A Amplitude, uma plataforma que ajuda empresas a entenderem como seus usuários interagem com produtos, está transformando a velocidade de suas entregas. Graças ao Wave, um agente de produto proativo alimentado por modelos da OpenAI, a empresa agora consegue implementar melhorias em seus produtos em um período de apenas um a dois dias. Essa agilidade representa uma redução drástica em comparação com o tempo anterior, que girava em torno de um mês.
O Wave, que tem cerca de 80% de sua funcionalidade baseada em modelos da OpenAI, como GPT-6.1 Sol, GPT-6 Luna e GPT-Image-2.5 Flare, atua desde a identificação de oportunidades até a coordenação da implementação. Ele analisa dados de produto, replays de sessões, feedback de clientes e código para priorizar melhorias, desenvolver soluções e, em seguida, acionar agentes de codificação, como o Codex, para executar as mudanças. O sistema também monitora os resultados, criando um ciclo contínuo de aprendizado e otimização.
Como o Wave impulsiona a inovação
O processo começa com as equipes definindo uma área de produto e as metas que desejam alcançar. O Wave, então, entra em ação, investigando profundamente os dados para encontrar as melhores oportunidades de melhoria. Spenser Skates, CEO da Amplitude, destaca que a IA agora pode encontrar trabalhos úteis que antes não eram sequer considerados, investigando problemas, escrevendo e executando código, e usando os resultados para decidir os próximos passos.
Um exemplo prático do impacto do Wave foi observado na própria página inicial da Amplitude. O agente identificou que os cartões de sugestão genéricos para iniciar conversas com um agente de IA eram frequentemente ignorados pelos usuários. Ao analisar replays de sessões, o Wave descobriu que a maioria dos usuários preferia digitar suas próprias perguntas.
Com base nessa análise, o Wave propôs personalizar os cartões de sugestão, utilizando informações como gráficos recentes, painéis ou a página de origem do usuário. Após a aprovação da equipe, a mudança foi implementada por um agente de codificação e testada. O resultado foi um aumento de 160% nas mensagens enviadas através dos cartões de sugestão personalizados na página inicial, em comparação com o controle, em apenas um dia. Isso demonstra como pequenas otimizações, quando bem direcionadas, podem gerar um impacto significativo na adoção de funcionalidades.
A escolha estratégica dos modelos de IA
A Amplitude adota uma abordagem estratégica na seleção dos modelos da OpenAI para cada tarefa específica dentro do Wave. Para investigações aprofundadas e gerenciamento de oportunidades, que exigem raciocínio robusto e conclusões bem fundamentadas, o GPT-6.1 Sol é o modelo preferencial. Em avaliações internas, o GPT-6.1 Sol obteve uma pontuação de 4.06 de 5 na capacidade de corroborar descobertas e evitar falsos positivos, além de apresentar o tempo médio de investigação mais rápido, de 54 minutos.
Para tarefas de alto volume e menor custo, como a varredura de código e a execução de pequenas verificações de avaliação, a Amplitude utiliza o GPT-6 Luna. Essa divisão de trabalho entre agentes especializados permite otimizar custos e latência, reservando os modelos de raciocínio mais caros para as tarefas que realmente exigem essa capacidade. Já para a geração de wireframes e mockups de produtos, o modelo GPT-Image-2.5 Flare é empregado, utilizando capturas de tela de replays de sessões como referência visual.
Essa abordagem modular garante que o Wave opere de forma eficiente, equilibrando qualidade, velocidade e custo. A capacidade de escolher o modelo certo para cada demanda é crucial para a agilidade e a eficácia do sistema, permitindo que a Amplitude continue a inovar e aprimorar seus produtos em um ritmo sem precedentes.
O que isso muda para você
A agilidade da Amplitude em lançar melhorias de produto em dias, e não em meses, com o uso de IA, sinaliza uma mudança fundamental no desenvolvimento de produtos. Para profissionais brasileiros, isso significa que a capacidade de integrar ferramentas de IA no ciclo de vida do produto não é mais um diferencial, mas uma necessidade para manter a competitividade. Empresas que não explorarem a automação inteligente de tarefas de análise, design e até codificação correm o risco de ficar para trás.
Profissionais de produto, engenheiros e cientistas de dados precisam começar a pensar em como a IA pode atuar como um “agente proativo” em suas próprias equipes, identificando oportunidades e coordenando ações. O próximo passo concreto é explorar plataformas e modelos de IA que possam automatizar partes do seu fluxo de trabalho, começando por tarefas repetitivas ou de análise intensiva de dados, para liberar tempo e recursos para inovação estratégica.
