แอมพลิจูด (Amplitude, $AMPL) ประกาศเมื่อวันที่ 12 พ.ย. 2026 ว่าจะเปิดให้ลูกค้าแพ็กเกจ Growth และ Enterprise ใช้เอเจนต์ผลิตภัณฑ์ AI ชื่อ Wave แบบชำระเงิน Wave ช่วยค้นหาโอกาสปรับปรุงผลิตภัณฑ์ ตั้งแต่การลงมือทำไปจนถึงการวัดผล
Wave วิเคราะห์พฤติกรรมผู้ใช้และโค้ดผลิตภัณฑ์เพื่อเสนอจุดที่ควรปรับปรุง โดยพิจารณาทั้งความคิดเห็นจากลูกค้าและบันทึกการใช้งานหน้าจอด้วย
เมื่อทีมเลือกข้อเสนอแล้ว แผนการพัฒนาจะถูกส่งต่อให้เอเจนต์เขียนโค้ด หลังเปิดตัว Wave จะวัดผลของการเปลี่ยนแปลง ส่วนทิศทางผลิตภัณฑ์และการตัดสินใจว่าจะทำตามข้อเสนอหรือไม่ยังเป็นหน้าที่ของทีมที่รับผิดชอบ
จากกรณีลูกค้าโอเพนเอไอ (OpenAI) แอมพลิจูดประเมิน ณ วันที่ 12 พ.ย. 2026 ว่า Wave อาจลดระยะเวลาส่งมอบการปรับปรุงผลิตภัณฑ์จากประมาณหนึ่งเดือนเหลือ 1–2 วัน ตัวเลขนี้เป็นการประเมินของบริษัทจากกรณีดังกล่าว ไม่ใช่ค่าเฉลี่ยที่วัดจากลูกค้าทั้งหมด
โอเพนเอไอระบุว่า ในบรรดาการทดลอง ฟีเจอร์แฟล็ก และฟังก์ชันแนะนำผู้ใช้ที่ลูกค้าเปิดใช้งานจริงหลัง Wave เสนอโอกาส หนึ่งในสี่เปิดตัวภายในวันเดียว ครึ่งหนึ่งเปิดตัวภายใน 4 วัน และสองในสามเปิดตัวภายในหนึ่งสัปดาห์ ตัวเลขนี้นับเฉพาะกรณีที่เปิดตัวแล้ว
กรณีที่รับข้อเสนอแต่ไม่เปิดตัวไม่นับรวมในสัดส่วนดังกล่าว ส่วนเส้นโค้งที่แสดงการกระจายของช่วงเวลาเป็นเพียงตัวอย่าง ไม่ใช่ข้อมูลสังเกตรายกรณี
แอมพลิจูดยังทดลองปรับการ์ดแนะนำบนเว็บไซต์ของบริษัทให้เหมาะกับผู้ใช้ จากการตรวจสอบรายการ Session Replay 100 รายการก่อนทดลอง บริษัทระบุว่ามี 80 รายการที่ผู้ใช้พิมพ์คำถามเอง และมี 12 รายการที่ผู้ใช้เลือกการ์ดแนะนำ
Wave เสนอให้ปรับการ์ดแนะนำตามกิจกรรมบนแผนภูมิและแดชบอร์ดล่าสุด ทีมตรวจสอบข้อเสนอก่อนมอบหมายให้เอเจนต์เขียนโค้ดนำไปใช้ และทำการทดสอบ A/B
ในการทดลองเดือนกรกฎาคมที่แอมพลิจูดเปิดเผย ข้อความที่ส่งผ่านการ์ดแนะนำต่อผู้ใช้ 100 คนที่เห็นการ์ดอยู่ที่ 2.43 ข้อความสำหรับการ์ดแบบเฉพาะบุคคล เทียบกับ 0.94 ข้อความสำหรับการ์ดทั่วไปแบบเดิม บริษัทระบุว่าตัวเลขนี้เพิ่มขึ้นประมาณ 160%
การเพิ่มขึ้นประมาณ 160% จำกัดอยู่ที่ตัวชี้วัดข้อความที่ส่งผ่านการ์ดแนะนำ ไม่ได้หมายความว่าการใช้งานเอเจนต์ AI ทั้งหมดเพิ่มขึ้นในอัตราเดียวกัน แอมพลิจูดระบุว่าผลเบื้องต้นนี้ยังต้องตรวจสอบเพิ่มเติม
แอมพลิจูดระบุว่า Wave ใช้โมเดลของโอเพนเอไอประมาณ 80% ของการทำงาน GPT-6.1 Sol ใช้วิเคราะห์โค้ดและข้อมูลเชิงลึก GPT-6 Luna ใช้ตรวจสอบซ้ำ และ GPT-Image-2.5 Flare ใช้สร้างต้นแบบหน้าจอผลิตภัณฑ์
ในการประเมิน Data Science Agent แยกต่างหาก GPT-6.1 Sol ได้ 67.5 คะแนนจาก 100 คะแนน ขณะที่โมเดลที่ใช้เปรียบเทียบได้ 69.3 คะแนน ต้นทุนโมเดลเฉลี่ยต่อการเรียกใช้แต่ละครั้งอยู่ที่ 1.28 ดอลลาร์และ 2.63 ดอลลาร์ตามลำดับ โดยเป็นการประเมินภายในของบริษัทสำหรับงานวิเคราะห์เฉพาะประเภท
แอมพลิจูดเปิดตัวแนวคิด Wave ครั้งแรกในเดือนมิถุนายน 2026 โดยระบุว่าจะใช้ข้อมูลวิเคราะห์ผลิตภัณฑ์และความคิดเห็นลูกค้าเพื่อเสนอทั้งโอกาสในการปรับปรุงและข้อกำหนดสำหรับการนำไปใช้ ข้อมูลที่ระบุในเวลานั้นยังรวม Session Replay บันทึกข้อผิดพลาด และการติดตามเอเจนต์
บริษัทระบุว่าธุรกิจที่ใช้ Wave จำเป็นต้องมีข้อมูลวิเคราะห์ผลิตภัณฑ์และ Session Replay รวมถึงเป้าหมายทางธุรกิจ และต้องมีผู้รับผิดชอบด้านผลิตภัณฑ์หรือวิศวกรรมที่สามารถตรวจสอบข้อเสนอได้
Comment 0