Amplitude acelera entregas de melhorias de produto com agente de IA em 1–2 dias

---

Como funciona e o que muda

Wave não é mais um relatório ou um plano genérico: é um agente proativo que combina dados de Amplitude (como replays de sessão e métricas) com modelos de linguagem para priorizar, detalhar e executar mudanças. Quando um time define um objetivo — por exemplo, melhorar a taxa de engajamento de uma sugestão no site — o sistema analisa dados, propõe soluções e envia o código diretamente para agentes como o Codex (ou um agente interno) com critérios técnicos.

A diferença é que, antes, essa jornada exigia uma equipe de engenheiros, testes manuais e iterações longas. Agora, a empresa diz que, em um teste interno, personalizar cards de sugestão no homepage de Amplitude aumentou o envio de mensagens por cartão em 160% em um dia. A mudança foi simples: substituir sugestões genéricas por versões adaptadas ao histórico do usuário, sem alterar o fluxo de entrada livre.

--- ## Modelos OpenAI na ponta do dedo

Wave não usa um único modelo, mas combina três: GPT-6.1 Sol (para investigações profundas), GPT-6.1 Luna (para tarefas repetitivas e rápidas) e GPT-Image-2.5 Flare (para gerar protótipos visuais a partir de screenshots). A estratégia é otimizar custo e performance: enquanto Sol liderou em qualidade e velocidade em testes de investigação (com nota 4,06 em cinco critérios), Luna foi escolhida para tarefas como escaneamento de código ou avaliações rápidas.

A empresa ainda não revelou preços ou detalhes sobre a infraestrutura, mas a abordagem de "modelos especializados para cada caso" é um ponto forte. O CEO da Amplitude, Spenser Skates, destacou que a IA pode agora "encontrar trabalho útil que nunca pensávamos atribuir a ela", desde a investigação até a execução.

--- ## O que ainda não roda e quem precisa

O Wave está em fase de teste interno e não está disponível para clientes ainda. A Amplitude não confirmou datas para liberação, mas o foco é integrar a ferramenta com seus próprios produtos, como o Amplitude Data Science Agent, que já usa modelos OpenAI para análise de dados.

Para quem trabalha com product management ou engenharia de software, o potencial é claro: equipes podem reduzir burocracias, testar mudanças mais rápido e iterar com menos dependência de recursos humanos. O desafio não é a tecnologia, mas a adaptação: como garantir que a IA não introduza erros ou priorize soluções que não alinham com os objetivos do negócio?

--- O que isso significa para o setor

O anúncio reforça uma tendência já em curso: a integração de agentes de IA como product agents não é mais um experimento, mas uma ferramenta operacional. Em um mercado onde a velocidade de entrega de melhorias é crítica, ferramentas que automatizam desde a descoberta até a execução — sem depender de equipes dedicadas — podem ser um diferencial.

O caso da Amplitude mostra que, mesmo em um ecossistema já saturado de modelos de linguagem, a chave está na especialização: não é sobre "mais IA", mas sobre usar a que já existe de forma mais eficiente. O desafio agora é escalar isso sem perder o controle de qualidade.