Hopp til hovedinnhold
OpenAI

12. november 2026

Amplitude lanserer produktforbedringer på 1–2 dager med OpenAI

Amplitudes proaktive produktagent Wave bygger hovedsakelig på OpenAI-modeller, identifiserer hva som bør utvikles, hjelper team med å lansere endringer med kodeagenter og måler effekten.

Amplitude-logo på en mørkeblå bakgrunn med bølget glasstekstur.
Region: Nord-Amerika
Bransje: Teknologi
Produkter: Codex
Bedriftsstørrelse: Mellomstore bedrifter

160 %

Økning i bruk av agenten sammenlignet med kontrollgruppen etter én dag

1–2 dager

Anslått tid for å lansere en produktforbedring med Wave

51 %

Lavere gjennomsnittlig modellkostnad per oppdrag for GPT‑6.1 Sol i Amplitudes evaluering av Data Science Agent.

1,34 USD

Modellkostnad for GPT‑6.1 Sol i Amplitudes evaluering av Opportunity Investigator.

Amplitude har alltid hjulpet team med å se hvordan folk faktisk bruker produktene deres. Den proaktive produktagenten Wave hjelper team med å omsette denne innsikten til lanserte forbedringer. Ifølge Amplitude drives Wave omtrent 80 % av OpenAI-modeller, deriblant GPT‑6.1 Sol, GPT‑6 Luna og GPT‑Image‑2.5 Flare. Wave omsetter produktinnsikt til implementeringsplaner som team kan sende til kodeagenter, deriblant Codex, og måler deretter effekten.

Amplitude anslår at Wave kan hjelpe team med å lansere produktforbedringer på 1–2 dager, ned fra omtrent en måned. På Amplitudes egen startside bidro Wave til å tilpasse forslagskort, noe som økte antall meldinger sendt via kortene med 160 %.

«AI kan nå finne nyttige oppgaver vi aldri tenkte på å gi den. OpenAIs modeller kan undersøke et problem, skrive og kjøre kode og bruke resultatene til å avgjøre hva de skal prøve videre.»
– Spenser Skates, administrerende direktør i Amplitude

Fra produktdata til lanserte forbedringer

Wave er Amplitudes proaktive produktagent. Team gir den et produktområde og angir hvilke mål og måltall de ønsker å forbedre. Wave sammenstiller Amplitude-data, opptak av brukerøkter, kundetilbakemeldinger og kode for å identifisere og prioritere muligheter, utvikle løsninger og koordinere implementeringen med mennesker og kodeagenter. Deretter følger den opp resultatene og bruker lærdommene som grunnlag for neste runde med forbedringer.

Bak denne arbeidsflyten bruker Amplitude ulike OpenAI-modeller til ulike oppgaver. GPT‑6.1 Sol støtter mulighetsstyringen og grundige undersøkelser av kode og data. GPT‑6 Luna håndterer hyppige oppgaver til lavere kostnad, som gjennomgang av kode og små evalueringskontroller. GPT‑Image‑2.5 Flare genererer produktutkast med skjermbilder fra opptak av brukerøkter som visuelle referanser.

Når en mulighet er klar for utvikling, kan team sende den direkte fra Wave til kodeagenter, deriblant Codex, med en teknisk plan og akseptansekriterier som veileder implementeringen.

Menyen «Send til kodeagent» i Wave viser Codex og Wave Code Agent som alternativer for implementering.

Slik økte Wave bruken av agenten med 160 %

«Tanken med Wave er å ha én samlet plattform med agenter som går gjennom enorme mengder opptak av brukerøkter, analysedata og kode for å finne muligheter til å forbedre produkter», forklarer Jacob Newman, ledende AI-produktsjef i Amplitude.

Amplitude testet Wave på sin egen startside, der generelle forslagskort skulle hjelpe brukerne med å starte en samtale med en AI-agent. Wave oppdaget at folk ofte hoppet over dem: I et utvalg på 100 opptak av brukerøkter skrev 80 brukere sine egne spørsmål, og bare 12 valgte et forslag.

Wave foreslo å tilpasse kortene basert på nylig brukte diagrammer og dashbord eller siden brukeren kom fra. Den illustrerte endringen og laget en teknisk plan. Planen omfattet å beholde muligheten til å skrive fritt og vise generelle forslag når det ikke fantes nok kontekst for tilpasning. Etter en kort gjennomgang overlot teamet arbeidet til en kodeagent og A/B-testet endringen.

Amplitudes startside før endringen og med foreslått løsning: generelle forslagskort erstattes med tilpassede forslag basert på nylig aktivitet.

