغالبًا ما تُهمَل، يمكن أن تزيد الإقبال على الميزات بطرق غير متوقعة».

تفرض مهام Wave متطلبات مختلفة على نماذجه. فالاستقصاء المتعمق يتطلب استدلالًا قويًا واستنتاجات مدعومة جيدًا بالأدلة. أما الفحص البسيط الذي يتكرر مئات المرات، فيجب أن يكون سريعًا وقليل التكلفة. تقيّم Amplitude الجودة وزمن الاستجابة والتكلفة لكل مهمة، ثم تختار النماذج بناءً على ذلك.

لتقييم مستقصي الفرص في Wave، اختبرت Amplitude قدرة النماذج على تأييد النتائج بأدلة إضافية، وتجنّب النتائج الإيجابية الكاذبة، والأخذ بملاحظات المقيِّم، والتعافي من إخفاقات الأدوات، والحفاظ على اتساق الادعاءات مع الأدلة. حقق GPT‑6.1 Sol درجة إجمالية بلغت 4.06 من 5، مقابل 3.62 و3.52 و2.94 لثلاثة نماذج بديلة. وتصدّر معايير الاستقصاء الخمسة جميعها، وسجّل أقصر زمن وسيط للاستقصاء، بلغ 54 دقيقة.

وفي تقييم منفصل لوكيل علوم البيانات في Wave، حقق GPT‑6.1 Sol درجة 67.5 من 100، مقابل 69.3 لنموذج رائد آخر، بمتوسط تكلفة للنموذج بلغ 1.28 دولار مقابل 2.63 دولار لكل عملية إسناد. كما حقق GPT‑6.1 Sol درجات أعلى في الالتزام بمواصفات واجهات الأدوات، والتقدير والتعامل مع عدم اليقين، وإسناد الاستنتاجات إلى الأدلة.

للأعمال المتكررة بكثافة، مثل فحص التعليمات البرمجية وإجراء اختبارات تقييم بسيطة، تستخدم Amplitude نموذج GPT‑6 Luna للحفاظ على انخفاض زمن الاستجابة والتكلفة. يتيح توزيع العمل بين وكلاء متخصصين للفريق تخصيص الاستدلال الأعلى تكلفة للمهام الأشد حاجة إليه.

وفي إنشاء المخططات الهيكلية والتصورات التصميمية، حقق نموذج إنشاء الصور من OpenAI درجة 80.3 من 100 للمخططات الهيكلية للحلول، مقابل 63.9 لنموذج آخر لإنشاء الصور. شمل تقييم Amplitude جودة إيصال الفكرة، ودقة تمثيل المنتج، والالتزام بالتعليمات، ووضوح النص وواجهة المستخدم، والاتساق البصري، وذلك عبر 15 فرصة.

يستخدم عملاء من مختلف القطاعات بالفعل الإصدار التجريبي من Wave لتحديد تحسينات المنتجات وإطلاقها. يحلل Wave بيانات الجلسات والتحليلات، ثم يصوغ توصيات تتضمن إصلاحًا مقترحًا وخطة تقنية ومعايير قبول.

بعد ذلك، تتحكم الفرق في مستوى الأتمتة. ترسل معظم الفرق إصلاحات الأخطاء مباشرةً إلى وكلاء البرمجة، بينما تخضع الميزات الجديدة والمبادرات الأكبر لمراجعة بشرية.

بالنسبة إلى التغييرات التي تصل إلى مرحلة الإطلاق، قد يكون المسار من الاكتشاف إلى التنفيذ قصيرًا: فمن بين التجارب ومفاتيح تفعيل الميزات والأدلة الإرشادية التي أطلقها العملاء، أُطلق واحد من كل أربعة في اليوم نفسه الذي اكتشف فيه Wave الفرصة، والنصف في أقل من أربعة أيام، واثنان من كل ثلاثة خلال أسبوع.

يقول سكيتس: «نطمح، بالتعاون مع OpenAI، إلى أن يصبح بناء منتجات تحسّن نفسها ذاتيًا النهج الذي تتبعه الشركات في تطوير البرمجيات». مع تحسّن قدرات نماذج OpenAI في الاستدلال والبرمجة، ستتمكن الفرق من تفويض مزيد من أعمال الاستقصاء والتنفيذ إلى الوكلاء، مما سيؤدي في النهاية إلى وصول منتجات أفضل إلى المستخدمين بسرعة أكبر. وتلمس Amplitude ذلك بالفعل، إذ يكتشف الوكلاء تحسينات في منتجها ويساعدون على تنفيذها بينما ينشغل الفريق بأولويات أخرى: «أعتقد أن الفرق ستتفاجأ بحجم ما تستطيع إنجازه عندما تعمل برمجياتها إلى جانبها لتحسين المنتج».