Resultatene Amplitude delte fra eksperimentet, viste at antall meldinger sendt via forslagskortene på startsiden økte med 160 % sammenlignet med kontrollgruppen etter én dag. «Det er et godt eksempel på hvordan ting som ikke er banebrytende, og som derfor bare blir oversett, kan øke bruken av funksjoner på uventede måter», forklarer Eric Carlson, senior ledende AI-ingeniør i Amplitude.

Velge riktig OpenAI-modell for hver oppgave

Oppgavene til Wave stiller ulike krav til modellene. En grundig utredning krever god resonnering og godt underbygde konklusjoner. En liten kontroll som gjentas hundrevis av ganger, må være rask og rimelig. Amplitude vurderer kvalitet, responstid og kostnad for hver oppgave og velger modeller deretter.

«OpenAI ga oss både sterke modeller for resonnering og mindre, raskere modeller, slik at vi kunne balansere kvalitet, responstid og inferenskostnad på tvers av produktet»
– Spenser Skates, administrerende direktør i Amplitude

For Waves Opportunity Investigator evaluerte Amplitude om modellene underbygde funn med bekreftende informasjon, unngikk falske positiver, innarbeidet tilbakemeldinger fra evaluator, kom videre etter verktøyfeil og tilpasset påstandene til evidensgrunnlaget. GPT‑6.1 Sol fikk samlet 4,06 av 5 poeng, sammenlignet med 3,62, 3,52 og 2,94 for tre alternative modeller. Den var best på alle de fem utredningskriteriene og hadde den korteste medianutredningstiden, på 54 minutter.

I en separat evaluering av Waves Data Science Agent fikk GPT‑6.1 Sol 67,5 av 100 poeng, sammenlignet med 69,3 for en annen ledende modell, med en gjennomsnittlig modellkostnad på 1,28 USD mot 2,63 USD per oppdrag. GPT‑6.1 Sol fikk også flere poeng for etterlevelse av verktøykontrakter, estimering og usikkerhet samt forankring i evidens.

Evaluering av datavitenskapsagent med GPT‑6.1 Sol

Til oppgaver med stort volum, som gjennomgang av kode og små evalueringskontroller, bruker Amplitude GPT‑6 Luna for å holde responstid og kostnader nede. Ved å fordele arbeidet på spesialiserte agenter kan teamet reservere dyrere resonnering til oppgavene som trenger det mest.

Ved generering av grensesnittskisser og produktutkast fikk OpenAIs modell for bildegenerering 80,3 av 100 poeng for skisser av løsninger, sammenlignet med 63,9 for en annen modell for bildegenerering. Amplitudes evaluering omfattet kommunikasjonskvalitet, trofast gjengivelse av produktet, etterlevelse av instruksjoner, lesbarhet i tekst og brukergrensesnitt samt visuell sammenheng på tvers av 15 muligheter.

Evaluering av grensesnittskisser med GPT‑Image‑2.5 Flare

Teamene beholder kontrollen over hva som lanseres

Kunder i ulike bransjer bruker allerede Wave i beta for å identifisere og lansere produktforbedringer. Wave analyserer økt- og analysedata og utvikler deretter anbefalinger med et løsningsforslag, en teknisk plan og akseptansekriterier.

Derfra kan teamene styre graden av automatisering. De fleste team sender feilrettinger rett til kodeagenter, mens nye funksjoner og større satsinger gjennomgås av mennesker.

For endringer som faktisk lanseres, kan veien fra oppdagelse til gjennomføring være kort: Blant kundelanserte eksperimenter, flagg og veiledninger ble én av fire satt i drift samme dag som Wave identifiserte muligheten, halvparten på under fire dager og to av tre innen en uke.

Interpolert fra de oppgitte milepælene. Kurven er en illustrasjon, ikke enkeltobservasjoner.

Veien videre

«Ambisjonen vår med OpenAI er at bedrifter skal bygge programvare som produkter som forbedrer seg selv», sier Skates. Etter hvert som OpenAIs modeller blir bedre på resonnering og koding, vil team kunne delegere mer utrednings- og implementeringsarbeid til agenter. Det vil i siste instans føre til at bedre produkter når brukerne raskere. Amplitude ser det allerede: Agenter finner og bidrar til å levere forbedringer i selskapets eget produkt mens teamet jobber med andre prioriteringer. «Jeg tror team vil bli overrasket over hvor mye de kan få til når programvaren jobber sammen med dem for å gjøre produktet bedre.»

Bli med på den nye æraen i arbeidsliv

Mer enn 1 million virksomheter over hele verden oppnår meningsfulle resultater med OpenAI.

Få oppdateringer om OpenAI for bedrifter

Produktoppdateringer, praktiske veiledninger, kommende arrangementer og mer.

Ved å abonnere samtykker du til å motta e-post fra OpenAI. Du kan når som helst melde deg av. Les vår personvernerklæring⁠.